医药数理统计方法假设检验
合集下载
医学统计学假设检验
T检验
双边检验
构造T统计量 T
X 0 S n
~ t (n 1)
X 0 由 P t 2 (n 1) S n 确定拒绝域 T t 2 (n 1) x 0 如果统计量的观测值 T t 2 (n 1) S n
如果统计量的观测值
2 0
~ (n)
2
由
2 (n) 或
2 2 2
2 1 2
(n)
则拒绝原假设；否则接受原假设
一个正态总体均值未知的方差检验
问题：设总体 假设
2
2检验
X~N（，2），未知
2 0 2 2 0
H0 : ; H1 : ; 双边检验 (n 1) S 2 2统计量 2 构造 ~ 2 (n 1) 由 2 0 2 2 2 2 P (n 1) , P (n 1)
~ N (0,1)
则拒绝原假设；否则接受原假设
例1 由经验知某零件的重量X~N（，2），=15， =0.05；技术革新后，抽出6个零件，测得重量为 （单位：克）14.7 15.1 14.8 15.0 15.2 14.6，已 知方差不变，试统计推断，平均重量是否仍为15克？ （=0.05）
引
言
统计假设——通过实际观察或理论分析对总体分布形式 或对总体分布形式中的某些参数作出某种 假设。 假设检验——根据问题的要求提出假设，构造适当的统 计量，按照样本提供的信息，以及一定的 规则，对假设的正确性进行判断。
基本原则——小概率事件在一次试验中是不可能发生的。
基本概念
引例：已知某班《应用数学》的期末考试成绩服从 正态分布。根据平时的学习情况及试卷的难易程度，估 计平均成绩为75分，考试后随机抽样5位同学的试卷， 得平均成绩为72分，试问所估计的75分是否正确？ “全班平均成绩是75分”，这就是一个假设 根据样本均值为72分，和已有的定理结论，对EX=75 是否正确作出判断，这就是检验，对总体均值的检验。
医学统计学课件：假设检验
数据展示
不同职业人群的身高和体重数据。
统计方法
方差分析，推断不同职业人群的身 高和体重是否具有统计学差异。
06
总结与展望
医学统计学在假设检验中的重要性
数据驱动决策
医学统计学在假设检验中扮演着核心角色，其原理和方法为数 据驱动的决策提供了基础框架。
提高诊断准确性
通过假设检验，医学统计学可以帮助医生做出更准确的诊断， 从而更好地制定治疗方案。
详细描述
方差分析的步骤包括提出假设、计算统计 量F值、确定临界值和作出结论。该方法可 以分析多个样本数据之间的差异，推断出 各样本所代表的总体的平均值之间是否存 在显著差异。
04
假设检验的注意事项
假设检验的前提条件
ห้องสมุดไป่ตู้样本与总体
样本是总体的代表，总体是样本的来源。在进行假设检验时，必须清楚定义总体和样本， 并考虑样本的代表性、样本大小和效应大小等因素。
研究目的
探讨该地区高血压与年龄的关系。
研究设计
收集该地区各年龄组人群的高血压患病率 数据，进行分析。
数据展示
各年龄组高血压患病率数据。
统计方法
卡方检验，探索不同年龄组之间高血压患 病率是否存在差异。
实例三
研究目的
探讨该地区不同职业人群的身高与 体重是否存在差异。
研究设计
收集不同职业人群的身高和体重数 据，进行对比分析。
02
假设检验的统计学原理
概率论与统计学关系
1
概率论是数学的一个分支，主要研究随机事件 发生的可能性。
2
统计学是利用概率论研究随机数据的方法和原 理的一门学科。
3
假设检验是统计学中利用概率论原理对未知的 总体参数进行推断的方法。
医学统计学课件：假设检验
统计推断基础
参数估计
用样本数据估计总体参数的方法。
显著性检验
理解显著性检验的基本原理和方法。
假设检验
根据样本数据对总体参数进行检验的方法。
置信区间
掌握置信区间的概念和计算方法。
03
参数假设检验
单参数假设检验
定义
单参数假设检验是当我们只有一个总 体参数需要检验时的假设检验。例如 ，我们可能需要确定一个药物是否对 一组患者的平均血压有降低作用。
应用场景：例如，检验某种新药的疗效是否显著优于安 慰剂。
案例二：两样本t检验
总结词：两样本t检验是一种常用的假设检验方 法，适用于比较两个独立样本的平均数是否存在 显著差异。
详细描述
1. 定义假设：通常包括零假设（H0，即两个样本的 平均数无差异）和对立假设（H1，即两个样本的平 均数存在差异）。
02
假设检验的数学基础
概率基础
概率定义
表示随机事件发生的可能性程度。
概率运算
掌握加法、乘法和条件概率等运算方法。
独立性和互斥性
理解事件之间的独立性和互斥性。
分布基础
分布定义
描述随机变量取值的概率规律。
连续型和离散型分布
理解连续型和离散型分布的概念和特点。
常用分布
掌握常用的分布及其性质，如正态分布、二项分布等。
假设检验步骤
根据符号分布，计算临界值和p值，判断假设是 否成立。
05
假设检验的注意事项与误用
假设检验的注意事项
明确研究目的和背 景
在假设检验前，需要明确研究目 的和背景，以便确定合适的假设 和检验方法。
合理选择样本量和 样本类型
样本量和样本类型的选择对假设 检验的结果具有重要影响。在确 定样本量时，需要考虑研究目的 、研究设计、误差概率等因素。
中南民族大学医药数理统计第六章和第七章 假设检验.
第六章假设检验假设检验是推断性统计学中的一项重要内容它是先对研究总体的参数作出某种假设然后通过样本的观察来决定假设是否成立假设检验是推断性统计学中的一项重要内容它是先对研究总体的参数作出某种假设然后通过样本的观察来决定假设是否成立参数假设参数假设样本观察样本观察假设检验假设检验具体的统计方法具体的统计方法第六章假设检验假设检验的基本思想前提
第六章
假设检验
3. 总体分布未知，但为大样本时的u检验
若总体X的分布未知，均值μ和方差σ2存在， (x1, x2, …, xn)是 来自总体X的一个大样本(n≥50)，由独立同分布的中心极限定 理，对任意实数 x，都有 n ⎧ ∑ x − nμ ⎫ 1 2 i x t − 1 x μ − ⎧ ⎫ ⎪ i =1 ⎪ 2 lim P ⎨ e dt ≤ x ⎬ = lim P ⎨ ≤ x⎬ = ∫ n →∞ n →∞ nσ ⎩σ / n ⎭ −∞ 2π ⎪ ⎪ ⎩ ⎭ 当σ2已知，且H0 ：μ = μ 0为真时
第六章
假设检验
假设检验 是推断性统计学中的一项重要内容，它是先 对研究总体的参数作出某种假设，然后通过样本的观察来 决定假设是否成立 具 体 的 统 计 方 法
参 数 假 设
样 本 观 察
假 设 检 验
第六章
假设检验
假设检验的基本思想 小概率 事件发生 前提： 承认 原假设
进行一次实验
拒绝 原假设
第六章
假设检验
显著水平与两类错误
第一类错误：弃真（显著水平α） 显著 水平 与 两类 错误
P{拒绝 H 0 H 0 为真 } = α
P{接受 H 0 H 0 不真 } = β
第二类错误：取伪
第六章
假设检验
对于一定的样本容量n ，不能同时做到两 类错误的概率都很小。如果减小α错误， 就会增大犯β错误的机会；若减小β错 误，也会增大犯α错误的机会。
第六章
假设检验
3. 总体分布未知，但为大样本时的u检验
若总体X的分布未知，均值μ和方差σ2存在， (x1, x2, …, xn)是 来自总体X的一个大样本(n≥50)，由独立同分布的中心极限定 理，对任意实数 x，都有 n ⎧ ∑ x − nμ ⎫ 1 2 i x t − 1 x μ − ⎧ ⎫ ⎪ i =1 ⎪ 2 lim P ⎨ e dt ≤ x ⎬ = lim P ⎨ ≤ x⎬ = ∫ n →∞ n →∞ nσ ⎩σ / n ⎭ −∞ 2π ⎪ ⎪ ⎩ ⎭ 当σ2已知，且H0 ：μ = μ 0为真时
第六章
假设检验
假设检验 是推断性统计学中的一项重要内容，它是先 对研究总体的参数作出某种假设，然后通过样本的观察来 决定假设是否成立 具 体 的 统 计 方 法
参 数 假 设
样 本 观 察
假 设 检 验
第六章
假设检验
假设检验的基本思想 小概率 事件发生 前提： 承认 原假设
进行一次实验
拒绝 原假设
第六章
假设检验
显著水平与两类错误
第一类错误：弃真（显著水平α） 显著 水平 与 两类 错误
P{拒绝 H 0 H 0 为真 } = α
P{接受 H 0 H 0 不真 } = β
第二类错误：取伪
第六章
假设检验
对于一定的样本容量n ，不能同时做到两 类错误的概率都很小。如果减小α错误， 就会增大犯β错误的机会；若减小β错 误，也会增大犯α错误的机会。
医药卫生医学统计学假设检验
均数不同，H1：μ≠μ0
=0.05
▲ 计算统计量：Z 统计量： Z= ▲ 确定概率值：
x 0 Sx
|Z|=9.58 Z = 1.96 |Z|＞ Z p < =0.05;
▲ 做出推论:
Z= 9.58> 1.96, p < 0.05 = , 小概率事件发生 了，原H0假设不成立；拒绝H0 , 接受H1， 可认为： 某校女大学生身高均数与一般女子身高均数不同； 某校女大学生身高均数与一般女子身高均数差别有 显著性。
α是在统计推断时，预先设定的一个小概率值，是当 H0为真时，允许错误地拒绝H0的概率，是检验水准。
P值是由实际样本决定的，是指从由H0所规定的总 体中随机抽样，获得大于及等于（或小于）现有样本检 验统计量值的概率。
5、两类错误（I型错误 与Ⅱ型错误 ）
统计推断可能出现的4种结果
拒绝H0，接受H1
H0为真
α是在统计推断时，预先设定的一个小概率值，是当H0 为真时，允许错误地拒绝H0的概率。
双侧与单侧检验界值比较
(2) 选定适当的检验方法，计算检验
统计量值 t 检验 Z 检验
设计类型 资料的类型和分布 统计推断的目的 n的大小 如完全随机设计实验中，已知样本均数
与总体均数比较，n又不大，可用t检验， 计算统计量t值。
I型错误 （α）
（假阳性错误）
不拒绝H0
推断正确 （1－α）
（可信度）
H0为假 推断正确 （1－β） Ⅱ型错误 （β）
（检验效能、把握度） （假阴性错误）
无效假设（H型错误与Ⅱ型错误)：
Ⅰ型错误：H0原本是正确的
假阳性错误 误诊
拒绝H0 弃真
用α 表示
=0.05
▲ 计算统计量：Z 统计量： Z= ▲ 确定概率值：
x 0 Sx
|Z|=9.58 Z = 1.96 |Z|＞ Z p < =0.05;
▲ 做出推论:
Z= 9.58> 1.96, p < 0.05 = , 小概率事件发生 了，原H0假设不成立；拒绝H0 , 接受H1， 可认为： 某校女大学生身高均数与一般女子身高均数不同； 某校女大学生身高均数与一般女子身高均数差别有 显著性。
α是在统计推断时，预先设定的一个小概率值，是当 H0为真时，允许错误地拒绝H0的概率，是检验水准。
P值是由实际样本决定的，是指从由H0所规定的总 体中随机抽样，获得大于及等于（或小于）现有样本检 验统计量值的概率。
5、两类错误（I型错误 与Ⅱ型错误 ）
统计推断可能出现的4种结果
拒绝H0，接受H1
H0为真
α是在统计推断时，预先设定的一个小概率值，是当H0 为真时，允许错误地拒绝H0的概率。
双侧与单侧检验界值比较
(2) 选定适当的检验方法，计算检验
统计量值 t 检验 Z 检验
设计类型 资料的类型和分布 统计推断的目的 n的大小 如完全随机设计实验中，已知样本均数
与总体均数比较，n又不大，可用t检验， 计算统计量t值。
I型错误 （α）
（假阳性错误）
不拒绝H0
推断正确 （1－α）
（可信度）
H0为假 推断正确 （1－β） Ⅱ型错误 （β）
（检验效能、把握度） （假阴性错误）
无效假设（H型错误与Ⅱ型错误)：
Ⅰ型错误：H0原本是正确的
假阳性错误 误诊
拒绝H0 弃真
用α 表示
医学统计学-假设检验概述
二、假设检验应注意的问题
假设检验利用小概率反证法思想，从问题对立面 (H0)出发间接判断要解决的问题(H1)是否成立。在H0 成立的条件下计算检验统计量，获得P值来判断。当P ≤，就是小概率事件。
小概率事件原理：小概率事件在一次抽样中发生 的可能性很小，如果它发生了，则有理由怀疑H0，认 为H1成立，该结论可能犯的错误。
当不拒绝H0时，没有拒绝实际上不成立的H0,这 类错误称为Ⅱ类错误(“存伪”)，其概率大小用β 表示。
假设检验中的两类错误
客观实际
拒绝H0
不拒绝H0
H0成立 第Ⅰ类错误（α） 推断正确（1- α）
H0不成立 推断正确（1- β） 第Ⅱ类错误（β）
α与β的关系： 当样本量一定时, α愈小, 则β愈大，反之α愈大,
距法
理论上：
• 总体偏度系数1=0为对称，1>0为正偏态，1<0为负偏态； • 总体峰度系数2=0为正态峰，2>0为尖峭峰，2<0为平阔峰。 • 只有同时满足对称和正态峰两个条件时，才能认为资料服从
假设检验概述
第五章 假设检验概述
第一节 假设检验的分类、论证方法与步骤 一、假设检验的分类 二、假设检验的论证方法 三、假设检验的步骤
第二节 假设检验的两类错误和注意事项 一、Ⅰ型错误和Ⅱ型错误 二、应用假设检验的注意事项
第三节 正态性检验与数据转换 一、正态性检验 二、数据转换
第四节 例题和SPSS电脑实验
P>：不拒绝H0 ,还不能认为差异有统计学意义… P：拒绝H0，接受H1 ,差异有统计学意义…
第二节 假设检验的两类错 误和注意事项
一、Ⅰ型错误和Ⅱ型错误
1. Ⅰ型错误： 当拒绝H0时，可能拒绝了实际上成立的H0，这
医药数理统计方法6-2假设检验的常用方法
数理统计
小结：置信区间法 临界值法 P 值法
06-02-10
(=0.05)
数理统计
在假设 H0:=0 成立的前提下
ux0 ~N(0,1) n
06-02-06
数理统计
06-02-07
P 值法 是用统计量的样本值，作为相
应的临界值，所确定的概率水平。
数理统计
06-02-08
例 有作用强烈的某种药物，按规定
每片的有效成分含量为0.5mg。今随 机 抽 取 某 厂 生 产 的 这 种 药 品 12 片 ，
(=0.05)
数理统计
06-02-04
总体均数 的 1 置信区间为
Байду номын сангаас
(xu ,xu )
2n
2n
数理统计
06-02-05
例 有作用强烈的某种药物，按规定
每片的有效成分含量为0.5mg。今随 机 抽 取 某 厂 生 产 的 这 种 药 品 12 片 ， 测得片平均有效成分含量为 0.4938mg 。 假 定 药 片 有 效 成 分 含 量 服 从 标 准 差 为 0.01mg 的 正 态 分 布 。 问这个厂家的产品是否符合要求？
测得片平均有效成分含量为 0.4938mg 。 假 定 药 片 有 效 成 分 含 量 服 从 标 准 差 为 0.01mg 的 正 态 分 布 。 问这个厂家的产品是否符合要求？
数理统计
06-02-09
例 有作用强烈的某种药物，按规定
每片的有效成分含量为0.5mg。今随 机 抽 取 某 厂 生 产 的 这 种 药 品 12 片 ， 测得片平均有效成分含量为 0.4938mg 。 假 定 药 片 有 效 成 分 含 量 服 从 标 准 差 为 0.01mg 的 正 态 分 布 。 问这个厂家生产的药片每片的有效 成分含量是否低于规定标准0.5mg？
医药数理统计方法6-1假设检验的基本思想
数理统计
06-01-12
（2）在原假设成立条件下，构造一 个与本问题密切相关且分布已知的 统计量
数理统计
06-01-13
（3）对于给定的 值做出检验结
论，并给以专业解释 先由样本值计算出统计量的值，
若此值落在拒绝域中，就拒绝假设 H0，反之，则不能拒绝假设 H0。
数理统计
06-01-14
拒绝域(critical region) 拒绝假设的区域，称为拒绝域，
性，以最后决定对该假设的取舍。
这种关于总体的种种假设称为统计
假设，处理假设的统计方法称为统
计假设检验，简称假设检验，也称 显著性检验(significance test)。
数理统计
06-01-07
参数检验(parametric test) 已知总体分布类型对其未知参
数的假设作假设检验，称为参数检 验。
数理统计
小结：假设检验 小概率原理 假设检验的一般步骤 原假设，备择假设 拒绝域 双侧检验，单侧检验 两类错误 假设检验的目的
06-01-25
(type I error) ，犯这类错误的概率就
是显著性水平 。
（2）H0 实际不真，而我们接受了它， 这类“取伪”的错误称为第二类错误
(type II error)，犯这类错误的概率记
为 。
数理统计
06-01-21
判断
实际情况
H0 为真
H0 为不真
接受 H0 正确 1 第二类错误
拒绝 H0 第一类错误 正确 1
医药数理统计方法6-1假设检验的基 本思想
数理统计
06-01-02
第一节 假设检验 的基本思想
数理统计
一、问题的提出 二、小概率原理 三、假设检验的一般步骤 四、两类错误
医学统计学——假设检验
样本均数 x = 65次/分；
x 代表经常参加体育锻炼的男生总体，其总体
均数是未知的，用 表示 。
2020/9/23
8
当所比较的两个或几个样本指标（均数或率）、或样本指 标（均数或率）与已知总体指标（均数或率）有差异时，应考虑到
造成这种差别的原因只有以下两种可能：
⑴这两个或几个样本均数（或率）是来自同一总体的， 其差别仅仅由于抽样误差（即偶然性所造成）；
H0
0
0
H1
≠ 0 ＞ 0 （或＜ 0 ）
❖ 样本均数与样本均数的比较
双侧检验 单侧检验
H0
1 2
1 2
H1
1 ≠ 2
1 ＞ 2（或＜2 ）
2020/9/23
13
2、计算统计量 ➢ 由样本变量值按相应的公式计算统计量， 如 u 值、 t值、χ2 值等。
本例是计量资料、样本与总体比较、 n为大 样本，选均数的U检验，则计算 U统计量。
假设检验的目的：就在于排除抽样误差的影 响，区分差别在统计上是否成立。
2020/9/23
4
三、假设检验的原理/思想
❖ 根据小概率事件在一次实验中不可能出现。
即：某事件发生的可能性：P ≤ 0.05及以下，则该事件
在实验100次才出现5次，那么在一次实验时是不可能出现的。
如假设（H0）所导致差异的概率（P）很小、 即 P ≤ 0.05，据以上的原理则认为不可能由假设 （H0）导致所比较资料之间的差异。
2020/9/23
1
第一节 假设检验的概念与原理
假设检验是抽样研究的主要目的之二。
一、概念：
亦称差异的显著性检验。 首先对总体的特征（参数、分布）作出某种
假设（H0），然后根据样本资料对所作的假设（H0） 进行检验，通过抽样研究的统计推理，对此假设应 该被拒绝还是接受作出结论。
医药应用统计-假设检验
19:46
我们总希望犯两类错误的概率、都很小，但在 样本容量n确定时，同时使、都很小是不可能的。 故在实际应用中，通常先限制犯第一类错误的概率， 再适当增加样本容量来减少犯第二类错误的概率 。 一般选取=0.05或0.01、0.1。
19:46
四、假设检验的一般步骤 综上所述，我们可得到进行假设检验的一般步骤： (1)建立原假设H0和备择假设H1； (2)确定检验统计量及其分布，并由给定样本值计算 检验统计量的值； (3)根据显著性水平，确定拒绝域； (4) 作出统计判断,若统计量的值落在拒绝域内，则 拒绝原假设H0，接受备择假设H1；否则，就接受原假设 H 0。
/ n
~ N (0,1)
19:46
并计算 Z 检验统计量的观测值 z； （3）对于给定的显著性水平，查N(0,1) 分 位数表（附表4） ，得到临界值z/2，使得
P (| Z | z / 2 ) ， （对应地，有 P( Z z / 2 ) 2 ）
19:46
（4）统计判断：当|z|> z/2时，拒绝H0，接受H1，即 认为与0有显著差异； 当|z|≤z/2时，接受H0，认为与0无显著差异。 该检验运用服从标准正态分布N(0,1)的检验统计 量Z，故称为Z检验（Z test ）或U检验 (U test)。 在上述检验中，原假设是 H0: =0，
19:46
案例5.1是正态总体均值的参数检验问题， 在方差2已知和原假设H0成立下，考虑的无偏 估计量 X 的抽样分布，有
X ~ N ( 0 ,
2
n
)，
故可以取
Z X 0
n
~ N (0,1)
作为检验统计量。
19:46
Hale Waihona Puke 下面我们就可利用上述原理来解决案例5.1的问题 案例5.1（续） 解：应检验原假设H0:=500；备择假设H1:≠500。 由题中条件得 x =504.5，0=500，2=6.52。 则检验统计量Z的观测值为
假设检验-医学统计学
▪ 有可能得到手头的结果，故根据现有的样本无法拒绝事先的假设。
12
假设检验的一般思想
假设检验的意义 假设检验的基本思想 假设检验的一般步骤
定量资料均数的t检验
样本均数与总体均数比较的 t 检验 两个样本均数的 t 检验 配对样本的 t 检验 t 检验的应用条件 假设检验应用的注意事项
13
样本：随机抽查25名男炊事员的血清总胆固醇，求得其均数为 5.1mmol/L，标准差为0.88mmol/L。
▪ 医学统计学
1
假设检验的一般思想
假设检验的意义 假设检验的基本思想 假设检验的一般步骤
定量资料均数的t检验
样本均数与总体均数比较的 t 检验 两个样本均数的 t 检验 配对样本的 t 检验 t 检验的应用条件 假设检验应用的注意事项
2
假设检验的一般思想
假设检验的意义 假设检验的基本思想 假设检验的一般步骤
总体参数
未知
样本统计量
统计 推断
已知
风险
总体Α是100例正常成年男子的血红蛋白(单位：g/L)，从中随机抽
取从样中本随机a1抽和取样样本本ab2
；总体B是另外100例正常成年男子的血红蛋白， ；三个样本的含量均为10例，有关数值如下：
µ
σ
a1/b1
a2
A
130
7.5
131.9
128.3
B
140
8.2
138.2
6
▪ 在知道A和B总体的参数时
a1-a2 a1-b1
抽样误差 本质差别
7
▪ 假如事先不知道A和B是不是同一个总体
a1-b1
抽样误差
？
本质差别
A=B A≠B
12
假设检验的一般思想
假设检验的意义 假设检验的基本思想 假设检验的一般步骤
定量资料均数的t检验
样本均数与总体均数比较的 t 检验 两个样本均数的 t 检验 配对样本的 t 检验 t 检验的应用条件 假设检验应用的注意事项
13
样本：随机抽查25名男炊事员的血清总胆固醇，求得其均数为 5.1mmol/L，标准差为0.88mmol/L。
▪ 医学统计学
1
假设检验的一般思想
假设检验的意义 假设检验的基本思想 假设检验的一般步骤
定量资料均数的t检验
样本均数与总体均数比较的 t 检验 两个样本均数的 t 检验 配对样本的 t 检验 t 检验的应用条件 假设检验应用的注意事项
2
假设检验的一般思想
假设检验的意义 假设检验的基本思想 假设检验的一般步骤
总体参数
未知
样本统计量
统计 推断
已知
风险
总体Α是100例正常成年男子的血红蛋白(单位：g/L)，从中随机抽
取从样中本随机a1抽和取样样本本ab2
；总体B是另外100例正常成年男子的血红蛋白， ；三个样本的含量均为10例，有关数值如下：
µ
σ
a1/b1
a2
A
130
7.5
131.9
128.3
B
140
8.2
138.2
6
▪ 在知道A和B总体的参数时
a1-a2 a1-b1
抽样误差 本质差别
7
▪ 假如事先不知道A和B是不是同一个总体
a1-b1
抽样误差
？
本质差别
A=B A≠B
医学统计学：5假设检验
n P X
n
检验假设为：
H0 : 0 H1 : 0
当H0成立时，检验统计量为：
Z
X n 0
n 0 1 0
~
N 0,1
Z
p 0
0 1 0
~
N 0,1
n
当n不太大时，需作连续性校正：
Z
X n 0 0.5
n 0 1 0
~
N
0,1
Z
p 0
0.5 n
0 1 0
~
N 0,1
这表明在自然情况下，25只鸭感染只数不超过1 只属于小概率事件，很难在一次实验中出现，故 在α=0.05水准上，拒绝H0，接受H1 ，差别有高 度统计学意义，可以认为药物对预防感染有效。
正态近似法
如果二项分布的π或1-π不太小，则当n足够大时， 即阳性数与阴性数都大于等于5时，近似地有
X ~ N (n , n 1 P ~ N , 1
它不成立。
❖小概率思想：是指小概率事件在一次随机试验中
认为基本上不会发生。
概率小于多少算小概率是相对的，在进行统计分
析时要事先规定，即检验水准。
二、假设检验的基本步骤：
例5-1 已知一般无肝肾疾患的正常人群尿素氮 均值为4.882mmol/L，16名脂肪肝患者的尿素 氮平均值为5.997mmol/L，标准差为 1.920mmol/L。问脂肪肝患者尿素氮测定值得 均数是否与正常人相同？
造成两者不等的原因：
①同一总体，即 0 但有抽样误差存在； ②非同一总体，即 0 存在本质上的差别，
同时有抽样误差存在。
0
0
0
0
XX
假设检验的基本步骤（采用反证法思想）
1、建立检验假设与单双侧 2、确定检验水准 3、选择检验方法并计算统计量 4、确定P值 5、作出推断结论
n
检验假设为：
H0 : 0 H1 : 0
当H0成立时，检验统计量为：
Z
X n 0
n 0 1 0
~
N 0,1
Z
p 0
0 1 0
~
N 0,1
n
当n不太大时，需作连续性校正：
Z
X n 0 0.5
n 0 1 0
~
N
0,1
Z
p 0
0.5 n
0 1 0
~
N 0,1
这表明在自然情况下，25只鸭感染只数不超过1 只属于小概率事件，很难在一次实验中出现，故 在α=0.05水准上，拒绝H0，接受H1 ，差别有高 度统计学意义，可以认为药物对预防感染有效。
正态近似法
如果二项分布的π或1-π不太小，则当n足够大时， 即阳性数与阴性数都大于等于5时，近似地有
X ~ N (n , n 1 P ~ N , 1
它不成立。
❖小概率思想：是指小概率事件在一次随机试验中
认为基本上不会发生。
概率小于多少算小概率是相对的，在进行统计分
析时要事先规定，即检验水准。
二、假设检验的基本步骤：
例5-1 已知一般无肝肾疾患的正常人群尿素氮 均值为4.882mmol/L，16名脂肪肝患者的尿素 氮平均值为5.997mmol/L，标准差为 1.920mmol/L。问脂肪肝患者尿素氮测定值得 均数是否与正常人相同？
造成两者不等的原因：
①同一总体，即 0 但有抽样误差存在； ②非同一总体，即 0 存在本质上的差别，
同时有抽样误差存在。
0
0
0
0
XX
假设检验的基本步骤（采用反证法思想）
1、建立检验假设与单双侧 2、确定检验水准 3、选择检验方法并计算统计量 4、确定P值 5、作出推断结论
医学统计学：假设检验
THANKS
谢谢您的观看
04
假设检验的常见错误与注意 事项
第一类错误与第二类错误
第一类错误
当原假设为真时，拒绝原假设，即错误地认 为原假设是错误的。其概率通常用α表示， 也称为显著性水平。
第二类错误
当原假设为假时，不拒绝原假设，即错误地 认为原假设是正确的。其概率通常用β表示
。ห้องสมุดไป่ตู้
差异检验与趋势检验的注意事项
• 差异检验：主要用于比较两组或多组数据的均值是否存在显著差异。注意事项包括 • 确定样本是否独立：在进行t检验或方差分析时，样本应是独立取得的，否则将影响结果的准确性。 • 确定总体方差是否已知：在进行t检验时，如果总体方差未知，则应采用t'检验或Welch t检验。 • 正确理解p值：p值是假设检验的核心，它表示观察到的数据与原假设之间的矛盾程度。一般来说，如果p值
04 第四步
根据样本数据和临界值进行推断。 如果检验统计量大于临界值，则拒 绝原假设；如果检验统计量小于临 界值，则不拒绝原假设。
假设检验的意义与应用
意义
假设检验是统计学中最重要的方法之一，它可以帮助我们科 学地推断样本数据所反映的总体的性质，从而为科学研究提 供依据。
应用
假设检验广泛应用于各个领域，如医学、社会科学、自然科 学等。在医学领域中，假设检验被广泛应用于临床试验、流 行病学研究、病因学研究等方面。
要点三
多因素方差分析：这种检验方法用于 比较两个或更多个分类变量的均值是 否存在显著差异。多因素方差分析常 用于研究多个分类变量对连续变量的 影响，其中每个分类变量的取值均为 两个或更多水平。
回归分析
回归分析是一种常用的统计分析方法 ，主要用于研究连续变量与分类变量 之间的关系。在回归分析中，我们需 要确定回归系数以及它们的显著性水 平，以揭示自变量对因变量的影响程 度和方向。
生物医学研究的统计方法-假设检验
H0值
观察到的样本统计量
样本统计量
右侧检验 （显著性水平和拒绝域）
抽样分布
置信水平
拒绝H0
1-
接受域
H0值 观察到的样本统计量
临界值
样本统计量
右侧检验
（显著性水平和拒绝域）
抽样分布
置信水平
1-
接受域
拒绝H0
H0值 临界值
样本统计量
观察到的样本统计量
（四）作出统计决策
决策规则
1. 给定显著性水平，查表得出相应的临界值z
H0
... 因此我们拒绝
假设 = 30
样本均值
二、假设检验的步骤
提出零假设H0与备择假设H1 选择适当的检验统计量，并计算具体数值 规定显著性水平，计算临界值，指定拒
绝域。
将统计量的值与临界值比较，作出决策
■ 统计量的值落在拒绝域，拒绝H0 ，否则不 拒绝H0
■ 可以直接利用P 值作出决策
原假设与备择假设的确 定
检验某项声明的有效性
1. 将所作出的说明(声明)作为原假设 2. 对该说明的质疑作为备择假设 3. 先确立原假设H0
除非我们有证据表明“声明”无效， 否则就应认为该“声明”是有效的 当拒绝H0时，应考虑采取措施纠正该项说明
原假设与备择假设的确定
【例】由统计资料得知，2019年某地新生儿的平均 体重为3190克，现从2019年的新生儿中随机抽 取100个，测得其平均体重为3210克，问2019 年的新生儿与2019年相比，体重有无显著差异。 试陈述用于检验的原假设与备择假设
什么是备择假设？(alternative hypothesis)
1. 与原假设对立的假设，也称“研究假设” 2. 研究者想收集证据予以支持的假设，总是有
- 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)。
《医药数理统计方法》
§6.1
三、假设检验的一般步骤 1、建立原假设和备择假设； 2、在原假设成立条件下，构造一个与本问 题密切相关且分布已知的统计量； 3、做出检验结论，并给以专业解释。
《医药数理统计方法》
§6.2
§6.2 假设检验的常用方法
一、置信区间法 二、临界值法 三、P值法
《医药数理统计方法》
∴拒绝H0，即认为这个厂家的产品不符合要求。
《医药数理统计方法》
§6.1
注：1)拒绝“μ=0.5”，正确的说法是“μ与 0.5有显著性差异”，或者说“μ与0.5有统 计学意义。” 2) “拒绝”一个假设，我们有100(1α)%的把握，作出的结论是相当有力的。而 “不拒绝”，则是软弱无力的。 P( U 2.58) P( U u 0.01 ) 0.01 3)例6.1若给出 2 我们的结论是不拒绝H0，即认为这个厂家的 产品符合要求。 α的大小还直接决定着检验结论的性质， 故把α称为检验的信度或检验的显著性水平。
《医药数理统计方法》
§6.1
注：分类 1)参数检验(parametric test) 已知总体分布类型,对其未知参数的假 设作假设检验，称为参数检验。 2)非参数检验(nonparametric test) 对未知总体分布类型的总体假设作假设 检验，称为非参数检验。
《医药数理统计方法》
§6.1
2、小概率原理 一个概率很小的事件（即小概率事件）， 在一次试验中一般是不应该发生的。 那么，若在所作假设成立的条件下，某 事件为小概率事件。然而，它在一次试验 中竟然发生了，便有理由认为它不是小概 率事件，而推理过程并无差错，因此只能 认为假设不正确，从而拒绝该假设。这就 是小概率原理。 小概率事件的概率常用α表示，一般 α≤0.05，尤其多取α=0.05和α=0.01。
《医药数理统计方法》
§6.1
例6.1 有作用强烈的某种药物，按规定 每片的有效成分含量为0.5mg。今随机抽 取某厂生产的这种药品12片，测得药片的 平均有效成分含量为0.4938mg。假定药片 有效成分含量服从标准差为0.01mg的正态 分布。问这个厂家的产品是否符合要求？
《医药数理统计方法》
这些都是假设检验问题。
《医药数理统计方法》
Байду номын сангаас
§6.1
1、假设检验 根据某种实际需要，预先对未知总体作 出一些假设，然后再根据实测样本的信息去 检验假设的合理性，以最后决定对该假设的 取舍。这种关于总体的种种假设称为统计假 设，处理假设的统计方法称为统计假设检验， 简称假设检验(hypothesis testing)，也称 显著性检验(significance test)。
《医药数理统计方法》
§6.1
二、两类错误 1、分类： 1)第一类错误：H0正确，被检验拒绝； 2)第二类错误：H0不正确，没有被拒绝。 注：一个假设检验犯第一类错误的概率就是 显著性水平α。 2、奈曼和皮尔逊提出：从理论上讲，一个 好的检验总是在保证犯第一类错误的概率α 不超过给定数值的前提下，使犯第二类错误 的概率降低到最小。
§6.1
解：设药片有效成分含量为X(mg), 则X～N(μ,σ2), μ未知，σ2已知。 建立H0:μ=0.5, H1:μ≠0.5 若H0成立，则
U X
N (0,1)
样本值
n 0.4938 0.5 u 2.1477 0.01 12
2
P( U 1.96) P( U u 0.05 ) 0.05
《医药数理统计方法》
§6.1
Ch6 假设检验
§6.1 假设检验的基本思想
一、假设检验的概念 二、两类错误 三、假设检验的一般步骤
《医药数理统计方法》
§6.1
一、假设检验的概念
在实际问题中，经常会遇到根据样本所提供 的信息，判断总体是否具有某种指定的特征。 如 1)总体分布是否服从某一类型？ 2)总体的某个参数与某个定值是否有实质性 差异？ 3)同类型的两个总体的某个参数是否相同？ ……
《医药数理统计方法》
§6.3
§6.3 正态总体均值的检验
一、方差已知条件下的u检验 二、方差未知条件下的t检验
《医药数理统计方法》
§6.3
一、方差已知条件下的u检验
§6.2
例6.1 有作用强烈的某种药物，按规定 每片的有效成分含量为0.5mg。今随机抽 取某厂生产的这种药品12片，测得药片的 平均有效成分含量为0.4938mg。假定药片 有效成分含量服从标准差为0.01mg的正态 分布。问这个厂家的产品是否符合要求？
《医药数理统计方法》
§6.1
解(一)：设药片有效成分含量为X(mg), 则X～N(μ,σ2), μ未知，σ2已知。 建立H0:μ=0.5, H1:μ≠0.5 若H0成立，则
U X
N (0,1)
样本值
n 0.4938 0.5 u 2.1477 0.01 12
2
P( U 1.96) P( U u 0.05 ) 0.05
∴拒绝H0，即认为这个厂家的产品不符合要求。
《医药数理统计方法》
§6.1
解(二)：设药片有效成分含量为X(mg), 则X～N(μ,σ2), μ未知，σ2已知。 建立H0:μ=0.5, H1:μ≠0.5 若H0成立，则
U X
N (0,1)
样本值
n 0.4938 0.5 u 2.1477 0.01 12
《医药数理统计方法》
§6.2
u 0.04 2.0537 u 2.1477 2.1701 u
2
0.03 2
P( U 2.1701) P( U 2.1477) P( U 2.0537) 即 0.03 P( U 2.1477) 0.04
∴拒绝H0，即认为这个厂家的产品不符合要求。
《医药数理统计方法》
§6.2
注：1)解(一)为临界值法---事先给定α，用 临界值去表示拒绝域。 2)解(二)为P值法---根据统计量的样本 值去反查临界值表求出对应的小概率事件的 概率值，记作P。只要P≤0.05，就拒绝原假 设H0。 由于受到临界值表的限制，求精确值不 方便时，要注明P值尽可能准确的范围。 近年来报刊杂志等文献资料上多采用P 值法。