定量资料的统计推断.ppt

* 成组t检验的基本原理 在本例题中，某地的居民依据性别分为两个群体（总体），现分别从两个群体中抽取样本，并没有说明除了性别外（性别在本题中为分组因素）按照其它例如年龄、体重、身材、营养状况等影响因素将男、女配成对子，因此将其视为两独立样本比较 * 成组t检验的基本原理 * 成组t检验的基本原理 H0: * 均数之差的标准误( ) 合并方差(方差的加权平均) 均数之差的标准误 * 成组t检验的要求 通过上述推导可见成组t检验的使用要特别小心，它不但要求两个样本来自两个独立的正态总体（总体正态性、独立性），而且还要求两个总体的方差相同（总体方差齐性） 如果两个总体的方差不同，那么可以使用之后介绍的近似t检验（或也称为校正t检验）以及将来介绍的非参数方法 * 方差齐性检验：F检验 F检验分析两个独立样本所来源总体的方差是否相等 正如前面所说的，假设检验以其计算的统计量命名，F检验要计算的是F统计量；F统计量满足的是自由度为v1、v2的F分布(F是以统计学家R. A. Fisher命名的) * 方差齐性检验：F检验 男性、女性的样本方差不同，那么S男≠S女究竟是由于两个样本的总体方差不同还是仅仅由于抽样误差导致 统计学家发现 方差比值(样本含量分别为n1与n2)满足自由度为v1=n1-1与v2=n2-1的F分布，其中v1与v2分别称为分子自由度(numerator degree of freedom)与分母自由度(denominator degree of freedom)，记为： * F分布(F distribution) 在H0成立的前提下F=S12/S22 v1=n1-1、 v2=n2-1 可见F分布的图形呈正偏态分布 所有F值均大于0 * 方差齐性检验：F检验 F=S大2/S小2 =4.212/1.342 =9.87 9.87落在拒绝域内，故结果为拒绝H0，认为两总体方差不相同 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0 0 2 4 6 8 分子自由度为7，分母 自由度为11的F分布 拒绝H0 3.76 0.025 拒绝H0 0.21 0.025 * 例 某口腔科测得长春市13-16岁男性20人的恒牙初期腭弓深度均值为17.15mm,标准差为1.59mm;女性34人的均值为16.92mm,标准差为1.42mm.根据这份数据可否认为该市13-16岁居民腭弓深度有性别差异? * * 综合分析 将20名某病患者随机分为两 组，分别用甲、乙两药治 疗，测得治疗前后的血沉 （mm/h）见表4-5。 问 （1）甲、乙两药是否均有效？ （2）甲、乙两药疗效是否相同？ * 假设检验采用小概率反证法的思想，根据P值作出的推断结论具有概率性，无论拒绝还是不拒绝H0，都可能犯错误。 第六节 假设检验的注意事项 可能发生的两类错误 I型错误：“实际无差别，但下了有差别的结论”。也叫假阳性错误或称“弃真”错误。I型错误的概率用?表示。 II型错误：“实际有差别，但下了无差别的结论”。也叫假阴性错误或称“取伪”错误。II型错误的概率用?表示。 * m=?0 高血压人群 制定依据为小概率事件原理 这是从正常人群中随机抽样的样本血压分布 诊断标准 极端的样本，小概率事件发生 这一部分正常人误判为高血压 依据标准，这一部分病人漏判 拒绝了原本正确的H0的错误称为I类错误: a 拒绝原本不正确的H0的错误称为II类错误 * H0:m=?0 H1:m?0 I类错误，a 判断正确，1-b II类错误，b 判断正确，1-a 检验效能 1-? 称为检验效能。其意义为当两总体确有差异，按规定检验水准?，能够发现该差异的能力。 ?和?的关系 当样本含量一定时，α愈小，则β愈大； 反之亦然。 当α一定时，增加样本含量，可以减少β 二、假设检验应注意的问题 1.不同的资料应选用不同检验方法。 实验目的、设计、资料类型和分布、样本量 2.正确理解“显著性”一词的含义。 差别“有无显著性” （不提倡） 差别“有无统计学意义” （√） 3.结论不能绝对化，统计结论具有概率性。 写论文时，列出检验统计量及具体P值。 4.注意“统计学意义”与医学/临床/生物学意义的区别 5.可信区间与假设检验有不同的作用，要结合使用。 可信区间：量的大小 假设检验：质的不同 （1）可信区间可以回答假设检验的问题。 （2）可信区间不但能回答是否有统计学意义，而且还能比假设检验提供更多的信息，即实际的专业意义。 （3）可信区间只能在预先给定的概率?前提下进行计算，而假设检验可以获得一个确切概率P。 * * 9 * * 假