t检验案例
t检验经典案例集
1.某地随机抽样调查了部分健康成人的红细胞数和血红蛋白量，结果如下表：
某年某地健康成年人的红细胞数和血红蛋白含量
指标性别例数均数标准差标准值*
红细胞数男360 4.66 0.58 4.84
（1012/L）女255 4.18 0.29 4.33
血红蛋白男360 134.5 7.1 140.2
（g/L）女255 117.6 10.2 124.7
*实用内科学(1976年)所载均数(转为法定单位)
请就上表资料：
(1)说明女性的红细胞数与血红蛋白的变异程度何者为大？
(2)计算男性两项指标的抽样误差。
(3)试估计该地健康成年女性红细胞数的均数。
(4)该地健康成年男、女血红蛋白含量是否不同？
(5)该地男性两项血液指标是否均低于上表的标准值(若测定方法相同)？
2.一药厂为了解其生产的某药物（同一批次）之有效成份含量是否符合国家规定的标准，随机抽取了该药10片，得其样本均数为10
3.0mg，标准差为2.22mg。试估计该批药剂有效成份的平均含量。
3.通过以往大量资料得知某地20岁男子平均身高为1.68米，今随机测量当地16名20岁男子，得其平均身高为1.72米，标准差为0.14米。问当地现在20岁男子是否比以往高？
4.为了解某一新降血压药物的效果，将28名高血压病患者随机分为试验组和对照组，试验组采用新降压药，对照组则用标准药物治疗，测得治疗前后的舒张压(mmHg)如下表。问：
(1)新药是否有效？
(2)要比较新药和标准药的疗效是否不同，请用下述两种不同方式分别进行检验：I仅考虑治疗后的舒张压；II考虑治疗前后舒张压之差。您认为两种方法各有何优缺点？何种方法更好？
t检验习题及答案
例题7.5一家食品生产企业以生产袋装食品为主，每天的产量大约为8000袋左右。按规定每袋的重量应为100g。为对产品质量进行检测，企业质检部门经常要进行抽检，以分析
每袋重量是否符合要求。现从某天生产的一批食品中随机抽取25袋，测得每袋重量如表7—2所示。
表7—2
25袋食品的重量
112.5 101.0 103.0 102.0 110.5
102.6 107.5 95.0 108.8 115.6
100.0 123.5 102.0 101.6 102.2
116.6 95.4 97.8 108.6 105.0
136.8 102.8 101.5 98.4 93.3
已知产品重量的分布，且总体标准差为10g，试估计该天产品平均质量的置信区间，以为95%建立该种食品重量方差的置信区间。
解：已知δ=10，n=25，置信水平1-α=95%，Z x/2=1.96
案例处理摘要
案例
有效缺失合计
N 百分比N 百分比N 百分比
重量25 100.0% 0 .0% 25 100.0%
描述
统计量标准误
重量均值105.7600 1.93038 均值的95% 置信区间下限101.7759
上限109.7441
5% 修整均值104.8567
中值102.6000
方差93.159
标准差9.65190
极小值93.30
极大值136.80
范围43.50
四分位距9.15
偏度 1.627 .464
峰度 3.445 .902 重量
重量 Stem-and-Leaf Plot
Frequency Stem & Leaf
1.00 9 . 3
4.00 9 . 5578
spss统计卡方检验和t检验
后面附件PPT常用图标，方便大家提高工作效率
140 BUSINESS & FINANCE ICONS
生活
图标元素
生活
图标元素
医疗
图标元素
单样本t检验
• 案例：利用住房状况问卷调查数据，推断家 庭人均住房面积的平均值是否为20平方米。
• 推断家庭人均住房面积的平均值是否为20平 方米。由于该问题设计的是单个总体，且要 进行总体均值比较，同时家庭人均住房面积 的总体可近似认为服从正态分布，因此，可 采用单样本T检验来进行分析。
本文档后面有精心整理的常用PPT编辑图标，以提高工作效率
两独立样本t检验
wk.baidu.com案例：本市户口和外地户口的家庭人均面积 是否有差异
配对样本t检验
• 案例：为研究某种减肥茶是否具有明显的 减肥效果，某美体健身机构对35名肥胖志 愿者进行了减肥跟踪调研。首先将其喝减 肥茶以前的体重记录下来，三个月后再依 次将这35名志愿者喝茶后的体重记录下来。 通过这两组样本数据的对比分析，推断减 肥茶是否具有明显的减肥作用
单样本t检验例题
【案例】例5.1以往通过大规模调查已知某地新生儿出生体重为3.30kg，从该地难产儿中随机抽取35名新生儿作为研究样本，平均出生体重为3.42kg，标准差为0.40kg。
【问题】
1. 用上述信息说明同质、变异、总体、样本、个体、参数和统计量等几个统计学概念。
2. 如何解决此类问题?
3. 新生儿出生体重是什么类型的资料？
4. 该地难产儿出生体重是否与一般新生儿体重不同？
【案例】根据大量调查，一般健康成年男子的平均血红蛋白含量为140.00g／L，现某医生在山区随机测定了25名健康成年男子，其血红蛋白均数为153.64g／L，标准差为24.82g／L，故认为该山区成年男子的血红蛋白均数高于一般健康成年男子的血红蛋白均数。
【问题】(1)该结论是否正确?为什么?(2)如何解决此类问题?(3)问认为该山区成年男子的血红蛋白均数与一般健康成年男子的血红蛋白均数是否有差别？
【案例】以往通过大规模调查已知某地新生儿出生体重为 3.30kg，从该地难产儿中随机抽取35名新生儿作为研究样本，平均出生体重为3.42kg，标准差为0.40kg，故认为该地难产儿出生体重低于一般新生儿体重。
【问题】
(1)该结论是否正确?为什么?
(2)如何解决此类问题?
(3)问该地难产儿出生体重是否与一般新生儿体重不同？
SAS的t检验正式
Βιβλιοθήκη Baidu
如果p值小于预设的显著性水平 （如0.05），则拒绝原假设，认 为样本均值与总体均值存在显著 差异。
如果p值大于预设的显著性水平， 则不能拒绝原假设，认为样本均 值与总体均值无显著差异。
Part
04
T检验在SAS中的实现
T检验的名称来源于其创始人英国统 计学家罗纳德·费尔茨·托马斯 （Ronald Fisher）。
T检验的适用场景
01
当我们需要比较两组独立样本 的均值是否存在显著差异时， 可以使用T检验。
02
当样本量较小，或者总体标准 差未知，且样本标准差与总体 标准差相近时，T检验是一个 合适的选择。
03
T检验适用于连续变量和分类 变量，但分类变量需要满足一 定的假设条件。
配对样本T检验在SAS中的实现
要点一
总结词
要点二
详细描述
配对样本T检验用于比较两个相关样本之间的差异是否显著 。
在SAS中，可以使用`paired`选项在`ttest`过程中进行配对 样本T检验。首先，需要指定两个数据集或两个变量的配对 数据。然后，使用`paired`选项指定配对数据。最后，使用 `h`选项指定原假设，即两个样本之间无显著差异。
VS
详细描述
t检验案例
t检验案例
假设有一位研究者想要探究某一种新药物对于焦虑症状的影响。研究者随机选择了100名患有焦虑症的参与者，将他们分为两组，每组50人。一组接受新药物治疗，另一组接受安慰剂治疗。
首先，研究者需要明确的假设。在这个案例中，研究者的零假设（H0）可以是：新药物对于焦虑症状没有影响，即两组参
与者的平均焦虑症状水平相同。备择假设（Ha）可以是：新
药物可以降低焦虑症状，即两组参与者的平均焦虑症状水平不同。
然后，研究者需要收集数据。在进行药物治疗前和治疗后，研究者使用焦虑症状量表对参与者进行评估，并记录下每组的平均分数。
接下来，研究者可以使用t检验进行统计分析。t检验适用于
两组样本的均值比较。在本案例中，研究者可以使用独立样本
t检验，将安慰剂组的数据与治疗组的数据进行比较。
假设独立样本t检验的前提条件已满足（例如数据服从正态分布，方差相等等），研究者可以计算出t值和p值。t值表示
两组均值之间的差异的显著性。p值表示根据观察到的样本数据，在零假设为真时，得到观察到的差异或更极端的差异的概率。
若t值较大，表示两组均值差异较大，且p值较小，表示观察
到的差异在零假设为真的情况下非常不太可能发生。这表明新药物对于降低焦虑症状有显著的影响。
反之，若t值较小，表示两组均值差异较小，且p值较大，表示观察到的差异在零假设为真的情况下较为可能发生。这表明新药物对于降低焦虑症状可能没有显著的影响。
最后，根据t值和p值的结果，研究者可以决定是否拒绝原假设。若p值小于显著性水平（通常设定为0.05），研究者可以拒绝原假设，接受备择假设，即新药物对于降低焦虑症状有显著的影响。若p值大于显著性水平，研究者不能拒绝原假设，即新药物对于降低焦虑症状可能没有显著的影响。
t检验习题及答案
例题7.5一家食品生产企业以生产袋装食品为主，每天的产量大约为8000袋左右。按规
定每袋的重量应为100g。为对产品质量进行检测，企业质检部门经常要进行抽检，以分析每袋重量是否符合要求。现从某天生产的一批食品中随机抽取25袋，测得每袋重量如表7—2所示。
表7—2
25袋食品的重量
112.5 101.0 103.0 102.0 110.5
102.6 107.5 95.0 108.8 115.6
100.0 123.5 102.0 101.6 102.2
116.6 95.4 97.8 108.6 105.0
136.8 102.8 101.5 98.4 93.3
已知产品重量的分布，且总体标准差为10g，试估计该天产品平均质量的置信区间，以为95%建立该种食品重量方差的置信区间。
解：已知δ=10，n=25，置信水平1-α=95%，Z x/2=1.96
案例处理摘要
案例
有效缺失合计
N 百分比N 百分比N 百分比
重量25 100.0% 0 .0% 25 100.0%
重量
重量 Stem-and-Leaf Plot
Frequency Stem & Leaf
1.00 9 . 3
4.00 9 . 5578
10.00 10 . 0111222223 4.00 10 . 5788
2.00 11 . 02
2.00 11 . 56
2.00 Extremes (>=124)
Stem width: 10.00
Each leaf: 1 case(s)
例7.6某地区教育管理部门香菇鸡两所中学的学生高考时的英语平均分之差，为此在两所中学独立抽取两个随机样本，有关数据如图所示
t检验计算
t检验计算
t检验是一种常用的假设检验方法，用于比较两组数据的差异是否具有统计学意义。下面以单样本t检验为例，介绍其计算过程：
1. 建立假设检验，确定检验水准：原假设为现在该地20岁男子的平均身高与以往20岁男子的平均身高相等；备择假设为现在该地20岁男子的平均身高高于以往20岁男子的平均身高。
2. 计算检验统计量：本案例n=16，$\overline{X}=172cm$，$S=14cm$，$\mu_0=168cm$代入计算得。
3. 确定p值，做出推断结论：查t界值表，得单侧概率0.10$<p<$0.20，按α=0.05水准，不拒绝原假设，差异无统计学意义，即不能认为该地20岁男子平均身高比以往更高。
在实际应用中，t检验的计算可能会因为数据类型、样本量等因素而有所不同，建议根据具体情况选择合适的计算方法和参数。如需了解更多t检验的计算方法和应用场景，请补充相关信息后再次提问。
生物统计t检验例题
生物统计t检验例题
生物统计中的t检验是一种常用的假设检验方法，用于比较两组样本均值是否存在显著差异。下面我将给出一个生物统计中的t 检验例题，并从多个角度进行全面回答。
例题：
研究人员想要比较两种不同肥料对植物生长的影响。他们随机选择了两个相同大小的花园，将第一个花园标记为实验组，施加肥料A；将第二个花园标记为对照组，不施加肥料。在一定时间后，测量了两个花园中植物的平均高度，并得到以下数据：
实验组（肥料A），12, 15, 13, 14, 16。
对照组（无肥料），10, 11, 9, 12, 10。
问题1，请用t检验判断两组样本均值是否存在显著差异，并解释结果。
回答1，首先，我们可以使用配对样本t检验来比较两组样本
均值是否存在显著差异。在这个例子中，我们有两组样本，实验组
和对照组。假设实验组的均值为μ1，对照组的均值为μ2。我们的
原假设（H0）是两组样本均值相等，备择假设（H1）是两组样本均
值不相等。
我们可以使用以下公式计算t值：
t = (x1 x2) / sqrt(s^2/n)。
其中，x1和x2分别为两组样本的均值，s为两组样本的标准差，n为样本容量。
对于实验组（肥料A），均值x1 = (12 + 15 + 13 + 14 + 16) / 5 = 14，标准差s1 = sqrt((12-14)^2 + (15-14)^2 + (13-
14)^2 + (14-14)^2 + (16-14)^2) / 4 = 1.58。
对于对照组（无肥料），均值x2 = (10 + 11 + 9 + 12 + 10) / 5 = 10.4，标准差s2 = sqrt((10-10.4)^2 + (11-10.4)^2 +
双样本t检验的例子
双样本t检验的例子
【篇一：双样本t检验的例子】
成对t检验pairedtest是对来自同一总体的样本，在不同条件影响
下获取的2组样本进行分析，以评价不同条件是否对其有显著影响。不同条件可以是不同存放环境、不同的测量系统等。
双样本t检验2 samplet-test是对通过2组样本来评判其是否来自
2个“总体均值不同”的总体，即评判样本的制造环境是否产生变化。paired test配对检验法：用在2个样本有关联的情况下，
pairedtest在统计原理上与2 sample t-test有本质的不同。pairedtest忽略成对数据对与对之间的关系，以对间的差来构造检
验统计量，只适合有相互联系的两个样本的检验，而2 samplet-test 只适合满足独立条件的两个样本的检验。它们使用的条件不一样。
2 samplet-test是从整体上考察两组数据间的关系（两组数据的样本大小可以不同，），说白了就是只考虑数据的平均值和方差，pairedtest是考察两组数据中一一对应的两个数据间的关系（既然
是一一对应，那两组数据的样本数必须一样）。举个例子，例如你
要考察一台设备改造前后生产的产品有没有差别，那你应该用
2sample t-test。如果你要考察一组产品在长时间存放之后有没有变化，那你应该用p－t。
用哪种方法取决于抽取的两组样本是独立还是配对。
两组样本（成品），一组用a的原材料，另一组用b的原材料。两
组样本平均值的差异不仅包含因a和b不同引起的差异，还包含每
组内不同产品间的差异。这时使用2samplet，实际上是对组间变异
单样本t检验的简单例子
单样本t检验的简单例子
假设一个教育研究者想要知道某个班级学生的数学成绩是否高于全国平均水平。全国平均数学成绩为75分。这个研究者针对这个班级的30名学生进行了数学成绩收集，并获得以下数据：84,76,95,73,68,79,88,92,71,80,
74,69,90,85,82,77,66,72,78,70,
81,91,83,89,96,76,87,94,93,67
现在我们用单样本t检验来判断这个班级的数学成绩是否显著高于全国平均水平(假定总体标准差未知)。
第一步：设置原假设HO与备选假设H1
HO:U=75(班级数学成绩等于全国平均水平)
H1:μ>75(班级数学成绩高于全国平均水平)
第二步：计算样本平均值和样本标准差
样本平均值⑶=(总分)/(样本数)=2534/30≈84.47
样本标准差(S)=sqrt[∑(X-X)^2∕(n-1)]≈8.96(大致计算)第三步：计算t 统计量
t=(X-μ)/(s/sqrt(n))=(84.47-75)/(8.96/sqrt(30))≈6.067
第四步：确定显著性水平(如α=0.05)和查询t分布表得到临界值
或者通过t分布计算得到对应的p值
假定显著性水平Q=0.05,自由度df=n-1=29
通过查询t分布表或使用统计工具,得到单尾t临界值为1.699o我们也可以通过统计工具计算出对应的p值，例如，双尾的p值为OOOOO2（即非常接近0）。
第五步：做出统计决策
由于t统计量6.067远大于临界值1.699,或者双尾的P值显著小于显著性水平0.05,我们拒绝原假设（HO）,接受备选假设
t检验 经典案例
t检验经典案例
经典案例：t检验
1. 研究背景
t检验是统计学中常用的假设检验方法之一，用于比较两个样本均值是否有显著差异。下面将介绍一些经典案例，以帮助读者更好地理解t检验的应用。
2. 独立样本t检验案例
案例1：某医院想比较两种降压药物的疗效，随机选取了两组高血压患者，一组服用药物A，另一组服用药物B，通过测量患者的收缩压，使用独立样本t检验来判断两种药物的疗效是否有显著差异。
案例2：某公司想评估两种不同培训方法对员工销售业绩的影响，随机选取了两组员工，一组接受传统培训，另一组接受新的培训方法，通过比较两组员工的销售额，使用独立样本t检验来判断两种培训方法是否有显著差异。
3. 配对样本t检验案例
案例3：某学校想研究一种新的学习方法对学生的成绩是否有帮助，随机选取了一组学生，在某次考试前和考试后分别进行测试，使用配对样本t检验来比较学生在考试前后的成绩是否有显著差异。
案例4：某厂商想评估一种新的生产工艺对产品质量的影响，随机
选取了一批产品，在使用新工艺前和使用新工艺后进行质量检测，使用配对样本t检验来判断产品在两种工艺下的质量是否有显著差异。
4. 单样本t检验案例
案例5：某公司想评估员工的满意度水平，随机选取了一组员工，使用单样本t检验来判断员工的满意度是否显著高于平均水平。
案例6：某城市想研究居民的平均月收入水平，随机选取了一批居民，使用单样本t检验来判断居民的平均月收入是否显著高于全国平均水平。
5. 非参数t检验案例
案例7：某医院想比较两组癌症患者的存活率，由于数据不符合正态分布，使用非参数t检验（如Wilcoxon秩和检验）来判断两组患者的存活率是否有显著差异。
t检验的简单例子
t检验的简单例子
t检验是一种常用的统计方法，用于比较两个样本的均值是否存在显著差异。下面将列举10个简单的例子来说明t检验的应用。
1. 假设有两个班级，想要比较两个班级的数学成绩是否有显著差异。可以采集两个班级的随机样本，然后使用t检验来比较两个样本的均值是否存在显著差异。
2. 假设有两种不同的药物治疗方法，想要比较它们的疗效是否有显著差异。可以将患者随机分配到两个治疗组，然后使用t检验来比较两个组的治疗效果是否存在显著差异。
3. 假设要研究男性和女性在某一特定任务上的表现是否存在显著差异。可以随机选择男性和女性参与者，并使用t检验来比较两个组的平均表现是否存在显著差异。
4. 假设要研究不同年龄组之间的记忆能力是否存在差异。可以随机选择不同年龄段的参与者，并使用t检验来比较不同年龄组的平均记忆能力是否存在显著差异。
5. 假设要研究两个不同品牌的手机电池续航时间是否有显著差异。可以随机选择一定数量的手机，并使用t检验来比较两个品牌的平均续航时间是否存在显著差异。
6. 假设要研究在不同音乐类型下人们的心率是否存在差异。可以随
机选择一定数量的参与者，并使用t检验来比较不同音乐类型下的平均心率是否存在显著差异。
7. 假设要研究两个不同地区的气温是否存在差异。可以随机选择一定数量的天气观测点，并使用t检验来比较两个地区的平均气温是否存在显著差异。
8. 假设要研究两个不同品牌的洗发水对头发质量的影响是否存在差异。可以随机选择一定数量的参与者，并使用t检验来比较两个品牌洗发水对头发质量的平均影响是否存在显著差异。
华北理工卫生统计学实验指导08 t检验、z检验
实验八：t检验、z检验
【目的要求】
1.熟悉假设检验的基本步骤
2.掌握t检验、z检验的应用条件及分析过程
3.熟悉假设检验的基本思想
【案例分析】
案例1：某医生研究脑缺氧对脑组织中生化指标的影响，将乳猪按出生体重配成7对，一组为对照组，一组为脑缺氧模型组。两组乳猪脑组织钙泵的含量差值（对照组减脑缺氧模型组）均数为0.0441ug/g，标准差为0.05716ug/g，经配对t检验（双侧），得t=2.0412，P>0.05，按a=0.05的水准，不拒绝H0，差别无统计学意义，尚不能认为脑缺氧可造成钙泵含量的变化。（1）本例结论是否正确？为什么？（2）该结论可能犯几型错误？
案例2：7名接种卡介苗的儿童，8周后用两批不同的结核菌素，一批是标准结核菌素，一批是新制结核菌素，分别注射在儿童的左右前臂。以皮肤浸润直径（mm）为指标。数据如下表所示。某医生计算标准品与新制品的差值，均数为3.19mm，故认为新制结核菌素的皮肤浸润直径比标准结核菌素小。
两种结核菌素皮肤浸润直径比较（mm）
编号1234567
标准品12.014.515.513.012.010.57.5
新制品10.010.012.210.0 5.58.5 6.5
该医师对资料的统计分析是否正确？为什么？若不正确，应该怎么做？
案例3：2005年某县疾病预防控制中心为评价该县小学生卡介苗抗体效价，随机抽取了30名小学生，测定结果如表2。经完全随机设计两样本均数比较的t检验（方差齐，F=0.05，P>0.05），t=0.014，P>0.05，故认为该县小学生卡介苗抗体效价无性别差异。
单样本t检验的案例
单样本t检验的案例
单样本t检验的案例
介绍
单样本t检验是一种常用的假设检验方法，用于比较一个样本的平均值与预期值是否有显著差异。在实际应用中，单样本t检验可以用于评估某个新产品或新服务的效果、评估某个治疗方法是否有效等。
案例背景
某医院为了提高患者满意度，开展了一项改善服务质量的活动。该活动主要包括加强医护人员礼仪培训、增加患者宣传资料、提供更加舒适的就诊环境等。医院希望通过这项活动提高患者对医院服务质量的评价。
为了评估这项活动的效果，医院从2019年10月1日至12月31日共收集了100份患者评价问卷，并记录下每份问卷中“服务质量”得分。根据以往经验，该医院认为正常情况下“服务质量”得分应该在75分左右。
问题
现在，我们需要使用单样本t检验来判断这次改善服务质量活动是否达到预期目标。具体而言，我们需要回答以下问题：
1. 患者对医院服务质量的评价得分的平均值是否与预期值75分有显著差异？
2. 如果有显著差异，那么这个差异是正向还是负向？
数据处理
首先，我们需要对收集到的数据进行处理。具体而言，我们需要计算出患者对医院服务质量的评价得分的平均值，并进行单样本t检验。
代码如下：
```python
import pandas as pd
from scipy.stats import ttest_1samp
# 读取数据
df = pd.read_csv('data.csv')
# 计算平均值和标准差
mean = df['score'].mean()
std = df['score'].std()
# 进行单样本t检验
单样本t检验的案例
单样本t检验案例：体重减肥效果研究
背景
健康和身材一直是现代人关注的焦点，而减肥成为了许多人追求的目标。然而，不同的减肥方法效果各异，有些方法可能并不适合所有人。因此，对于某个特定的减肥方法是否有效，需要进行科学的研究和统计分析来验证。
在这个案例中，我们将使用单样本t检验来研究某种特定的减肥方法对体重是否有显著影响。通过比较减肥前后的体重数据，我们可以判断该减肥方法是否有效。
过程
步骤1：收集数据
首先，我们需要收集一组参与者在使用该减肥方法前后的体重数据。为了保证研究结果具有代表性和可靠性，我们需要选择足够数量的参与者，并且要求他们在实施该减肥方法期间保持相对一致的生活习惯。
假设我们选择了100名参与者，并记录了他们在开始使用该减肥方法之前和之后的体重数据。
步骤2：建立假设
在进行单样本t检验之前，我们需要建立零假设（H0）和备择假设（H1）。
•零假设（H0）：该减肥方法对体重没有显著影响，即参与者的体重在使用该减肥方法前后没有变化。
•备择假设（H1）：该减肥方法对体重有显著影响，即参与者的体重在使用该减肥方法前后有变化。
步骤3：计算统计量
我们将使用单样本t检验来计算统计量。单样本t检验用于比较一个样本的均值是否与一个已知的总体均值不同。
在这个案例中，我们将比较参与者在使用该减肥方法前后的平均体重是否有显著差异。我们可以通过计算样本平均值、样本标准差、样本大小和总体均值来得到统计量。
步骤4：确定显著性水平
在进行单样本t检验之前，我们需要确定显著性水平。显著性水平表示我们愿意接受错误地拒绝零假设的概率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.某地随机抽样调查了部分健康成人的红细胞数和血红蛋白量，结果如下表：
某年某地健康成年人的红细胞数和血红蛋白含量
指标性别例数均数标准差标准值*
红细胞数男360 4.66 0.58 4.84
（1012/L）女255 4.18 0.29 4.33
血红蛋白男360 134.5 7.1 140.2
（g/L）女255 117.6 10.2 124.7
*实用内科学(1976年)所载均数(转为法定单位)
请就上表资料：
(1)说明女性的红细胞数与血红蛋白的变异程度何者为大？
(2)计算男性两项指标的抽样误差。
(3)试估计该地健康成年女性红细胞数的均数。
(4)该地健康成年男、女血红蛋白含量是否不同？
(5)该地男性两项血液指标是否均低于上表的标准值(若测定方法相同)？
2.一药厂为了解其生产的某药物（同一批次）之有效成份含量是否符合国家规定的标准，随机抽取了该药10片，得其样本均数为10
3.0mg，标准差为2.22mg。试估计该批药剂有效成份的平均含量。
3.通过以往大量资料得知某地20岁男子平均身高为1.68米，今随机测量当地16名20岁男子，得其平均身高为1.72米，标准差为0.14米。问当地现在20岁男子是否比以往高？
4.为了解某一新降血压药物的效果，将28名高血压病患者随机分为试验组和对照组，试验组采用新降压药，对照组则用标准药物治疗，测得治疗前后的舒张压(mmHg)如下表。问：
(1)新药是否有效？
(2)要比较新药和标准药的疗效是否不同，请用下述两种不同方式分别进行检验：I仅考虑治疗后的舒张压；II考虑治疗前后舒张压之差。您认为两种方法各有何优缺点？何种方法更好？
两种药物治疗前后的舒张压(mmHg)
药治疗前102 100 92 98 118 100 102 116 109 116 92 108 102 100 治疗后90 90 85 90 114 95 86 84 98 103 88 100 88 86
标准药病人号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 治疗前98 103 110 110 110 94 104 92 108 110 112 92 104 90 治疗后100 94 100 105 110 96 94 100 104 109 100 95 100 85
5.某医师观察某新药治疗肺炎的疗效，将肺炎病人随机分为新药组和旧药组，得两组的退热天数如下表。
(1)请计算两药平均退热天数之差的95%CI？
(2)请对两药平均退热天数是否不同进行假设检验。
(3)上述两种方法有何联系？
新旧两药的退热天数
分组例数平均退热天数退热天数的标准差
新药35 3.8 0.8
旧药37 5.2 0.9
6.为比较治疗组和对照组的肺表面活性物质PaO2在治疗新生儿呼吸窘迫综合征患儿过程中的作用是否不同。某医生在治疗30名患儿后48小时得到下表资料，问治疗后48小时，两组的PaO2是否不同？
两组患儿PaO2 (kPa)比较
分组例数均数标准差
治疗组15 12.55 0.33
对照组15 9.72 2.03