第5讲 区间估计和假设检验PPT.ppt

在多个均数相比较时，如果拒绝H0，则往往要再分别比较? 1与? 2、? 1与? 3、? 2与? 3……，即进行多重比较，才可得到具体的结果。 H0：?d = 0，即总体差值均数为0 H1： ?≠0，则表示治疗前后有差异 情形3 其它情形 步骤2：确立检验水准α（significance level) 用于确定何时拒绝H0 如果在H0所规定的总体中随机抽样，获得手头样本的概率不超过α，我们将如何抉择？ 一般取0.05 ?=0.05 检验水准α表示在所设H0的总体随机获得手头样本的概率不允许超过5％。（界定小概率的标准） “手头样本”也包括与总体参数偏离更大的样本在内 。 步骤3：计算检验统计量和P值 计算检验统计量即计算样本与所假设总体的偏离。 计算概率P值即与统计量t值对应的概率。 一个样本按某一检验方法只能得出一个P值，但供研究者用来界定此P值的α水准却有多个。 P? ? ，拒绝H0，接受H1，差异有统计学意义 P ? , 不拒绝H0，差异无统计学意义 统计结论≠专业结论 P值越小≠差别越大 步骤4：作出推断结论 假设检验的正确应用 假设检验是建立在样本随机客观的基础上的。 P值的含义： P值表明以多大的误差拒绝H0 ，接受H1。 Significant的含义。 检验水准在假设检验结论中的意义。 按误差不超过 的条件拒绝 ;接受 假设检验与参数估计的关系 目标不同，对问题的直接回答也不同 区别： 联系： 可以从两个角度说明同一个问题，两者结果可以互相印证 第四章 统计推断基础之二 总体均数的区间估计 总体均数的区间估计 统计 统计描述 统计推断 参数估计 假设检验 点估计 区间估计 点估计 直接用样本统计量作为总体参数的估计值。 特点：简单直观，但却不能从样本获得更多的信息。 如用均数作为总体均数的估计值。 示例： 点估计示例 用样本均数作为总体均数 ? 的一个估计，用样本的标准差s作为总体标准差 ? 的一个估计。 某地区所有12岁正常男孩的身高是一个总体，但该总体的参数? —— 平均身高未知。为此，随机抽取该地区120名12岁正常男孩，测得其平均身高为142.67cm，标准差为s=6.00cm，这是样本统计量。 该地区所有12岁正常男孩的平均身高为142.67cm，标准差为6.00cm。这就是点估计。 如果有另一个研究者作同样的研究，测得当地另外120名12岁男孩的平均身高为=141.95cm，当然也可以此作为总体平均身高的另一个点估计。 谁的结论更可信？ 参数的估计 点估计：用样本统计量 直接作为总体参数 的估计值 区间估计：在一定可信度（Confidence level） 下，同时考虑抽样误差 点估计：这种方法简单易行，但未考虑抽样误差，而抽样误差是不可避免的，因此样本抽的不同，可以对总体参数做出不同的点估计。 总体均数的可信区间 1） ?未知，且n较小 例：对某人群随机抽取20人，用某批号的结核菌素做皮试，平均直径为10.9mm,标准差为3.86mm，问这批结核菌素在该人群中使用，皮试直径的95%可信区间？ n=20, ?=20-1=19, ?=0.05 t 0.05,19=2.093 (10.9-2.093*3.86/ 20, 10.9-2.093*3.86/ 20) =(9.10,12.70) 下限 上限 例：n=144,x=5.38,s=0.44,求总体均数的95%可信区间。 (5.38-1.96*0.44/ 144, 5.38+1.96*0.44/ 144) =(5.31,5.45) 总体均数的双侧95%可信区间 2）当样本含量n较大时，如n100，t分布近似标准正态分布，此时可用标准正态分布u分布代替t分布 两均数之差的区间估计 两均数之差的标准误 合并方差 正常组 肝炎组 ? 2＝？ 均 数: 231.86ug/dL 标准差:12.17ug/dL ? 1＝？ 均 数:273.18ug/dL 标准差:9.77ug/dL ? 1- ? 2 ＝？ 可信度为1-α的可信区间的确切涵义是：每100个样本所算得的100（1-α）%可信区间，平均有100（1-α）个包含了总体参数。 可信区间的涵义 95％可信区间：从总体中作随机抽样，作100次抽样，每个样本可算得一个可信区间，得100个可信区间，平均有95个可信区间包括μ(估计正确)，只有5个可信区间不包括μ(估计错误)。 95%可信区间的含义 -2 -1 0 1 2 按这种方法构建的可信区间，理论上平均每100次，有95次可以估计到总