样本含量及估计及检验效能.pptVIP

样本含量的估计与检验效能 一、样本含量的估计 （一）样本含量（sample size） 每个样本所包含的调查或受试对象数。 样本含量估算是在保证研究结论具有一定可靠性的条件下，确定最小的实验或调查单位数。 （二）样本含量的确定因素 1. 检验水准? 。 ??，则n ? 2. 检验效能1-β。（1-?）?，则n ?，（1-?） 0.75，通常取0.8。 3. 容许误差或差值δ。 所比较的两个总体参数间的差值。 δ ?，则n ? ，δ ? ，则n ?，一般令允许误差小一些，对总体估计精确一些。 4.总体平均数μ（或总体率π）、总体标准差σ 。 两总体均数间的差值δ=μ1-μ2，两总体率间的差值δ=π1-π2。 计量资料—两组均数的比较： δ=（μ1-μ2）/σ，或 δ= 配对资料— δ=μ/σ，或 δ= 计数资料中—两组率的比较： δ=π1-π2，或δ=P1-P2， （三）确定样本含量的意义 1.获得有统计学意义的最低样本含量。 2.估计检验效能 3. 估计总体参数的差异 （四）样本含量的估计 1.抽样调查 （1）均数抽样 已知：N=25000，S=1000个/mm3， δ=100个/mm3，α=0.05，Z0.05=1.96 （2）率的抽样 2. 样本均数与总体均数比较 已知：S=89.0，δ=35.6，单侧α=0.05， 单侧Z0.05=1.645，β=0.10， 单侧Z 0.10=1.282 3.两样本均数比较 已知： 1=465， 2=422， δ=| 1- 2|=|465-422|=43，σ=52 双侧α=0.05，Z0.05=1.96, β=0.1,Z0.1=1.282 4. 配对计量资料比较 已知：δ=1，σd=1.2，Z0.05=1.96, Z0.1=1.282 5. 两样本率比较 已知：π1=0.5，π2=0.3，πc=（0.5+0.3）/2=0.4 单侧α=0.05，Z0.05=1.645,β=0.1,Z0.1=1.282 6. 配对计数资料比较 配对资料分析形式 πc=(0.04+0.24) /2=0.14 二、检验效能及其计算 （一）检验效能（Power）又称把握度 即两总体确实有差别，按?水准能发现它们有差别的能力，用（1-β）表示。 （1-β）=0.9 β为第二类错误的概率。 Zβ 查z值表 β （1-β） 出现“阴性”结果有两种可能： （1）（1-β）较大，被比较的指标间很可能无差别。 （2）（1-β）较小，所比较的指标间很可能差别有显著性，但由于样本含量不足 而未能发现。 （二）Zβ的计算 1.两样本均数比较： 【例8】用β阻滞剂降低心肌梗塞患者血压的随机双盲对照试验，结果见下表。检验结果为t=1.54，P0.05,无统计学意义，认为该药无降压效果。问该结论是否可靠？要求：δ=0.67kPa,α=0.05,Z0.05=1.96。 已知：δ=0.67kPa,α=0.05, Z0.05=1.96，S=1.6， n1=n2=15 【例9】用同一种降压药分别治疗两组高血压患者，服用4周后比较两组患者收缩压的下降值(mmHg)，测得结果：n1=14, ，S1=6.32；n2=16, ,S2=2.16。检验结果：t=2.34, P0.05。问该研究的检验效能如何？ 2. 配对计量资料比较 已知N=6， =1.33，Sd=2.76 3. 两样本率比较 4. 配对计数资料 5. 直线相关 Summary 一、样本含量的估计 （一）样本含量（sample size） （二）样本含量的确定因素:4个 （三）确定样本含量的意义 （四）样本含量的估计 二、检验效能及其计算 （一）检验效能（Power） （二）Zβ的计算 * * Zα：检验水准所对应的z值，单侧Z0.05=1.645，双侧Z0.05=1.96 Zβ：第二类错误概率β所对应的Z值，Z0.1=1.282 δ ：两总体均数间的差值 σ：总体标准差 【例1】要调查某社区居民白细胞总量的平均值，已知该社区人口总数为2.5万人，以往测定结果，白细胞的标准差S=1000个/mm3，若取α=0.05，允许误差δ=100个/mm3，问用单纯随机抽样方法需调查多少人？ 即需要从该社区随机抽取385人