第六章 参数估计与假设检验.ppt

2.当 较大， 和 均不太小，如 和 均大于5时，可利用样本率近似服从正态分布的原理来估计总体率的可信区间，计算公式为 ， 例6-6 某区疾病预防控制中心2002年对该乡镇250名小学生进行贫血的检测，结果发现有86名贫血者，检出率为34.40%，求贫血检出率95%的可信区间。 六、两总体率差值的区间估计 在大样本情况下，可采用正态近似法对两总体率差值进行可信区间估计，其计算公式为： X1和X2分别表示两组中某事件发生的例数。 例6-7 某医院口腔科医生用极固宁治疗牙本质过敏症，以双氟涂料作对照，进行了1年的追踪观察，结果见表6-1所示，试估计两组有效率差别95%的可信区间。 表6-1 治疗牙本质过敏症两组有效率的比较 组别 总牙数 有效数 有效率（%） 试验组 77 61 79.22 对照组 69 38 55.07 合计 146 99 67.81 Confidence interval 本例： 两组总体率差别95%的可信区间为 Confidence interval 第二节 假设检验 一、基本原理 假设检验(hypothesis test)：统计推断另一重要内容，其目的是比较总体参数之间有无差别。 例6-8 使用黑加仑油软胶囊治疗高脂血症，30名患者治疗前后的血清甘油三酯检测结果的差值为1.38±0.76 (mmol/L)，问治疗后血清甘油三酯是否有所改善？ 样 本 治疗前后甘油三 酯的变化（差值） 问题归纳： 样本疗效 药物作用 + 机遇 对上面问题可以作如下考虑： 问题： 究竟多大能够下“有效”的结论？ Hypothesis test 假设的基本思想是，首先对所需要比较的总体提出一个无差别的假设，然后通过样本数据去推断是否拒绝这一假设。如 服从t分布 图6-2 利用t 分布进行假设检验原理示意图 Hypothesis test 除 t 分布外，针对不同的资料还有其他各种检验统计量及分布，如F分布、 分布等，应用这些分布对不同类型的数据进行假设检验的步骤相同，其差别仅仅是需要计算的检验统计量不同。 二、基本步骤 （一）建立假设和确定检验水准 假设检验中，包括原假设(null hypothesis)和备择假设(alternative hypothesis)两种假设。 Hypothesis test 原假设符号为 ，指需要检验的假设，如治疗前后血清甘油三酯没有差别,即 这一假设通常与我们要验证的结论相反，是计算检验统计量和P值的依据。 备择假设符号为 ，是在 成立证据不足的情况下而被接受的假设，如拒绝治疗前后血清甘油三酯相同的假设，可表示为 Hypothesis test 备择假设有双侧和单侧两种情况。双侧检验指无论是正方向还是负方向的误差，若显著地超出检验水准则拒绝，即为双侧检验。单侧检验指仅在正方向或负方向误差超出规定的水准时则拒绝，如治疗后血清甘油三酯下降的假设可表示为: 或 双侧检验和单侧检验应如何选择，需根据研究目的和专业知识而定。 Hypothesis test 建立检验假设的同时，还必须给出检验水准。检验水准亦称显著性水准(significant level)，用 表示，是预先规定的拒绝域的概率值，实际中一般取 或 。显然，值越大越容易得出有差别的结论。 Hypothesis test （二）选择检验方法和计算检验统计量 根据资料类型、研究设计方案和统计推断的目的，选择适当的检验方法和计算公式。许多假设检验方法是以检验统计量来命名的，如t检验、z检验、F 检验和 检验等。 Hypothesis test （三）根据P值做出统计推断 查表得到检验用的临界值，然后将算得的统计量与拒绝域的临界值作比较，确定 值。如对双侧 检验 ，则 ,按检验水准 拒绝 ，接受 ；若 ,则不能拒绝 。 Hypothesis test Jerzy Neyman 小 结 1. 参数估计指由样本统计量估计总体参数，常用的方法有点估计和区间估计。区间估计是指按预先给定的可信度，