第三章总体均数的估计与假设检验EstimationofPopulation.ppt

统计推断：由样本信息推断总体特征。 见P34~36表3-1 1、抽样误差： 由个体变异产生的、抽样造成的样本统计量与总体参数的差别 均数的抽样误差：由于抽样造成的样本均数与总体均数的差别 原因：1）抽样 2）个体差异 t分布概述 抽样误差的分布规律 ↓ 样本 → 总体 ↑ t分布 理论 ↑ 手段 （桥梁） 目的 总体均数可信区间的计算 需考虑： （1）总体标准差?是否已知， （2）样本含量n的大小 通常有两类方法： （1）t分布法 （2）u分布法 1. 95%的可信区间的理解： （1）所要估计的总体参数有95%的可能在我们所估计的可信区间内。 （2）从正态总体中随机抽取100个样本，可算得100个样本均数和标准差，也可算得100个均数的可信区间，平均约有95个可信区间包含了总体均数 。 （3）但在实际工作中，只能根据一次试验结果估计可信区间，我们就认为该区间包含了总体均数?。 2.可信区间的两个要素 （1）准确度：用可信度（1??）表示：即区间包含总体均数?的理论概率大小 。 当然它愈接近1愈好，如99%的可信区间比95%的可信区间要好 。 （2）精确度：即区间的宽度 区间愈窄愈好，如95%的可信区间比99%的可信区间要好 。 当n确定时，上述两者互相矛盾。 提高准确度（可信度），则精确度降低 （可信区间会变宽），势必降低可信区间的实际应用价值，故不能笼统认为99%可信区间比95%可信区间要好。 相反，在实际应用中，95%可信区间更为常用。 在可信度确定的情况下，增加样本含量可减小区间宽度，提高精确度。 对于大样本,也可以近似用u检验。 t检验和u检验的应用条件: 1. t检验应用条件: 样本含量n较小时(如n60) (1)正态分布 (2)方差齐性(homogeneity of variance) 2. u 检验应用条件: 样本含量n较大，或n虽小但总体标准差已知 (1)正态分布 (2)方差齐性(homogeneity of variance) 例3-5 某医生测量了36名从事铅作业男性工人的血红蛋白含量，算得其均数为130.83g/L，标准差为25.74g/L。问从事铅作业工人的血红蛋白是否不同于正常成年男性平均值140g/L？ 130.83g/L ≠140g/L 原因： 1.可能是总体均数不同 2.是抽样造成的 一、单样本 t 检验 (one sample / group t-test) 即样本均数 （代表未知总体均数?）与已知总体均数?0(一般为理论值、标准值或经过大量观察所得稳定值等)的比较。其检验统计量按下式计算 例3-6 为比较两种方法对乳酸饮料中脂肪含量测定结果是否不同，某人随机抽取了10份乳酸饮料制品，分别用脂肪酸水解法和哥特里－罗紫法测定其结果如表3-3第(1)~(3)栏。问两法测定结果是否不同？ ???? 第五节 假设检验注意事项 一、I型错误和II型错误 假设检验是利用小概率反证法思想，根据P值判断结果，此推断结论具有概率性，因而无论拒绝还是不拒绝H0，都可能犯错误。见表3-8。 表3-8 可能发生的两类错误 图3-6 I型错误与II型错误示意图(以单侧u检验为例) 二、假设检验应注意的问题 1.要有严密的研究设计 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。 2.不同的资料应选用不同检验方法 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(即任一ni 60)且方差齐，则选用两样本t检验；若方差不齐，则选用近似t?检验(Cochran Cox法或Satterthwait