第三章 总体均数的估计与假设检验(第3章)PPT.ppt

第三章 总体均数的估计与假设检验;均数的抽样误差与标准误 t 分布 总体均数的估计 t 检验 假设检验的注意事项 正态性检验和两样本方差比较的F检验;第一节 均数的抽样误差与标准误 ;了解总体特征的最好方法是对总体的每一 个体进行观察、试验，但这在医学研究实 际中往往不可行。 对无限总体不可能对所有个体逐一观察， 对有限总体限于人力、财力、物力、时间 或个体过多等原因，不可能也没必要对所 有个体逐一研究(如对一批罐头质量检查)。 借助抽样研究。 ;欲了解某地18岁男生身高值的平均水平， 随机抽取该地10名男生身高值作为样本。 由于个体变异与抽样的影响，抽得的样本 均数不太可能等于总体均数，造成样本统 计量与总体参数间的差异(表现为来自同一 总体的若干样本统计量间的差异)，称为抽 样误差。 抽样误差是不可避免的。 抽样误差是有规律的。;样本均数抽样分布具有如下特点：;*;中心极限定理(central limit theorem) ;中心极限定理(central limit theorem);样本统计量的标准差称标准误 (standard error, SE) 样本均数的标准差称均数的标准误 (standard error of mean, SEM);标准差与标准误的区别;第二节 t 分布 ;1908年，英国统计学家 W.S.Gosset 以笔名“Student”在《Biometrics》杂志上发表论文，首次提出t分布概念，后人又称Student’s t-distribution，开创了小样本统计推断的新纪元，被认为是统计学发展史上的里程碑之一。;William Seely Gosset(1876～1937，英);t 分布的概念;t分布的图形与特征 t分布为一簇单峰分布曲线，?不同，曲线 形状不同 t分布以0为中心，左右对称 t分布与?有关， ?越小， t值越分散，t分 布的峰部越低，而两侧尾部翘得越高 当?逼近?, 逼近 ，t分布逼近u分布; f(t);-t;t分布曲线下面积与横轴t值间关系(附表2);t0.05/2,9=2.262 ;-t;第三节 总体均数的估计 ;一、可信区间的概念;预先给定的概率(1??)称为可信度 (confidence level)，常取95%或99%。;二、总体均数可信区间的计算;1.单一总体均数的1–α可信区间;故该地18岁男生身高均数的 95%可信区间为(164.35, 169.55)cm。 μ=167.7cm 双尾;1.单一总体均数的1–α可信区间;例 某地抽取正常成年人200名，测得其血清胆固醇均数为3.64 mmol/L，标准差为1.20mmol/L，估计该地正常成年人血清胆固醇均数95%可信区间。 ;2. 两总体均数之差的1–α可信区间 ;三、可信区间的确切含义;来自N(0,1)的100个样本所计算的95%可信区间示意 ;如果能够进行重复抽样试验，平均有(1??)的可信区间包含了总体参数，而不是总体参数落在该范围的可能性为(1??)。;正确性：可信度1??，即区间包含总体参数 的理论概率大小，愈接近1愈好。 精确性：区间的宽度，区间愈窄愈好。 当样本含量为定值时，上述两者互相矛盾。 若只顾提高可信度，则可信区间会变宽。;四、可信区间与参考值范围的区别;第四节 t 检验 ;例 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？;反证法 根据研究目的建立假设H0，先假设H0是正确的，再分析样本提供的信息是否支持H0，即在H0成立的条件下计算检验统计量，获得相应P值，根据P值大小来判断。 小概率事件原理 小概率事件(P≤0.05)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的正确性，认为H1成立，该结论可能犯≤5%的错误。;1.建立检验假设，确定检验水准 (1) H0 零假设(null hypothesis) (2) H1 备择假设(alternative hypothesis) (3) α 检验水准(size of a test);H0: μ1= μ2 H1: μ1 μ2 或 μ1 μ2 单侧检验 H0: μ1= μ2 H1: μ1 ≠ μ2 双侧检验。 单双侧检验主要根据专业知识预先确定。 双侧检验较保守和稳妥。 检验水准α：预先规定的拒绝假设H0时的最大允许误差，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。;应根据变量和资料类型、设