多个样本均数比较的方差分析..ppt

正态性检验 图示法 概率图probability-probability plot（P-P图） 分位数图quantile-quantile plot（Q-Q图） 计算法 矩法（偏度skewness与峰度kurtosis） W检验法和w‘检验法（适用于样本含量少于100的资料 D检验法（适用于样本含量为10~2000的资料） 正态峰 P-P图 Q-Q图 矩法 既能用于小样本资料，亦可用于大样本资料的正态性检验 当频数分布为正态时，偏度系数与峰度系数分别等于0，但从正态分布总体中抽出的随机样本，由于存在抽样误差，其样本偏度系数g1与样本峰度系数g2不一定为0，为此，需检验g1、g2与0的相差是否有显著性。其检验假设为①偏度系数等于O，即频数分布对称；②峰度系数等于0，即为正态峰。 假设检验用u检验， u1=g1/Sg1 ?????????u2=g2/Sg2 ∣u∣1.96，P0.05 在α=0.05的水准上接受H0，成正态分布 宜用于小样本资料的正态性检验，尤其是n≤50时 方差齐性检验 两个方差的齐性检验 Levene法 多个方差的齐性检验 Bartlett法 Levene法 某单位测定了蓄电池厂工人32号，得尿氨基乙酰丙酸(mg/l)的平均含量为7.06，方差为42.3072，又测定了化工厂工人6名，得平均含量为3.48，方差为0.9047，试比较两方差的相差是否有显著意义？ 检验假设H0：σ12=σ22 ，H1：σ12≠σ22 α=0.05 定方差较大的一组为第1组，较小者为第2组，求出F值，公式为 F=S12/S22, S1S2 ??? 本例F=42.3072/0.9047=46.76 现将F值与附表中的F.05(ν1,ν2)比较。该表上端数值是较大均方(即方差)的自由度，用ν1,表示，左侧的数值是较小均方的自由度，用ν2表示。本例ν1=n1-1=32-1=31(表内ν1纵行没有31，可查邻近的数值30)，ν2=n2-1=6-1=5,查得F0.05(30,5)=6.23,本例F=46.76F0.05(30,5),P0.05,故在α=0.05水准处拒绝H0，接受H1。两方差的差别显著。 Bartlett方差齐性检验 对照组、A降脂药组、B降脂药组和C降脂药组家兔的血清胆固醇含量（mmol/L）的均数分别为5.845、2.853、2.972和1.768，方差分别为5.941、2.370、0.517和0.581，样本含量分别为6、6、6和7，问四样本的方差是否齐同？ H0： H1：各总体方差不同或不全相同 =0.05 分组 1 5.941 5 29.705 1.78188 8.90939 2 2.370 5 11.850 0.86289 4.31445 3 0.517 5 2.585 -0.65971 -3.29856 4 0.581 6 3.486 -0.54300 -3.25803 合计 — 21 47.626 — 6.66725 =2.268 =17.19687 C=1+ =1.090 =9.663 本例自由度为 ，查 界值表，得0.025P0.01，按 =0.05水准拒绝H0，接受H1，可以认为四总体方差不同或不全相同。 Levene方差齐性检验 变量变换(Variable Transformation) 变量变换 目的：方差齐性化，正态化，线性化 常用方法： 对数变换 平方根变换 倒数变换 平方根反正弦变换 方差分析 小结 分析单因素多水平间或多个因素对结果的影响； 要求数据满足正态性、独立性、方差齐性 两两比较 变量变换 方差分析应用于两组资料的比较时，等价于t检验。 两阶段交叉设计优点 ①每个研究对象都接受了两方案的治疗，消除了个体间的差异。 ②患者自身比较，效果观察较准确。 ③随机分组避免了组间差异。 ④可有效地控制选择性偏倚。 ⑤所需样本含量较少。 两阶段交叉设计缺点 ①对于各种急性炎症病变、不可能回复到第一阶段治前的疾病(如心肌梗塞、溃疡病等)，以及那些不应当回到第一阶段治前状态的疾病(如心衰、昏迷、休克等)都不能采用交叉试验。 ②两阶段治疗可能存在顺序效应。 ③若每个阶段用药周期过短，药效可能不易充分发挥；若周期过长，则难以保证良好的依从性。 设计方法 10个血浆样本用A、B两种闪烁液测定血浆中3H-cGMP，采用交叉试验。现将样本编号，抄上随机数字，再将随机数字从小到大排列，排在第1与2，3与4，……，9与10组成一对，再将第1、3、5…抄上随机号码，是偶数的，先用A，再用B，另一组刚好相反，以此类推。 受试者 阶段 合计 I II 1 2 3 4 5 6 7 8 9 10 A760 B860 A568 A7