5假设检验解说.pptVIP

第四章（2） 假设检验 Hypothesis Test P 的含义是指从H0规定的总体中随机抽样，其检验统计量等于及大于现有样本获得检验统计量值的概率。 根据获得的事后概率P，与事先规定的概率—?进行比较，看其是否为小概率事件而得出结论。 t检验的前提条件： 1、定量资料 2、（正态性）样本来自正态分布总体 3、（独立性）数据之间相互独立，测量值不受其他个体影响 4、（方差齐性）两样本比较时要保证两组数据方差齐 5.统计“显著性”与医学“显著性” 统计“显著性”对应统计结论，医学“显著性”对应专业结论。 统计结论有意义，专业结论无意义，最终结论没有意义，样本含量过大或设计存在问题。统计结论无意义，专业结论有意义，检查设计是否合理、样本含量是否足够。 医 学 统 计 学 6.可信区间与假设检验区别和联系 可信区间说明量的大小即推断总体均数范围，假设检验推断质的不同即判断两总体均数是否不等。 可信区间可回答假设检验问题，可信区间若包含了H0 ，按?水准，不拒绝H0；若不包含H0 ，按?水准，拒绝H0 ，接受H1。 医 学 统 计 学 可信区间不但能回答差别有无统计学意义，还能提示差别有无实际专业意义（图3-7）。 可信区间不能够完全代替假设检验。可信区间只能在预先规定概率?的前提下进行计算，假设检验能获得一较为确切的P值。 医 学 统 计 学 * 医 学 统 计 学 萨 建 Department of Health Statistics,Public Health School,ShanXi Medical University Office：0351-4135049 Email：sajian6067609@163.com 由样本信息推断总体特征，除参数估计 外，还会遇到这样的问题： 某一样本均数是否来自于已知均数总体？两个不同样本均数是否来自均数相同的 总体等？ 要回答这类问题，更多的是用统计推断 的另一方面 ?? 假设检验 (hypothesis test)。 医 学 统 计 学 引例：P91 新方法的样本均数与常规方法的均数间存在差异的可能原因： 总体均数不同； 总体均数相同，差别由抽样造成。 需要通过统计学假设检验来判断。 医 学 统 计 学 假设检验利用小概率反证法思想，从问题对立面(H0)出发间接判断要解决的问题(H1)是否成立。在H0成立的条件下计算检验统计量，获得P值来判断。当P ≤?，就是小概率事件。 小概率事件原理：小概率事件在一次抽样中发生的可能性很小，如果它发生了，则有理由怀疑H0，认为H1成立，该结论可能犯?的错误。 医 学 统 计 学 一、假设检验的基本步骤 1.建立检验假设，确定检验水准： (1)?=?0：检验假设(hypothesis under test)，常称无效假设或零假设(null hypothesis)。用H0表示。 (2)???0：备择假设，常称对立假设(alternative hypothesis)。用H1或HA表示。 医 学 统 计 学 注意事项： ①针对总体而不是针对样本而言； ②H0和H1是相互联系、对立假设，结论 根据H0和H1作出，两者缺一不可； ③H0通常是：某两个(或多个)总体参数 相等，或某两个总体参数之差等于0， 或……无效，或某资料服从某一特定 分布等； 医 学 统 计 学 ④H1反映了检验的单双侧。 H1:???0或?＜?0 ，单侧检验。有无差 异, 以及差异方向。 H1:???0 ,双侧检验。 单双侧检验确定，首先根据专业知识，其次根据所要解决的问题。双侧检验较保守和稳妥。 医 学 统 计 学 (3)?：检验水准，也称显著性水准，它属于I型错误的范畴。?是预先规定的概率值，它确定了小概率事件标准。在实际工作中常取?=0.05。但并非一成不变。 医 学 统 计 学 2.计算检验统计量 应根据变量和资料类型、设计方案、统计推断的目的、方法的适用条件等选择检验统计量。 所有检验统计量都是在H0成立的前提条件下计算出来的。 医 学 统 计 学 3.确定P 值，作出推断结论 结论应包含统计结论和专业结论。统计结论只说明有统计学意义(statistical significance)或无统计学意义(no statistical significance)，而不能说明专业上的差异大小。它必须同专业结论有机结合，才能得出恰如其分、符合客观实际的最终结论。 医 学 统 计 学 若P ≤ ? ，结论为按?检验水准，拒绝H0，接受H1，有统计学意义(统计结论)。可认为……不