t检验和z检验.ppt

Z 检验原理 当总体标准差?已知,或样本量较大(如n50)时 样本均数与总体均数比较、配对设计样本均数比较和两独立样本均数比较的假设检验,可以计算检验统计量Z值 标准正态变量Z的界值双侧时　　　　　　 单侧时 Z 检验原理 成组设计的两样本均数比较的统计量Z值计算中,两均数差的标准误为 统计量Z值的计算公式为 Z 检验——实例分析 例5-4 研究正常人与高血压患者胆固醇含量(mg%)的资料如下,试比较两组血清胆固醇含量有无差别。 正常人组 高血压组 Z 检验——实例分析步骤 建立检验假设, 确定检验水平 　　　　 　　　　 ?=0.05 计算统计量Z值 将已知数据代入公式,得 Z 检验——实例分析步骤 确定P值, 作出推断结论 本例Z=10.401.96，故P 0.05，按?=0.05水准拒绝H0，接受H1，可以认为正常人与高血压患者的血清胆固醇含量有差别，高血压患者高于正常人。 第六节 假设检验中两类错误 （1－ b ）即把握度（power of a test)，也称检验效能:两总体确有差别，被检出有差别的能力 （1－ a ）即可信度（confidence level):重复抽样时，样本区间包含总体参数（m）的百分数 由样本推断的结果 真实结果 拒绝H0 不拒绝H0 H0成立 Ⅰ型错误 a 推断正确(1－a ) H0不成立 推断正确（1－b） Ⅱ型错误b 当H0为真时，检验结论拒绝H0接受H1，这类错误称为第一类错误或Ⅰ型错误（type Ⅰ error），亦称假阳性错误 检验水准，就是预先规定的允许犯Ⅰ型错误概率的最大值，用 ? 表示 当真实情况为H0不成立而H1成立时，检验结论不拒绝H0反而拒绝H1，这类错误称为第二类错误或Ⅱ型错误（type Ⅱ error），亦称假阴性错误。大小用β表示，只取单侧，一般未知。 当样本容量一定时， 越小 越大， 越大 越小。在实际应用中，往往通过 去控制 。在样本量确定时，如果要减小 ，就把 取大一些。 同时减小?和?，唯一的方法就是增加样本含量n 第七节 t 检验中的注意事项 1. 假设检验结论正确的前提 作假设检验用的样本资料，必须能代表相应的总体，同时各对比组具有良好的组间均衡性,才能得出有意义的统计结论和有价值的专业结论。这要求有严密的实验设计和抽样设计,如样本是从同质总体中抽取的一个随机样本,试验单位在干预前随机分组,有足够的样本量等。 2. 检验方法的选用及其适用条件,应根据分析目的、研究设计、资料类型、样本量大小等选用适当的检验方法。 t 检验是以正态分布为基础的，资料的正态性可用正态性检验方法检验予以判断。若资料为非正态分布，可采用数据变换的方法，尝试将资料变换成正态分布资料后进行分析。 3.双侧检验与单侧检验的选择 需根据研究目的和专业知识予以选择。单侧检验和双侧检验中的t值计算过程相同，只是t界值不同，对同一资料作单侧检验更容易获得显著的结果。单双侧检验的选择，应在统计分析工作开始之前就决定，若缺乏这方面的依据，一般应选用双侧检验。 4.假设检验的结论不能绝对化 假设检验统计结论的正确性是以概率作保证的，作统计结论时不能绝对化。在报告结论时，最好列出概率P 的确切数值或给出P 值的范围，当 P 接近临界值时，下结论应慎重。 5.正确理解P值的统计意义 P 是指在无效假设 H0 的总体中进行随机抽样,所观察到的等于或大于现有统计量值的概率。其推断的基础是小概率事件的原理,即概率很小的事件在一次抽样研究中几乎是不可能发生的，如发生则拒绝H0。因此，只能说明统计学意义的“显著” 。 6.假设检验和可信区间的关系 假设检验用以推断总体均数间是否相同，而可信区间则用于估计总体均数所在的范围，两者既有联系又有区别。 （1）置信区间具有假设检验的主要功能 （2）置信区间可提供假设检验没有提供的信息 （3）假设检验提供，而置信区间不提供的信息 小 结 1.假设检验有两类错误。 2.假设检验方法很多，每种方法均有相应的适用条件。综合考虑研究目的、设计类型、变量类型、样本含量等要素之后才能选择合适的假设检验方法。 一、选择题 1．在同一总体中抽样哪些样本均数可靠（　） A．s小 B． 小 C．n小 D．CV小 2．两总体均数比较，可作（ ） A