医疗统计学假设检验原理和t检验课件.ppt

两均数比较的假设检验方法 一、单样本资料的假设检验 检验假设 H0 ：μ=μ0， H1 ：μ≠μ0（单侧检验μμ0或μμ0） 大样本时 小样本时 目的：推断样本来自的总体均数与已知的总体均数有无差别 二、配对设计资料的假设检验 配对实施的形式主要有： (1)异源配对：将受试对象按特征相似的每两个对象配成一对，同对的两个对象分别接受不同处理 (2)同源配对：同一对象的两个部位分别接受不同处理；或同一样品分成两份，分别接受不同处理 检验假设为 H0 :μd= 0， H1 :μd≠0 当成立时，检验统计量 分析要点： 对每对的两个观察值之差进行分析，推断差值的总体均数是否为0 三、两独立样本均数的假设检验 设计： 将受试对象随机分配成两组，每一组随机接受一种处理或从不同总体中抽样对比观察其1效应 目的： 检验两样本代表的总体均数是否有差别 CHONGQING MEDICAL UNIVERSITY 医疗统计学假设检验原理和t检验 总体 样本 总体参数 样本统计量 抽样 统计推断 参数估计 假设检验 主要内容 假设检验基本思想、步骤 t检验 假设检验的基本思想 生活中实例： 购买一张足球彩票，是否中奖？ 大学生张三是否从不骂人？ 例子 大量调查结果：1998年某地成年男子的脉搏均数为72次/分钟。 某医生2018年在该地随机抽查了75名男子，求得其脉搏均数74.2次/分钟，标准差为6.5次/分钟。请问，能否认为该地成年男子的脉搏数不同于1998年？ 研究结果可供选择的结论（目前的假设）有哪些？ 1、该地成年男子的脉搏数与1998年没有差异 2、该地成年男子的脉搏数与1998年有差异 两种假设在统计上的含义 抽样研究存在抽样误差！！ 总体 均数=72 样本1 样本2 μ1=72 样本1 样本2 样本3 从总体1中抽样 μ2≠72 从总体2中抽样 均数与72之间的差异是抽样误差造成 均数与72之间的差异是本质差异造成 μ1=72 样本 总体1 μ2≠72 总体2 ???? 即：需要推断74.2与72之间的差异是由抽样误差造成，还是由本质差异造成的？ μ0=72 μ≠72 现在用两个符号来分别代表前面的两个总体， μ0：1998年大量调查结果：脉搏数的总体均数(72) μ：2018年的脉搏数的总体均数 假设1：观察到的差异是由抽样误差造成的 　　　　即， μ= μ0　　　 称为：原假设 符号表示：H0 假设2：观察到的差异是由本质差异造成的 　　　　即， μ≠ μ0　　　 称为：备择假设 符号表示：H1 所有的假设检验都是对零假设(H0)进行检验　　 收集“否定H0的证据”，否定H0所犯错误的概率用P表示，概率越小证据越强，否定H0的理由就越充分。 本例 零假设　 H0：μ=μ0=72 备择假设 H1： μ≠μ0=72 u=2.93，说明了什么？？？ 样本计算出来的u值 P值示意图 统计量的尾部面积，即p值 假设检验基本思想 理解两点：反证法思想、小概率原理 二、假设检验的基本步骤 建立检验假设并确定检验水准 选择恰当的统计检验方法，计算统计量 确定P值，作出推断 推断结论 假设检验的推断结论的出发点是：是否否定H0 2. 若P＞α，则意味着在H0成立的条件下获得目前的情况不是一个小概率事件，那么就还没有充足的理由否定H0 。于是做出不拒绝H0的决策。 判断准则（小概率原理） 1. 若P≤α，则意味着在H0成立的条件下获得目前的情况是一个小概率事件，根据“小概率原理”，有充分的理由怀疑H0的真实性，从而否定（拒绝）H0，于是只能接受H1 。 假设检验的两类错误 假设检验的两类错误 第Ⅰ类错误(type I error):拒绝原本正确的H0，导致推断结论的错误。 第Ⅱ类错误(type Ⅱ error) : 不拒绝原本错误的H0，导致推断结论的错误。 推断结论和两类错误 实际情况 检验结果 拒绝H0 ,有差异 不拒绝H0，无差异 H0成立，无差异 第Ⅰ类错误 (α) 假阳性 结论正确(1-α) H1 成立，有差异 结论正确 (1-β) 第Ⅱ类错误（β） 假阴性 假设检验中的两类错误 当样本量一定时，第Ⅰ类错误的概率α变小，第Ⅱ类错误的概率β就变大，要同时减少两类错误，必须增大样本量n 假设检验的注意事项 假设检验结论正确的前提 检验方法的选用及其适用条件 双侧检验与单侧检验的选择 假设检验的结论不能绝对化 正确理解P值的统计意义 CHONGQING MEDICAL UNIVERSITY