可信区间与假设检验的关系1.PPTVIP

三、两样本t检验 应用条件： （1）两样本均来自正态总体 （2）两样本的方差齐 在正式的统计分析中，先要看方差是否齐，如果不齐，要选方差不齐的结果！ 在一般的统计软件中，都会同时给出方差齐性检验的结果 两小样本均数比较 t检验 t’检验 方差不齐 方差齐 变量变换 秩和检验 两个样本几何均数比较 1、应用条件： a.两样本的对数值均来自正态总体 b.两样本的对数值的方差齐 2、检验公式 与两样本均数的t检验和u检验公式相同， 只是原始数据要作对数变换，用对数值的均数和标准差代公式。 3、检验步骤 与两样本均数的t检验 在使用统计软件进行分析时，先将原始数据取对数，然后用对数值作一般的t检验。 注意啦！ 四、u检验 1、应用条件：例数较大（n50） 2、方法: 样本均数与总体均数比较 两样本均数比较 第六节 Ⅰ型错误与Ⅱ型错误 Ⅰ型错误：拒绝实际上是成立的H0， 这类“弃真”的错误称Ⅰ型错误或第一类错误。其概率大小用表示。 Ⅱ型错误：不拒绝（接受）实际上是不成立的H0， 这类“存伪”的错误称Ⅱ型错误或第二类错误。其概率大小用表示，但一般不知道. 即拒绝H0，犯Ⅰ型错误； 不拒绝H0 ，犯Ⅱ型错误。 两类错误的关系: Ⅰ型错误的概率为α， Ⅱ型错误的概率为β，一般β的大小是不知道的。 1－β：称为检验效能（又称把握度），即两总体确有差别， 则按α水准能发现它们有差别的能力。 α越大，β越小 ；α越小，β越大。 呈反比关系 如何确定α和β的取值？ 1、若重点减少α（例如，为避免把疗效与常规药本无差别的新药当做有差别，致使无故废弃常规药，即严格要求），则取α＝0.01 2、若重点减少β（例如，当欲用新方法取代旧方法时，为了慎重起见，宁可把无差别当成有差别），则取α＝0.1或α＝0.2。 3、若需兼顾α和β，则取α＝0.05较为恰当。 4、若要同时减少α和β，只能增加样本的含量。 第七节 假设检验应注意的问题 1、要有严密的抽样研究设计，应考虑到被比较的样本的可比性，这是假设检验的前提。 2、选用的假设检验方法应符合其应用条件。 3、正确理解差别有无显著性的统计意义。 是否拒绝H0，取决于： 1、被研究的事物有无本质的差异 2、抽样误差大小： （1）个体差异大小 （2）样本例数多少 3、检验水准α的高低 甲组(n=18) 乙组(n=12) P值 X±S X±S 甲指标 3.48±1.65 4.76±2.52 0.10 乙指标 5.23±1.12 6.38±1.21 0.01 两均数相差1.28 两均数相差1.15 解释 差值大小 抽样误差大小 变异度 例数多少 4、结论不能绝对化。 即 拒绝H0,犯Ⅰ型错误； 不拒绝H0 ，犯Ⅱ型错误。 无论是否拒绝H0，都可能犯错误！ 5、统计意义和实际意义 有统计学意义，不一定有实际意义！ 第八节 可信区间与假设检验的关系 1、可信区间亦可用于回答假设检验问题 2、可信区间比假设检验还可提供更多的信息。 但这并不意味着可以完全用可信区间代替假设检验。假设检验得到的P 值可以较精确地说明结论的概率保证，而可信区间只能告诉我们在α水准上有无统计意义，却不能象P值那样提供精确的概率。 有实际意义 有统计意义，可能有实际意义 有统计意义，无实际意义 无统计意义，样本例数太少 确实无差别 有实际意义值 H0 （3）应用不同 可信区间：估计总体均数 参考值范围： 判断某项指标是否正常 第四节 假设检验的基本步骤 一、假设检验原理 例 4.5 μ0=72次/分 已知总体 μ X=74.2 S=6.0 未知总体 二、假设检验思想 根据研究目的，对样本所属总体特征提出一个假设，然后用适当方法，根据样本提供的信息,推断此假设应当拒绝或不拒绝，以便研究者了解在假设条件下， 差异由抽样误差引起的可能性大小。 三、假设检验的一般步骤 1、建立假设和确定检验水准 基本步骤 （1）两个假设 无效假设： H0 备择假设： H1 ( 2 )确定单侧或双侧检验 根据专业知识和研究目的而定 单侧检验：在比较两种药物的疗效时，根据专业知识可认为新药不会比旧药