第二節平均數差異顯著性檢驗的SAS分析1.對樣本所屬總體提出假設，包括無效假設H0

和備擇假設HA。2.確定顯著水平α。3.在H0為正確假定下,依統計數的抽樣分布，計算實際差數的概率。4.統計推斷，將α與算得的概率相比較，根據小概率事件實際不可能性原理作出是否否定

H0的推斷。1.從總體方差已知的正態總體的抽樣→樣本平均數為正態分布→

u測驗2.從未知總體抽樣，只要n≥30→

樣本平均數服從正態分布→

u測驗3.從正態總體的抽樣，總體方差未知,n<30→t分布→

t測驗單個樣本平均數的假設測驗兩個樣本平均數相比較的假設測驗由兩個樣本平均數的相差，以測驗這兩個樣本所屬的總體平均數有無顯著差異。測驗方法成組數據的平均數比較成對數據的比較成組數據的平均數比較又依兩個樣本所屬的總體方差(和)是否已知、是否相等而采用不同的測驗方法。1.總體方差已知,或大樣本抽樣實驗------u測驗2.總體方差未知的小樣本抽樣實驗,但可假定

-------t測驗3.總體方差未知的小樣本抽樣實驗,且樣本所屬總體方差不等-------近似t測驗成對數據，由于同一配對內兩個供試單位的試驗條件很是接近，而不同配對間的條件差異又可通過同一配對的差數予以消除，因而可以控制試驗誤差，具有較高的精確度。

在分析試驗結果時，只要假設兩樣本的總體差數的平均數，而不必假定兩樣本的總體方差σ12

和σ12相同。類似單組設計（單個平均數）進行分析成對數據的比較一、MEANS過程二、TTEST過程三、UNIVARIATE過程平均數差異顯著性檢驗的SAS過程1．MEANS過程MEANS過程用于測驗某個平均數與0之間的差異顯著性。以教材P82例5.1為例。

[例5.1]某春小麥良種的千粒重34g，現自外地引入一高產品種，在8個小區種植，得其千粒重(g)為：35.6、37.6、33.4、35.1、32.7、36.8、35.9、34.6，問新引入品種的千粒重與當地良種有無顯著差異？DATAex51;INPUTy@@;y=y-34.0;CARDS;35.637.633.435.132.736.835.934.6;PROCMEANSNMEANSTDERRTPRT;RUN;其中STDERR為平均數的標準誤選項；T選項表示列出ti值；PRT選項表示列出P(|t|>ti)的概率，即實際結果是由誤差造成的概率。

[例5.6]選生長期、發育進度、植株大小和其他方面皆比較一致的兩株番茄構成一組，共得7組，每組中一株接種A處理病毒，另一株接種B處理病毒，以研究不同處理方法的飩化病毒效果，表5.4結果為病毒在番茄上產生的病痕數目，試測驗兩種處理方法的差異顯著性。組別y1(A法)y2(B法)1102521312381443155512620277618DATAex56;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCMEANSNMEANSTDERRTPRT;VARy;RUN;“VARy;”一句用于指定對變數y進行分析，若缺省則對y1、y2和y三個變數分析。如在“CARDS;”語句前加上“DROPy1y2;”一句，建立數據集時將去除變數y1和y2，這樣生成的數據集中只有變量y，此時VAR語句可省去。2．TTEST過程一般用于成組數據資料的測驗[即測驗H0:μ1=μ2]，結果輸出包括兩樣本的基本統計數，總體方差相等和不相等的t值、概率值（實得差異由誤差造成的概率），以及對兩個總體的方差測驗結果（F測驗）。當F測驗不顯著時，應選擇Equal下的結果，否則取Unequal下的結果。

TTEST過程

以P84例5.3為例。

[例5.3]

調查某農場每畝30萬苗和35萬苗的稻田各5塊，得畝產量(單位：kg)于表5.2，試測驗兩種密度畝產量的差異顯著性。y1(30萬苗)y2(35萬苗)400450420440435445460445425420DATAex5;DOtrt=1TO2;DOr=1TO5;INPUTy@@;OUTPUT;END;END;CARDS;

400420435460425

450440445445420

;

PROCTTEST;

CLASStrt;

VARy;

RUN;

CLASS語句指明分組變量，這里是trt，注意在TTEST過程中，它只允許有兩個水平。

[例5.4]研究矮壯素使玉米矮化的效果，在抽穗期測定噴矮壯素小區8株、對照區玉米9株，其株高結果如表5.3。試作假設測驗。表5.3噴矮壯素與否的玉米株高(cm)

y1(噴矮壯素)y2(對照)160160200160200170150210

170270180250270290270230170以P84例5.4為例。DATAex54;INPUTtrty@@;CARDS;11602170116022701200218011602250120022701170229011502270121022302170;PROCTTEST;CLASStrt;VARy;RUN;三、UNIVARIATE過程

dataex54;inputx1x2@@;X==x1-x2;Cards;67.460.672.866.668.464.966.061.870.861.769.667.267.262.468.961.362.656.7;procunivariatemu0=5.0alpha=0.05;

varx;

run;通過以往大規模調查，已知某地嬰兒出生體重均數為3.30kg，今測得35名難產兒出生體重如下表。（1）試做次數分布圖和描述統計分析。（2）該地難產兒出生體重與一般嬰兒出生體重是否不同？3.833.284.053.623.492.863.914.243.204.303.393.544.162.793.253.143.443.113.143.163.803.873.293.233.183.633.483.483.873.503.532.953.723.523.36三、UNIVARIATE過程libnamea'e:\data\';

dataa.data3_1;

Infile'e:\data\data3_1.txt';

inputx@@;procunivariatemu0=3.30alpha=0.05;

varx;

histogramx/normalcbarline=greencfill=redbarwidth=8

midpoints=2.75to4.35by0.2;run;datatemp;inputx1-x35;m1=mean(ofx1-x35);s1=std(ofx1-x35);u=abs(m1-3.3)/(s1/sqrt(35));p=2*(1-probnorm(u));

datalines;3.833.284.053.623.492.863.914.243.204.303.393.544.162.793.253.143.443.113.143.163.803.873.293.233.183.633.483.483.873.503.532.953.723.523.36;procprint;

varm1s1up;run;參數的區間估計DATAex518;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCMEANSclmalpha=0.01;VARy;RUN;pp95以P84例5.4為例。DATAex54;INPUTtrty@@;CARDS;11602170116022701200218011602250120022701170229011502270121022302170;PROCmeans;

clmalpha=0.05;VARy;RUN;TTEST過程DATAex518;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCttestalpha=0.01;VARy;RUN;UNIVARIATE過程DATAex518;INPUTy1y2@@;y=y1-y2;CARDS;102513128143155122027618;PROCUNIVARIATE

cibasic(alpha=0.01);VARy;RUN;Pp87例5.7

dataex54;inputx1x2@@;X=x1-x2;Cards;67.460.672.866.668.464.966.061.870.861.7