2均数的显著性检验.pptVIP

均数的显著性检验 预防医学教研室 实习目的 掌握标准差、标准误的应用； 掌握不同的均数显著性检验的适用范围； 掌握正确的选择均数显著性检验的方法 1.?标准差（S）与标准误( )的比较 标准差（S）意义： 描述个体间的变异程度(即各数值与均数的接近程度)，反映均数对本组数据的代表性(说明数据分散情况)。 作用： (1) 求正常值范围； (2) 求CV、标准误； 标准误（ ）意义： 为样本均数的标准差。描述样本均数与总体均数的差异，说明均数抽样误差的大小。反映用样本均数代表总体均数的可靠性(说明均数的分散情况)。 作用： (1)求总体均数所在范围(可信区间)； (2)进行显著性检验； 95%正常值范围的估计 如何进行区间估计？ （1）总体标准差未知，样本例数(50)足够大 也可参考u分布进行 95%置信区间： 99%置信区间： （2）总体标准差未知，样本例数较小 按t分布原理 95% CI： 99% CI： （3）总体标准差已知参照u分布，95%的u值在+/-1.96之间，即： 假设检验的思想 由于抽样误差，从某总体中随机抽得的样本，得到的样本均数与该总体的均数不同；同一总体中两次抽样的样本均数也不相同。 原因在于： 总体均数不同（同时有抽样误差）； 总体均数相同，差别仅由抽样误差所致； 反证思想： 两种说法非A即B。要证明B真，只要证明A伪即可。 无效假设（Null hypothesis，H0）意在推翻的假设（说法A）。 备择假设（Alternative hypothesis，H1）意在接受的假设（说法B）。 从无效假设出发，找出不支持这一假设的证据，从而推翻它。 3. 假设检验的步骤 （1）建立“检验假设”；确定检验水准α； （2）选择和计算统计量(t or u)： 根据研究设计类型，资料特征，统计方法的适用条件，选择和计算统计量 （3）确定概率p；判断结果 p0.05 差异无显著性 p≤0.05 差异有显著性 p≤0.01 差异有高度显著性 无效假设：样本结果A和B之间的差异仅仅是由于抽样误差造成的。即H0：?=0。 备择假设：样本结果A和B之间的差异不仅仅是由于抽样误差造成的，还包含不同处理的效果。即H1：??0。 由无效假设出发，可以计算出得到样本差异或者更大差异的概率（P值）。 如果P值小于检验水准?，则认为由此无效假设不太可能出现这样的结果，从而推翻它，接受备择假设（差异显著性）。反之, 接受无效假设。 若P≤ α,认为是小概率事件，一次抽样不可能发生。而一旦发生，即认为：造成两个均数差异的原因是总体不同（试验因素所致，或相应的因素导致等） ，无效假设是错误的，因此，拒绝H0,接受H1。称差异有统计学意义。 若P α,则认为本次的差异仅为抽样误差所致，接受H0,拒绝H1,认为两均数来自同一总体。称差异无统计学意义。 注意： (1)??P ≤ 0.05，差异有显著性，是指因抽样误差造成如此大的差异的可能性较小(≤5%)，真正存在差别的可能性较大(95%)。虽然≤5%的机会小，但仍可遇上，故判断结果不能绝对化。 (2) 差异有显著性与差异有高度显著性仅反映上述可能性的大小，并非表示差异的程度。不能颠倒！ 两两比较： t-test的适用条件—小样本，正态分布资料,方差齐，总体标准差未知 。 u-test： 大样本（n50），总体标准差已知。 推断两样本所代表的两个总体均数是否相同。 分两种情况： 1、大样本。 两样本含量均50， 用u检验。 2、两小样本均数的比较（方差齐时） 由专用公式计算合并方差，均数差值的标准误， 再计算t值。 用合并自由度查t界值表。确定概率，作出统计 推断。 配对资料的比较 配对设计：两样本中的观察值由于存在某种联系而一一对应结成对子的情况. 1、同一受试对象处理前后的比较：高血压治疗前后的血压值； 2、同一对象身体不同部位测定值比较：如左右臂皮肤的敏感试验，测得红斑直径； 3、同一样品两种不同方法测定结果：两种仪器，两名化验员，两种条件等； 4、成对设计：动物配对后随机分到两组后的测定结果； 这些资料的均数比较用t检验。目的是验证差值的总体均数是否为零的假设。 步骤： 计算两组资料的差值及差值的均数，标准差，并将其差值转化为t分布，假设差值的总体均数为0， 做配对t检验。 t’检验（方差不齐时） 公式：P128-129 注：此时还可用基于秩次的非参数检验。 * * 医学统计学实习2 2. 正常值范围与可信区间比较 95%正常值范围： 是“值的范围”。 100个正常人中有95个的身高落在95%身高正常范围内。 95%