医学统计学第八章-t检验.ppt

方差齐性检验：F检验 课文中的F检验为了方便查表（附表4），规定方差大的作为分子，小的作为分母，这样统计表可以得到简化 例8.3，两组对象(n1=n2=12) 的标准差分别为s1=27.7，s2=19.5，请问两组患者的总体方差是否相同？ 方差齐性检验：F检验 H0 : s12＝ s22, 两组对象总体方差相同 H1 : s12 ≠ s22,两组对象总体方差不同 ?＝0.1；双侧 S12为病例组方差，S22为常人组方差； F=S12/S22=2.018 * 2.82 F=1 0.35 拒绝H0 拒绝H0 F=S大2/S小2=2.018 2.018尚未落在小概率区间内，P0.1，故结果为不拒绝H0，尚不认为两组总体方差不同 2.018 第四节续. t’检验* 前面阐述了方差齐性的情况下，如何进行两个样本均数比较的t检验 如果方差不齐，很多学者建议在这样的情况下采用自由度校正的方法计算t分布的概率，或者直接采用非参数检验 Satterthwaite-Aspin t’ (Satterthwaite, 1941, 1946; Aspin 1948, 1949)分别提出了使用校正自由度的方法计算t值所对应的概率P 他们提出的自由度计算方法为现在大多数统计学软件所采用，公式如下 补充：假设检验与可信区间的关系 区间估计与假设检验是统计推断的两个基本方法，它们之间有共同之处 二者的基本思想都是利用样本信息来对总体的一些性质进行推断。 二者的推断过程都应用了小概率事件的原理，难以保证统计推断的结论百分之百正确。 二者都是利用概率分布的原理推导计算的，所以假设检验可以看成是可信区间的另一种表达方式；置信区间可看作是所有可能接受的假设的集合；例如： 假设检验与区间估计的关系 虽然二者间有共同点，但是它们还是有区别的 二者的思维方向不同：假设检验使用反证法（逆向思维）；而在计算可信区间时，对未知参数没有任何了解，但能以一定的置信度给出未知参数的置信区间或其所在的范围 （正向思维）。 假设检验与区间估计的关系 二者各具特色，例如：在配对t检验中，拒绝无效假设，认为使用药物后患者的血压较使用前降低了，差别有统计学意义，但是能否说药物有效呢？临床上要说明降压要有效，指服用后至少可以使血压降低5mmHg，此时假设检验无法回答这个问题，但是可信区间可以；计算差值的95％可信区间，看该区间是否在5以上；也就是说大多数的假设检验只能回答可信区间中是否有0(H0假设)的问题，而至于区间的具体位置是无法回答的，如下图： A:不拒绝H0假设，前后差值的CI包含0 B:拒绝H0假设，血压有变化，但差值 的CI提示没有临床意义 H0:md=0 C:拒绝H0假设，血压有变化，差值的CI提示 可能有临床意义 D:拒绝H0，血压有变化，差值的CI提示有临床意义 md≥5mmHg 假设检验与区间估计的关系 假设检验过程中如果拒绝H0，则可通过P值精确说明出现较当前情况更为极端的概率，作为拒绝H0的把握度；越小的P值意味着越有理由拒绝H0。而可信区间只能在原先给定的可信度情况下进行区间估计 在不拒绝H0的情况下，假设检验可以提供这种不拒绝到底有多少把握可以理解为两者没有差别（可通过一定方法估计1-β）；而区间估计则不提供这方面的信息 假设检验与区间估计的关系 可见假设检验与可信区间既能提供相互等价的信息，又有各自不同的功能特点 所以，通常在作统计推断的过程中，我们要把两个方面结合起来，提供更全面、完整的信息 * * 9 * 单样本资料的t检验 从资料提供的信息来看，样本均数3.27与总体均数3.36不相等，其原因可有以下两个方面： 样本对应的总体均数等于3.36，仅仅是由于抽样误差所致这种差别； 非抽样误差，二者的确有别？ 两种情况只有一个是正确的，且二者必居其一，需要我们作出推断。 单样本资料的t检验 H0：?＝3.36，农村新儿体重与该地平均水平相同 H1：?≠3.36，二者不同 （有可能高也有可能低，总之不相等即可） 检验水准a=0.05(双侧) 单样本资料的t检验 P/ 2 P / 2 t39 0 -2.023 2.023 -1.294 1.294 1/2α 1/2 α 单样本资料的t检验 由于t=-1.294t0.05/2,35=-2.023，因此虽然无法准确得出P值，但仍然可以推断P0.05（经过计算机软件得出结果P=0.203 ） 在a=0.05的水准上，不拒绝H0，尚不认为农村新生儿的出生体重与该地平均水平不同。 2.配对设计的t检验 何为配对设计？ 有时影响试验或研究结果的不仅仅是我们所观察的因素，例如要比较两种药物的疗效，如果两组患者在开始时的病情严重程度相差较大，那么即使最终两药的治愈情况不同，也不能归结于药物差别；在这里患