统计学--第三章总体均数的估计与假设检验.pptVIP

第三章 总体均数的估计 与假设检验 统计推断的目的： 用样本的信息去推论总体。 医学研究中大多数是无限总体， 即使是有限总体，但也经常受各种条件的限制，不可能直接获得总体的信息。 第一节 均数的抽样误差与标准误 抽样误差（sampling error）:因各样本包含的个体不同，所得的各个样本统计量（如均数）往往不相等，这种由于个体差异和抽样造成的样本统计量与总体参数的差异，称为抽样误差。 产生抽样误差的原因：个体差异 在抽样研究中，抽样误差是无法避免的； 抽样误差的分布有一定的规律性。 例： 某地14岁健康女生身高的总体均数?为155.4cm，标准差为5.30。若从该地14岁健康女生中随机抽取样本含量n均为10人的样本共100次，计算出每次样本的均数为153.8cm，155.5cm,…… 可计算100个样本均数，得频数分布如下： 计算出这100个样本均数的均数为155.52cm，样本均数的标准差为1.64cm 标准误（standard error） 样本均数的标准差，也称均数的标准误，是反映均数抽样误差大小的指标。均数标准误越小，说明样本均数与总体均数的差异程度越小，用该样本均数估计总体均数越可靠。 标准误的计算 标准误的计算 例 某地随机抽查14岁健康女生10人，得身高均数154.8cm，标准差5.40cm，计算标准误。 标准误的用途： 衡量样本均数的可靠性 估计总体均数的置信区间 用于均数的假设检验 数理统计推理和中心极限定理 从正态总体中，随机抽取例数为n的样本，样本均数服从正态分布； 从偏态总体随机抽样，当n足够大时，样本均数服也近似服从正态分布分布； 从均数为μ，标准差为σ的正态或偏态总体，抽取例数为n的样本，样本均数的总体均数= μ，标准差 。 第二节 t 分布 t 分 布的概念 t分布的图形、性质、 t 界 值 表 查 表 一、t分布的概念 t 分 布 的 概 念 －－续 当总体标准差未知时，可作正态变量 的t转换: t分布与标准正态分布的联系：t分布只有1个参数：自由度（?=n-1）。 ? 逐渐增大时，t分布逐渐逼近标准正态分布。当?=∝时，t分布就完全成为标准正态分布了。 二 t分布的图形和特征 t分布是一簇曲线，自由度?决定曲线的形状。当ν?∞，t分布?正态分布 以0为中心，左右对称的单峰曲线 t值表的使用（P804） 横标目：自由度υ（1，2，3，…，∞） 纵标目：概率P（双侧：0.05， 0. 01，… 0.001 ） （单侧：0.025，0.005，… 0.0005 ） t界值：一侧尾部面积为单侧概率，两侧尾部面积之和称为双侧概率。 t值表的使用—续 t分布曲线两端尾部面积表示在随机抽样中，获得的t值大于等于某t界值的概率，即P值。 例如：当?=9时，双侧概率α=0.05时，查t界值表得 t(0.05, 9) = 2.262 。 含义为： t值表中： ?相同时，t值越大， P值越小； P值相同时，自由度? 值越大，t值越小； t值相同时，双侧概率P为单侧概率P的两倍。 t分布的应用： 总体均数的区间估计 t检验 第三节 总体均数的置信区间估计confidence interval 可信区间的概念 总体均数可信区间的计算 均数可信区间与参考值范围的区别 一、可信区间的概念 统计推断：参数估计与假设检验。 参数估计: parametric estimation，用样本统计量估计总体参数的方法。 点（值）估计:point estimation，直接用样本统计量作为总体参数的估计值。方法简单但未考虑抽样误差大小。 区间估计:interval estimation，按预先给定的概率95%，或(1-?)，确定的包含未知总体参数的可能范围。考虑了抽样误差。 可信区间的含义confidence interval, CI 有1- ?（如95%）的可能认为计算出的可信区间包含了总体参数。 例4.3 某市随机抽查12岁男孩100人，得身高均数139.6cm，标准差6.85cm。该地12岁男孩身高均数的95%可信区间为：138.3(cm)~141.0 (cm)。可信区间不含可信限。 Confidence limit，CL。 下限，lower limit，L/L1。 上限，upper limit，U/L2。 总体均数的可信区间原理 按t分布的原理得出 二、总体均数可信区间的计算 1、s已知时：总体均数的95%置信区间为： 2、s未知、且样本例数较少时，按t分布原理 总体均数的95%置信区间为： 例9.10 随机抽取某地健康男子20人，测得样本的收缩压均值为118.4 mmHg，标准差为10.8mmHg