t分布及应用.ppt

二、假设检验的基本步骤 1.建立假设和确定检验水准 确定检验水准 (size of a test) 显著性水准（significant level）是预先规定的概率值，实际中一般取 。 2.选择检验方法和计算检验统计量 根据资料类型、研究设计方案和统计推断的目的，选择适当的检验方法； 不同检验方法各有其相应的检验统计量及计算公式。 许多假设检验方法是以检验统计量来命名的，如 t 检验、u 检验、F 检验和 检验等。 3.确定P 值并做出统计推断结论 P 值含义：指在原假设成立的条件下，观察到的样本差别是由于随机误差所致的概率。是假设检验的结论依据。 查表得到检验用的临界值，然后将算得的统计量与临界值作比较，确定P 值。如果双侧 t 检验 ，则 ,按检验水准 拒绝H0。 P 值越小，越有理由拒绝H0，认为总体之间有差别的统计学证据越充分。 * * 第四章 抽样误差与假设检验 第一节 均数的抽样误差与标准误 一、均数的抽样误差 在医学研究中，绝大多数情况是通过样本信息研究总体。由于存在个体差异，通过样本推论总体时会存在一定的误差，如样本均数 往往不等于总体均数 ，这种由抽样造成的样本均数与总体均数的差异称为抽样误差。对于抽样研究，抽样误差不可避免。 样本均数 样本n1 样本n2 样本nk 各样本均数不相同，为什么？ 总体 假定某年某地所有13岁女学生身高服从 N（155.4，5.32），在该总体中作100次随机抽样，ni = 30 153.6 153.1 ···· 157.7 从正态总体N（155.4，5.32）抽样得到的100个样本均数的频数分布 组段（cm） 频数 频率（％） 152.6～ 1 1.0 153.2～ 4 4.0 153.8～ 4 4.0 154.4～ 22 22.0 155.0～ 25 25.0 155.6～ 21 21.0 156.2～ 17 17.0 156.8～ 3 3.0 157.4～ 2 2.0 158.0～158.6 1 1.0 合计 100 100.0 二、抽样误差的分布 理论上可以证明：若从正态总体 中，反复多次随机抽取样本含量固定为n 的样本，那么这些样本均数 也服从正态分布，即 的总体均数仍为 ，样本均数的标准差为 。 抽样分布 抽样分布示意图 中心极限定理: 当样本含量很大的情况下，无论原始变量值服从什么分布， 的抽样分布均近似正态。 抽样分布 抽样分布示意图 三、标准误（Standard Error） 样本均数的标准差称为标准误。因此可以用标准误表示抽样误差的大小： 实际工作中总体标准差往往未知，故只能求得标准误的估计值 ： 例4.1 在某地随机抽查成年男子140人，计算得红细胞均数4.77×1012/L，标准差0.38 ×1012/L ，试计算均数的标准误。 标准误的用途： 标准误可用于衡量抽样误差的大小，更重要的是可以用于参数的区间估计和对不同组之间的参数进行比较。 t 分布 变量变换 总体 样本均数 中心极限定理 标准正态分布 变量变换 未知 服从自由度? = n ? 1的t分布 1.单峰分布，以0为中心，左右两侧完全对称 标准正态分布 图4-2 不同自由度的 t 分布图 标准正态分布 图4-2 不同自由度的 t 分布图 2. t 分布是一簇曲线。只有一个参数ν=n-1，曲线形状与自由度有关。 标准正态分布 图4-2 不同自由度的 t 分布图 3. 当自由度逼近∞，t分布则逼近u分布，故标准正态分布是t分布的特例。 标准正态分布 图4-2 不同自由度的