医学统计学4.ppt

1.σ未知且n较小 * 总体均数CI的估计 2.σ未知但n足够大 * 总体均数CI的估计 3.σ已知 * 总体均数CI的估计 例4-3： 由随机抽查某地30名20岁男大学生身高均数资料得， ，试估计该地20岁男大学生身高总体均数的95%可信区间。 解：本例n=30，则υ=29，查附表2，t界值表，双侧t0.05(29)=2.045 * 注： （1）95%可信区间的统计意义：从总体中做数次随机抽样，有95%求得的可信区间包含总体均数。并不是做一次抽样求得可信区间包括μ的概率是0.95，对一次抽样而言只有两种可能，要么可信区间包含μ，要么不包含μ。 （2）两个要素：准确度，即1-α，精度，即区间的长度。 （3）与医学正常值范围不同 * 总体均数的可信区间与参考值范围的区别 * §4.3 假设检验 统计推断的重要内容之一，亦称显著性检验。 例 根据大量调查，已知健康成年男子脉搏的均数为72次/分，某医生在一山区随机调查了25名健康成年男子，求得脉搏均数为74.2次/分, 标准差为6.0次/分，能否据此认为该山区成年男子的脉搏均数高于一般人? 分析： 我们当然不能强求脉搏均数恰为72次/分时，才认为山区成年男子的脉搏均数和一般人一样，因为即使一样由于抽样误差的存在，样本均数未必等于72，造成山区健康成年男子的脉搏样本均数与一般人不同的原因有: ①抽样误差 ②环境因素的影响 要回答这一问题就需要假设检验 1、假设检验的原因 由于个体差异的存在，即使从同一总体中严格的随机抽样，X1、X2、X3、X4、、、，不同。 2、假设检验的目的：μ = μ0？ ? μ0 ，考虑差异来源有两种可能性： （1）μ = μ0 （同一总体）， ? μ0仅由抽样误差造成。 （2）μ ? μ0 （不同总体）， ? μ0主要由两总体之间的不同造成。 第四章 抽样误差与假设检验 主要内容： §4.1 抽样误差与标准误 §5.1 t分布 §4.2 区间估计 §4.3 假设检验 * 统计分析 统计描述 统计推断 数值变量 分类变量 区间估计 假设检验 集中趋势 离散趋势 * 统计推断(statistical inference)和抽样误差（sampling error） 从总体中随机抽取一定数量观察单位作为样本进行抽样研究(sampling study)，然后由样本信息推断总体特征的过程，称为统计推断。 由个体变异产生、随机抽样引起的样本统计量与总体参数间的差异，称为抽样误差。抽样研究中，抽样误差不可避免。但是可以估计其大小。 * 大数定律 中心极限定理 在实际问题中, 许多随机现象是由大量相互独立的随机因素综合影响所形成, 其中每一个因素在总的影响中所起的作用是微小的. 这类随机变量一般都服从或近似服从正态分布. 以一门大炮的射程为例, 影响大炮的射程的随机因素包括: 大炮炮身结构的制造导致的误差, 炮弹及炮弹内炸药在质量上的误差, 瞄准时的误差, 受风速、风向的干扰而造成的误差等. 其中每一种误差造成的影响在总的影响中所起的作用是微小的, 并且可以看成是相互独立的, 人们关心的是这众多误差因素对大炮射程所造成的总影响. 因此需要讨论大量独立随机变量和的问题. 中心极限定理回答了大量独立随机变量和的近似分布问题, 其结论表明: 当一个量受许多随机因素(主导因素除外) 的共同影响而随机取值, 则它的分布就近似服从正态分布. * 均数的抽样误差 如：要了解某地成年男子红细胞数的总体均数，抽得144个样本，求出样本均数 =5.38×1012/L，估计该地成年男子红细胞数的总体均数μ，由于抽样误差 称均数的抽样误差。 * 抽样试验 从正态分布总体N（5.00,0.502）中，每次随机抽取样本含量n＝5，并计算其均数与标准差；重复抽取1000次，获得1000份样本；计算1000份样本的均数与标准差，并对1000份样本的均数作直方图。 按上述方法再做样本含量n＝10、样本含量n＝30的抽样实验；比较计算结果。 * 抽样试验（n=5） * 抽样试验（n=10） * 抽样试验（n=30） * 1000份样本抽样计算结果 总体均数 总体标准差s 样本均数的均数 样本均数的标准差 n=5 5.00 0.50 4.99 0.2212 0.2236 n=10 5.00 0.50 5.00 0.1580 0.1581 n=30 5.00 0.50 5.00 0.0920 0.0913 * 3个抽样实验结果图示 * * * * 抽样实验小结 样本均数的均数围绕总体均数上下波动。 均数的标准差即标准误 与总体标准差 相差一个常数的倍数，即 样本均数的标准