第八章统计医学假设检验的基本概念.ppt

第一节 检验假设与P值 H0：? = ?0 H1：? ≠ ?0 第二节 假设检验的基本步骤 第四节 大样本率的假设检验 率的u检验的应用条件： 1、n较大，如每组例数大于60例。 2、样本p或1-p均不接近100%和0。 3、np和n(1-p)均大于5。 一、单样本率的 u检验 适用于样本率与已知的总体率的比较 P123例8-4 例8–4 已知某地40岁以上成年男性高血压患病率为8.5%（π0），经健康教育数年后，随机抽取该地成年男性1000名，查出高血压患者55例，患病率（p）为5.5%。问经健康教育后，该地成年男性高血压患病率是否有降低？ 二、两个率比较的u检验 推断两个总体率是否相同 P124例8-5 例8–5 某医院用黄芪注射液和胎盘球蛋白进行穴位注射治疗小儿支气管哮喘病人，黄芪注射液治疗117例，有效103例；胎盘球蛋白治疗55例，有效49例。试比较两种疗法有效率有无差别 第五节 检验水准与两类错误 I型错误和II型错误 假设检验是利用小概率反证法思想，假定H0成立的条件下计算检验统计量，最后根据P值判断结果，此推断结论具有概率性，因而无论拒绝还是不拒绝H0，都可能犯错误。详见表8-1。 可能发生的两类错误 图8-2 I型错误与II型错误示意图(以单侧u检验为例) 1-? ：检验效能（power）:当两总体确有差别，按检验水准 ? 所能发现这种差别的能力。 第六节 单侧检验与双侧检验 图8–3 双侧u检验的检验水准α 第七节 假设检验的统计意义与实际意义 1.要有严密的研究设计，尤其是下因果结论。 2.不同的资料应选用不同检验方法。 3.正确理解“显著性”一词的含义(用统计学意义一词替代)。 4.结论不能绝对化 ，提倡使用精确P值。5.注意统计“显著性”与医学/临床/生物 学 “显著性” 的区别 6.可信区间与假设检验各自不同的作用，要结合使用。 一方面，可信区间亦可回答假设检验的问题，算得的可信区间若包含了H0，则按?水准，不拒绝H0；若不包含H0，则按?水准，拒绝H0，接受H1。 另一方面，可信区间不但能回答差别有无统计学意义，而且还能比假设检验提供更多的信息，即提示差别有无实际的专业意义。 虽然可信区间亦可回答假设检验的问题，并能提供更多的信息，但并不意味着可信区间能够完全代替假设检验。可信区间只能在预先规定的概率 ?检验水准?的前提下进行计算，而假设检验能够获得一较为确切的概率P值。 单侧界值u0.01=2.33，现 |u| u0.01, 故P0.01, 按α=0.05水准拒绝H0，接受H1，差异有统计学意义，可认为经健康教育后，该地成年男性高血压患病率有所降低。 u0.05/2=1.96，现|u|u0.05/2 , 故P0.05，按α=0.05检验水准不拒绝H0，差异无统计学意义，尚不能认为两种疗法治疗小儿支气管哮喘的疗效有差别。 I 型错误：“实际无差别，但下了有差别的结论”，假阳性错误。犯这种错误的概率是?（其值等于检验水准） II型错误：“实际有差别，但下了不拒绝H0的结论”，假阴性错误。犯这种错误的概率是?（其值未知） 。 但 n 一定时， ? 增大，? 则减少 。 a b 减少（增加）I型错误，将会增加（减少）II型错误 增大n 同时降低a 与 b a 与 b 间的关系 减少I型错误的主要方法：假设检验时设定? 值。 减少II型错误的主要方法：提高检验效能。 提高检验效能的最有效方法：增加样本量。 如何选择合适的样本量：实验设计。 图8–4 单侧u检验的检验水准α 单侧检验 概念 *第四军医大学卫生统计学教研室 * *医疗等本科班《医学统计学》 Dr. 宇传华 制作 第八章 假设检验的基本概念 假设检验过去称显著性检验。它是利用小概率反证法思想，在H0成立的条件下计算检验统计量，最后获得P值来判断。 假设检验基本思想 问题实质上都是希望通过样本统计量与总体参数的差别，或两个样本统计