医学统计学（扬州大学）第四章 统计推断.docVIP

第四章 统计推断 本章提要：本章主要介绍统计推断的意义，统计推断的方法，以及如何提高统计推断的准确性，最后还重点介绍了与兽医临床诊断等有关的生理、生化等指标正常值范围估计的意义及方法。 生物统计的一个重要任务是要知道所研究总体的特征（参数），但是总体特征一般难以知道，一方面是由于总体包含观察值的数目（N）多，有时是无限的（无限总体），往往不可能逐个调查清楚；另一方面，有时所要研究的总体目前并不存在，或者只能说是虚拟存在，无法调查。如研制用于治疗动物某种疾病的新药物，在没有大范围推广使用前，该总体并不存在，也即该新药物的总体治疗效果无法通过调查获知。但无论是以上提到的何种类型总体情况，我们总是可以通过随机抽样（抽样调查）或随机选择部分动物个体试验的方法获得该特定总体的随机样本，通过统计推断来定性或定量地分析获得所研究总体的特征，统计推断就是通过由样本的特征（统计量）推断相应总体的特征（参数）。 统计推断的意义与原理 一、统计推断的意义和内容 所谓统计推断（statistical inference）,就是根据统计量的分布律和概率理论，由样本结果（统计量）来推断总体的特征。实际工作中，一次试验或一次调查，所获得的数据资料，通常是一个样本的结果，而我们真正需要知道的是抽得样本的总体特征，换句话说，统计分析的结论是针对总体参数而言的，因此，统计推断是科研工作中的一个十分重要的工具，对试验设计也有一定的指导意义。 统计推断包括统计假设检验（hypothesis test）和参数估计（parametric estimate）两个内容。 统计假设检验又称显著性检验（significance test），它是根据某种实际需要，对未知或不完全知道的统计总体参数提出一些假设（这些假设通常构成完全事件系），然后根据样本的实际结果和统计量的分布律，通过一定的计算，作出在一定概率意义上应当接受哪种假设的方法。统计假设检验的假设是对总体提出的，由于最后检验的结论只有两种，即要比较的总体参数间存在显著差异和不存在显著差异两种。所以这种检验的结果是定性的，而非定量。 参数估计包括两个方面，一是参数的点估计（point estimate），二是参数的区间估计(interval estimate)。前者是直接用样本的统计量数值估计相应总体的参数，后者是在一定的概率保证下（一般为95%或99%），由样本统计量的分布律，计算出总体参数出现的数值范围或区间，用该区间来估计总体参数，由于参数估计是用数值或数值范围来估计，所以可以说参数估计是对总体参数的定量分析。 二、统计量的抽样分布与统计推断的关系 从总体到样本是抽样的过程，统计上所指的抽样均是指随机抽样（random sampling），即保证总体中的每个个体，在每次抽样中都有相等的概率被抽取作为样本。前面已经介绍了随机抽样所获样本其样本统计量组成的总体分布（抽样分布）都遵循一定的分布律（u、t、χ2、F等），其总体参数与抽样总体的相应参数有着一定的关系。同时抽样的结果还告诉我们，虽然样本的特征在一定程度上能反映总体情况，但其并不等同于总体，也即样本统计量与总体相应参数之间总存在一定的抽样误差，所以，样本推断总体的准确性与抽样误差的大小有关，抽样误差的大小用统计量的标准误来衡量，所谓统计量的标准误（standard error）就是统计量的标准差，它不仅反映抽样误差的大小，而且反映样本统计量与总体相应参数间的差异程度，也反映用某样本统计量估计总体参数的准确程度。随机抽样和统计推断是互逆过程，随机抽样和抽样分布是统计推断的基础和前提，图4-1揭示了随机抽样和统计推断间的关系。 三、统计假设检验 1、统计假设检验的基本思路 为了便于理解，我们结合一个实例说明统计假设检验的基本思路。例如，将20只老鼠随机分为数目相等的两组，一组作对照不注射催产素，另一组注射，然后在规定的时间内测定每组内各个体的血糖值，假定测定的结果对照组样本平均数为：1=109.17，注射催产素组为：2=106.88，两样本平均数并不相等，其差值（表面效应）为：=109.17-106.88=2.29，这是否意味着注射与不注射催产素两种不同处理，老鼠体内血糖含量一定存在有显著差异，即两相应总体血糖含量不等（≠）呢？事实上仅凭样本平均数之差（表面效应）不等于零就作出其所属的总体平均数不等是不可靠的。这是因为表面效应不等于零（≠0），注射催产素与否，总体血糖含量不等（≠）和相等（=）两种情况均可成立，如果两总体血糖含量不同，即≠，显然能造成两样本平均数的差异，即；如果两总体血糖含量相同，即=，两样本所属总体相同时，由于有抽样误差存在，也能造成两样本平均数不等，即。显然，我们不能仅由确定两样本所属总体平均数是否有显著差异。 由以上分析可见，由于抽样的原因，两