5-ch5假设检验-2.ppt

完全随机设计两总体均数的比较 （一）建立检验假设，确定检验水准。 （二）计算检验统计量。 完全随机设计两总体均数的比较 （二）计算检验统计量。 （三）确定P值，做出统计推断。 通过查t分布表，得 故 ，从而不能拒绝 。 另一方面， ， 不能拒绝 。 可认为两组雌性大白鼠增重的差别无统计学意义，尚不能认为两种饲料对雌鼠的增重不同。 完全随机设计两总体均数的比较 完全随机设计两总体均数的比较 例5.4 某医师欲比较某地工人和农民全血胆碱脂酶活力，检测 工人143名，均数为3.52μmol/L，标准差为0.49μmol/L； 检测农民156名，均数为3.36μmol/L，标准差为0.53μmol/L。 问该地工人与农民全血胆碱脂酶活力有无差别？ 完全随机设计两总体均数的比较 （一）建立检验假设，确定检验水准。 （二）计算检验统计量。 （三）确定P值，做出统计推断。 完全随机设计两总体均数的比较 * ? 完全随机设计资料的方差齐性检验 研究目的：推断两样本所分别代表的两总体的方差 是否相等。 使用条件：两样本均来自正态分布的总体。 是比较均值的前提或前期工作。 * §5.3 医学中常见的假设检验 （一）建立检验假设，确定检验水准。 （二）计算检验统计量。 若两总体方差相等，则两样本方差差别应不大。 方差齐性检验 方差齐性检验 （三）确定P值，做出统计推断。 回到例5.3，在该例中， 方差齐性检验 方差齐性检验 * ? 正态性检验 (test of normality) 医学统计学中，许多统计方法仅适用于正态分布或近 似正态分布资料。例如，用均数和标准差描述数值变量资 料的分布特征，以及t检验、u检验和方差分析时，均要求 样本资料服从正态分布。因此，选定统计方法时，首先要 检验资料是否服从正态分布。 * §5.3 医学中常见的假设检验 * 研究目的：推断资料是否服从正态分布，或样本是否 来自于正态分布或近似正态分布的总体。 主要方法：图示法（P-P图等）； W检验； D检验； 等等 * 正态性检验 * ? 两类错误 假设检验是建立在“小概率原理”的基础之上，即： 我们总是认为小概率事件不会发生。实际上，我们根据样 本统计量做出的推断结论具有概率性，因此其结论有可能 出现判断错误。我们将错误分为两类： 第 I 类错误 type I error 第 II类错误 type II error * §5.4 两类错误与检验效能 * ? 第 I 类错误 type I error 拒绝了正确的无效假设 。 犯第I类错误的概率用 表示，通常称之为检验水准。 ? 第 II类错误 type II error 接受了错误的无效假设 。 犯第II类错误的概率用 表示。 * §5.4 两类错误与检验效能 * 在假设检验的过程中，犯第I类错误的概率是通过事先 确定检验水准的方法来控制的。 而犯第II类错误的概率 只有与特定的 结合起来 才有意义。 与要比较的总体均数、标准差、样本量及犯 第I类错误的概率 有关。 * §5.4 两类错误与检验效能 * 如果其他条件保持不变， ? 当要比较的总体均数相差越大时， 越小； ? 当要比较的总体总体标准差越小时， 越小； ? 当样本量 n 越大时， 越小； ? 当检验水准 越大时， 越小。 * §5.4 两类错误与检验效能 通常，当样本含量不变时， 与 呈反比。 同时减少 和 的方法是增加样本含量。 * ? 检验效能 （power of test） 在假设检验时，通常将 称为检验效能。 其意义是当两个总体存在差异时，所使用的统计检验 弄够发现这种差异的能力。 通常，一种方法