医学统计学-两组资料均数比较1-1.ppt

两组资料均数的比较 统计推断 statistical inference 第一节 均数的抽样误差 一、抽样试验 抽样试验（n=5） 抽样试验（n=10） 抽样试验（n=30） 1000份样本抽样计算结果 3个抽样实验结果图示 抽样实验小结 二、中心极限定理 central limit theorem 第二节 t分布与可信区间 一、t分布 t分布的概率密度函数 t分布曲线 t分布曲线下面积（附表2） 二、总体均数的估计 可信度与可信区间 可信度实验 2. 总体均数的可信区间 3. 两总体均数差的可信区间 4. 大样本总体均数的可信区间（1） 4. 大样本总体均数的可信区间（2） 三、可信区间的解释 * 第三章 两组资料均数的比较 第一节 均数的抽样误差 第二节 t分布与可信区间 第三节 t检验 第四节 假设检验的步骤 及其有关概念 总体 样本 抽取部分观察单位 统计量 参 数 统计推断 如：样本均数 样本标准差S 样本率 P 如：总体均数 总体标准差 总体率 内容： 参数估计(estimation of parameters) 包括：点估计与区间估计 2. 假设检验（test of hypothesis) 总体 样本 抽取部分观察单位 统计量 参 数 统计推断 如：样本均数 样本标准差S 样本率 P 如：总体均数 总体标准差 总体率 抽样误差 （sampling error) ：由于个体差异导致的样本统计量与总体参数间的差别。 从正态分布总体N（5.00,0.502）中，每次随机抽取样本含量n＝5，并计算其均数与标准差；重复抽取1000次，获得1000份样本；计算1000份样本的均数与标准差，并对1000份样本的均数作直方图。 按上述方法再做样本含量n＝10、样本含量n＝30的抽样实验；比较计算结果。 5.00 5.00 4.99 均数的均数 0.0920 0.1580 0.2212 均数标准差 0.0913 0.50 5.00 n=30 0.1581 0.50 5.00 n=10 0.2236 0.50 5.00 n=5 总体标准差s 总体的均数 均数的均数围绕总体均数上下波动。 均数的标准差即标准误 与总体标准差 相差一个常数的倍数，即 样本均数的标准误（Standard Error) =样本标准差/ 从正态总体N(m,s2)中抽取样本，获得均数的分布仍近似呈正态分布N(m,s2/n) 。 ①即使从非正态总体中抽取样本，所得均数分布仍近似呈正态。 ②随着样本量的增大, 样本均数的变异范围也逐渐变窄。 一、t分布（t distribution） 二、总体均数的估计 1. 总体均数的点估计（point estimation）与区间估计 2. 总体均数的可信区间（confidence interval，CI） 3. 总体均数差的可信区间 4. 大样本总体均数的可信区间 三、可信区间的解释 随机变量X N（m，s2） 标准正态分布 N（0，12） u变换 均数 标准正态分布 N（0，12） Student t分布 自由度：n-1 式中 为伽玛函数； 圆周率（Excel函数为PI( )） 为自由度（degree of freedom），是t分布的唯一参数；t为随机变量。 以t为横轴，f(t)为纵轴,可绘制t分布曲线。 t 分布有如下性质： ①单峰分布，曲线在t＝0 处最高，并以t＝0为中心左右对称 ②与正态分布相比，曲线最高处较矮，两尾部翘得高（见绿线） ③ 随自由度增大，曲线逐渐接近正态分布；分布的极限为标准正态分布。 双侧t0.05/2，9＝2.262 ＝单侧t0.025，9 单侧t0.05，9＝1.833 双侧t0.01/2，9＝3.250 ＝单侧t0.005，9 单侧t0.01，9＝2.821 双侧t0.05/2，∞＝1.96 ＝单侧t0.025，∞ 单侧t0.05，∞ ＝1.64 1. 总体均数的点估计（point estimation）与区间估计 参数的估计 点估计：由样本统计量 直接估计 总体参数 区间估计：在一定可信度（Confidence level） 下，同时考虑抽样误差 区间的可信度（如