[医学]假设检验的基本原理与t检验.ppt

假定做了 次检验，通常称为“族检验（family of tests）”，在每一次检验 （第一类错误） 不变的情况下，K次检验的联合假阳性率将远远大于 。假阳性率（false discovery rate，FDR）是在特定检验水准 下，有“统计学意义”的结果中， 为真的比例。 多次重复检验造成的假阳性 每人的命中率0.95，而失误率为0.05，则多人的联合失误率会远远大于0.05。 假设检验的基本原理与t检验 ■ 多次重复检验造成的假阳性 假设检验的基本原理与t检验 ■ 单侧检验与双侧检验： 假设检验的基本原理与t检验 ■ 单侧检验与双侧检验： 假设检验的基本原理与t检验 ■ 假设检验时应注意的事项 ： 假设检验的基本原理与t检验 1．要有严密的抽样研究设计 这是假设检验的前提。样本必须是从同质总体中随机抽取的；要保证组间的均衡性和资料的可比性，即对比组间除处理因素(如新药和常规药)外，非处理因素(如年龄、性别、病程、病情轻重等)应尽可能相同。 2．正确选用检验方法 应根据研究目的、设计类型、资料类型及其分布特征等选用适当的假设检验方法。如完全随机设计的两数值变量资料比较时，若n小且方差齐，则选用两样本t检验；若方差不齐，则选用t’检验或成组设计的两样本比较的秩和检验；若n1、n2均大于50，则选用两样本u检验。 ■ 假设检验时应注意的事项 ： 假设检验的基本原理与t检验 3、对差别有无统计学意义的判断不能绝对化 假设检验的推断结论是概率性的 假设检验的结论是根据概率推断的，所以不是绝对正确的： 当 p ?, 拒绝 H0, 接受H1，按接受H1下结论，可能犯错误，可能拒绝了实际上成立的H0， 称为 ? 类错误（ “弃真”的错误 ），其概率大小用 α 表示。（弃真是指两总体均数相等的真情）。 (2) 当 p ?, 不能拒绝 H0, 不能接受H1，按不能接受H1下结论，也可能犯错误，没有拒绝实际上不成立的H0 , 这类称为 II 类错误（ “存伪”的错误）, 其概率大小用 β 表示, β值一般不能确切的知道（存伪－是指两总体均数不相等）。 （3）做统计结论时要留有余地，不宜用“肯定”，“一定”，“必定”等词，而且最好列出检验统计量的值，写出P值的确切范围，以便读者与同类研究进行比较。 ■ 假设检验时应注意的事项 ： 假设检验的基本原理与t检验 (4) 正确理解“显著性”的含义: 以往，习惯上把称为差异有显著性。此“显著性”易被理解为二者差异大，或被理解为所分析的指标具有“显著效果”或“显著价值”。例如，用某降压药后舒张压平均下降2mmHg，经t检验可能得到p0.05，由此得出的“用药前后的差异有显著性” 的统计学结论，并不意味此药在临床上有“显著疗效”。事实上2mmHg的差值并无实际意义（有临床意义的差值应 mmHg）。为了避免对显著性含义的错误理解，目前在医学统计学中已用“差别有统计学意义”和“差别无统计学意义”分别表示 和 。因此，在假设检验的推断结论中，既要有统计结论，又要依据专业知识做出专业结论。 ■ 假设检验时应注意的事项 ： 假设检验的基本原理与t检验 ■ 假设检验时应注意的事项 ： 假设检验的基本原理与t检验 Thank you !! ■ 配对t检验： 假设检验的基本原理与t检验 SAS运行结果 例题：为研究女性服用某种避孕药后是否影响其血清总胆固醇含量，将20名女性按年龄配成10对。每对随机抽取1人服用该药，另1人服用安慰剂。经一段时间后，测定血清总胆固醇含量如下。问该药是否影响女性血清总胆固醇含量？ SAS code ■ 配对t检验： 假设检验的基本原理与t检验 SAS运行结果 SAS output ■ 配对t检验： 假设检验的基本原理与t检验 SAS运行结果 SAS output ■ 完全随机设计的两组数值变量资料比较： ? 小样本t检验法： 完全随机设计(completely random design) ：把受试对象完全随机分为两组，分别给予不同处理，然后比较独立的两组样本均数。各组对象数不必严格相同。 目的:比较两总体均数是否相同。 适用条件：① 两样本均数均来自正态分布总体；②两总体方差相等（方差齐） 若有一条以上不符合：① 采用适当的变量变换方法，使其达到上述条件；②若变量变换后仍不满足条件，则用非参数检验法（秩和检验）。 假设检验的基本原理与t检验 ■ 完全随机设计的两组数值变量资料比较： ? 小样本t检验法： 假设检验的基本原理与t检验 ■ 完全随机设计的两组数值变量资料比较： ? 小样本t检验法： 例4.6 将20份钩端螺旋体患者的血清随机分为2组，分别用标准株和水生株做凝溶试验，结果见表4