统计描述与假设检验.pptVIP

正态分布曲线下面积分布规律 μ± σ范围内的面积占正态分布曲线下总面积的 68.27%，即有68.27%的变量值分布在此范围内； μ± 1.96σ范围内的面积占正态分布曲线下总面积的 95.00% ，即有95.00%的变量值分布在此范围内； μ±2.58 σ范围内的面积占正态分布曲线下总面积的9 9.00%，即有99.00%的变量值分布在此范围内； 四、正态分布的应用 估计医学正常值范围； 正常值范围的含义 正常值范围的计算公式 x ±us 质量控制 x ±2s 上、下警戒值 x ±3s 上、下控制值 表5 常用的u界值表 是其它许多统计方法的理论基础 正常值范围（%） 单 侧 双 侧 80 0.842 1.282 90 1.282 1.645 95 1.645 1.96 99 2.326 2.576 标准正态分布 (standard normal distribution) 正态分布是一个分布簇，对应于不同参数其位置和形状均不相同，为应用方便，可进行变量转换： 式中的u值称为标准正态变量，其频数曲线图即为标准正态分布（ u分布），一般的正态分布N(μ,σ2)即转化为标准正态分布N(0,1)。其面积分布可直接查表。 t 分布 (t- distribution) 一、t 分布的概念 由于样本均数 服从总体均数为μ、总体标准差σ为的正态分布N(μ,σ2) ，因此可同样进行u变换（ ），将其转换为u分布N(0,12) 。 实际工作中，由于 未知，用 替代，则（ ） 不再服从标准正态分布，而服从t分布。 t 分布 (t- distribution) 二、t分布的图形与特征 1、t 分布是一簇对称的、均数为 0 的单峰分布曲线； 2、当自由度 不同时，曲线的形状不同； 3、 越小，则t值越分散， t 分布的峰部越矮而尾部翘得越高；随着 增大，t 分布曲线越来越接近于标准正态分布曲线，当 →∞时， t 分布逼近标准正态分布。 三、 t分布的界值 第一节 抽样分布与抽样误差 一、样本均数的抽样分布与抽样误差 抽样误差的概念 由抽样而引起的样本均数与总体均数之间的差别。 （抽样研究中不可避免，有两种表现形式） 样本均数的抽样分布 从一个正态的总体中进行随机抽样： 各样本均数未必等于总体均数； 各样本均数间存在差异； 样本均数的频数分布仍是以总体均数为中心的正态分布； 样本均数的变异范围较原变量的变异范围小； 随着样本量的增大 ，样本均数的变异范围逐渐缩小。 标准误的意义及其计算 含义 样本均数的标准差即标准误。它表示样本均数间的 离散程度，标准误越小，说明抽样误差越小，表示 样本均数与总体均数较接近。反之，标准误越大， 说明抽样误差大，表示样本均数距总体均数较远。 影响抽样误差的因素 样本含量 总体内各个体间的离散程度即变异程度 计算公式 以上表明： 1、从正态分布N(μ,σ2)的总体中随机抽取样本量为n的样本，其样本均数因样本而异，但服从正态分布N (μ,σ2/n)。 即样本均数的总体均数与观察值X的总体均数相同，样本均数的标准差是观察值X的标准差的 。 2、在非正态分布总体中进行类似抽样，如样本量较大时 （如n≥30），样本均数的分布接近正态分布，标准误仍然是X的标准差的倍 。 标准误的应用 表示抽样误差的大小，说明样本均数的可靠性 用以估计总体均数的可信区间 应用标准误进行均数的假设检验 第二节 总体均数的估计 样本均数推论总体均数的方法 两种方法：点值估计与区间估计 一、点值估计 1、含义 2、优缺点 二、区间估计 1、可信区间的含义 2、可信区间的计算 样本含量较大： 样本含量较小 第七章 假设检验 第一节 假设检验的概念 假设检验（hypothesis testing）的概念 也称显著性检验（significance test），是判断样本均数与总体均数之间或样本 均数之间的差别有无意义的一种统计分析方法。 假设检验的引入 例：某