中医药统计与软件应用1PPT.ppt

I 型错误 样本来自?=?0的总体，即H0实际上成立，由于抽样的偶然性得到了较大的t值，按检验水准拒绝了H0，接受了H1，即??0，此推断当然是错误的。I 型错误的概率常用表示，若确定检验水准=0.05，则犯I型错误的概率为0.05，理论上平均每100次抽样有5次发生这类错误。 II 型错误 样本来自??0的总体，即H0实际上不成立，但由于抽样的偶然性得到了较小的u值，按检验水准不拒绝H0，此推断当然也是错误的。 II 型错误的概率用?表示 拒绝H0接受H1 不拒绝H0 H0为真 I型错误α 推断正确1-α H0为假 推断正确1-β Ⅱ型错误β 通常当n固定时，α愈小，?愈大；反之， α 愈大，?愈小。 同时减小α和?的唯一方法是增加样本含量。 小结：人为控制下，显著性水平α通常取0.05 、0.01或 0.001．按照0.05拒绝H0 ，就说结果有显著性，也就是与期望H0为真有显著差异；按照0.01拒绝H0 ，就说结果有高度显著性；按照0.001拒绝H0 ，就说结果有非常高度显著性．在一次假设检验里面，要么接受、要么拒绝零假设．如果拒绝H0，可能犯Ⅰ型错误（拒绝一个真实的H0），而如果接受H0，可能犯Ⅱ型错误（接受一个假的H0）．因为有两类错误，在任何决定里面都有犯这种错误的潜在可能，我们绝不能够说“证明”H0是真的或H0是假的．证明暗指不可能有错误．当接受H0或拒绝H0的时候，正确的说法应该是：资料支持零假设，或资料支持备择假设． 1–?称为检验效能或把握度(power of a test) 其统计学意义是若两总体确有差别，按水准能检出其差别的能力。 在设计时研究者总是期望得到一个较高的检验效能，即两总体确有差异，假设检验便可反映出来。 检验效能越大，按水准拒绝H0推断两总体均数确有差别的把握就越大。 客观实际 拒绝H0 不拒绝H0 H0成立 I 型错误(α) 推断正确(1–α) H0不成立 推断正确(1–?) II 型错误(?) 检验效能的大小与总体间的差别、检验水准、标准差和样本含量有关： (1) 被试因素的效应越大，H0和H1涉及的不同总体间差别越大，两者在分布上的重叠面积就越小。 (2) 由图4-2可见，在分布的重叠面积固定时，α与?呈反向变化，α增大，β减小，则(1－β)增大，故增大α可提高检验效能(1－β)。然而，假设检验的目的大多数是希望提示被试因素的有效性高，应当要求α越小越好。因此，实验设计时，必须兼顾α与β。 (3) 标准差愈大，变量的分布愈矮胖，比较组在分布上的重叠面积愈大，(1－β)就越小，因此，应严格控制实验条件，减小个体差异，使标准差减小到合理水平。 (4) 样本含量n增大，标准误= s /减小，均数的抽样误差减小，分布趋于集中，α与?都减小。由于适当增大样本可使Ⅰ型错误α与Ⅱ型错误?均减少，所以样本含量应适当大些。 假设检验应注意的问题 1.进行假设检验事前应有严密的抽样研究设计，保证样本是从同质总体中随机抽取的，除处理因素外其他条件应保持均衡，即资料具有可比性。否则不能排除非处理因素的作用，推断结果可能无意义。 2.根据研究目的、设计类型和资料类型选用适当的检验方法 3.正确理解p值的含义 第三节 正态性、方差齐性检验 一、正态性检验 正态性检验的目的是检验资料是否服从正态分布，确定样本是否来自正态分布的总体 正态分布特征：一是对称，二是正态峰，描述对称用偏度系数s，描述峰态用峰度系数k。 偏度系数＝0表示与正态分布相同，偏度系数＞0表示正或右偏态，偏度系数＜0表示负或左偏态。 峰度系数＝0表示与正态分布相同，峰度系数＞0表示比正态分布陡峭，峰度系数＜0表示比正态平坦 【例4.4】 判断例3.1资料正常人血糖的正态性 解 H0：总体服从正态分布，H1：不服从正态分布 SPSS →Analyze→Explore 送血糖入Dependent框 点击Plots….. 单选正态性检验 Normality Plots with test Shapiro-Wilk的统计量=0.996,P=0.946＞0.05,提示资料服从正态分布. Q-Q图：以百分位数Px为横坐标，以按指定分布计算的相应百分位数为纵坐标，将样本值在直角坐标系中描点，所得的散点图称为Q-Q图 → Analyze → Nonparametric Tests 血糖选入Test variable List K-S检验的统计量 z值=0.544；双侧近似P值=0.928。所以，不拒绝H0，可认为正常人血糖服从正态分布。 Analyze Descriptive Statistics P-P Plots