定量的参数估计和假设检验基础讲解.pptx

第四章 ;本章重点;学习内容;一、抽样误差;正态总体中抽样时样本均数的抽样分布特点;中心极限定理（central limit theorem）;标准误（standard error of mean，SEM或SE）;; 均数标准误的应用 1、表示均数抽样误差大小，描述（n相同）样 本均数的离散程度，反映用样本均数估计或推断总体均数的可靠性； 2、与样本均数相结合，用于估计总体均数的 置信（置信）区间 ； 3、用于进行均数的假设检验。;;均数的参数估计;置信区间(confidence interval, CI);;;;t分布的概念;单峰分布，曲线以0为中心，左右对称类似于标准正态分布。 t分布的形状与自由度?有关 自由度越小，则 越大，曲线越“扁平” ； 自由度越大，则 越小，曲线越“瘦高” ； 当自由度为无穷大时，t分布曲线与标准正态分布曲线完全吻合，故标准正态分布是t分布的特例。 ; 例：已知某地27名健康成年男子的血红蛋白量均数=125 g /L，标准差S = 15 g /L。试问该市地健康成年男子血红蛋白平均含量的95%置信区间和99%置信区间各是多少？ 计算自由度：v =27-1=26 查t 界值表 ：? = 0.05时，双侧 t0.05/2, 26=2.056， ? = 0.01时，双侧 t0.01/2, 26= 2.779； 按公式计算：; 例：某市2000年随机测量了90名19岁健康男大学生的身高，其均数为172.2 cm，标准差为4.5 cm，估计该市2000年19岁健康男大学生平均身高的95%置信区间。;置信区间与医学参考值的区别;第五章 ; ;（一）假设检验的基本步骤;假设有两种：;H0和H1含义及注意事项： 1、检验假设是针对总体，而非样本； 2、H0和H1是互相对立，不是可有可无，而是缺一不 可； 3、H0无效假设，通常是某两个或多个总体参数相同 或总体参数之差为0，或某资料服从某一分布等； 4、H1的内容反映出单侧还是双侧。;单侧、双侧问题;两样本均数所代表的未知总体均数μ1与μ2 的比较;检验水准（size of a test）;;2、选定检验方法及计算检验统计量 ; 3、 确定P 值，作出统计推断 ;t 分布的发现使小样本统计推断成为可能; 以t 分布为基础的检验称为t 检验; t 检验的主要类型: 单组样本资料的t 检验 配对设计资料的t 检验 两组独立样本资料的t 检验;第一节 单组样本t检验（One sample t test）;单个样本t检验——检验步骤;第二节 配对样本均数t检验（Paired t test）;配对设计概述;配对样本均数t检验原理;可将该检验理解为差值样本均数与已知总体均数μd（μd = 0）比较的单样本t检验。其检验统计量为： 式中d 为每对数据的差值， 为差值样本的均数，Sd为差值样本的标准差， 为差值样本均数的标准差即差值样本的标准误，n为配对样本的对子数。 ;计算差值的标准差 计算差值的标准误 按公式计算，得：;三、两独立样本均数比较的ｔ 检验(two independent sample t test);其中：;检验步骤;t 检验应用条件;正态性检验方法; Z 检验;单样本Z检验：;两独立样本均数比较的t 检验，要求相应的两总体方差相等，即方差具有齐性。为此，我们要对两样本的方差作统计学检验;求得Ｆ值后，其自由度分别为： 查附表，进行方差齐性检验，;（一）先进行方差齐性检验;t? 检验计算公式：;按Cochran Cox法，tα’界限值计算公式：; 同时减小Ⅰ型错误?和Ⅱ型错误?，唯一的方法就是增加样本含量n ;注意事项 ; 2. 检验方法的选用及其适用条件,应根据分析目的、研究设计、资料类型、样本量大小等选用适当的检验方法。 t 检验是以正态分布为基础的，资料的正态性可用正态性检验方法检验予以判断。若资料为非正态分布，可采用数据变换的方法，尝试将资料变换成正态分布资料后进行分析。;3.正确理解差别有无显著性的统计学意义 对假设检验结论中的“拒绝H0，接受H1”称为“有统计学意义”；“不拒绝H0”称为“无统计学意义”。 不应把“有统计学意义”误解为差别很大，甚至在医学实践中有重要的价值； 同理，也不应把“无统计学意义”误解为差别不大，或一定相等。; 拒绝H0，可能产生I型错误；不拒绝H0，可能产生II型错误。 另外，是否拒绝H0不仅决定于被研究事物有无本质差异，还决定于抽样误