医学统计学第7讲 实习课 幻灯片.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * 实习课 难点内容： 假设检验的基本思想 假设检验的基本步骤 t检验的应用条件 t检验与u检验应用的联系 关于第一类错误与第二类错误 假设检验的注意事项 解题思路与例题 计算器的使用 假设检验的基本思想 根据研究目的，提出检验假设（H0），并依据假设的总体，推导出获得手头样本（含与总体参数偏离更大的样本）的概率P，将此概率与事先确定的检验水准比较，作出结论。 假设检验的基本步骤 三个步骤： 一、建立检验假设，确定检验水准 H0：无效假设或零假设 H1：备择假设 ?=0.05 检验水准α表示在所设H0的总体随机获得手头样本的概率不允许超过5％。（界定小概率的标准） “手头样本”也包括与总体参数偏离更大的样本在内 。 二、计算检验统计量和P值。 根据资料特点选用合适的检验方法（检验统计量），按检验统计量所依从的分布，选用相应的公式计算，然后根据其在H0规定的总体中的抽样分布再求得P值。 P值表示从所设总体随机获得手头样本(含与总体参数偏离更大的样本)的概率。 P值标明以多大的误差拒绝H0；或者说，作出“拒绝H0而接受H1”的结论时冒了P风险。P值小，风险小，认可此结论的误差也小；P值大，风险大，难以认可此结论。P值不会为0，结论不可能没有误差或不冒风险。 三、界定P值作出结论。 如果P? ? ，拒绝H0，接受H1，差异有统计学意义； 如果P ? , 不拒绝H0，差异无统计学意义。 当P ≤ ? 时，表示从所设总体随机获得手头样本(含与总体参数偏离更大的样本，下同)的概率未超过事先确定的? 水准。 当P ＞? 时，表示从所设总体随机获得手头样本的概率已经超过事先确定的? 水准。 t检验的应用条件 t检验，亦称student t检验（Student’s t test），主要用于样本含量较小，总体标准差σ未知的正态分布资料。 ①样本所服从的总体服从正态性分布（正态性） ②两样本均数比较时，两样本对应的总体方差相等（方差齐性） ③各观察值之间相互独立（独立性） 应用条件 u检验应用条件 （1）样本大小（n50） （2）大样本时，对原资料的正态分布要求可以放宽 n1+n2？ 小样本 大样本 方差？ u检验 是 方差不齐 t 检验 t ’检验 (1) 当拒绝 H0 时, 可能犯错误，可能拒绝了实际上成立的H0， 称为 ? 类错误（ “弃真”的错误 ），称为“假阳性”，其概率大小用 α 表示。 (2）当不能拒绝 H0 时，也可能犯错误，没有拒绝实际上不成立的H0 , 这类称为 II 类错误（ ”存伪”的错误）, 称为“假阴性”，其概率大小用 β 表示, β值一般不能确切的知道。 假设检验的结果有两种： Ⅰ型错误和Ⅱ型错误 对于一般的假设检验， a定为0.05（或0.01），b的大小取决于H1。通常情况下，比较总体间有无差异并不知道，即H1不明确，b值的大小无法确定，也就是说，对于一般的假设检验，我们并不知道犯Ⅱ型错误的概率b有多大。 通常情况下Ⅱ型错误未知 由样本推断的结果 真实结果 拒绝H0 不拒绝H0 H0成立 Ⅰ型错误 a 推断正确(1－a ) H0不成立 推断正确（1－b） Ⅱ型错误b （1－b）即把握度（power of a test):两总体确有差别，被检出有差别的能力 （1－a）即可信度（confidence level) 例如1-β=0.9的含义是若两总体确有差别，理论上平均每100次抽样有90次能得出有差别的结论。检验效能越大，按α水准拒绝H0推断两总体均数确有差别的把握就越大。 ?0 I 型错误和 II 型错误图示 界 值 ? ? 1-? ?1 拒绝H0 不拒绝H0 a b a 与 b 间的关系 减少（增加）I型错误，将会增加（减少）II型错误 增大n 同时降低a 与 b 假设检验的注意事项 1)要有严密的研究设计 2)选用的检验方法应符合其应用条件 3)检验水准的选择 4)单,双侧检验的选择 5) P和?的涵义 6)结论的概率性 7)正确对待统计结论和专业结论 结论的概率性 无论做出何种推断结论，总是有风险的！ 拒绝H0时可能犯I类错误； 不拒绝H0时可能犯II类错误; 尤其是检验统计量位于检验界值的附近时，下结论更应慎重; 不拒绝H0，并不意味