数据结构 从服从正态分布N(“广300,0=75)的原品种总体中，随机抽取n个个体 构成样本，则样本观察值可表示为 (1,2,.,n 而从新品系总体中随机抽取的样本观察值，则为 x=μ+e1(=1,2,.，d 新品系与原品种的产量差异为 T=H-H。 将(4.3)代入(4.2)得 x=业0+r+eg (i1,2,.,n) 二、统计假设测验的基本思路—一小机率原理 小机率原理即概率很小的事件，在一次试验中是不至于发生的。 对一个样本的n个观察值xi求平均数 因x=μ。+T+et (i=l,2,.,n) 元=4o+T+E 学 (-4)=(-4)+E 过 上式说明，元与4。的表面差异（元-“）是由真实差异(u-4。)和试 验误差e,构成。 先假设真实差异不存在，表面差异全为试验误差。然后计算这一假设出现 的概率，根据小概率事件实际不可能性原理，判断假设是否正确。这是对样本 所属总体所做假设是否正确的统计证明，称为统计假设测验(statistica hypothesis test). 三、统计假设测验的基本步骤 例如，假设新品系的总体平均数4与原品种总体平均数4相等， (x-4。)=(u-4。)+e=e,即表面差异(x-4=30kg)全为试验误差，新品 系的产量与原品种没有差异。这个假设就叫无效假设(null hypothesis),记 为HO::h。与其对应的另一个统计假设叫备择假设(alternate hypothesis) 记为HA:≠4。 无效假设的形式是多种多样的，随研究的内容不同而不同，但必须遵循两 个原则： 无效假设是有意义的： 据之可计算出因抽样误差而获得样本结果的概率。3 教 学 过 程 一、数据结构 从服从正态分布 N(μ0=300，σ=75)的原品种总体中，随机抽取 n 个个体 构成样本，则样本观察值可表示为 xi = μ0 + εi (i=1，2 ，. ，n) 而从新品系总体中随机抽取的样本观察值，则为 xi = μ + εi (i=1，2 ，. ，n) 新品系与原品种的产量差异为 τ = μ - μ0 将(4.3)代入(4.2)得 xi = μ0 + τ + εi (i=1，2 ，. ，n) 二、统计假设测验的基本思路——小机率原理 小机率原理即概率很小的事件，在一次试验中是不至于发生的。 对一个样本的 n 个观察值 xi 求平均数 因 xi = μ0 + τ + εi (i=1，2 ，. ，n)        − = − +  = + + ( ) ( ) 0 0 0 x xi i 上式说明， x 与 μ0 的表面差异( x -μ0)是由真实差异(μ- μ0 )和试 验误差εi构成。 先假设真实差异不存在，表面差异全为试验误差。然后计算这一假设出现 的概率，根据小概率事件实际不可能性原理，判断假设是否正确。这是对样本 所属总体所做假设是否正确的统计证明，称为统计假设测验(statistical hypothesis test)。 三、统计假设测验的基本步骤 例如，假设新品系的总体平均数 µ 与原品种总体平均数 µ0 相等， ( x -μ0)=(μ-μ0 )+εi=εi 即表面差异( x -µ0=30 ㎏)全为试验误差，新品 系的产量与原品种没有差异。这个假设就叫无效假设(null hypothesis)，记 为 H0：µ= µ0。与其对应的另一个统计假设叫备择假设(alternate hypothesis)， 记为 HA：µ≠µ0。 无效假设的形式是多种多样的，随研究的内容不同而不同，但必须遵循两 个原则： 无效假设是有意义的； 据之可计算出因抽样误差而获得样本结果的概率