t检验和u检验-6版课件.ppt

例7-1 以往通过大规模调查已知某地新生儿出生体重为3.30kg.从该地难产儿中随机抽取35名新生儿作为研究样本,平均出生体重为3.42kg,标准差为0.40kg,问该地难产儿出生体重是否与一般新生儿体重不同? 本例已知总体均数?0=3.30kg，但总体标准差?未知,n=35为小样本, S=0.40kg，故选用单样本t检验。 实例分析 (1) 建立检验假设，确定检验水准 H0：???0，该地难产儿与一般新生儿平均出生体重相同; H1：???0，该地难产儿与一般新生儿平均出生体重不同; ??0.05。 (2)计算检验统计量 在μ=μ0成立的前提条件下，计算统计量为： 检验步骤 (3)根据P值，做出推断结论 查附表2，得t0.05/2,34=2.032。因为t ? t0.05/2,34，故P?0.05，表明差异无统计学意义，按 ??0.05水准不拒绝H0，根据现有样本信息，尚不能认为该地难产儿与一般新生儿平均出生体重不同。 One sample t test 二、配对样本均数t检验 配对样本均数t检验简称配对t检验(paired t test),又称非独立两样本均数t检验,适用于配对设计计量资料均数的比较,其比较目的是检验两相关样本均数所代表的未知总体均数是否有差别。 配对设计(paired design)是将受试对象按某些重要特征相近的原则配成对子，每对中的两个个体随机地给予两种处理。 1.配对样本均数t 检验原理 配对设计的资料具有对子内数据一一对应的特征,研究者关心是对子的效应差值。 配对样本t检验的基本原理是假设两种处理的效应相同，理论上差值d 的总体均数μd 为 0，现有的不等于0差值样本均数可以来自μd = 0的总体,也可以来μd ≠ 0的总体。 Paired t test 可将该检验理解为差值样本均数与已知总体均数μd（μd = 0）比较的单样本t检验.其检验统计量为： 式中d为每对数据的差值，为差值样本的均数，Sd 为差值样本的标准差， 即差值样本的标准误，n为配对样本的对子数。 Paired t test 实例分析 例7-2 某项研究评估咖啡因对运动者的心肌血流量的影响，先后测定了12名男性志愿者饮用咖啡前后运动状态下的心肌血流量（ml/min/g），数据如表7-1所示，问饮用咖啡前后运动者的心肌血流量有无差异。 Paired t test 检验步骤 （1）建立检验假设，确定检验水准 H0：?d=0，饮用咖啡前后运动者的平均心肌血流量差异为零; H1：?d?0，饮用咖啡前后运动者的平均心肌血流量差异不为零; ??0.05 （2）计算检验统计量 本例： Paired t test 计算差值均数： 计算差值标准差： 计算差值的标准误： 计算t值得： Paired t test （3）根据P 值，作出推断结论 查附表2，t0.05/2，11 = 2.201，t t0.05，11，P 0.05，差别有统计学意义，拒绝H0，接受H1，可以认为饮用咖啡前后运动者的心肌血流量存在差异。 三、两独立样本t 检验 两独立样本t检验(two-sample t-test)，又称成组 t 检验。适用于完全随机设计的两样本均数的比较,其目的是检验两样本所来自总体的均数是否相等。 完全随机设计是将受试对象随机分配到两组中，每组患者分别接受不同的处理，分析比较处理的效应。 1.基本原理 两独立样本t检验的检验假设是两总体均数相等,即H0：μ1=μ2，也可表述为μ1-μ2=0,这里可将两样本均数的差值看成一个变量样本, 在H0条件下两独立样本均数t检验可视为样本与已知总体均数μ1-μ2=0的单样本t 检验, 统计量计算公式为 Two sample t-test Sc2称为合并方差(combined/pooled variance),上述公式可用于已知两样本观察值原始资料时计算,当两样本标准差S1和S2已知时,合并方差Sc2为: 2.实例分析 例7-3 某项研究评估低氧环境（模拟高原环境）对运动者的心肌血流量的影响，将17名男性志愿者随机分成两组，分别在正常含氧环境（正常组）和低氧环境（低氧组）中测定运动后的心肌血流量（ml/min/g），数据如表7-2所示，问两种环境中运动者的心肌血流量有无差异。 Two sample t-test 3.检验步骤 建立检验假设，确定检验水准 H0：?1=?2，两种环境中运动者的心肌血流量的总体均数相同； H1：?1??2，两种环境中运动者的心肌血流量的总体均数不同； ??0.05。 计算检验统计量 Two sample t-test 由原始数据得： 代入公式得： 得出统计量t