显著性差异

X2检验
是计数资料主要的显著性检验方法。用于两个或多个百分比(率) 的比较。常见以下几种情况：四格表资料、配对资料、多于2行*2列资 料及组内分组X2检验。
零反应检验
用于计数资料。是当实验组或对照组中出现概率为0或100%时， X2检验的一种特殊形式。属于直接概率计算法。
18
4.常用检验 Hotelling检验
显著性检验
刘上元 2015年10月8日
2
CONTENT
01
02 03 04
含义
原理
技术标准 常用检验
03
01
PART ONE
含义
显著性检验 即用于实验处理组与对照组或两种不同处理的效应之 间是否有差异，以及这种差异是否显著的方法。 就是事先对总体（随机变量）的参数或总体分布形式 做出一个假设，然后利用样本信息来判断这个假设 （原假设）是否合理，即判断总体的真实情况与原假 设是否有显著性差异。
7
原理 提出“无效假设”和检验“无效假设”成立 的机率 （P）水平的选择。 *无效假设 经统计学分析后，如发现两组间差异是抽样引起的， 则“无效假设”成立，可认为这种差异为不显著（即 实验处理无效）。 若两组间差异不是由抽样引起的，则“无效假设”不 成立，可认为这种差异是显著的（即实验处理有效）。
应用条件与t检验大致相同，但t′检验用于两组间方差不齐时，t′ 检验的计算公式实际上是方差不齐时t检验的校正公式。
U检验
应用条件与t检验基本一致，只是当大样本时用U检验，而小样本 时则用t检验，t检验可以代替U检验。
17
4.常用检验 方差分析
用于正态分布、方差齐性的多组间计量比较。常见的有单因素分 组的多样本均数比较及双因素分组的多个样本均数的比较，方差分析首 先是比较各组间总的差异，如总差异有显著性，再进行组间的两两比较， 组间比较用q检验或LST检验等。
significancetest
09
03
技术标准 PART THREE
技术标准 常把一个要检验的假设记作0,称为原假设（或零假设） (null hypothesis) ，与0对立的假设记作1，称为备择 假设(alternative hypothesis) 。
⑴ 在原假设为真时，决定放弃原假设，称为第一类 错误，其出现的概率通常记作α；
反之若数据之间不具备显著性差异，则实验的备则假设可以被推 翻，虚无假设得到支持。
14
实验结果
sig值达到 0.05水平或0.01 水平
NULL
虚无假设为真， 被推翻
对立假设得到 支持 著
P>0.05 不显
P>0.05 不显著 0.01<P<0.05 表示差异性显著； P<0.01表示差异性极显著。
⑵ 在原假设不真时，决定接受原假设，称为第二类 错误，其出现的概率通常记作β。
significancetest
11
技术标准 通常只限定犯第一类错误的最大概率α， 不考虑犯第 二类错误的概率β。这样的假设 检验又称为显著性检 验，概率α称为显著性水平。 最常用的α值为0.01、0.05、0.10等。一般情况下， 根据研究的问题，如果放弃真假设损失大，为减少这 类错误，α取值小些 ，反之，α取值大些。
significancetest
05
02
PART TWO
原理
2.原理
小概率事件
实际不可能性
抽样误差
实验处理
显著性检验是针对我们对总体所做的假源自文库做检验，其原理就是“小
概率事件实际不可能性原理”来接受或否定假设。
抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭 两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析， 鉴别出两者差异是抽样误差引起的，还是由特定的实验处理引起的。
毕业设计第二次汇报，段公子，西北工业大学航空学院 15
17
04
PART FOUR
常用检验
4.常用检验 t检验
适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。 包括配对资料间、样本与均数间、两样本均数间比较三种，三者的计算 公式不能混淆。（处理时不用判断分布类型就可以使用t检验）
t'检验
significancetest
08
原理 *“无效假设”成立的机率水平 检验“无效假设”成立的机率水平一般定为5%，其 含义是将同一实验重复100次，两者结果间的差异有 5次以上是由抽样误差造成的，则“无效假设”成立， 可认为两组间的差异为不显著，常记为p>0.05。 若两者结果间的差异5次以下是由抽样误差造成的， 则“无效假设”不成立，可认为两组间的差异为显著， 常记为p≤0.05。如果p≤0.01，则认为两组间的差异为 非常显著。
19
感谢各位聆听
Thanks for Listening
如有不足 请多指教
用于计量资料、正态分布、两组间多项指标的综合差异显著性检 验。
非参数统计方法 验
符号检验、秩和检验和Ridit检验
三者均属非参数统计方法，共同特点是简便、快捷、实用。可用 于各种非正态分布的资料、未知分布资料及半定量资料的分析。其主要 缺点是容易丢失数据中包含的信息。所以凡是正态分布或可通过数据转 换成正态分布者尽量不用这些方法。
significancetest
12
13
3.技术标准
原假设
备假设
α
β
通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之 间具备了差异显著或是极显著。在作结论时，应确实描述方向性。
如果我们是检验某实验（Hypothesis Test）中测得的数据，那 么当数据之间具备了显著性差异，实验的 虚无假设（Null Hypothesis）就可被推翻， 对立假设（Alternative Hypothesis）得到支持；