卫生统计学（钟崇洲）7计量资料的统计推断新.pptVIP

* 总体均数95%置信区间的涵义是指，从理论上来说，做100次抽样，可标得100个置信区间，平均有95%个置信区间包括总体均数，只有5个置信区间不包括总体均数，这种估计方法会是5%犯错误的风险。 * 总体均数的假设检验有二个目的的。 a）推断单个总体均数μ是否等于已知总体均数μ，设从均数为μ的总体抽取一个样本， 样本均数为 ， b）推断两个总体均数μ1和μ2是否相等，从每个总体抽取一个样本，样本均数为 和 造成 和μ0或 与 的差别有二种情况。 a）完全由抽样误差造成，即μ=μ0，或μ1=μ2这种情况差别相对小，称为无显著性。 b）除了由抽样误差造成外，造成总体均数差别.即μ≠μ0或 ，μ1=μ2这种情况差别相对大，称为差别有显著性 举例，某地抽样调查了280名健康成年男性的血红蛋白，其均数为136.0g/L ，S=6.0g/L 。已知成年男性的血红蛋白的均数为140.0g/L 试问能否认为该地抽样凋的280名成年男性血红蛋白含量与正常男性的血红蛋白含量的均数不同？ * =136 与 μ=140 均数已不同，这个数量差考虑两个可能性： 一是样本是从该总体中抽出，差异仅仅是由抽样误差所造成，其二，样本不是从该总体中抽出，不是由抽样误差引起样本均数确实与正常男性血红蛋白均数不同，如何判断是哪一种可能引起的呢？统计学是通过假设检验来回答这个问题，即应用逻辑推断的方法，先对总体的特征建立一个假设，然后通过抽样研究的统计推断来判断假设应该被拒绝或不拒绝。 * 在建立检验假设时，应当注意：1）检验假设是针对总体而言，而不是针对样本。2）Ho和H1是相互联系，对立的假设，后面的结论是根据Ho和H1作出的，因此两者不是可有可无，而是缺一不可。 3）Ho为无效假设，其假定是某两个（或多个）总体参数相等，或某两个总体参数之差等于另或……无效，或某资料服从某一特定分布（如正态分布，Poisson分布）等。 4）H1的内容反映出检验单双侧，若H1假设为μ＞μ0 ，则比检验为单侧检验，他不仅考虑有无差别，而且述考虑差异方向，例如某地调查280名健康或成年男性血红蛋白是否低于正常人血红蛋白（μ=140g/L），只有单侧检验，如果高于和低于同样关心，H1μ≠μ0，则检验为双侧，单双侧检验首先应根据专业知识来确定，同时也应该考虑所要解决问题的目的，若从专业知识判断一种方法的结果不可能低于另一种方法的 结果拟用单侧检验，在尚不能从专业知识判断两种结果谁高谁底时，则用双侧检验。一般认为双侧检验较保守和稳妥，现在以样本均数为例，用符号表示如下： * 假设检验的方法通常是以选定的检验统计量而命名，如t检验和u检验，分别根据要用特定的公式计算t统计和u统计而命名。 T检验（t-test）的应用条件，当样本例数n较小,样本来自正态总体，总体标准差未知。在做两个样本均数比较时还要求两样本相应的总体方差相等。 * 病人编号 舒张压（mmHg） 治疗前（2） 治疗后（3） 差值d 36 * A推断错误II型错误（β）　推断正确（１－β）拒绝ＨoＨo成立Ｈo不成立　 * t’检验 （t’检验—近似t检验） 近似t检验有３种方法可供选择，包括ＣochranCox法、Ｓatterthwaite法和Ｗelch法。其中第１，２种方法较为常用。 现选择ＣochranCox法（1950）该法是对临界值校正，其检验统计量t’ 为 D）成组设计的两样本几何均数的比较 成组设计的两样本几何均数的比较的目的是推断两样本几何均数各自代表的总体几何均数有无差别。适宜于用几何均数表示其平均水平的资料（如等比级数资料和对数正态分布资料）。此种情况下，应先把观察值X进行对数变换（即lgX），用变换后的数据代入式（3.8）计算统计量t值。 例3.9 为比较两种狂犬病疫苗的效果，将120名患者随机分为两组，分别注册精制苗和PVRV，测定45天两组的狂犬病毒抗体滴度，结果见表3.4，问两种狂犬病疫苗的效果有无差别？ 表3.4 2种疫苗狂犬病毒抗体滴度的比较 疫苗 血清滴度 人数 类型 50 100 200 400 800 1600 3200 6400 12800 精制苗 60 1 3 3 7 4 6 26 7 3 PVRV 60 1 3 14 10 5