第五讲参数估计与假设检验详解.ppt

中医药统计学与软件应用 ;第5讲 参数估计与假设检验 ;第5讲 参数估计与假设检验—引言;总体;第一节 参数估计;一、均数的抽样误差与标准误 现以计算机模拟实验来说明样本均数的抽样分布规律。 模拟实验1：从均数μ=4.5，标准差σ=0.2的正态总体中作随机抽样，规定样本含量分别为5、10、20、50，每种样本含量均重复抽取100次，结果可得到四个不同样本含量的样本均数的分布。 ;样本;100个样本均数的频数分布 ;各样本均数未必均等于总体均数； 样本均数之间存在差异； 样本均数的分布规律: 围绕着总体均数，中间多两边少，左右对称，基本服从正态分布； 样本均数的变异较原变量的变异范围小； 随着样本含量的增加，样本均数的变异范围逐渐缩小。;样本均值的抽样分布与中心极限定理;中心极限定理(central limit theorem);中心极限定理 (central limit theorem);第一节 参数估计——均数的抽样误差与标准误;由抽样造成的这种样本均数与总体均数之间、样本均数与样本均数之间的差异称为均数的抽样误差。 表示均数抽样误差的指标叫样本均数的标准差，通常也称为样本均数的标准误SE。它反映样本均数之间的离散程度，也反映样本均数抽样误差的大小。;第一节 参数估计——均数的抽样误差与标准误;抽样误差越小，表示样本均数与总体均数越接近，即用样本均数估计总体均数的可靠性越大；抽样误差越大，样本均数离总体均数就越远，用样本均数估计总体均数的可靠性就越小。 样本均数标准误的大小与标准差成正比，与样本含量n的平方根呈反比。即在同一总体中，样本含量越大，抽样误差越小，即标准误越小。;第一节 参数估计——均数的抽样误差与标准误;18;变量变换;t分布;从总体率为的总体中反复多次随机抽取样本含量固定为n的样本，所得的样本率p与总体率π往往不相等，各样本率p之间也不相等，这种由于个体变异和随机抽样造成的样本率与总体率或各样本率之间的差异称为率的抽样误差，其大小用率的标准误来表示。 ;第一节 参数估计——率的标准误;第一节 参数估计——总体均数的估计;点估计 (point estimate);点估计 例???11名18岁男大学生身高均数资料得， =172.25cm，s=3.31cm，试估计该地18岁男大学生身高总体均数 ？ 答：该地18岁男大学生身高总体均数为172.25cm ;第一节 参数估计——区间估计;第一节 参数估计——区间估计;第一节 参数估计——区间估计;第一节 参数估计——区间估计;1. 意义不同： ① 置信区间：按预先给定的概率所确定的总体参数的可能范围。 ② 参考值范围：指同质总体内包括百分之多少个体值的估计范围。常用于“正常人”的解剖、生理、生化指标等个体值的波动范围。 2. 应用不同： ① 置信区间：估计总体参数 ② 参考值范围：判断观察对象的某项指标是否正常。 3.计算公式不同 ;例：为了解某高寒地区小学生血红蛋白含量的平均水平，某人于1993年6月随机抽取了该地小学生708名，算得其血红蛋白均数为103.5g/L，标准差为1.59g/L。试求该地小学生血红蛋白均数的95%置信区间。 ;第一节 参数估计——总体率的估计;第一节 参数估计——总体率的估计;第二节 假设检验——引言;第二节 假设检验——原理与方法;两均数不相等的原因有两种可能： 由于抽样误差所致： 样本来自另一总体 （由于环境条件的影响，山区成年男子的血红蛋白确实高于一般，本质差异）： ;什么是假设检验？;假设检验中的小概率原理;在一次研究观察中，如果出现了假设成立情况下的小概率事件，由于推理过程是严密的，就只能认为假设不成立，应予拒绝或否定，并接受它的对立面。 ;例：据以往经验用一般疗法治疗某种非传染性疾病，死亡率35％，今用某新药治疗该病患者10人，无一人死亡。 首先要提出一个假设：即该新药与一般疗法疗效相同即死亡率均为35％ 在这个假设下10人中无一人死亡的概率为0.01 于是认为新药与一般疗法疗效相同的假设是不成立的，因此可以认为该新药比一般疗法效果好。 ;建立检验假设，确定检验水准 确定检验方法，计算统计量 确定P值 作出统计推断 ;第一步：建立检验假设，确定检验水准 假设有两种： 无效假设或称零假设，用H0表示： 备择假设，用H1表示。 H0和H1都是根据统计推断的目的提出的对总体特征的假设，是相互联系且对立的一对假设。 ;检验假设是针对总体而非样本； H0 和 H1 是相互联系、对立的假设，两者缺一不可 H0 为无效假设，其假定通常是：某两个(或多个)总体参数相等，或某两个总体参数之差等于0 H1 的内容反映