第八章 t检验详解.ppt

第八章 t检验 t检验的应用条件 每个样本来自正态或近似正态总体 两样本均数比较时，还要求相应的两总体方差齐同。 第一节 单样本t检验 目的：用于从正态总体中获得一份含量为n的样本，算得均数和标准差，判断其总体均数是否与某个已知总体均数相同。 已知总体均数：一般为标准值、理论值或经大量观察得到的较稳定的指标值。 应用条件：资料服从正态分布或近似正态分布。 统计量t的计算公式： ? = n - 1 （2）单样本t检验 建立检验假设、确定检验水准： H0 ：? = ?0 H1 ：? ? ?0 ? ＝0.05 选择检验方法、计算统计量： 确定P值、作出统计推论。 t＞t0.05/2，8＝2.306，P0.05 第二节 配对设计资料均数的t检验 配对设计：将受试对象按某些重要特征相同或相近的原则配成对子（以消除其对研究结果的影响），再将每对中的个体按随机分配的原则给予不同的处理。 配对设计可以减小实验误差，提高研究效率。 配对设计的几种类型： 同一对的两个受试对象分别接受不同处理 同一样品用两种不同方法测试 同一受试对象处理前后的比较或不同部位测定值比较 统计量t的计算公式 应用条件：变量的差值服从正态分布。 例8.2的假设检验 （1）研究变量的差值d的的正态性检验 （2）配对设计数值变量的t检验 建立检验假设、确定检验水准： H0 ： H1 ： ? ＝0.05 选择检验方法、计算统计量： ν＝11 确定P值、作出统计推论。 t＜t0.05/2，11＝2.201 ，P0.05 第三节 独立样本的方差齐性检验与t检验 独立样本t检验：亦称两样本t检验或成组t检验，适用于完全随机化设计两独立样本的均数比较。 目的：检验两独立样本均数所代表的未知总体均数是否有差别。 应用条件： ① 样本个体测量值相互独立。 ② 两个样本所代表的总体均数均服从正态分布，即正态性(normality)。 ③两总体方差相等，即方差齐性(homogeneity of variance)。 【例8-3】 测定功能性子宫出血症中实热组与虚寒组的免疫功能，其淋巴细胞转化率如表8-2.试比较实热组与虚寒组的淋巴细胞转化率均数是否不同。 (1)独立样本的方差齐性检验 方差齐性检验的步骤： F统计量的计算公式： ν1＝n1－1，ν2＝n2－1 “附表4 F界值表(方差齐性检验用，双侧界值)，确定P值。 P0.05 (2)独立样本t检验 【例8-3】的分析结果 （1）两样本的正态性检验 （2）两样本的方差齐性检验 (3)两独立样本t检验 建立检验假设、确定检验水准： H0 ： H1 ： ? ＝0.05 选择检验方法、计算统计量： 确定P值、做出推论。 t＜t0.05/2，18＝2.101 ，P0.05 第7章第2节  假设检验中的两类错误和注意事项 一、Ⅰ型错误和Ⅱ型错误： 当拒绝H0时，可能拒绝了实际上成立的H0，这类错误称为Ⅰ型错误(“弃真”，假阳性)，其概率大小用α表示。常称之为检验水准 当不拒绝H0时，没有拒绝实际上不成立的H0,这类错误称为Ⅱ型错误(“存伪”，假阴性)，其概率大小用β表示。 检验效能（1-β）：当两个总体存在差异时所使用的统计检验能够发现这种差异的能力，也称为把握度。 假设检验中的两类错误 α与β的关系 当样本量一定时, α 愈小, 则 β 愈大，反之α 愈大, 则 β 愈小 增加样本量, 可同时减小α、 β 假设检验的注意事项 1、事先进行严密的统计学设计 2、单侧检验与双侧检验的选择 3、灵活确定α水准 4、选择正确的统计方法 5、正确理解统计推断的意义 （P值越小，越有理由说明总体参数间有差异） 6、假设检验的结论不能绝对化 （结论具有概率意义） 7、结合专业知识做出推论（统计学意义应结合专业意义进行解释） 8、CI与假设检验的区别和联系 可信区间比假设检验提供更多信息 第四节 正态性检验与数据转换 正态性检验(test of normality)是推断资料是否服从正态分布，或样本是否来自正态分布总体的方法。 正态分布有2个特征，即对称性(symmetry)和正态峰(mesokurtosis)。 非正态峰又