医学统计学课件-参数估计与假设检验.pptVIP

* * 抽样误差与假设检验 参数估计与假设检验 总体 样本 抽取部分观察单位 统计量 参 数 统计推断 统计推断 Statistical Inference 如：样本均数 样本标准差S 样本率 P 如：总体均数 总体标准差 总体率 内容： 参数估计(estimation of parameters) 包括：点估计与区间估计 2. 假设检验（test of hypothesis) 第一节 均数的抽样误差与标准误 一、均数的抽样误差 在医学研究中，绝大多数情况是由样本信息研究总体。由于个体存在差异，因此通过样本推论总体时会存在一定的误差，如样本均数 往往不等于总体均数 ，这种由抽样造成的样本均数与总体均数的差异称为抽样误差。对于抽样研究，抽样误差不可避免。 二、抽样误差的分布 理论上可以证明：若从正态总体 中，反复多次随机抽取样本含量固定为n 的样本，那么这些样本均数 也服从正态分布，即 的总体均数仍为 ，样本均数的标准差为 。 抽样分布 抽样分布示意图 抽样试验 从正态分布总体N（5.00,0.502）中，每次随机抽取样本含量n＝5，并计算其均数与标准差；重复抽取1000次，获得1000份样本；计算1000份样本的均数与标准差，并对1000份样本的均数作直方图。 按上述方法再做样本含量n＝10、样本含量n＝30的抽样实验；比较计算结果。 抽样试验（n=5） 抽样试验（n=10） 抽样试验（n=30） 1000份样本抽样计算结果 总体的均数 总体标准差s 均数的均数 均数标准差 n=5 5.00 0.50 4.99 0.2212 0.2236 n=10 5.00 0.50 5.00 0.1580 0.1581 n=30 5.00 0.50 5.00 0.0920 0.0913 3个抽样实验结果图示 抽样实验小结 均数的均数围绕总体均数上下波动。 均数的标准差即标准误 与总体标准差 相差一个常数的倍数，即 样本均数的标准误（Standard Error) =样本标准差/ 从正态总体N(m,s2)中抽取样本，获得均数的分布仍近似呈正态分布N(m,s2/n) 。 中心极限定理: 当样本含量很大的情况下，无论原始测量变量服从什么分布， 的抽样分布均近似正态。 抽样分布 抽样分布示意图 三、标准误（Standard Error） 样本均数的标准差称为标准误。样本均数的变异越小说明估计越精确，因此可以用标准误表示抽样误差的大小： 实际中总体标准差 往往未知，故只能求得样本均数标准误的估计值 ： 例1 在某地随机抽查成年男子140人，计算得红细胞均数4.77×1012/L，标准差0.38 ×1012/L ，试计算均数的标准误。 标准误是抽样分布的重要特征之一，可用于衡量抽样误差的大小，更重要的是可以用于参数的区间估计和对不同组之间的参数进行比较。 第二节 总体均数的估计 一. 点估计与区间估计 参数的估计 点估计：由样本统计量 直接估计 总体参数 区间估计： 有一定可信度（Confidence level），同时考虑抽样误差 可信度与可信区间 区间的可信度（如95％或99％）是重复抽样（如1000次）时，样本（如n=5）区间包含总体参数(m)的百分数。常用100(1-α)%或(1-α)表示， α值一般取0.05或0.01。 区间估计：指按预先给定的概率，计算出一个区间，使它能够包含未知的总体均数。事先给定的概率 称为可信度，通常取 可信度实验 二、可信区间的计算 （一） 已知 一般情况 其中 为标准正态分布的双侧界值。 可信区间： 标准正态分布 （二） 未知 通常未知，这时可以用其估计量S 代替，但 已不再服从标准正态分布，而是服从t 分布。 同自由度的 t 分布图 可信区间的计算: 计算可信区间的原理与前完全相同，仅仅是两侧概率的界值有些差别。即 可信区间： 需要注意：在小样本情况下，应用这一公式的条件是原始变量服从正态分布。在大样本情况下（如n100),也可以用 替换 近似计算。