卫生统计串讲.pptVIP

线性相关 线性相关是在（X，Y）服从双变量正态分布的假定下，分析两个变量间有无相关关系的一种统计分析方法。当一个变量 X 增大或减少，另一个变量 Y 亦相应地增大或减少，两变量在散点图呈直线趋势，此时这两个变量间可能存在线性相关关系。 如果一个变量随另一个变量的增加而增加，称为正相关。 如果一个变量增加，另一个变量减少，称为负相关。 两变量间线性相关的性质和密切程度用线性相关系数r表示。 直线回归与相关的区别和联系 （一）区别 1. 资料要求不同 2. 应用的情况不同 3. r与 b大小之间无直接联系 （二）联系 1. 正负符号相同 2. 假设检验等价 3. 用回归解释相关（决定系数R2） 假设检验的基本步骤 1．建立检验假设，确定检验水准。 H0：检验假设，或称原假设、零假设、无效假设 H1：备择假设，或称对立假设 检验水准，也称显著性水准 是预先规定的判断小概率事件的概率尺度，记为α ，一般取值 0.05 2．选择适当的检验方法，计算相应的统计量 根据设计类型，资料特点，研究目的等选择适当的统计检验方法 检验统计量是将服从不同类型的样本统计量与假定的参数的差别转换为服从特定分布的标准值，如u值，t值，卡方值等 3．根据计算得到的统计量大小确定P值，作出推断结论。 P值指由H0所规定的总体做同样的重复试验，获得等于及大于（或等于及小于）当前检验统计量的概率。实际工作中只根据一次实验（观察）按照小概率原理下结论。 U检验(Z检验大样本) 样本均数和总体均数比较的 u 检验 两个大样本均数比较的 u 检验 样本率和总体率的u检验 两个大样本率比较的 u 检验 U变换 假设检验的两类错误 假设检验是在假定H0正确的前提下计算检验统计量并以P值作为检验依据，无论拒绝检验假设H0与否都会存在错误。 当H0为真时（两样本的总体均数本来没有差别），但由于抽样误差得到大的检验统计量 拒绝了H0，这种原假设为真而被拒绝的错误称为第一类错误，也称I型错误（type I error）、假阳性错误或弃真错误。犯I型错误的概率记作α。 另一种错误是当原假设H0不真而H1为真时，即H1成立（两样本的总体均数有差别），但由于抽样误差得到较小的统计量，从而不拒绝H0，推论两样本的总体均数没有差别。这种原假设为不真而被接受的错误称为第二类错误，也称Ⅱ型错误（type Ⅱ error）、假阴性错误或存伪错误。犯Ⅱ型错误的概率记作β。 假设检验的两类错误 t 检验 对于计量资料，u检验适用于总体标准差已知或总体标准差未知但样本含量n较大时均数的比较。t检验用于总体标准差未知的小样本均数的比较。 单样本均数和总体均数的比较的 t 检验 配对设计两样本均数比较的 t 检验 成组设计两样本均数比较的 t 检验 t 检验的应用条件： ①当样本含量较小时，理论上要求样本来自正态分布总体的随机样本； ② 两小样本均数比较时，还要求两总体方差相等（称为方差齐性）。 单样本均数的 t 检验 检验的目的是推断样本来自的总体均数 μ 与已知总体均数 μ0 (如理论值或标准值)是否相等。 配对样本均数的 t 检验 亦称配对设计 t 检验, 配对设计情形： ① 同一受试对象同时分别接受两种不同处理。如用两种不同方法测定同一样品，然后对比测定结果已说明两种不同测定方法的差别。 ②配成对子的同对受试对象分别接受两种不同处理。如在动物实验中，我们常常先将动物按种属、年龄、体重、性别等条件相同或相近者配成若干对子后，再随机地将每对中的两个动物分配于实验组和对照组，然后对比观察各对动物的实验结果以说明实验组与对照组的差别。 实验流程 总体 配对样本 分组 实验 实验 对照 R R R … … … … 检验统计量 t 为： 例 为比较简便法和常规法测定尿铅含量的结果是否有差别，今对12份尿样分别用两种方法进行测定，结果见下表第(1)～(3)栏。问根据该资料能否说明两种方法测定结果不同？ 1. 建立假设 ?H0：μd = 0，即差值的总体均数为“0” H1：μd ≠ 0，即差值的总体均数不为“0” 2. 计算检验统计量 本题 t = 3.051 ，v = 12 – 1 = 11 3. 确定概率值，