《第章假设检验基础》课件.pptVIP

查附表2（t界值表），得 ,知P0.05, 在α=0.05水平上拒绝H0，二者之间的差异有统计学意义，所以可认为两种降血清胆固醇措施的效果有差异，特殊饮食组的效果较好。 四、两独立样本资料的方差齐性检验 H0:, H1: ν1=n1-1，ν2=n2-1 例7-6 对例7-5的资料进行方差齐性检验。 查附表3.2，F0.05(11,11)=3.43, 知P0.05，在α=0.05水平上拒绝H0,二者之间的差异有统计学意义。可以认为两个总体方差不相等。 五、大样本资料的Z检验 1、单样本资料的Z检验 五、大样本资料的Z检验 2、两独立样本资料的Z检验 见例7-7 第三节 Poisson分布资料Z检验 Poisson分布资料的Z检验 当总体均数λ≥20时，依据Poisson分布近似正态分布的原理，可以对其总体均数进行推断。 检验假设 H0：λ=λ0， H1：λ≠λ0 检验统计量为 例7-8 某市计划2005年接种吸附百白破联合疫苗后无菌化脓发生率控制在25/10万人次以内。该市随机抽查2005年接种吸附百白破联合疫苗77755人次，其中发生无菌化脓例数为23例，试问2005年该市无菌化脓发生率能否达到要求？ 需要转化为10万人的发生次数 23/77755=29.58/10万 建立检验假设 H0：λ=25， H1：λ25 α=0.05 计算统计量 确定P值和作推断 Z=0.916(单侧)对应的单侧概率为P=0.1788，因此P0. 05，按α=0.05水准，尚不能拒绝H0。可以认为无菌化脓发生率达到了预定目标。 当两总体均数都大于20时，依据Poisson分布近似正态分布的原理，可以应用Z检验对其总体均数进行推断。 检验假设H0：λ1=λ2， H1：λ1≠λ2 两组独立样本资料的Z检验 当两样本观测单位数相等时，检验统计量为 两样本观测单位数不等时，检验统计量 例7-9 某市在对不同性别成年人（18岁以上）意外伤害死亡情况有无差异的研究中，随机抽取了该市2002年男女疾病监测数据各10万人，因意外伤害死亡的人数男女分别为51人和23人。试问，2002年不同性别每10万人口意外伤害死亡平均人数是否相等？ 建立检验假设 H0：λ1=λ2 ， H1：λ1≠λ2 α=0.05 计算统计量 确定P值和作推断 按ν=∞查附表2（t临界值表），知Z0.05/2=1.96，所以P0.05，按α=0.05水准拒绝H0,，接受H1, 。可以认为该市不同性别意外伤害死亡平均人数有差异，且男性较高。 例7-10 某车间改革生产工艺前，测得三次粉尘浓度，每升空气中分别有38、29、36颗粉尘；改进工艺后，测取两次，分别为25、18颗粉尘。问工艺改革前后粉尘数有无差别？ 建立检验假设 H0：λ1=λ2 ， H1：λ1≠λ2 α=0.05 计算统计量 因工艺改革前后观测单位数不等，故分别计算其均数。 ， n1=3 ， n2=2 Z=2.7231.96，P0.05，在α=0.05的水平上拒绝H0。可以认为工艺改革前后粉尘浓度不同，改革工艺后粉尘浓度较低。 第四节 假设检验与区间估计的关系 置信区间具有假设检验的主要功能 可信区间包含所要检验的H0，则不拒绝H0；否则拒绝H0，接受H1 置信区间可提供假设检验没有提供的信息 置信区间在回答差别有无统计学意义的同时，还可以提示差别是否具有实际意义 假设检验比置信区间多提供的信息 假设检验可报告确切的P值；可以估计检验功效 第五节 假设检验的功效 假设检验的两类错误 第Ⅰ类错误(type I error):拒绝原本正确的H0，导致推断结论的错误。 第Ⅱ类错误(type Ⅱ error) : 不拒绝原本错误的H0，导致推断结论的错误。 推断结论和两类错误 实际情况 检验结果 拒绝H0 ,有差异 不拒绝H0，无差异 H0成立，无差异 第Ⅰ类错误 (α) 假阳性 结论正确(1-α) H1 成立，有差异 结论正确 (1-β) 第Ⅱ类错误（β） 假阴性 假设检验中的两类错误 假设检验的功效 1-β称为假设检验的功效（power of a test）,也称为检验效能。 其意义是，当所研究的总体与H0确有差别时，按检验水平α能够发现它（拒绝H0）的概率。如果1-β=0.90，则意味着当H0不成立时，理论上在每100次