第一篇试验设计第四章试验数据检验与处理补充（复习）几个基础知识点统计假设检验的步骤检查变量数据是否满足拟用统计量的要求列出原假设H0，以及备用假设HA选定显著性水平α注明拟用统计量及其在H0下的分布确定H0的拒绝域及非拒绝域计算统计量的值下统计结论，拒绝H0or不拒绝H0显著性水平的含义显著性水平α是“以真作假”的概率。也就是错误地拒绝H0的概率。在不同场合有不同的说法，如置信度、第一类错误、显著性水平统计结论的两类错误的含义第一类错误，“以真作假”的概率，具体地说就是当H0实际为真，而拒绝了H0。第二类错误，“以假作真”的概率,具体地说就是当H0实际为假而不拒绝H0。两者之间有一定的关联。统计结论中拒绝与接受的含义在假设检验中，对弃真的概率进行了控制，而对纳伪的概率并没有严加控制。当H0遭到拒绝时，有非常大的把握说这个结论是正确的。当H0不被拒绝时，只能说没有足够的证据来怀疑H0，而不能肯定H0是完全正确的。在应用回归分析、方差分析等统计分析手段时，对实验数据有一定的要求，即：样本对总体的代表性和样本遵从特定的检验方法的要求。因此，在对实验数据进行统计分析之前，必须对实验数据本身进行检验与处理，使其符合统计分析的要求。回归分析对原始数据的要求原始数据必须相互独立独立性原始数据必须来自正态总体正态性原始数据须合理合理性原始数据各组之间的方差必须一致等方差性独立性、正态性、合理性和方差一致性检验的共性采用假设检验方法，检验步骤和过程相似各自有很多种检验方法（注意每种方法的特点）注意每种方法的需要满足的前提对于同样样本的数据采用不同的方法可能会有不同的结论第二节异常值检验在一批实验数据中，如混杂有异常数据，则必然会歪曲实验结果。因此，必须正确地剔除异常数据（或称坏值、野点子）。另一方面，由于在特定条件下进行实验测量的随机波动性，致使测量数据有一定的分散性，如果人为地丢掉一些误差较大的、但不属于异常的数据，这样会造成虚假的高精度，这也是不正确的。人们对异常数据的判别与剔除，往往采用两种方法物理判别法即在实验过程中，人们根据常识或经验，判别由于仪器或设备的震动、数据的误读等原因造成的坏值，随时发现，随时剔除。统计判别法统计判别法的基本思想在于，给定一个置信概率（例如0.99），并确定一个置信限，凡超过此限的误差，就认为它不属随机误差范围，系属异常数据，应予剔除。例子1：有7个数据31044720840664313396685510052277295213185问其中是否有异常值？步骤：将数据从小到大按照顺序排列计算f0值（统计量）根据样本容量和显著水平，查表（临界值）判断，若否则非异常值对于非正态分布的总体，做适当数据变换（如对对数正态分布总体做对数变换，对左偏或右偏数据作Box—Cox变换等），或者改用非参数检验方法都是可行的选择。在有异常值存在的情况下，则应将其先剔除再作方差分析。第四节等方差性检验等方差性（又称方差同质性）假定要求各个样本（同一因素不同水平的一组重复观测值）的方差大小没有显著差异。对数方差分析、Bartlett检验、Fmax检验和Cochran检验方法都可用来判断多总体情况下各样本的方差是否服从这一假定。如果检验结果发现数值不具有同质性，可以改用比较多样本大小的非参数检验方法，如Kruskal-Wallis检验等。Bartlett检验