研究生医学统计学-参数估计.pptVIP

4.3.3总体概率的置信区间 1.正态近似法 适用条件：n足够大，且p和（1－p）均不太小，如np与n(1-p)均大于5。 总体率π的双侧置信区间： p±Z?/2·Sp 2.查表法 适用条件： n较小，如n≤50，特别是p接近0或1，按二项分布原理估计总体率的置信区间，但计算繁杂。 （1） n≤50 ，x≤n/2，以n和x直接查表P562； （2） n≤50 ，xn/2，以n和（n－x）查表，再用（100－表中数值）。 4.3.4 Poisson分布阳性计数的总体均数的置信区间 （1） x≤50 ，以x直接查表P569； （2） x50 ，将变量x看做近似服从正态分布。 例 由一份混合好的自来水中抽取1ml水样，培养得细菌数5个，试求全部自来水中平均每毫升水中细菌数的置信区间。 95%置信区间为：1.6~11.7个 例 进行放射性计数，本底10分钟测得脉冲数为500，试计算其标准差及总体均数的置信区间。 95%置信区间为： （500－1.96×22.36，500+1.96×22.36） 即（456.17，543.83）次 * * * * * * * * * * * * * * 若X服从二项分布B(n,?) 样本频率为 样本频率p的总体均数为 ?p=π， 样本频率p的总体方差为 样本频率p的标准差（率的标准误） ?p的估计值 例 某市随机调查了50岁以上的中老年妇女776人，其中患有骨质疏松症者322人，患病率为41.5%，试估计该样本频率的抽样误差。 p = 41.5% = 0.415，n = 776 4.1.3 两个样本均数间差值* 分别从两个正态总体N(?1,?12)和N(?2,?22)中独立地随机抽取样本，所得样本均数分别记为 ，分别服从正态分布N(?1,?12/n1)和N(?2,?22/n2)，所得两个样本均数的差值 同样服从正态分布： 如果总体为非正态分布，当样本含量n足够大时，根据中心极限定理，所得样本均数 分别近似服从正态分布N(?1,?12/n1)和N(?2,?22/n2)，所得两个样本均数的差值 同样近似服从正态分布。 4.1.4两个样本率间差值* 两个阳性事件数X1和X2分别服从二项分布B(n1，?1)， B(n2，?2)，两个样本频率间差值（p1-p2）的总体均数为：? p1–p2= ?1–?2 4.2 z分布与t分布 4.2.1 z分布 当样本含量n足够大时，无论总体分布是否服从正态分布，样本均数的分布均近似服从正态分布N(?， ）或N(?，?2/n）. 标准正态变换： 4.2.2 t分布1.t变换 标准正态变换： t变换： 标准正态分布 t分布 t 分布（与Z 分布 比较的特点） t分布曲线下面积 2. t分布的图形和t分布表 从一个13岁女学生身高这个正态总体中分别作样本量n= 3和50的随机抽样，各抽取1000份样本，并分别得到1000个样本均数及其标准误。对它们分别作t变换，并将t值绘制相应的直方图。 可以看出，这两个t值分布图并不完全一样， n= 3的图(a)较之n= 50的图(b)显得矮胖，两侧尾部稍高。 图a （n=3） t 图b （n=50） t t分布曲线 （t-distribution curve） t分布曲线是与标准正态分布曲线相似的一条曲线，即高峰位于中央（均数为0处），两侧完全对称，而且逐渐降低，但永远不与横轴相交的钟型曲线。横轴上曲线下的总面积等于100％或1 。 3. t分布曲线的特征 单峰分布；以0为中心，左右两侧对称； 与z分布相比，曲线较低平，两尾部较高； t分布曲线是一簇曲线。t分布曲线的形状随自由度的大小而变化；自由度ν=n-1。 ν小时，曲线低平，ν大时，曲线陡峭， ν ∞时，t分布 标准正态分布。 ν=∞时，t分布与z分布曲线完全重合。 t分布曲线下面积分布有一定的规律性。 自由度分别为1、5、∞的t分布示意图 t分布曲线下面积 4. t分布曲线下面积分布： t值在±t0.05/2,?之间的面积占总面积的95％ t值在±t0.01/2,?之间的面积占总面积的99％ 95% 95% t分布曲线 两类错误中单双测检验 不同自由度的t分布示意图 4.3、总体参数的估计 参数估计：在抽样研究中通过样本统计量来估计总体参数的大小，称为~。 参数估计的方法： 1.点估计（近似值）：用样本均数