第五章参数估计与假设检验课件.pptx

;第一节抽样误差与标准误

第二节总体均数的可信区间估计

第三节总体率的可信区间估计

第四节假设检验

;;反证法小概率事件原理：即首先假设两总体无差别（反证法），然后根据样本资料计算获得这样一份样本的概率Ｐ值，当Ｐ值是一个小概率时，就拒绝原假设（小概率事件在一次实验中不（大）可能发生的推断原理），而认为两总体有差别。否则，就不能下有差别的结论。;1.建立检验假设，确定检验水准

H0：原假设（无效假设、零假设）是对总体参数或总体分布作出的假设，通常假设总体参数相等或观察数据服从某一分布(如正态分布等).

H1：对立假设（备择假设），与H0相对立又相联系

α：检验水准,上述两种假设中，要作出抉择,即是拒绝H0，还是不拒绝H0，需根据概率的大小作出判断。α就是对H0假设作出抉择的一个判定标准，通常α=0.05;2.选择适当的假设检验方法，计算相应的统计量

应根据资料类型、设计、分析目的和各种假设检验方法的应用条件加以选择。

3.确定P值，做推断结论

P值：是用计算出来的统计量查相应的界值表获得。其意义是：P的含义是指从H0规定的总体随机抽样，抽得等于及大于（或/和等于及小于）现有样本获得的检验统计量（如t、u等）值的概率。

;做出推断：包括统计结论和专业结论

若P≤α，按所取检验水准α，拒绝H0，接受H1，差别有统计学意义。其统计学依据是，在H0成立的条件下，得到现有检验结果的概率小于α，因为小概率事件不可能在一次试验中发生，所以怀疑H0的真实性，从而做出拒绝H0的决策。

若P＞α，按所取检验水准α，不拒绝H0，差别无统计学意义。其统计学依据是，在H0成立的条件下，发生较为可能的事件，没有充足的理由对H0提出怀疑，从而做出不拒绝H0的决策。;1.Ⅰ型错误和Ⅱ型错误

Ⅰ型错误：如果实际情况与H0一致，仅仅由于抽样的原因，使得统计量的观察值落到拒绝域，拒绝原本正确的H0，导致推断结论错误。这类“弃真”的错误称为第Ⅰ类错误。犯第Ⅰ类错误的概率大小为α，α可以取单尾亦可以取双尾。

Ⅱ型错误：如果实际情况与H0不一致，也仅仅由于抽样的原因，使得统计量的观察值落到接受域，不??拒绝原本错误的H0，导致了另一种推断错误。这类“取伪”的错误称为第Ⅱ类错误。犯第Ⅱ类错误的概率为β，β只取单尾。;Ⅰ型错误和Ⅱ型错误的关系：

从上图可以看出，如果临界值沿水平方向右移，α将变小而β变大，即若减小α错误，就会增大犯β错误的机会；如果临界值沿水平方向左移，α将变大而β变小，即若减小β错误，也会增大犯α错误的机会。α和β的关系就像翘翘板，α小β就大，α大β就小

结论：

n一定时，α增大，β则减少。减少I型错误的主要方法：假设检验时设定α值；减少II型错误的主要方法：增加样本量。;2.检验效能

1-β称为假设检验的检验效能。当所研究的总体与H0确有差别时，按检验水准α能够发现它（拒绝H0）的概率。一般情况下对同一检验水准α，功效大的检验方法更可取。在医学科研设计中，检验功效（1-β）不宜低于0.75，否则检验结果很可能反映不出总体的真实差异，出现非真实的阴性结果。;影响检验效能的因素：

（1）两总体参数的真实差异

若差异越大，假设检验能够发现这种差异的可能性越大，检验效能越大

（2）显著性水平α

当α越大，Ⅱ型错误β越小，检验效能（1-β）越大

（3）总体标准差s

当σ越小，样本均数的标准差（标准误）越小，检验效能越大

（4）样本容量n

当n增大时，α与β均会减少，检验效能（1-β）增大;3.应用假设检验需要注意的问题

（1）要有严密的研究设计。

（2）应用检验方法必需符合其适用条件。

（3）适当选择检验水准α。

（4）正确理解P值的意义。

（5）统计“显著性”与专业“显著性”。

;

谢谢！