总体均数估计与假设检验及t检验课件.pptVIP

定量资料的统计推断 既然是抽样研究，那么就一定存在着抽样误差（由于个体变异），每次抽到的样本均数之间或者样本均数与总体均数之间都不尽相同，总是有差别的。 因此，估计抽样误差的大小，就成为统计推断必须要解决的问题。 标准差与标准误 标准误用途 衡量样本均数的可靠性：标准误越小，表明样本均数越可靠； 参数估计：估计总体均数的置信区间（区域）； 假设检验：用于总体均数的假设检验（比较）。 t-分布 t-distribution 假设检验（Hypothesis test） 假设检验的推断原理 假设检验的基本步骤 t检验和Z检验 两样本总体方差齐性检验 正态性检验 假设检验的两类错误 注意事项 一、假设检验的推断原理 上面介绍过的区间估计方法是统计推断的内容之一(对总体参数做估计)，假设检验是统计推断的另一重要内容(对总体参数做比较)。正是应用统计推断的理论和方法，人们才能顺利地通过有限的样本信息去把握总体特征，实现抽样研究的目的。 假设检验是对所估计的总体首先提出一个假设 (即假设样本来自这个总体)，然后通过样本数据去推断是否拒绝这一假设，如果拒绝，认为该样本很可能不是来自这个总体；否则，认为该样本很可能来自这个总体。 由上面的例子可以看出，需要检验两个方面：①与正常人群相同，均数之间的差别是由于抽样误差所致，抽样误差影响的可能性大，其它因素影响的可能性小。②与正常人群不同，是由于从事铅作业环境条件的影响，抽样误差影响的可能性小。那么，如何进行判断呢？统计上就是以抽样误差发生的可能性，也就是以小概率事件发生来判断。 3．确定P值，下结论.根据P值大小，在两个假设之间进行二者取一的选择。规则是： 如果P＜α（0.05），意味着在H0设定的前提下发生了（支持H0的）小概率事件。怀疑H0的真实性（即推测实际情况应为H1）。从而做出拒绝H0，接受H1的推断结论。 如果P＞α（0.05），按照事先确定的标准，在H0的前提下没有发生（支持H1的）小概率事件，因而没有充足的理由对H0提出怀疑。于是做出不拒绝H0的推断结论。 无论做出哪一种推断结论，都面临着发生判断错误的风险。这就是假设检验的两类错误。 　t 检验 t-test 三、t检验和Z检验（参数检验） 以t分布为基础的检验称为t检验。t分布的发现使得小样本统计推断成为可能。因而，它被认为是统计学发展历史中的里程碑之一。 在医学统计学中，t检验是重要的假设检验方法之一。常用于两个均数之间差别的比较，并根据资料的分布情况及设计类型，选择不同的t检验方法。 本章结构 单个样本t检验 配对样本t检验 两独立样本t检验 t检验中的注意事项 假设检验中两类错误 单样本t检验 One sample t-test 例：根据大量调查，已知健康成年男子的脉搏均数为72次/分。某医生在某山区随机调查30名健康男子，求得脉搏均数为74.2次/分，标准差为6.5次/分。能否认为该山区的成年男子的脉搏均数高于一般成年男子的脉搏均数？ 配对样本t检验 Paired design t-test 两独立样本t检验 Two independent sample t-test 应用条件 两样本含量较小（n60）； 两样本来源于正态分布的总体； 两总体方差相同，即方差齐性。 独立样本。 完全随机设计两样本几何均数比较的t检验 五、正态性检验 七、 应用假设检验需要注意的问题： 1．严格按照研究设计方案，收集客观的数据；样本的获取必须遵循随机的原则。 2．应用检验方法必需符合其适用条件。 3．正确理解差别有无统计意义。 4．结论不能绝对化 5. 权衡两类错误的危害来确定α的大小。 6．对均数或概率作假设检验时，应与总体参数的区间估计结合进行。 7．作假设检验应注意样本容量是否合理。 假设检验的前提是要有严密的抽样研究设计 这是假设检验的前提。组间应均衡，具有可比性，也就是除对比的主要因素(如临床试验用新药和对照药)外，其它可能影响结果的因素(如年龄、性别、病程、病情轻重等)在对比组间应相同或相近。保证均衡性的方法主要是从同质总体中随机抽取样本，或随机分配样本。 选用的假设检验方法应符合其应用条件 应根据分析目的、资料类型以及分布、设计方案的种类、样本含量大小等选用适当的检验方法。如：配对设计的计量资料采用配对t检验。而完全随机设计的两样本计量资料，若为小样本且方差齐，则选用两样本t