假设检验基础2014-09-25精讲.pptVIP

t检验和u检验的应用条件: 1. t检验应用条件: 样本含量n较小时(如n60) (1)正态分布 (2)方差齐性(homogeneity of variance) 2. u 检验应用条件: 样本含量n较大，或n虽小但总体标准差已知 (1)正态分布 (2)方差齐性(homogeneity of variance) 单样本 t 检验 (one sample / group t-test) 即样本均数 （代表未知总体均数?）与已知总体均数?0(一般为理论值、标准值或经过大量观察所得稳定值等)的比较。其检验统计量按下式计算 例3-6 为比较两种方法对乳酸饮料中脂肪含量测定结果是否不同，某人随机抽取了10份乳酸饮料制品，分别用脂肪酸水解法和哥特里－罗紫法测定其结果如表3-3第(1)~(3)栏。问两法测定结果是否不同？ 1、I型错误和II型错误 假设检验是利用小概率反证法思想，从问题的对立面(H0)出发间接判断要解决的问题(H1)是否成立，然后在假定H0成立的条件下计算检验统计量，最后根据P值判断结果，此推断结论具有概率性，因而无论拒绝还是不拒绝H0，都可能犯错误。详见表8-1。 可能发生的两类错误 图8-2 I型错误与II型错误示意图(以单侧u检验为例) 1-? ：检验效能（power）:当两总体确有差别，按检验水准 ? 所能发现这种差别的能力。 图8–3 双侧u检验的检验水准α 1.要有严密的研究设计，尤其是下因果结论。 2.不同的资料应选用不同检验方法。 3.正确理解“显著性”一词的含义(用统计学意义一词替代)。 4.结论不能绝对化 ，提倡使用精确P值。5.注意统计“显著性”与医学/临床/生物学 “显著性” 的区别 6.可信区间与假设检验各自不同的作用，要结合使用。 一方面，可信区间亦可回答假设检验的问题，算得的可信区间若包含了H0，则按?水准，不拒绝H0；若不包含H0，则按?水准，拒绝H0，接受H1。 另一方面，可信区间不但能回答差别有无统计学意义，而且还能比假设检验提供更多的信息，即提示差别有无实际的专业意义。 虽然可信区间亦可回答假设检验的问题，并能提供更多的信息，但并不意味着可信区间能够完全代替假设检验。可信区间只能在预先规定的概率 ?检验水准?的前提下进行计算，而假设检验能够获得一较为确切的概率P值。 小结 1. 均数的标准误与标准差的区别 Compare Means?One Sample T Test One Sample t Test对话框 结果解释 单样本 t 检验结果显示：（统计方法） 服用避孕药与不服用避孕药妇女空腹血糖值的差别有统计学意义（t =3.31，P＝0.011 ）（统计结论） 口服避孕药可以增加血糖水平，平均增加0.66 （95% CI ：0.20~1.11 ）mmol/L（专业结论） Analyze?Compare Means?Paired-Samples T test 将变量标准品和新制品成对选入Paired Variables栏；单击OK 配对 t 检验结果显示：新制品结核菌素皮肤浸润反应的直径均数低于标准品（t = 4.52, P = 0.001），均数差值为3.25 （95% CI： 1.67~4.83 ）mm。 Analyze?Compare Means?Independent-Samples T test 将变量血糖值选入Test栏；将组别选入grouping栏，单击Define Groups按钮，定义两个组的变量值，本例为1和2，单击Continue按钮；单击OK按钮。 经方差齐性检验，F=0.28，P＝0.60。按?＝0.10水准，可认为两总体方差齐性（如不齐用第2行数据）。 两样本 t 检验结果显示：单纯药物治疗的血糖值均数高于药物合并饮食治疗（t =2.64，P=0.015），均数差值为4.36（95% CI：0.94~7.78）mmol/L。 图8–4 单侧u检验的检验水准α 2、单侧检验与双侧检验 七、假设检验的统计意义与实际意义 可信区间在统计推断上提供的信息 2.两均数差别检验的比较t检验 大样本也可近似用u检验 适用范围： 完全随机设计两样本均数的比较 检验方法：依两总体方差是否齐性而定。 例3-7 为研究国产四类新药阿卡波糖胶囊的降血糖效果，某医院用40名II型糖尿病病人进行同期随机对照试验。试验者将这些病人随机等分到试验组(用阿卡波糖胶囊)和对照组(用拜唐苹胶囊)，分别测得试验开始前和8周后的空