5.医学统计学课件.pptVIP

引例： 目的：检验一批药品是否合格。 困难：数量大、检验方法具有破坏性 方法：抽取一部分样品进行检验，从而推 断这批药品的质量。 几个基本概念： 抽样研究：通过样本所携带的信息去估计、推断总体的状态及性质的研究方法称为抽样研究。 抽样研究是统计学的基本方法。抽样是手段，对总体进行估计、推断是目的。 总体参数：反映总体状态或性质的指标称为总体参数。一般用希腊字母来表示，如 μ：总体均数 σ：总体标准差 π：总体率 样本统计量：不含未知参数的样本的函数。 样本统计量主要用于提取样本信息，如 抽样误差：样本统计量和总体参数之间由于抽样引起的差异称为抽样误差。 标准误：表示样本统计量对总体参数离散程度的量。标准误用于度量抽样误差的大小。 均数的标准误的大小与标准差的大小成正比，与样本含量n的平方根成反比。 二、抽样分布 由于样本统计量也是随机变量，因此它也有其概率分布。称样本统计量的分布为抽样分布。 1.均数的抽样分布 设总体X的总体均数为μ，方差为σ2，X1，X2，… Xn是从总体X中抽取的一个样本，则样本均数作为随机变量 其均数为μ，方差为σ2/n。 若从非正态总体X中抽样，则其均数的分布并非正态分布。但当样本含量n较大时，其均数的分布接近于均数为μ，方差为σ2/n的正态分布。 特别地，当总体X的分布为正态分布时，有 2.率的分布： 从一个总体率为π的总体中进行大量重复独立抽样，其样本含量为n，当n充分大时(nπ ≥5或n（1－π） ≥5，且n≥ 40)，则样本率P的分布近似于正态分布。 3.t分布 令 则u服从标准正态分布N(0，1)。 当σ未知时，若用S代替σ ，则统计量 服从自由度为ν＝n－1的t分布，记为t~ t(ν)。 t分布实际上是一个分布族。下图给出了不同自由度的t分布密度函数图： 关于t分布，我们指出以下事实： 1) 分布特征 由上图可知，t分布的密度函数曲线是单峰的，且关于t = 0对称。 2) t分布与正态分布的关系 从密度函数图还可以看出，t分布密度函数曲线的形状类似于正态分布概率密度函数的图形。 事实上，当ν趋近于无穷大时，t分布近似于标准正态分布，但对于较小的ν ，t分布与标准正态分布相差较大，并且在t分布尾部比在标准正态分布的尾部有着更大的概率。 3) t分布的界值 对于给定的正数(0 α 1)，称满足条件： 的点tα(ν)称为t (ν)分布的上α界值点。如图 对于给定的正数(0 α 1)，称满足条件： 的点-tα/2(ν)、 tα/2(ν)称为t (ν)分布的双侧α界值点。如图 三、参数估计 1.点估计：直接用样本统计量的值作为相应总体参数的估计值。 如： 点估计的优点是简单、直观；缺点是无法估计误差的大小。 2、区间估计 点估计的实质是用一个数值（样本统计量的值）去估计未知参数的真值。这种估计一般是有误差的。人们希望弄清这种估计的近似程度，这就需要估计出一个范围，并了解这个范围包含未知参数的可信程度，这样的范围在数轴上就是一个区间。这种用一个区间来估计未知参数的方法称为对未知参数的区间估计。 这里提到的可信程度称为可信度或置信度，估计出来的区间称为可信区间或置信区间。 1).总体均数的区间估计 当总体标准差σ已知时，总体均数μ的可信度为（1－α ）的可信区间为 当总体标准差σ未知时，总体均数μ的可信度为（1－α ）的可信区间为 当总体标准差σ未知，但n足够大时，总体均数μ的可信度为（1－α ）的可信区间为 （例5-3） （例5-4） 注1：这里说的可信区间实际上是随机区间，它与抽样结果有关。这个区间能否包含总体均数是一个随机事件，可信度（1－α ）的含义是指该区间包含总体均数μ的可靠程度。 注2：评价可信区间的标准主要有两个。一是可信度，即α取得越小，则可信度1－α越高，即该区间包含μ的概率越大；二是估计精度，用区间长度来表示，当然，区间长度越小，则估计精度越高。 一般说来，人们总是希望求得的可信区间的可信度和估计精度都尽可能地好，但是对于固定的样本含量n，二者不可能同时提高。因此，区间估计通常是在保证足够的可信度的前提下，使估计出来的区间长度尽可能地小。若要确保可信度与估计精度同时达到要求，一般说来需要增大样本含量n。 2).总体率的估计 例5-6、5-7 当样本含量n较小时，总