医学Ch假设检验.pptxVIP

医学统计学 ;;总体均数的假设检验;两种可能:(1) 总体均数是 10.50, 样本均数 = 9.15 是抽样误差造成的.  (零假设或无效假设)(2)总体均数不是 10.50 , 所以样本均数 = 9.15   (对立假设) 问: 以上哪一个是对的? -- 假设检验问题 !;基本逻辑: 零假设 成立的话,; Example 4.1 一项大规模调查报告, 健康男子脉搏平均值为72 次/分. 某医生在山区随机抽取 25 名健康男子, 测定他们的脉搏, 样本均数 = 75.2次/分 样本标准差 = 6.5次/分 可否下结论:山区健康男子脉搏的平均值不同于一般健康男子脉搏的平均值?;p/2; 给定零假设 和检验 水准 ;(2) 选择适当的检验 ,计算检验的统计量 若X 服从正态分布 则 ;当 时, 根据现有样本: ;(3) 确定 P 值, 并作决策 ;第12页/共46页;当 成立, 目前的情形(样本均数=72.5), 以 及更不利于零假设 的情形(样本均数72.5 和样本均数-72.5 ) 出现的概率 0.05. 目前的情形以及更不利于零假设 的情形出现的概率 称为P 值. 现 P , 我们决定拒绝 . ;单侧检验;4.3 随机化配对设计资料的 t 检验;; 假定方差齐性 ;; ;;;4.5 完全随机化设计两组独立样本方差齐性的F检验 ;回到 Example 4.3, 回到 Example 4.4,;除了服务于 t 检验，此检验另有其自己的用处;Example 4.6 在一项多中心研究中，质量控制 的标准规定, 标准差不得高于 1.5U. 某实验室将 样品摇匀后分成10 份, 分别做独立的测定. 结果 样本标准差为 2.1U. 试判断该实验室测定的精度是否符合质量控制 的标准？ 你打算怎麽解决？; 4.6.2 Poisson 分布总体均数的Z- 检验 (λ大) ; 近似地， 不拒绝 ;;;假设检验的功效与样本量;两类错误与功效;;影响功效的四要素 ;;;;常用统计检验的样本量估算;;;;;1. 什麽是P-值? P-值是零假设成立的前提下，??验统计量大于等于 当前值的概率。 当零假设成立时, 拒绝零假设就是假阳性。 假阳性称为第一类错误，犯第一类错误的概率 = P P-值小，表明零假设成立的前提下，“不大可能” 出现当前的情形（以及更不利于零假设的情形）， 但它们居然出现了！？于是，拒绝零假设。 P-值大，表明零假设成立的前提下，“颇有可能”出 现当前的情形（以及更不利于零假设的情形），现在 它们出现了，毫不奇怪，没理由拒绝零假设。;2. 不拒绝零假设的话, 是不是认为零假设是对的? 当对立假设成立时, 不拒绝零假设就是假阴性. 假阴性称为第二类错误。 给定α、样本量和实际差距，犯第二类错误的概率β可以计算。 1-β称为检验的功效（power），它是给定α、样本量时识别实际差距的概率。 不拒绝零假设时，存在两种情形： （1）实际上无差异（正确） （2）实际上有差异，因功效低而未察觉(假阴性） 需当即计算功效，若功效较高，方可认为无差异； 若功效较低，可能存在差异而未能察觉。 欲提高功效,主要靠加大样本量;;第45页/共46页;感谢您的观看。;内容总结