总体均数的估计和假设检验实习.ppt

总体均数的估计 和假设检验 统计推断—用样本信息推断总体特征 抽样误差(sampling error)—由个体变异产生的，随机抽样引起的样本统计量与总体参数之间的差异 均数的抽样误差：抽样引起的样本均数与总体均数的差异称为均数的抽样误差。 标准误：样本均数的标准差，反映抽样误差大小 标准差和标准误的区别 区别点 标准差(S) 标准误( ) 计算公式 应用 1 表示观察值的变异程度 1 估计均数抽样误差的大 2 计算变异系数 小 3 确定医学参考值范围 2 估计总体均数可信区间 4 计算标准误 3 假设检验 t 变换与t 分布 t 变换： t 分布参数：形态参数--自由度 越小，t 值越分散，曲线越低平 趋于∞时， t 分布即为 u分布 t 分布用途：总体均数区间估计， t 检验 u检验(Z检验)与t检验 t检验：样本含量较小，正态， 方差齐，独立 应用条件 u检验：两总体方差已知，或总体 方差未知但样本含量较大 注意：样本含量较大时，t 值与Z值相近 假设检验的基本步骤 建立检验假设，确定检验水准 选定检验方法，计算检验统计量 确定P值，作出统计推断 推断结论应包括统计结论与专业结论两部分： P ≤α ，按α水准，拒绝H0 ，接受H1，差别有统计学意义(统计结论) ，可认为……不同或不等(专业结论) 。 P α ，按α水准，不拒绝H0，差别无统计学意义，尚不能认为……不同或不等。 统计结论只说明有统计学意义或无统计学意义，而不能说明专业上的差异大小。应注意统计学意义与专业意义的区别。 I 型错误与II 型错误 拒绝了实际上成立的H0，这类“弃真”的错误为I 型错误(type I error)→ ? 不拒绝实际上不成立的H0，这类“存伪”的错误为II 型错误(type II error)→ ? ? 如何同时减小?与?？ 检验效能 1-? 称为检验效能或把握度(power of a test)，其统计学意义是若两总体确有差别，按? 水准能检出其差别的能力。 t 检验的应用条件: ① 样本取自正态总体； ② σ 未知且n 较小 –单样本t检验； ③ 两小样本均数比较时，两样本的总体方差相等；若两总体方差不齐可用t’检验； ④ 两大样本均数比较时，可用Z检验。 常用的几种t 检验方法 样本均数与总体均数比较的t检验 配对设计差值均数与总体均数0比较的t检验 成组设计两样本均数比较的t检验 成组设计两样本几何均数比较的t检验 成组设计两大样本均数比较的u检验 样本均数与总体均数比较的t检验 课本P401习题4.2，P403习题4.1 1.Analyze 2.Compare Means 3.One-Samples T Test Test Variable(s)框: 分析的结果变量 Test Value框：键入 ？？ 已知总体均数 配对设计差值均数与总体均数0比较的t检验 课本P401习题4.3，P402案例分析题 1.Analyze 2.Compare Means 3. Paired Samples T Test Paired Variable框: x1 ，x2 成组设计两样本均数比较的t检验 1.Analyze 2.Compare Means 3. Independent-Samples T Test Test Variable(s)框: x 要分析的变量为x Grouping Variable框: group 分组变量为group Define Groups:(Use Specified Values)定义检验的两组 Group 1: 分别键入自己所设分组变量值