统计推断

从试验的表面效应与试验误差的权衡比较中间接推断处理效应是否存在，收集到的资料需正确、完整、足够。用来确定是否接受零假设的概率标准。

统计推断

• 概念
  • 条件
    • 样本特征数
    • 问题条件
  • 手段
    • 假定模型
  • 结果
    • 概率形式
      • 非确定性推断
  • 内容
    • 假设检验
      • U检验，t检验，F检验，卡方检验，方差分析，相关分析，回归分析
    • 参数估计
• 假设检验（显著性假设）
  • 思想与前提
    • 从试验的表面效应与试验误差的权衡比较中间接推断处理效应是否存在，收集到的资料需正确、完整、足够
  • 两种假设
    • 零假设
      • H0：μ=μ0
        • 显著水平
          • 用来确定是否接受零假设的概率标准
            • 小概率事件实际不可能性原理
    • 备择假设
      • HA:μ≠μ0,HA:μ>μ0,HA:μ<μ0
  • 两类错误
    • Ⅰ型错误（假阳性错误）α
      • “弃真”
    • Ⅱ型错误（假阴性错误）β
      • “纳伪”
    • 关系
      • 1、此消彼长
      • 2、两均数差异越大，β值越小
      • 3、增大样本含量可以同时降低犯两类错误的可能性
  • 双侧检验与单侧检验
    • 双侧检验
      • 两尾概率
      • μ1=μ2，μ1≠μ2
      • 选用条件：两次处理效果有误差别
    • 单侧检验
      • 一尾概率
      • μ1=μ2，μ1>μ2
      • 选用条件：甲处理比乙处理好（或差）
  • 基本步骤
• 主题