t检验.pptVIP

例题 计算检验统计量t： * SAS程序 PROC MEANS PROC UNIVARIATE PROC TTEST * data ex6_2; input x1 x2@@ ; d=x1-x2; cards; 0.840 0.580 0.591 0.509 0.674 0.500 0.632 0.316 0.687 0.337 0.978 0.517 0.750 0.454 0.730 0.512 1.200 0.997 0.870 0.506 ; proc means mean stderr t prt;/*指定结果输出中的统计量及进行配对t检验*/ var d;/*指定差值变量d作t检验，如不指定，则proc means 语句将显示X1，X2及d三个变量的输出结果*/ run; Proc Means过程进行T检验 data ex6_2; input x1 x2@@ ; d=x1-x2; cards; 0.840 0.580 0.591 0.509 0.674 0.500 0.632 0.316 0.687 0.337 0.978 0.517 0.750 0.454 0.730 0.512 1.200 0.997 0.870 0.506 ; proc univariate normal plot; var d;/*指定差值变量d作t检验*/ run; Proc univariate过程进行T检验 data ex6_2; input x1 x2@@ ; d=x1-x2; cards; 0.840 0.580 0.591 0.509 0.674 0.500 0.632 0.316 0.687 0.337 0.978 0.517 0.750 0.454 0.730 0.512 1.200 0.997 0.870 0.506 ; proc ttest; Paired x1*x2; run; Proc ttest过程进行T检验 两独立样本的t检验 在日常工作中，我们经常要比较某两组计量资料的均数间有无显著差别，如研究不同疗法的降压效果或两种不同制剂对杀灭鼠体内钩虫的效果（条数）等。这时假若事先难以找到年龄、性别等条件完全一样的人（或动物）作配对比较，那么不能求每对的差数只能先算出各组的均数，然后进行比较。两组例数可以相等也可稍有出入。检验的方法同样是先假定两组相应的总体均数相等，看两组均数实际相差与此假设是否靠近，近则把相差看成抽样误差表现，远到一定界限则认为由抽样误差造成这样大的相差的可能性实在太小，拒绝假设而接受H1，作出两总体不相等的结论。 * 两独立样本t检验的基础理论 两样本t检验又称成组t检验，适用于完全随机设计两样本均数的比较，人们所关心的是两样本均数所代表的两总体均数是否不等。两组完全随机设计是将受试对象完全随机分配到两个不同的处理组。 当两样本含量较小，且均来自正态总体时，要根据两总体方差是否不同而采用不同的检验方法。 * 总体方差相等的t检验 当两总体方差相等，可将两样本方差合并，求两者的共同方差──合并方差 ，两样本t检验的检验统计量为 * 总体方差相等的t检验 * 近似t检验 Cochran Cox的检验统计量为t′，因t′分布较复杂，故常利用t分布计算其近似临界值。 Satterthwaite法 Welch法 * 例题 例6-3 为了研究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。实验者将这些病人随机等分到实验组（阿卡波糖胶囊）和对照组（拜唐苹胶囊），分别测得试验开始前和8周后的空腹血糖，算得空腹血糖下降值，能否认为该新药阿卡波糖胶囊与拜唐苹胶囊对空腹血糖的降糖效果不同？ * 例题 提出检验假设H0与备择假设H1： H0：μ1=μ2，阿卡波糖胶囊组与拜唐苹胶囊组空腹血糖下降值的总体均数相等； H1：μ1≠μ2，阿卡波糖胶囊组与拜唐苹胶囊组空腹血糖下降值的总体均数不相等； 定显著性水准α，并查出临界t值。现令α=0.05， 计算检验统计量t： 实验组空腹血糖下降值均数=2.065 mmol/L，标准差S1=3.0601 mmol/L；对照组空腹血糖下降值均数=2.625 mmol/L，标准差S2=2.4205mmol/L；。 * 例题 确定P值，作出推断结论：查t界值表得P0.50，所以检验假设H0得以接受，差别无统计学意义。尚不能认为阿卡波糖胶囊组与拜唐苹胶囊组空腹血糖下降效果不同。 * data 6_3; n1=20;n2=20; m1=2.065;m2=2.625; s1=3.0601;s2=2.4205； ss1=s1**2*(n1-1); ss2=s2**2*(n2-1); sc2=(ss1+ss2)