第六章_假设检验基础(第7版).ppt

第一节 假设检验的概念与原理 案例一：某商家宣称他的一大批鸡蛋“坏(变质)蛋率为1%”。请对这批鸡蛋的质量做出判断：即“坏蛋率为≤1%”还是“坏蛋率高于1%”？ 案例二：欲考察某药物A预防孕妇早产的效果，某医院的妇科进行了一项临床试验，在试验中入选30例孕妇，15例被分配到处理组(服用药物A)，15例被分配到对照组(服用安慰剂)，试验结束后计算得处理组出生婴儿体重的平均数为7.1(斤)、对照组出生婴儿体重的平均数为6.3(斤)。试判断药物A是否具有预防孕妇早产的效果？ 干预组屈光度 总体均数 ?1 单双侧检验P值示意图(Z检验） P值的定义和意义 P值的定义： 在H0成立的条件下，出现统计量目前值及更不利于H0数值的概率。 P值的意义： 当H0成立时，凭借现有的样本统计量之间所具有的差异下拒绝H0的结论有可能犯的假阳性错误。此时犯假阳性错误的概率为P。由于检验水准定为?(一般设为0.05或0.01)，所以可以保证如此推断总体特征时犯假阳性错误的概率不超过 ?。 P值的定义和意义 P值的定义： 在H0成立的条件下，出现统计量目前值及更不利于H0数值的概率。 P值的意义： 当H0成立时，凭借现有的样本统计量之间所具有的差异下拒绝H0的结论有可能犯的假阳性错误。此时犯假阳性错误的概率为P。由于检验水准定为?(一般设为0.05或0.01)，所以可以保证如此推断总体特征时犯假阳性错误的概率不超过 ?。 假设检验推断总体特征的错误风险 假设检验的结论无论做出哪一种推断结论(拒绝或不拒绝H0),由于其是通过一次抽样得到的样本信息对总体信息作推断,因此都面临着发生判断错误的风险.这就是假设检验的两类错误(第一类错误和第二类错误). 前述的假阳性错误即第一类错误，假阴性错误即第二类错误(两类错误的概念，相互关系及其影响因素第五节详述，此处略) 假设检验的结论不是绝对,而是具有概率保证的一种结论或推断. 例6-2 为了研究孪生兄弟的出生体重是否与其出生顺序有关，共收集了15对孪生兄弟的出生顺序和出生体重，见表6-2。试问孪生兄弟中先出生者的出生体重与后出生者的出生体重是否相同？ 将受试对象随机分配成两个处理组，每一组随机接受的一种处理。一般把这样获得的两组资料视为代表两个不同总体的两份样本，据此推断它们的总体均数是否相等。 此种设计也称为(两样本)完全随机设计，此类设计所获样本资料的比较分为两种情况。 例6-5 为了比较特殊饮食与药物治疗改善血清胆固醇(mmol/L)的效果，将24名志愿者随机分成两组，每组12人，甲组为特殊饮食组，乙组为药物治疗组。受试者试验前后各测量一次血清胆固醇(mmol/L)，差值的结果见表6-4，请比较降血清胆固醇措施的效果是否相同? 1）两样本均数比较时除进行假设检验外，还可利用误差直条图来描述组间的均数及标准差大小，如下图 适用条件: 当总体均数λ≥20时，依据Poisson分布近似正态分布的原理，即: 影响检验效能(1-?)的主要因素** (被推断的)总体参数间差异(?)： 总体参数的差异越大，检验效能越大 个体差异(标准差?)： 个体差异越小，检验效能越大 样本量(n)： 样本量越大，检验效能越大 检验水准(?)： 检验水准越大，检验效能越大 the end. 假设检验与区间估计的关系 一、置信区间具有假设检验的主要功能 对于例6-2,对每对孪生兄弟出生体重差值的总体均数?d做区间估计，其双侧95%可信区间为: 显然，区间 不包含总体参数?d的概率为0.05,是一小概率事件,抽样结束后,获得样本信息—(0.0046,0.1154),该数值区间不包含0,若假定H0：?d=0成立,则提示上述小概率事件在一次抽样研究中发生了,因此结论为拒绝H0成立的假定，这一推断结论与按照α=0.05水准拒绝H0的推断结论是等价的。 **置信区间是否拒绝H0,关键在于看置信区间是否包含了H0中假定的参数 对于例6-4,两个总体均数差值双侧95%可信区间为: 因差值0在上述双侧95%可信区间内，所以假设检验结论为不拒绝H0，差异无统计学意义，尚不能认为两总体均数有差别！ @实际上，每一种区间估计都对应一种假设检验方法，只是区间估计无法提供假设检验中p值的大小，只能固定在?水平作假设检验！ 课后思考题： 单侧检验如何利用计算可信区间来完成？ 二、置信区间可提供假设检验没有提供的信息 在图6-3中,置信区间(1)～(3)均不包含原假设H0,意味着相应的差异具有统