[其它]生物统计学-41.ppt

生物统计学Biostatistics Part 4 统计分析方法 双侧检验与单侧检验 (假设的形式) 假设 研究的问题 双侧检验 左侧检验 右侧检验 H0 m = m0 m ＝ m0 m ＝ m0 HA m ≠m0 m m0 m m0 双侧检验(显著性水平与拒绝域 ) 抽样分布 H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 1 - ? 置信水平 接受域 双侧检验(显著性水平与拒绝域) H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 抽样分布 1 - ? 接受域 双侧检验 (显著性水平与拒绝域) H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 抽样分布 1 - ? 接受域 双侧检验 (显著性水平与拒绝域) H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 抽样分布 1 - ? 接受域 备择假设（alternative hypothesis） 记作HA 备择假设是在零假设被否定时准备接受的假设，研究者想收集证据予以支持的假设。HA通常是一个区间（≠、＞、＜）。 -原则为：a)应包括除H0外的一切可能值；b)如有可能，应缩小备择假设范围以提高检验精度 例1 H0：μ=μ0=1.51，HA：μμ0=1.51 关于建立假设的几点认识 零假设和备择假设是一个完备事件组，且相互对立，即必有一个成立，而且只有一个成立。 不同的研究者出于不同的研究目的或角度，可能提出的假设截然相反，这是十分正常的。无论怎样确定假设的形式，只要符合研究者的最终目的，便是合理的。 用实验动物做实验材料，要求动物平均体重μ=10.00g，若μ10.00g需再饲养，若μ10.00g 则应淘汰。动物体重是服从正态分布N（μ,σ2）的随机变量。已知总体标准差σ=0.40g。从该动物群体中，随机抽取含量n=10的样本，计算出样本平均数为10.23g ，试问该批动物是否符合实验要求。 H0:μ=μ0=10.00 vs. HA:μ≠μ0=10.00 例2： 设矽肺病患者的血红蛋白平均含量具μ=126 mg/L，σ2 =240 (mg/L)2的正态分布。现用克矽平对6位矽肺病患者进行治疗，治疗后化验测得其平均血红蛋白含量为136 mg/L。试问用克矽平治疗矽肺病是否能提高血红蛋白含量。 H0:μ=126 vs. HA:μ126 例3： （二）在零假设成立的前提下，构造合适的检验统计量，并研究试验所得统计量的抽样分布，计算零假设正确的概率 用于假设检验决策的统计量 是根据样本观测结果计算得到的 选择统计量需考虑 是大样本还是小样本？ 总体方差已知还是未知？ 检验统计量的基本形式为 检验统计量 例1：H0：μ=1.51，HA：μ1.51 查附表，P(u3.87) 0.0005 我们需进一步估计出u 3.87的概率，即估计 P（u3.87）=？ p=？ u=3.87 （三）规定显著性水平，根据“小概率事件实际不可能性原理”否定或接受零假设，作出统计决策 确定显著性水平α(significant level) 什么显著性水平？ 是一个概率值 备择假设为真时，拒绝零假设的概率 表示为α，常用的α值有0.01、 0.05 由研究者事先确定 作出统计决策 计算检验的统计量 根据给定的显著性水平α，查表得出相应的临界值 将检验统计量的值与α水平的临界值进行比较 得出是否拒绝零假设的结论 根据小概率事件实际不可能原理，当计算出的概率小于0.05（0.01）时，可以认为在一次试验中零假设成立实际上是不可能的，因而否定原先所作的零假设 H0，而接受备择假设HA。即认为：试验存在本质的差异（处理效应）。 作出统计决策 当计算出的概率大于0.05 （0.01）时，则说明零假设 H0成立的可能性大，不能被否定，因而也就不能接受备择假设 HA 。 作出统计决策 例1中：按所建立的 H0:μ=μ0，试验的表面效应是试验误差的概率小于0.0005，远小于0.01。 有理由否定H0:μ=μ0，从而接受 HA:μμ0。可以认为10年后该地区13岁男孩的身高有极显著增高。 在实际工作中，我们不计算具体的概率值，而是根据事先确定的小概率水平计算出相应的接受域和拒绝域。 接受域与拒绝域 接受域与拒绝域 是否否定零假设H0:μ=μ0，是用实际计算出的检验统计量的绝对值与显著水平α对应的临界值比较。 uɑ ɑ 拒绝 H0 接受 H0 接受域与拒绝域 若u u0.05 ，则说明试验的表面效应属于试验误差的概率P 0.05，即表面效应属于试验误差的可能性大，不能否定H0:μ=μ0，统计学上把这一检验结果表述为：“两个总体平均数差异不显