常用的统计检验.ppt

常用的统计检验 作者 Dr. Maria Correa-Prisant （北北卡罗来纳州立大学兽医学院微生物学、病理学和寄生虫学系） 翻译 lvruiqin(DXY) 关联的假设 假设： 正态分布 独立观测 常用的统计检验 相关（Correlation ）：线性关系 T-检验（T-tests ）：与均值相联系 卡方（Chi-square tests ）：与比值相联系 相关系数（Correlation coefficient） 应用相关的例子——苯巴比妥的浓度 T-检验（T-tests ） 比较两个小组马的呼吸速度 甲乙两组马是相互独立的 H0:甲组的均值＝乙组的均值 Ha:甲组的均值≠乙组的均值 均值不相同的概率有多大呢？ T-检验的计算 例子：呼吸速度 呼吸速度是正态分布吗？ 用非参数检验中的Wilcoxon检验比较秩（ranks） 甲组=5.9 乙组=6.083 p=0.999 概率值 如果我将该试验重复100次，那么我将可能会有5次机会得到均值相同的结果。 p值的解释 有足够的把握拒绝H0 拒绝零假设 回到急性腹痛病例 作出正确预测的可能性 两种处理两种结果 H0:处理方式和结果之间没有联系（相互独立） Ha:处理方式和结果之间不相互独立 卡方（Chi-square tests ） 其他的统计检验 单因素方差分析（One-way analysis of variance） Kruskal-Wallis检验 回归 Fisher精确检验 MacNemar检验 配对T检验 重复测量 * 独立(independent)的，两只不同的猫 配对(paired)的，相同的猫 两个检验位点(sites) 错误！！！ 变量： 连续型 正态分布 线性关系 血清浓度 总剂量（mg/kg/天） 甲组 乙组 11 12 13 14 15 11 12 13 13 14 25 甲组 乙组 11 12 13 14 15 11 12 13 13 14 25 均值 13 14 S1=1.58 S2=5.16 H0: 甲组均值=乙组均值 Ha：甲乙两组均值不等 p=0.4815 没有足够的证据拒绝零假设 没有足够的把握拒绝H0 p0.05 P=0.05 P0.05 急性腹痛治疗方案树状图 药物治疗 手术治疗 安慰 重复过程 目标是预测 为什么相似的治疗病例对疗法的反应不同？ 处理 药物治疗 手术治疗 结果 死亡 还生 总数200 观察频数 期望频数 临界值=3.841，所以在0.05水平上拒绝零假设。 配对数据 与其他假设不同，常用的检验通常假设观测独立。 这些检验应该非常熟悉。 只用来描述两个变量之间的线性相关程度。 r =1表示变量x1和x2 的值之间100%相关。什么是好的r? 根据经验r必须大于0.7(70%) 如果计算出 r2值，就可以解释变异性。 r2 = 0.9382 = 0.88x1可以解释88%的x2 的变异（反之亦然），剩余12%由其他因素解释。 T-检验常用来比较均值。 通过简单的计算可以比较均值。 在这个例子中，它们不相同的概率为0.48. 均值不相等的话，其值应该在0.05左右。 我们将p值小于等于0.05作为经验规则。没有人确切的知道这个值是如何作为p值的。 若计算得到p值小于等于0.05，则有足够的把握拒绝零假设。 我们经历了诊断过程的各个方面，你认为你能胜任这项工作吗？患者将会发生什么？ * * * 与其他假设不同，常用的检验通常假设观测独立。 这些检验应该非常熟悉。 只用来描述两个变量之间的线性相关程度。 r =1表示变量x1和x2 的值之间100%相关。什么是好的r? 根据经验r必须大于0.7(70%) 如果计算出 r2值，就可以解释变异性。 r2 = 0.9382 = 0.88x1可以解释88%的x2 的变异（反之亦然），剩余12%由其他因素解释。 T-检验常用来比较均值。 通过简单的计算可以比较均值。 在这个例子中，它们不相同的概率为0.48. 均值不相等的话，其值应该在0.05左右。 我们将p值小于等于0.05作为经验规则。没有人确切的知道这个值是如何作为p值的。 若计算得到p值小于等于0.05，则有足够的把握拒绝零假设。 我们经历了诊断过程的各个方面，你认为你能胜任这项工作吗？患者将会发生什么？ 必须经历相似的过程去预测。 2×2表是流行病学家最好的朋友。 这个例子中我们比较了经药物或手术治疗后马的状况。 许多其他方法用于兽医学。一些检验用于配对数据。配对数据不能用检验独立观测变量的方法来检验。