医学统计学之总体均数的估计与假设检验.ppt

二、应用等效检验的注意事项 1. ?值须在等效试验前根据专业知识予以确定。研究者可把专业上或公认有临床实际意义的差值作为等效界值?。如血压?值为0.67kPa(5mmHg)，胆固醇?值为0.52mmol/L(20mg/dl)，白细胞?值为0.5? 109/L(500个/mm3)。当难以确定时，可用0.2?0.5倍标准差作为参考。 2. 等效检验和一般假设检验即“差别检验”的基本思想一致。 等效检验和一般“差别检验”最大不同之处：采用两个同时进行的单侧检验去判断无效假设是否成立。 假定?T??C的等效区间为[??, ?]，判断试验药和对照药是否等效，第一次单侧t检验H1为：?T??C ﹥ ??，第二次单侧t检验H1为：?T??C ﹤ ?，只有两次单侧t检验均拒绝H0，接受H1，才能认为试验药和对照药等效。 3. 在等效检验中，拒绝H0，接受H1，有统计学意义，所下专业结论是两总体均数等效。 第六节 假设检验的基本步骤 及注意事项 假设检验利用小概率反证法思想，从问题对立面(H0)出发间接判断要解决的问题(H1)是否成立。在H0成立的条件下计算检验统计量，获得P值来判断。当P ≤?，就是小概率事件。 小概率事件原理：小概率事件在一次抽样中发生的可能性很小，如果它发生了，则有理由怀疑H0，认为H1成立，该结论可能犯?的错误。 一、假设检验的基本步骤 1.建立检验假设，确定检验水准： (1)?=?0：检验假设(hypothesis under test)，常称无效假设或零假设(null hypothesis)。用H0表示。 (2)???0：备择假设，常称对立假设(alternative hypothesis)。用H1或HA表示。 注意事项： ①针对总体而不是针对样本而言； ②H0和H1是相互联系、对立假设，结论根据H0和H1作出，两者缺一不可； ③H0通常是：某两个(或多个)总体参数相等，或某两个总体参数之差等于0，或……无效，或某资料服从某一特定分布等； ④H1反映了检验的单双侧。 H1:???0或?＜?0 ，单侧检验。有无差异，差异方向。 H1:???0 ,双侧检验。 单双侧检验确定，首先根据专业知识，其次根据所要解决的问题。双侧检验较保守和稳妥。 (3)?：检验水准，也称显著性水准，它属于I型错误的范畴。?是预先规定的概率值，它确定了小概率事件标准。在实际工作中常取?=0.05。但并非一成不变。 四、总体均数可信区间与参考值范围的区别 计算 公式 ?未知： ?已知或?未知但n﹥60： 或 正态分布 偏态分布 PX~ P100?X ? 含 ? 义 按预先给定的概率，确定未知参数? 的可能范围。实际上一次抽样算得的可信区间要么包含总体均数，要么不包含。95%CI估计错误的概率≤0.05. “正常人”的解剖，生理，生化某项指标的波动范围。 总体均数的波动范围 个体值的波动范围 用 途 总体均数的区间估计 绝大多数(如95%)观察对象某项指标的分布范围 第四节 t 检验和u检验 由样本信息推断总体特征，除参数估计外，还会遇到这样的问题： 某一样本均数是否来自于已知均数总体？两个不同样本均数是否来自均数相同的总体等？ 要回答这类问题，更多的是用统计推断的另一方面 ?? 假设检验(hypothesis test)。 观测到的样本均数与总体均数间或两样本均数间差异的可能原因： 总体均数不同； 总体均数相同，差别由抽样造成。 需要通过统计学假设检验来判断。 假设检验一般做法： 1.进行检验假设：假设样本对应的总体参数与某已知总体参数相等， 2.计算检验统计量：根据统计量分布规律， 3.确定P 值：根据检验统计量大小， 4.作出统计推断：根据P值判断样本信息是否支持原假设。 蕴含独特的逻辑和统计学思维方式。 t 检验(Student’s t-test) 当n较小时(如n﹤60)，要求样本随机地取自正态总体，两小样本均数比较要求所对应两总体方差相等 ，即方差齐性。 U 检验(U-test，亦称Z-test)。 要求n较大；或n虽小但总体标准差已知。 一、单样本t 检验 即 （代表未知?）与已知?0(理论值、标准值或稳定值)比较。 例3-5 某医生测量了36名从事铅作业男性工人的血红蛋白含量，算得其均数为130.83g/L，标准差为25.74g/L。问从事铅作业工人的血红蛋白是否不同于正常成年男性平均值140g/L？ (1)建立检验假设，确定检验水准 H0: ?=?0=140g/L，从事铅作业男性工人平均血红蛋白含量与正常成年男性平均值相等。 H1: ?≠?0 ， ?=0 。 (2)计算检验统计量 （3)确定P值