区间估计和假设检验.pptVIP

* 定义Ｐ值和应用 确定概率Ｐ，作出判断 以自由度v=n-1查t界值表，0.025P0.05 拒绝H0，接受H1，可认为该山区成年健康男性的脉搏均数高于城市成年健康男性。 ?? * 单侧t检验 H0:?=?0 H1:??1 ?=0.05 计算t检验统计量 查t检验的单侧界值 ，如果检验统计量 则拒绝H0，反之不能拒绝H0。 单侧的P值=t分布中大于t的右侧尾部面积 * 两类错误 * 两类错误示意图 * 检验效能 H1是真的，实际拒绝H0的概率= 1-? 称为Power, 又称为检验效能 * 进行假设检验应注意的问题 做假设检验之前，应注意资料本身是否有可比性。 当差别有统计学意义时应注意这样的差别在实际应用中有无意义。 根据资料类型和特点选用正确的假设检验方法。 根据专业及经验确定是选用单侧检验还是双侧检验。 * 进行假设检验应注意的问题 当检验结果为拒绝无效假设时，应注意有发生I类错误的可能性，即错误地拒绝了本身成立的H0，发生这种错误的概率预先是知道的，即检验水准那么大； 当检验结果为不拒绝无效假设时，应注意有发生II类错误的可能性，即仍有可能错误地接受了本身就不成立的H0，发生这种错误的可能性预先是不知道的，但与样本含量和I类错误的大小有关系。 当第一类错误?增大时，第二类错误减小。 * 进行假设检验应注意的问题 判断结论时不能绝对化，应注意无论接受或拒绝检验假设，都有判断错误的可能性。? 报告结论时是应注意说明所用的统计量，检验的单双侧及P值的确切范围。 * 进行假设检验应注意的问题 t检验和u检验就是统计量为t，u的假设检验，两者均是常见的假设检验方法。 当样本含量n较大时，样本均数符合正态分布，故可用u检验进行分析。 当样本含量n小时，若观察值x符合正态分布，则用t检验（因此时样本均数符合t分布） 当x为未知分布时应采用秩和检验。 * 可信区间与假设检验的关系 不同： 可信区间——量的问题 假设检验——质的问题 可信区间亦可用于回答假设检验的问题 可信区间比假设检验提供更多的信息 可以回答有无统计学意义，还可回答有无实际意义 * 可信区间与假设检验的关系 * STATA命令 正态分布总体均数的95％可信区间 命令为：cii 样本量 样本均数 样本标准差 例4.1 cii 12 0.896 0.054 90％可信区间 例4.2 cii 110 121.72 4.74,level(90) level 括号中的数字表示可信度 * 区间估计和假设检验 赵耐青 复旦大学卫生统计教研室 * 内容 假设检验 2 可信区间与假设检验的关系 3 STATA命令 4 区间估计 1 * 统计推断 点值估计 参数估计 区间估计 统计推断 假设检验：均数间的比较 比例、率的比较 …… * 点估计和区间估计 参数估计可以分为点估计和区间估计 点估计就是估计某个参数为某个数值(如样本均数，样本率等) 由于随机抽样存在抽样误差，由于点估计无法评价抽样误差的大小，而区间估计可以在95%可信度的尺度上估计参数的范围，范围越小，说明参数估计的抽样误差就越小。 * 总体均数的95%可信区间（复习) 假定资料 近似服从正态分布 。 对于随机抽样而言，统计量 由 和 由此得到95%可信区间 * 总体均数的95%可信区间举例 例如：在某地区7岁男孩的人群中随机抽样，抽取200人，测量其身高，得到样本均数为121cm，样本标准差为5.4cm，估计该地区7岁男孩人群的平均身高在什么范围内。 * （1-?）?100%可信区间及其意义 更一般而言，可以计算（1-?） ?100%可信区间，称（1-?）为可信度。 可信度的意义：在同一正态总体中随机抽100个样本，每个样本可以计算一个95%可信区间，平均有95个可信区间包含该总体的总体均数。 * （1-?）?100%可信区间及其意义 可信度1-?越大，计算可信区间包含总体均数的正确率就越高，但可信区间的宽度就越大，也就是估计总体均数的精度就越差。 一般