生物学效应指标的组间对比性分析讲解.ppt

生物学效应指标的组间对比性分析（假设检验） 公共卫生学院卫生统计教研室 易 静 一、主要假设检验方法及其基本原理 （一） t(u)检验 （二）方差分析 （三）卡方检验 （四）二项分布直接概率计算法 （五）Poisson分布直接概率计算法 （六）超几何分布的确切概率法 （七）秩和检验 （一） t(u)检验原理 1. 鉴别样本均数与总体均数差别是否由抽样引起 例 根据大量调查，已知健康成年男子的脉搏均数为72次/分，某医生在某山区随机调查20名健康男子，得平均脉搏数为74.2次/分，标准差为6.5次/分，能否认为该山区成年男子的脉搏均数不同于（高于）一般成年男子的脉搏均数？ (1)假设检验的目的 (2)假设检验中P值的含义 (3)假设检验的基本原理 2. 鉴别统计量差别是否由处理因素不同引起 表 25例糖尿病患者两种疗法治疗2个月后空腹血糖值（mmol/L） 计算检验统计量t值 （二）方差分析原理 2. 方差分析基本原理 建立在数据变异结构基础上的F分布的小概率事件原理。 将测量值的总变异分解为几个组成部分（每部分均有明确的引起其变异的原因），其自由度也分解为相应的几部分。 表 三组战士行军后体温增加数(度) 不饮水 定量饮水 不限量饮水 合计 1.9 1.4 0.9 1.8 1.2 0.7 1.6 1.1 0.9 1.7 1.4 1.1 1.5 1.1 0.9 1.6 1.3 0.9 1.3 1.1 0.8 1.4 1.0 1.0 1.6 1.2 0.9 1.23 反映所有测量值之间总的变异程度。大小用离均差平方和(sum of squares of deviations from mean，SS)表示，即各测量值与总均数差值的平方和。 各处理组由于接受处理的水平不同，各组的样本均数也大小不等，这种变异称为组间变异。其大小用各组均数与总均数的离均差平方和表示，表示处理因素的不同水平作用和随机误差(个体变异+随机测量误差) 。 在同一处理组中，虽然每个受试对象接受的处理相同，但测量值仍各不相同，变异称为组内变异（误差）。组内变异用组内各测量值与其所在组的均数的差值的平方和表示，表示随机误差(个体变异+随机测量误差)的影响。 一般，组间变异大于或等于组内变异。 理论上，如果处理因素无统计学意义， F ＝１。 如果F １，说明处理因素有统计学意义。 本例“变异及自由度”计算得： 总离均差平方和及自由度 组间离均差平方和及自由度 组内离均差平方和及自由度 MS组间 = 1.97 / 2 = 0.985 MS组内 = 0.54 / 21 = 0.026 F＝0.985 / 0.026 = 37.88 查界值: F0.05, 2, 21=3.47 ， 所以 P0.05，三组总体均数不全相等。 多重比较 不拒绝H0 ，表示拒绝总体均数相等的证据不足 分析终止。 拒绝H0，接受H1，表示总体均数不全相等 哪两两均数之间相等？ 哪两两均数之间不等？ 需要进一步作多重比较。 SNK—q检验 Dunnett—t检验 LSD—t检验 （三）卡方检验原理 表 A、B两药治疗某病疗效比较 H0：?1=?2=41%，即A、B两药治愈率相同H1：?1??2， 即A、B两药治愈率不同α=0.05 检验的基本公式   式中A为实际频数(actual frequency)  T为理论频数(theoretical frequency) 表 A、B两药治疗某病疗效比较 （四）二项分布法原理 2. u检验(nπ≥5且(1-π)≥5) （五）Poiss