2017整理医学统计 假设检验和t检验.ppt

(1) 建立假设检验,确定检验水准 H0：?1=?2，即该地男、女平均红细胞数相等。 H1：?1??2，即该地男、女平均红细胞数不等。 双侧?=0.05 (2) 计算统计量 (3) 确定P值,作出统计推断 查附表3，t界值表(?=?时)，得P0.001，按?=0.05水准拒绝H0，接受H1，可认为该地男女红细胞数的均数不同，男性高于女性。 Z检验 两大样本均数比较，可用Z检验 Z检验为t检验在样本含量较大时的近似计算法 例8.4 为比较两种狂犬疫苗的效果，将120名患者随机分为两组，分别注射精制苗和PVRV，测定45天两组的狂犬病毒抗体滴度，结果见表3.4，问两种狂犬疫苗的效果有无差别？    表8.3 2种疫苗狂犬病毒抗体滴度的比较 (1)建立检验假设，确定检验水准 H0：两种疫苗的总体几何均数对数值相等 H1：两种疫苗的总体几何均数对数值不等 双侧?=0.05 两样本几何均数的比较 (2)计算统计量 将两组数据分别取对数，记作X1、X2 ，用变换后的数据计算 ?=60+60-2=118 (3)确定P值,作出统计推断 查附表3，t界值表，得0.01P0.02，按? =0.05水准拒绝H0 ，接受H1 ，差异有统计学意义，可认为两种疫苗的平均抗体滴度不同，精制苗高于PVRV。 关于t 检验的条件 正态 方差齐 方差齐性检验 根据?，?1=n1-1，?2=n2-1，查附表4方差齐性检验用的F分布表，如果，即P??，因此拒绝H0，接受H1。可认为两个总体的方差不等。否则不拒绝H0，尚不能认为两个总体的方差不等。 正态性检验 图示法 方格坐标纸图 正态概率纸图 P-P图(Proportion - proportion plots) 图示法 方格坐标纸图 正态概率纸图 P-P图(Proportion - proportion plots) 统计检验方法 W检验(S.S. Shapiro and M.B.Wilk) D检验(D’ Agostino ) I 型错误与II 型错误 拒绝了实际上成立的H0，这类“弃真”的错误为I 型错误(type I error)； 不拒绝实际上不成立的H0，这类“存伪”的错误为II 型错误(type II error)。 客观实际 拒绝H0 不拒绝H0 H0成立 I 型错误(?) 推断正确(1-?) H0不成立 推断正确(1-?) II 型错误(?) t?,? ?, 检验效能 1-?称为或把握度(power of a test)，其统计学意义是若两总体确有差别，按?水准能检出其差别的能力。 ?值的大小很难确切估计，只有在已知样本含量n、两总体参数差值?以及所规定的检验水准?的条件下,才能估算出?大小。 ?，? 的关系 通常当n固定时，?愈小，?愈大；反之，?愈大，?愈小。 增大n，可同时减小?，?。 假设检验中的注意事项 数据应该来自设计科学严密的试验或调查 数据应该满足假设检验方法的前提条件 正确理解假设检验中概率P值的含义 结论不能绝对化 统计学意义与实际意义有区别 比较新药“1%盐酸布替奈芬”与对照药“达克宁”治疗手足癣、体股癣的疗效，两组病例数均为100，新药组、对照组手足癣病人比例分别是60%、10%，疗程为2周： 新药的有效率65% 对照药有效率75% 经 检验P0.05，得出结论，尚不能认为两组的疗效有差异。 比较下面三种说法 若P≤?，拒绝H0，可以认为……有差异。 若P≤?，拒绝H0，可以认为……差异有显著性。 若P≤?，拒绝H0，可以认为……差异有统计学意义。 “有显著性” 不是指两组均数差异较大 假设检验与区间估计的联系 假设检验用于推断总体参数是否不相等。两者既有区别，又有联系。 就同一份资料，如例7.3，若假设检验的结果是 ，拒绝H0 ，接受H1 ，则其(1- ? )的置信区间必定不包括所规定的总体参数，反之亦然。置信区间能够给出总体参数的可能范围，而假设检验能够给出一个确切的概率P值。 图7.2 置信区间提供的信息 置信区间与假设检验的作用是相辅的，若两者结合起来，可以提供更为全面的统计推断信息。因此学术期刊建议论文在报告假设检验结论的同时，应该报告相应的区间估计的结果。 标准差和标准误的区别 标准差(s)