第三章总体均数的估计与假设检验(第3章).ppt

(2)计算检验统计量 ?=n1+n2?2=(20+20?2)=38 * 按?=0.05 水准，不拒绝H0，无统计学意义。还不能认为阿卡波糖胶囊与拜唐苹胶囊对降低II型糖尿病病人空腹血糖的效果不同。 (3)确定P值，作出推断结论 * 2.总体方差不相等的 t 检验 数据变换后进行t 检验 秩转换的非参数检验(第8章) 近似t检验 ? t检验 * Cochran Cox法(1950) 对临界值校正 Satterthwaite法(1946) 对自由度校正 Welch法(1947) 对自由度校正 t检验 * 第五节 两均数的等效检验 equivalence test for two means * 例 研究某新药对高血脂患者胆固醇的降低作用是否相同于标准药物， 设定等效界值δ=0.52mmol/L 即 就认为两药物等效 * (1)建立检验假设，确定检验水准 H0： 两药物不等效 H1： 两药物等效 ?=0.05 * (2)计算检验统计量 ν =n1+n2 － 2=102+100 － 2=200 * 第三节 总体均数的估计 * 一、可信区间的概念 参数估计是用样本统计量推断总体参数。 有点估计和区间估计两种。 点估计是用样本统计量直接估计其总体参 数值。如用 估计?、S估计?等。 方法虽简单，但未考虑抽样误差大小。 区间估计是按预先给定的概率(1?? )，确定 一个包含总体参数的范围。该范围称为参数 的可信区间(confidence interval, CI) * 预先给定的概率(1??)称为可信度 (confidence level)，常取95%或99%。 总体参数是未知的、一个固定的值。（所以要用包含来描述）。 样本统计量是随机变量。 可信区间通常由两个数值构成， 称可信限(confidence limit, CL) 。 μ 可信下限(L) 可信上限(U) * 二、总体均数可信区间的计算 1. 单一总体均数的可信区间 (1)?未知 按t分布原理 (2)?已知或?未知但n足够大(如n60) 按u分布原理 2. 两总体均数之差的可信区间 * 1.单一总体均数的1–α可信区间 双侧 (1)?未知 单侧 * 故该地18岁男生身高均数的 95%可信区间为(164.35, 169.55)cm。 μ=167.7cm 双尾 例 在例3-1中抽得第15号样本的 =166.95(cm)，S=3.64(cm)， 求其总体均数的95%可信区间。 166.95±2.262×1.1511=164.35~169.55(cm) * 1.单一总体均数的1–α可信区间 双侧 单侧 (2)?已知或?未知但n足够大: * 例 某地抽取正常成年人200名，测得其血清胆固醇均数为3.64 mmol/L，标准差为1.20mmol/L，估计该地正常成年人血清胆固醇均数95%可信区间。 * 2. 两总体均数之差的1–α可信区间 双侧 单侧 * 三、可信区间的确切含义 从1999年某市18岁男生身高值总体 N(μ=167.7cm, σ=5.3cm)中随机抽取100个样本 计算了100个估计μ的95%CI 其中有95个CI包含了μ 有5个不包含μ =167.7cm 20号 161.00~165.57 31号 161.17~167.33 54号 168.05~171.00 76号 167.71~174.84 82号 167.98~174.27 * 来自N(0,1)的100个样本所计算的95%可信区间示意 如果能够进行重复抽样试验，平均有(1??)的可信区间包含了总体参数，而不是总体参数落在该范围的可能性为(1??)。 在实际工作中，只能根据一次试验结果计算一个可信区间，就认为该区间包含了相应总体参数，该结论犯错误的概率≤ ? 。 可信区间一旦形成，它要么包含总体参数，要么不包含总体参数，二者必居其一，无概率可言。可信度是事前概率。 可信区间的确切含义 * 正确性：可信度1??，即区间包含总体参数 的理论概率大小，愈接近1愈好。 精确性：区间的宽度，区间愈窄愈好。 当样本含量为定值时，上述两者互相矛盾。 若只顾提高可信度，则可信区间会变宽。 评价可信区间估计的优劣： * 四、可信区间与参考值范围的区别 可信区间用于估计总体参数，总体参数只 有一个 。 参考值范围用于估计个