表5-1两类错误的关系 客观实际 否定H 接受H H0成立 Ⅰ型错误(a) 推断正确(1-a) 不成立 惟断正确(1-B) Ⅱ型错误(B) 四、双侧检验与单侧检验 在上述显著性检验中,无效假设H0:A1=2与备择假设H4:≠山2。此时,备择 假设中包括了A>2或A1≤2两种可能。这个假设的目的在于判断与m2有无差异,而 不考虑谁大谁小。如比较长白猪与大白猪两品种猪经产母猪的产仔数,长白猪可能高于大 白猪,也可能低于大白猪 此时,在a水平上否定域为(-∞,ta]和[a+∞),对称地分配在t分布曲线的两侧尾部 每侧的概率为α/2,如图5-3所示。这种利用两尾概率进行的检验叫双侧检验( two-sided test),也叫双尾检验(two- tailed test),L为双侧检验的临界r值。但在有些情况下,双 侧检验不一定符合实际情况。如采用某种新的配套技术措施以期提高鸡的产蛋量,已知此 种配套技术的实施不会降低产蛋量。此时,若进行新技术与常规技术的比较试验,则无效 假设应为H0:A1=μ2,即假设新技术与常规技术产蛋量是相同的,备择假设应为HA >山2,即新配套技术的实施使产蛋量有所提高。检验的目的在于推断实施新技术是否提 高了产蛋量,这时H0的否定域在t分布曲线的右尾。在a水平上否定域为[n+∞),右侧的 概率为a,如图5-4所示。若无效假设H0为山1=2,备择假设HA为1<H2,此时H的 否定域在t分布曲线的左尾。在a水平上,H的否定域为(-∞,-a],左侧的概率为a。如 图5-4B所示。这种利用一尾概率进行的检验叫单侧检验(one- sided test)也叫单尾检验 ( one-tailed test)。此时la为单侧检验的临界t值。显然,单侧检验的la=双侧检验的t2a a/2 H否定域”H接受域H否定域 H接受域H否定域H接受域 (A)右侧检验H:p;=2(B)左侧检验H:= 图5-3双侧检验 H:μp>μ 图5-4单侧检验 由上可以看出,若对同一资料进行双侧检验也进行单侧检验,那么在∝水平上单侧检 验显著,只相当于双侧检验在2α水平上显著。所以,同一资料双侧检验与单侧检验所得 的结论不一定相同。双侧检验显著,单侧检验一定显著:但单侧检验显著,双侧检验未必60 表 5-1 两类错误的关系 客观实际 否定 H0 接受 H0 H0 成立 Ⅰ型错误( ) 推断正确(1- ) H0 不成立 推断正确(1- ) Ⅱ型错误( ) 四、双侧检验与单侧检验 在上述显著性检验中,无效假设 H0 : 1 = 2 与备择假设 H A: 1 ≠ 2 。此时,备择 假设中包括了 1 > 2 或 1 < 2 两种可能。这个假设的目的在于判断 1 与 2 有无差异,而 不考虑谁大谁小。如比较长白猪与大白猪两品种猪经产母猪的产仔数,长白猪可能高于大 白猪,也可能低于大白猪。 此时,在 水平上否定域为 ( − ,t 和 ,+) t ,对称地分配在 t 分布曲线的两侧尾部, 每侧的概率为 /2,如图 5-3 所示。这种利用两尾概率进行的检验叫双侧检验(two-sided test),也叫双尾检验(two-tailed test), t 为双侧检验的临界 t 值。但在有些情况下,双 侧检验不一定符合实际情况。如采用某种新的配套技术措施以期提高鸡的产蛋量,已知此 种配套技术的实施不会降低产蛋量。此时,若进行新技术与常规技术的比较试验,则无效 假设应为 H0 : 1 = 2 ,即假设新技术与常规技术产蛋量是相同的,备择假设应为 H A : 1 > 2 ,即新配套技术的实施使产蛋量有所提高。检验的目的在于推断实施新技术是否提 高了产蛋量,这时 H0 的否定域在 t 分布曲线的右尾。在 水平上否定域为 ,+) t ,右侧的 概率为 ,如图 5-4A 所示。若无效假设 H0 为 1 = 2 ,备择假设 H A 为 1 < 2 ,此时 H0 的 否定域在 t 分布曲线的左尾。在 水平上, H0 的否定域为 ( − ,−t ,左侧的概率为 。如 图 5-4B 所示。这种利用一尾概率进行的检验叫单侧检验(one-sided test)也叫单尾检验 (one-tailed test)。此时 t 为单侧检验的临界 t 值。显然,单侧检验的 t =双侧检验的 2 t 。 由上可以看出,若对同一资料进行双侧检验也进行单侧检验,那么在 水平上单侧检 验显著,只相当于双侧检验在 2 水平上显著。所以,同一资料双侧检验与单侧检验所得 的结论不一定相同。双侧检验显著,单侧检验一定显著;但单侧检验显著,双侧检验未必 图 5-3 双侧检验 图 5-4 单侧检验