医学统计学及SAS应用：第四章 总体均数的估计和t检验.ppt

例题程序ch4_2 data mb; input x @@; d=x-72; cards; 74 73 68 75 75 82 80 69 72 74 83 72 71 74 76 79 67 73 81 70 67 70 78 69 70 72 67 74 80 66 ; proc means data=mb mean std stderr t prt; var x d; run; 例题程序ch4_3 data va; input zhch quefa @@; d=zhch - quefa; cards; 3550 2450 2000 2400 3000 1800 3950 3200 3800 3250 3750 2700 3450 2500 3050 1750 3350 2100 3650 2550 ; proc means data=va mean std stderr t prt; var d; run; 例4.5 例题程序ch4_4 data hb; input group x @@; cards; 1 26 1 32 1 25 1 22 1 20 1 28 1 24 1 19 1 29 1 17 1 34 1 21 1 20 1 23 1 27 2 21 2 23 2 18 2 24 2 23 2 19 2 16 2 22 2 20 2 25 2 23 2 17 2 15 2 26 2 22 ; proc ttest data=hb; class group; var x; run; * 例4.8 例4.9 选甲型流感病毒血凝抑制抗体滴度（倒数）小于5者26人，随机分为两组，每组13人。用甲型流感病毒活疫苗进行免疫，一组用鼻腔喷雾法，另一组用气雾法。免疫后1个月采血，分别测定他们的血凝抑制抗体滴度，结果见表4.5所示。问两种方法的免疫效果有无差别？ 例题程序ch4_5 data ktdd; input group x @@; y=log10(x); cards; 1 50 1 30 1 40 1 60 1 60 1 35 1 70 1 20 1 70 1 35 1 40 1 50 1 25 2 40 2 30 2 25 2 10 2 25 2 30 2 35 2 15 2 20 2 40 2 15 2 30 2 20 ; proc print; proc ttest; class group; var y; run; * 例4.9 * 小结 proc ttest; class group; var x; 团体： 与 比较 d=bef-aft; proc means n mean std t prt; var d； 配对：d与μd=0的比较 d=x-μ0 ; proc means n mean std t prt; var d； 与μ0比较 proc means n mean std clm; μ区间估计 程序 公式 用途 * * 选定检验方法计算检验统计量(计算样本与总体的偏离) 统计量t表示，在标准误的尺度下，样本均数与总体均数?0的偏离。这种偏离称为标准t离差。 * 根据抽样误差理论，在H0假设前提下，统计量t服从自由度为n-1的t分布，即t值在0的附近的可能性大，远离0的可能性小，离0越远可能性越小。 t值越小，越利于H0假设 t值越大，越不利于H0假设 自由度：25-1=24 * 计算概率P(与统计量t值对应的概率) 在H0成立的前提下，获得现有这么大的标准t离差以及更大离差 的可能性。 P=P(t≥1.692) * 单侧t0.05,24=1.711 0 1.711 5% ? =24 P=P(t 1.692)0.05 本研究样本得到的t（ 1.692 ） * 确定检验水准? (确定最大允许误差) 设定检验水准的目的就是确定拒绝假设H0时的最大允许误差。医学研究中一般取?=0.05 。 检验水准实际上确定了小概率事件的判断标准。 * 结论(根据小概率原理作出推断) 在H0成立的前提下出现现有差别或更大差别的可能性是否小于检验水准，如小于，则是小概率事件，即现有样本信息不支持H0。 抉择的标准为： 当P≤? 时，拒绝H0，接受H1 当P＞? 时，不拒绝H0 本例P＞0.05，按? =0.05的水准，不能拒绝H0，差别无统计学意义。 * 假设检验的意义 从样本得到关于总体的结论 如本例假设检验的意义在于分辨手头样本所代表的未知总体和已知总体是否为同一总体，换句话说，即分辨手头样本是否为已知总体的一个随机样