医学统计学 抽样误差和 t 分布PPT.ppt

* * * * 3.抽样误差和 t 分布 Sampling error and t dis t ribu t ion 曾平 流行病与卫生统计学教研室 3.1 抽样误差的概念 由抽样引起的样本统计量与总体参数间的差异(sampling error) 。显然，抽样误差只存在 抽样调查 的情况。 两种表现形式 样本统计量与总体参数间的差异 样本统计量间的差异 Sample 1：x11 x12 x13 x14... x1n Sample 2：x21 x22 x23 x24... x2n Sample k：xk1 xk2 xk3 xk4...xkn 原始 总体 μ k个样本均数的频数分布图 抽样研究 ：由于样本中只有总体的部分个体，因此样本统计量和总体参数不一样就很自然了；样本越少抽样误差越大。 个体变异：个体的变异越大，抽样误差越大； 3.2 抽样误差产生的条件 3.3 均数的抽样误差及标准误 表现一：样本均数与总体均数之差值 表现二：多个样本均数间的离散度 从均数为 ? 、标准差为 的非正态总体中独立随机抽样，当样本含量 n 很大时，样本均数的分布将趋于正态分布，此分布的均数为 ?，标准差为 标准误(s t andard error，SE) 样本统计量的标准差称为标准误，用来衡量抽样误差的大小。 样本均数的标准差称为标准误。此标准误与个体变异 成正比，与样本含量 n 的平方根成反比。 实际工作中， 往往是未知的，一般可用样本标准差 S 代替 ： 因为标准差 S 随样本含量的增加而趋于稳定，故增加样本含量可以降低抽样误差。 中心极限定理表明，即使从非正态总体中随机抽样，只要样本含量足够大，样本均数的分布也趋于正态分布 ，见图3.1 。 四个非正态分布的总体抽样结果 (A偏三角分布、B均匀分布、C指数分布、D双峰分布) 图3.1描述了来自不同总体的样本均数之抽样误差和抽样分布规律。事实上，任何一个样本统计量均有其分布。统计量的抽样分布规律是进行统计推断的理论基础。 标准差与标准误的联系和区别 联系 都是变异指标。S反映个体观察值的变异；反映统计量的变异。 当 n 不变时，标准差↑，标准误↑ t 分布是 t 检验的基础，亦称 s t uden t t 检验，是计量资料中最常用的假设检验方法。 戈塞特(William Sealey Gosse t ) 英国著名统计学家。出生于英国肯特郡坎特伯雷市，求学于曼彻斯特大学和牛津大学，主要学习化学和数学。 3.4 t 分布 1899年作为一名酿酒师进入爱尔兰的都柏林一家啤酒厂工作，在那里他涉及到有关酿造过程的数据处理问题。 由于酿酒厂的规定禁止戈塞特发表关于酿酒过程变化性的研究成果，因此戈塞特不得不于1908年，以“学生” (S t uden t )为笔名在《生物计量学》杂志上发表了“平均数的概率误差”。 Gosse t 在文章中使用 z 统计量来检验常态分配母群的平均数。由于这篇文章提供了“学生 t 检验”的基础，为此，许多统计学家把1908年看作是统计推断理论发展史上的里程碑。 设从正态分布N(? , )中随机抽取含量为n的样本，样本均数和标准差分别为 和 s，设： * * * *