卡方检验统计课件.pptVIP

2009年9月14日 11 Chi-square test 卡方检验 引言 引言 引言 引言 卡方检验Chi-square test ? 读作 chi2卡方 ?2检验(chi-square test) 是现代统计学的创始人 Karl Pearson（ 1857-1936 ）于1900年提出的一种具有广泛用途的计数资料的统计推断方法 。 卡方检验Chi-square test 用途： 两个样本率或多个样本率的比较 两个构成比或多个构成比的比较 关联性检验 拟合优度检验等 ?2分布和拟合优度检验 卡方检验Chi-square test ?2检验是一种具有广泛用途的计数资料的统计推断方法 。 ?2检验的理论依据 ?2分布chi square distribution 拟合优度检验goodness of fit test ?2分布chi square distribution ?2分布是一种连续型随机变量的概率分布 若有k 个相互独立的标准正态分布随机变量Z1、Z2、…、Zk，则其平方和(Z12+Z22+…+Zk2)的分布称为服从自由度v = k的 ?2分布，记为：?2（v）若Z服从标准正态分布，那么Z2服从自由度为1的?2分布记作?2（1） 图形：从纵轴某个点开始单调下降,先凸后凹。 ?2分布chi square distribution ?2分布 chi square distribution ?2分布是一簇单峰正偏态分布曲线， ?2取值范围为0～∞。 ?2分布的形状依赖于自由度ν的大小。 当自由度ν＞2时，随着ν的增加，曲线逐渐趋于对称。 当自由度ν趋于∞时，?2分布逼近正态分布。 ?2界值表（教材附表9） 拟合优度检验 goodness of fit test 根据样本的频率分布，检验其总体分布是否服从于某种分布（正态分布、Poisson分布等) 基本思想是判断实际频数（ actual frequency ）和理论频数（ theoretical frequency ）的差别是否由抽样误差所引起 拟合优度检验 goodness of fit test 拟合优度检验（goodness of fit test） 实际频数用 A 表示，根据H0确定的理论频数用 T 表示，则构造的 ?2 统计量为： 拟合优度检验 goodness of fit test 拟合优度检验（goodness of fit test） ?2值的大小反映了实际频数与理论频数的吻合程度。 在H0成立的条件下，实际频数与理论频数相差不应该很大，即?2值不会太大；若一次抽样得到的?2值超过的预先规定检验水准所对应的?2界值，则有理由怀疑H0的成立 拟合优度检验 goodness of fit test 例1　判断表1所示数据是否服从正态分布？ 拟合优度检验 goodness of fit test 例1　判断表1所示数据是否服从正态分布？对该数据作正态分布拟合优度检验。136例体模骨密度测量值的均数=1.260标准差=0.010检验的假设: 　 H0：总体分布为均数为1.260，标准差为0.010的正态分布 　 H1：总体分布不服从该正态分布 表2 136例体模骨密度测量值频数分布表及拟合优度检验统计量的计算 拟合优度检验 goodness of fit test 计算统计量: 推断结论:自由度=10-1-2=7，查附表8，得到，P＞0.50，可以认为该样本服从正态分布。 拟合优度检验 goodness of fit test 判断样本观察频数是否与某一理论频数相符，即了解样本是否来自某理论分布 拟合优度检验 goodness of fit test 1、建立检验假设H0：样本对应的总体分布服从给定的理论分布H1：样本对应的总体分布不服从给定的理论分布 2、确定检验水准 a = 0.05 3、计算检验统计量2值反映了样本实际频数分布与理论总体分布的符合程度。如果原假设成立， ?2值不会太大；反之，A若与T 差距大， ?2值也大；当?2值超出一定范围时，就有理由认为原假设不成立。 4、确定相应的概率 P 5、作出推断结论 练习 某医学院校医生随机抽取100名一年级医学生，测定空腹血糖值(mmol/L)，其频数分布如右表中第(1)栏和第(2)栏所示，试用检验判断该资料是否符合正态分布。 独立样本2×2列联表资料的?2检验 完全随机化设计两样本率比较 例2 将病情相似的169名消化道溃疡患者随机分为两组，分别用洛赛克与雷尼替丁两种药物治疗，4周后疗效见下表。问两种药物治疗消化道溃疡的愈合率有无差别？ 完全随机化设计两样本率比较 例2 将病情相似的169名消化道溃疡患者随机分为两组，分别用洛赛克与雷尼替丁两种药物治疗，4周后疗效