假设试验研究报告.pptxVIP

假设试验;因研究蜜蜂的语言而荣获诺贝尔奖 ;你在这里;目录; 检测正态分布;复习：正态曲线;正态曲线概率;Z 值：与标准正态值相同;Z 值的概率;P 值 = 尾部面积 兴趣值以外的曲线下的面积 处于或超过兴趣值的概率 小的 P 值（0 到 .05）意味着： 从该分布产生兴趣值的概率较小。可能从其他分布产生。;;;受非正态数据影响的方法;使用正态概率图检查正态;什么是正态概率图？;从两个正态概率图得出的结论;使用 Minitab： 检测正态分布;使用 Minitab： 检测正态分布（续）;使用 Minitab： 检测正态分布（续）;;什么是假设试验？;为什么使用假设试验？;何时使用假设试验;如何使用假设试验;; t 试验：比较两组平均值的统计检验;使用 Minitab：比较两组的 t 试验;3. 对这两种方法的平均时间之差做 t 试验： Stat Basic Statistics 2 Sample t… Graphs （选择两个图） ;使用 Minitab：比较两组的 t 试验（续）;使用 Minitab：比较两组的 t 试验（续）;解释置信区间;示例 哪一组较快？因为 (AveSTD – AveNEW) 是正数，标准方法时间较长，而新方法时间较短（较快）。 快多少？我们有 95% 把握认为新方法平均要比标准方法快大约 .35 小时到 1.49 小时。; t 试验总结：比较两个平均值; t 试验总结：比较两个平均值（续）;练习 2：使用 Minitab 和 t 试验比较两组平均值;练习 2：使用 Minitab 和 t 试验比较两组平均值（续）;练习 2：答案;练习 2：答案（续）;练习 2：答案（续）;练习 2：答案（续）;问题 2c 2d：改进分析 要提高检测真实差异的能力，您可： 构建一个加工变化前后（例如前 3 个月）生产的件数控制图，以观察这五个数据点是否适合季节或月周期。 收集更多数据（增大样品大小 n）以进一步减少平均值的变化。 比较工具磨损模式以检测这两种材料中的其它差异。;将 t 试验应用于您的企业;;假设试验如何作用;什么是假设试验？;为何使用假设试验？;假设试验的假设;P 值定义;讨论：解释 P 值;假设试验的类型;;我使用哪种分析方法？;假设试验中的两种误差; α=一类误差（TypeI Error），β=二类误差（TypeII Error）。 SARS新药临床试验必须设立对照???，因为对照试验的目的为比较新药与对照药物二组治疗结果的差别有无统计学显著意义。由于临床治疗中所获得的疗效可能由药物引起，也可能由非药物的因素如休息、疾病或症状自愈等引起。当A药与B药治疗结果出现差别时，首先要确定这种差别是药物因素造成的还是非药物因素引起的，如A优于B不是由药物因素引起而是非药物因素偶尔造成，称为假阳性。统计学上用无效假设（Null Hypothesis）来处理假阳性误差，先假设A与B两药药效之间并无差别，所出现的差别可能是非药物引起的概率（Probability），当这种概率小到一定程度时，如＜ 5％或＜ 1％，则前者95％或后者99％的差别是药物之间的差别所引起，这就显示由机遇（概率）所造成的可能性很小，从而否定了前面假定的无效假设，证明A药疗效优于B药不是概率引起而是药物本身存在疗效差别所引起。临床上把这种可能存在的假阳性误差称为I类误差，用α值表示，当α＝0．05，说明A优于B的结论是在95％显著性水平上排斥无效假设的，也就是说A优于B由药物因素引起的可能性为95％(置信度95%，仍有5％假阳性的可能性；若α＝0.01，则A优于B的假阳性只有1％的可能性. 　　临床试验中另一种误差为假阴性误差，用β值表示。有时，A药与B药二药之间实际上存在着药物本身的差别，但在临床试验中由于区别这种差别的方法不够灵敏或能力有限而区别不出来，就是假阴性误差即II类误差，统计学上允许假阴性误差不能超过20％，即β值一般定为0．1，不能＞0．2。1－β为试验中区别两种差别的能力，即获得A优于B这一结果的把握度，如β=O．2，则1－β＝0．8，说明A优于B的把握度为80％。在临床试验设计中α值定得愈小，A药优于B药的显著意义愈大，假阳性愈小，但试验所需病例数也就愈多；β值定得愈小，1－β值就愈大，A药优于B药的把握度就愈大，但病例数也就需要愈多。通常临床试验中。值可定为0．05，β值定为0．2，已能满足统计学要求。;重要差异与显著差异;重要差异与显著差异（续）;在假设试验中处理非正态连续数据;;;讨论: 你如何比较7组？;讨论: 答案;方差分析以寻找平均值差异;分析方差而非平均值，续  ;方差分析 (ANOVA);ANOVA 假设;ANOVA 假设, 续;使用Minitab