研-统计4假设检验tu检验PPT.ppt

单侧检验还是双侧检验?One-sided or two-sided test? 双侧检验永远是正确的 单侧检验只有在少数情况下才是合适的 即使要做单侧检验，也必须事先确定 单侧检验：有某种倾向时使用； 双侧检验：没有任何倾向； u检验和t检验 假设检验，u， t-检验Hypothesis Testing，u，t-test 张建军 汕大医学院预防医学教研室 Tel: 0754Email: zhangjj@stu.edu.cn 假设检验的基本思想和步骤 假设检验（hypothesis testing)： 亦称显著性检验(significance test)，是统计推断的另一个方面。 在实际情况下 由于抽样误差，从某总体中随机抽得的样本，得到的样本均数与该总体的均数不同；同一总体中两次抽样的样本均数也不相同。 原因在于： 总体均数不同（同时有抽样误差）； 总体均数相同，差别仅由抽样误差所致； 例：两种不同处理结果之间的差异 A处理 ? 结果A，B处理 ? 结果B? = 结果A - 结果B 对于总体如果 ? = 0 ，则A处理和B处理之间没有差别。如果 ? ? 0 ，则A处理和B处理之间有差别。 对于样本即使? = 0 ，由于存在抽样变异，往往样本结果A – 样本结果B= ? 0。这个差异是否仅仅是由于抽样变异造成的？ 先对总体的参数或分布作出某种假设，如假设总体均数（或总体率）为一定值，两总体均数（或总体率）相等，总体服从正态分布或两总体分布相同等。 然后，用适当方法根据样本对总体提供的信息，推断此假设应当拒绝或不拒绝。其结果将有助于研究者作出决策，采取措施。 假设检验的定义 小概率事件原理 事件A发生的概率是如此之小，以至于在一次试验（抽样）时，往往认为它（事件A）不会发生。 小概率事件一般是指发生概率≤0.05（检验水准?）的事件。 在假设检验中，在无效假设的前提下出现了小概率事件，则怀疑无效假设的真实性。 假设检验的步骤 无效假设：样本结果A和B之间的差异仅仅是由于抽样误差造成的。即H0：?=0。 备择假设：样本结果A和B之间的差异不仅仅是由于抽样误差造成的，还包含不同处理的效果。即H1：??0。 由无效假设出发，可以计算出得到样本差异或者更大差异的概率（P值）。 如果P值小于检验水准?，则认为由此无效假设不太可能出现这样的结果，从而推翻它，接受备择假设（差异显著性）。反之, 接受无效假设。 检验统计量 检验统计量的构建（在无效假设的前提下）检验统计量的构建是无效假设的关键。 检验统计量一般服从某种分布。利用这种分布计算出“由无效假设出发，得到所见的差异或更大的差异”的概率，从而作出推断。 1、建立检验假设和设定检验水准 无效假设（null hypothesis) H0： 假设差异仅由抽样误差所致，而两个总体参数相同。是从反证法的思想提出的。 例：健康男性管理人员的总体空腹血糖均值与一般健康男性的总体空腹血糖均值相等 （μ =μ 0） 备择假设（alternative hypothesis), H1： 即差别不仅是由抽样误差所致，而且总体参数不同。 H1是和H0相联系的，对立的假设。 （ μ ≠ μ 0， μ μ 0 , μ μ 0 ） 双侧，单侧检验： 根据专业知识， μ可能大于，也可能小于 μ 0，称双侧检验；若认为μ大于、等于不可能小于 μ 0（或相反），为单侧检验。 若不能确定单侧的情况，应采用双侧检验。 确定检验水准（size of a test)： 也叫显著性水准（significance level）， 用α表示。 即：拒绝了实际上成立的H0的概率；一般取0.05，或0.01. H0: μ =μ 0 H1: μ ≠ μ 0，( 双侧）或： H1: μ μ 0 , （μ μ 0 ），（单侧） α=0.05 2、计算统计量 根据研究设计类型，资料特征，统计方法的适用条件，选择和计算统计量。 例：计算统计量t值。 3、确定概率P值，作出统计推断结论 计算统计量后，判断在H0成立条件下，出现该统计量或更大统计量的概率。 根据事先确定的单侧或双侧检验、自由度在相应的统计用表中查出相应的界值。将该界值与所计算的统计量比较，得出相应的概率P。 如果P大于α，是接受H0的区间；如果大于或等于界值的范围，P小于或等于α，是拒绝H0的区间。 正态分布上的某些界值 单侧??0.05 1.645 或 -1.645 双侧??0.05 1.96 和 -1.96 若P≤ α,认为是小概率事件，一次抽样不可能发生。而一旦发生，即认为：造成两个均数差异的原因是总体不同（试验因素所致，或相应的因素导致等） ，无效假设是错误的，因此，