04t检验和检验.docVIP

第四章 数值资料的统计推断(一) ——t检验和u检验 数值资料的参数统计推断，按推断目的不同分为两大类：总体参数的区间估计及总体参数的假设检验。其中应用最广泛的是总体均数的区间估计及总体均数的假设检验。PROC MEANS过程可以进行总体均数的区间估计，而总体均数的假设检验，依据研究设计类型的不同分别由PROC MEANS过程和PROC TTEST过程完成。 4.1 总体均数的区间估计 4.1.1 总体均数区间估计的涵义 总体均数的可信区间是以100(1-α)%的可信度给出包含未知总体均数所在的数值范围。其中α称显著性水平或检验水平，常取α＝0.05或0.01。可信度作为区间估计的准确性度量，区间宽度作为区间估计的精密性度量。 4.1.2 总体均数μ区间估计的计算 若样本来自正态总体，且已知样本含量n,样本均数及样本标准差s，则估计总体均数μ的100(1-α)%可信区间的计算式为： 双侧区间：下限为: -tα,ν(双)·s/ 上限: +tα,ν(双)·s/ 单侧区间：-tα,ν(单)·s/ 或 +tα,ν(单)·s/ 其中ν为自由度，ν＝n-1。 4.1.3 实例 例4.1对某人群随机抽取20人，用某批号的结核菌素作皮试，平均浸润直径为10.9mm,标准差为3.86mm,问这批结核菌在该人群中使用时，皮试的平均浸润直径的95%可信区间？ SAS程序为: /* THE FOLLOWING EXAMPLE IS 95% CONFIDENCE INTERVAL LCLM-UCLM */; DATA P25; MEAN=10.9;S=3.86;N=20; T=TINV(0.975,N-1); 自由度为N-1时双侧0.05的T界值 IN=T*S/SQRT(N); LCLM=MEAN-IN; UCLM=MEAN+IN; RUN; 结果为： confidence interval LCLM-UMLM 1 OBS MEAN S N T IN LCLM UCLM 1 10.9 3.86 20 2.093 1.8065 9.093 12.706 皮试的平均浸润直径95%的可信区间为9.093～12.706。 4.2 总体均数的假设检验—t检验与u检验 4.2.1 总体均数的假设检验的涵义 总体均数的假设检验是根据资料的性质和所需要解决的问题，对总体均数建立检验假设，然后选定适当的检验方法计算相应的检验统计量，依据检验统计量相应的抽样分布，确定由样本所提供的信息是否支持所建立的假设，以决定该假设能否成立的统计分析过程。 下面介绍两组总体均数比较的假设检验方法——t检验与u检验。 4.2.2 样本均数与已知总体均数比较的t检验及其SAS过程 1. 推断目的：由与μ0比较推断μ是否等于μ0。 2. 适用条件：随机样本来自总体均数为μ的正态总体。 3. 已知条件：样本例数n,样本均数,标准差s与已知总体均数μ0。 4. 检验统计量t值计算： 5. 使用的SAS过程： 采用MEANS过程或UNIVARIATE过程，计算观测值与已知总体均数的差值，再对该差值的均数进行t检验。用UNIVARIATE过程可同时实现对观测值是否服从正态分布作检验（下同）。 6. 实例 例4.2 某药厂制剂车间用自动装瓶机封装药液，在装瓶机工作正常时，每瓶药液净重500克。某日随机抽取10瓶成品，称重分别为504,498,496,487,509,476,482, 510,469,472。问这时的装瓶机工作是否正常。 SAS程序： /* THE FOLLOWING EXAMPLE IS T-TEST OF TYPE Ⅰ*/; DATA D1; INPUT X@@; Y=X-500; CARDS; 504 498 496 487 509 476 482 510 469 472 ; PROC UNIVARIATE NORMAL; VAR Y; RUN; 运行结果为： Univariate Procedure Variable=Y Moments N 10 Sum Wgts 10 Mean -9.7 Sum -97