第7章 卡方检验.pptVIP

第六章 计数资料的统计推断 率的抽样误差与区间估计 率的u检验 χ2 检验 第一节 率的抽样误差与区间估计 一、率的标准误 （standad error of proportion） 与前面讨论过的样本均数与总体均数存在着抽样误差一样，样本率与总体率同样存在着抽样误差。 表示率的抽样误差大小用率的标准误。 率的标准误 用“σp”表示。 由于实际工作中，总体率π往往未知， 常常用样本率P来近似代替总体率π，则： 　例如：抽取居民300人的粪便，检出蛔虫 阳性60人，求其抽样误差的大小。 　　　　　　　　　　 =0.0231=2.31% 率的标准误的应用 表示样本率的抽样误差大小。 估计总体率的可信区间。 进行率的差别的假设检验。 二、总体率的置信区间估计 正态近似法 当n 足够大，且np和n（1－p）均大于5时，P 的分布接近正态分布，可用： （ P－uα Sp， P＋uα Sp） uα为概率为α的u界限值 查表法 当n 较小时（ n≤ 50），需查附表（百分率的可信区间表），得到总体率的可信区间。 第二节 率的u检验 一、样本率与总体率的比较 P324/例10-7 二、两个样本率的比较 设：两样本率分别为p1和p2，当n1与n2均较大，且p1、1-p1及p2、1-p2均不太小，如n1p1、n1(1-p1)及n2p2、n2(1-p2)均大于5时，可采用正态近似法对两总体率作统计推断。 P325/例10-8 第三节 卡方检验 (chi-square test) X 2检验是现代统计学的创始人之一，英国人K . Pearson（1857-1936）于1900年提出的一种具有广泛用途的统计方法。可用于两个或多个率或构成比间的比较、配对计数资料及两种属性或特征之间是否有关系等等。 卡方检验 四格表资料的卡方检验 配对资料的卡方检验 行×列表卡方检验 一、四格表资料的X2检验 适用于两个样本率的比较 两个样本率的比较既可以选用u 检验，也可用四格表的X2检验。 χ2分布（chi-square distribution） 例：用某种中草药预防流感，得资料如下： 用药组和对照组流感发病情况 组别 观察人数 发病人数 发病率（%） 用药组 100 14 14 对照组 120 30 25 列卡方计算表 用药组和对照组流感发病率比较 组别 发病人数 未发病人数 合计 发病率（%） 用药组 14（20） 86（80） 100 14 对照组 30（24） 90（96） 120 25 合 计 44 176 220 — 表中：　14 86 30 90 是整个表的基本数字。 19世纪末Pearson 提出卡方检验统计量X2值的基本公式（也称为Pearson X2值） A为实际数 T为理论数 X2值是一个反映假设的理论数（T）和观察的实际数（A）符合程度的指标。 卡方检验的基本原理 若检验假设H0:π1=π2成立，四个格子的实际频数A 与理论频数T 相差不应该很大，即统计量 X2 不应该很大。 如果A和T差距大，X2值就会很大，即相对应的P 值很小，若 ，则反过来推断A与T差距，超出了抽样误差允许的范围，从而怀疑 H0 的正确性，继而拒绝 H0，接受其对立假设H1，即π1≠π2。 在一定条件下， X2值分布是有规律的， X2值的变化是随着自由度的变化而变化。ν=（行数－1）（列数