抽样误差与假设检验.pptVIP

第四章　抽样误差与假设检验 Sampling error Hypothesis test 本章结构 均数的抽样误差与标准误 t分布 总体均数的估计 假设检验的意义和步骤 均数的抽样误差与标准误 Standard error 一、均数的抽样误差和标准误 抽样研究，一定存在着抽样误差。因此，估计抽样误差的大小，就成为统计推断必须要解决的问题。 标准差与标准误 标准误用途 衡量样本均数的可靠性：标准误越小，表明样本均数越可靠； 参数估计：估计总体均数的置信区间（区域）； 假设检验：用于总体均数的假设检验（比较）。 t-分布 t-distribution 总体均数的估计 Parameter estimation 假设检验 Hypothesis test 假设检验是统计推断的另一个重要内容。 假设检验是对所估计的总体首先提出一个假设，然后通过样本数据去推断是否拒绝这一假设，如果拒绝，认为该样本很可能不是来自这个总体；否则，认为该样本很可能来自这个总体。 对差别的可能原因分析 山区男子脉搏的总体均数与一般成年男子的脉搏均数相等，差异是由抽样误差引起的——提示山区男子是一般男子总体的一部分（研究总体）。 山区男子脉搏的总体均数与一般成年男子的脉搏均数不相等，差异可能是由地域等因素引起的——提示山区男子与一般男子是两个不同的总体。 P 值的概念 本章总结 conclusion 区间估计（interval estimation) 也称置信区间。利用样本信息给出一个区间，并同时给出按预先给定的概率估计该区间包含总体均数的可能范围。 可信度：给定的概率称为可信度。用 表示。通常取99%、95%。 t分布方法 应用条件：总体方差未知，样本量小 例4.2 某医师侧的40名老年性慢性支气管炎病人尿中17-酮类固醇排出量均数为15.19umol/d，标准差为5.03umol/d，试估计该种病人尿17-酮类固醇排出量总体均数的95%可信区间。 分析条件：总体方差未知，样本量小 （13.58~16.80） 正态分布近似法 应用条件：当总体标准差已知时；或总体标准差未知，而样本量较大时（n50) 0 -1 1 -1.96 1.96 -2.58 2.58 68.27% 95.00% 99.00% 例4.3 某市随机抽查12岁男孩100人，得身高均数139.6cm，标准差6.85cm。计算该地12岁男孩身高均数的95%的可信区间。 分析条件：总体方差未知，但样本量大，用正态分布法 95％可信区间：从总体中作随机抽样，作100次抽样，每个样本可算得一个可信区间，得100个可信区间，平均有95个可信区间包括μ(估计正确)，只有5个可信区间不包括μ(估计错误)。 可信区间的涵义 让我们先看一个例子. 例4.4 根据大量调查，已知健康成年男子的脉搏均数为72次/分。某医生在某山区随机调查30名健康男子，求得脉搏均数为74.2次/分，标准差为6.5次/分。能否认为该山区的成年男子的脉搏均数高于一般成年男子的脉搏均数？ 假设检验 ——通过对假设作出取舍抉择来达到解决问题的目的 A.山区男子脉搏的总体均数与一般成年男子的脉搏均数相等 无差异假设、零假设 H0（null hypothesis） B.山区男子脉搏的总体均数与一般成年男子的脉搏均数不相等 对立假设、备择假设H1（alternative hypothesis） * * 统计推断(statistical inference) 总体 样本 sampling 统计量 参 数 inference 参数估计 假设检验 抽样误差的概念？ 抽样误差的大小？ 抽样误差的概念 定义：由抽样引起的样本统计量与总体参数间、以及样本统计量与样本统计量之间的差别。 原因：个体变异＋随机抽样 表现： 样本统计量与总体参数间的差别 不同样本统计量间的差别 假设一个已知总体，从该总体中重复抽取样本量相等（为m）的样本n次，对每个样本计算样本统计量(均数、方差等)，观察n个样本统计量的分布规律－－抽样分布规律。 考察： 不同的分布----正态分布、偏态分布 不同的样本含量 抽样试验 由中心极限定理及大数定理得出： 若原变量X服从正态分布，随机抽取样本含量为n的样本均数 也服从正态分布。 即使从偏态总体中随机抽样，当n足够大（n＞50），样本均数也近似服从正态分布。 这个定理不仅具有理论价值，而且具有很高的实用价值。因为在实际工作当中，许多医学测量结果并不知道它的确切分布，有了这个性质，就可以利用正态分布的原理对其特征进行统计推断。 样本均数的分布： 从正态分布总体N（5.00