假设检验基础

合集下载

假设检验基础知识

假设检验基础知识

6.检验方法 p值法:计算检验统计量以及p值 当p值≤α,拒绝H 当p值>α,不能拒绝H0 临界值法:计算检验统计量以及临界值 当检验统计量在临界阈中时,拒绝H 当检验统计量不在临界阈中时,不能拒绝H0
7.非技术用于的总结:使用非技术用语对原命题进行总结 第一类错误和第二类错误
第一类错误:当原假设为真时,拒绝原假设的错误 第二类错误:当原假设为假时,没有拒绝原假设的错误 统计功效 统计功效是当原假设为假时,正确拒绝原假设的概率,即1-β
总体均值的假设检验
t分布 正态性或者n>30的条件 大样本的样本均值的分布趋于正态分布 小样本的正态性条件 样本数据的分布应该接近于轴对称 样本数据的分布应该有一个众数 样本数据不应包括任何异常值 t分布重要性质 t分布随着样本量的不同而不同 与正态分布具有相同的钟形曲线,但因样本小而具有更大的变异性 t分布的均值为0 t分布的标准差随着样本量的变化而变化,但肯定大于1 随着样本量n的增大,t分布越来越接近于正态分布
总体标准差或方差的假设检验
卡方分布的性质 卡方分布为非负数,且分布不具有对称性 卡方分布随着自由度的不同而不同
显著性水平α 总体参数的估计值,该值不能等于原假设中的总体参数值
总体比例的假设检验
正态近似法 等价法:使用p值法或临界值法来进行假设检验,而使置信区间来估计总体比例 样本为简单随机样本 满足二项分布的所有条件 有固定的实验次数 试验之间相互独立 结果有且仅有两种可能 每次试验概率不变
精确法 假设已知样本量n、成功次数x,以及原假设中的总体比例p 左侧检验:p值=P(在n次实验中,x或更少的成功次数) 右侧检验:p值=P(在n次实验中,x或更多的成功次数) 双侧检验:p值=2*min(左侧值,右侧值)

第七章假设检验基础

第七章假设检验基础

3t检验的应用条件是什么?
1随机样本 2来自正态总体 3均数比较时,要求两总体方差相等(方差齐性)
4假设检验中P之的意义是什么?
如果总体状况与Ho一致,统计量获得现有数值以及更不利于Ho的数值的概率。
5如何确定检验水准?
需根据研究类型,研究目的,变量类型及变异水平,样本大小等诸多因素。
配对设计资料的t检验:配对设计是研究者为了控制可能存在的非处理因素而采用的一种试验设计方法。
检验统计量:t=dbar-0 / Sd/√n,ν=n-1.其中dbar为差值的均数,Sd为差值的样本标准差,n是对子数。
两独立样本资料的t检验:
㈠两样本所属总体方差相等
检验统计量:t=X1bar-X2bar / √Sc^2(1/n1+1/n2)
6如何恰当地应用单侧与双侧检验?
单侧与双侧检验的应用首先应考虑所要解决问题的目的,根据专业知识来确定。若从专业知识判断一种方法的结果不可能低于或高于另一种方法的结果时,可用单侧检验;在尚不能从专业知识判断两种结果谁高谁低时,则用双侧检验。一般认为双侧检验较保守和稳妥。
大样本资料的z检验:即把它当正态分布处理。计算z。
泊松分布资料的z检验:
单样本资料的z检验:与大样本资料处理方法一致,只是相应的把λ=μ,
λ=σ^2代入即可。
两独立样本资料的z检验:1两样本观察单位数相等时,z=X1-X2 / √ X1+X2
2观察单位不等时,z=X1bar-X2bar /√ X1bar/n1+X2bar/n2.
Sc^2=(∑(X1-X1bar)^2 + ∑(X2-X2bar)^2 ) / n1+n2-2,为合并的方差。

第六章假设检验基础PPT课件

第六章假设检验基础PPT课件

❖假设检验的原理: 假设检验的基本思想是反证法和小
概率的思想
❖反证法思想:首先提出假设(由于未经检验是否成立,
所以称为无效假设),用适当的统计方法确定假设
成立的可能性大小,如果可能性小,则认为假设不
成立,拒绝它;如果可能性大,还不能认为它不成立
❖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
一、一组样本资料的t 检验(one sample/group t-test)
现有取自正态总体N(μ,σ2)的、容量为n 的一份 完全随机样本。 目的:推断该样本所代表的未知总体均数µ与已知总体 均数µ0是否相等已知总体均数µ0是指标准值,理论值 或经大量观察所得的稳定值。
n136135
3. 确定P值
指从H0规定的总体中随机抽得等于及 大于(或等于及小于)现有样本获得
的检验统计量值的概率。
4. P值的意义:如果总体状况和H0一致,统计量获 得现有数值以及更不利于H0的数值的可能性(概率) 有多大。
5.
t0 .2 (3 5 ) 50 .68 t 2 t0 .2 (3 5 ) 5得 P 0 .25
H0一般设为某两个或多个总体参数 相等,即认为他们之间的差别是由 于抽样误差引起的。H1的假设和H0 的假设相互对立,即认为他们之间 存在着本质的差异。H1的内容反映 出检验的单双侧。
单双侧的确定: 一是根据专业知识,已知东北某县囱
门月龄闭合值不会低于一般值; 二是研究者只关心东北某县值是否高
于一般人群值,应当用单侧检验。 一般认为双侧检验较为稳妥,故较为
目的要求选用不同的检验方法。
4、确定P值: P值是指由H0所规定的总体中做随机抽
样,获得等于及大于(或等于及小于)现 有统计量的概率。当求得检验统计量的值 后,一般可通过特制的统计用表直接查出P 值。

06.假设检验基础

06.假设检验基础

个统计量落入区域 拒绝域 是个小概率事件。
如果该统计量的实测值落入拒绝域,也就是说,
H0 成立下的小概率事件发生了,那么就认为H0
不可信而否定它。否则我们就不能否定H0 (只
好接受它).
假设检验的基本步骤:
1. 建立检验假设,确定检验水准;
H0:零假设、无效假设。是与研究假设有关的、被推断特 征某种确定的关系; H1:备择假设、对立假设。是被推断总体特征的另一种关 系或状况,与H0既有联系又互相对立。 检验水准,将小概率事件具体化,即规定概率不超过 就是小概率。
应用条件:差值服从正态分布!
假设检验的步骤
1. 建立检验假设,确定检验水准;
H 0 : d 0, H 1 : d 0,
0.05(双侧)
2. 计算统计量;
d 0 ~ t , n 1 Sd n
t
X 0 X 0 t , n 1 SX S n
假设检验
——通过对假设作出取舍抉择来达到解决问题的目的
A.东北某县儿童囱门闭和月龄的总体均数与北方一般儿
童的均数相等无差异假设、零假设 H0(null hypothesis)
B.东北某县儿童囱门闭和月龄的总体均数与北方一般儿
童的均数不相等对立假设、备择假设H1(alternative
hypothesis)
单样本t检验
One sample t-test
试验设计
一组样本均数(代表未知总体均数)与已知总 体均数(一般为理论值、标准值或经过大量
观察所得稳定值等)的比较。
X 0 X 0 t , n 1 SX S n
应用条件:样本来自正态分布的总体 且为随机样本!
例:根据大量调查,已知健康成年男子的脉

假设检验基础知识

假设检验基础知识

假设检验基础知识在我们的日常生活和各种研究领域中,经常需要对一些观点或情况进行判断和验证。

假设检验就是这样一种强大的工具,它帮助我们基于样本数据来做出有关总体的推断。

那什么是假设检验呢?简单来说,假设检验就是先提出一个关于总体的假设,然后通过收集样本数据,运用统计方法来判断这个假设是否成立。

假设检验中有两个重要的概念:原假设和备择假设。

原假设通常是我们想要去推翻的那个假设,它表示“现状”或者“默认”的情况。

备择假设则是我们希望能够证明成立的假设。

比如说,我们想研究一种新的教学方法是否能提高学生的考试成绩。

原假设可能是“新教学方法对学生的考试成绩没有提高作用”,而备择假设就是“新教学方法能提高学生的考试成绩”。

在进行假设检验时,我们还需要考虑检验的类型。

常见的有单侧检验和双侧检验。

单侧检验又分为左侧检验和右侧检验。

双侧检验关心的是总体参数与某个特定值之间是否存在显著差异,而不关心差异的方向。

比如,我们检验某种药物的平均效果是否与标准值不同,这时候就用双侧检验。

单侧检验就有方向上的考虑了。

左侧检验是当我们关心总体参数是否小于某个特定值时使用。

比如,检验某种设备的故障率是否低于规定的水平。

右侧检验则是在关心总体参数是否大于某个特定值时采用。

像是检验新产品的销量是否高于旧产品。

确定好假设和检验类型后,接下来就要根据样本数据计算检验统计量。

这个检验统计量是根据我们所选择的检验方法和样本数据计算出来的一个数值。

然后,我们要根据检验统计量的值来确定 P 值。

P 值就是在原假设成立的情况下,得到当前样本结果或者更极端结果的概率。

如果 P 值很小,比如小于我们事先设定的显著性水平(通常是 005或 001),那我们就拒绝原假设,认为备择假设更有可能成立。

相反,如果 P 值大于显著性水平,我们就没有足够的证据拒绝原假设。

举个例子,假设我们要检验一个工厂生产的灯泡的平均寿命是否达到 1000 小时。

我们抽取了一定数量的灯泡进行测试,计算出样本的平均寿命和标准差,然后计算检验统计量,得到 P 值。

第六章--假设检验基础课件

第六章--假设检验基础课件
两样本所属总体方差相等且两总体均为正态分布
H 0 : 1 2H 1 :1 2 ( 单 1 2 或 侧 1 2 )
当H0成立时,检验统计量:
t X1X2 ~t, n1n22
Sc2n 11n12
第六章 假设检验基础
Sc2
n1
1S12 n2 1S22
n1 n2 2
X1 X1 2 X2 X2 2 n1 n2 2
第六章 假设检验基础
55、作出推断结论:当P≤时,结论为 按所取检验水准α拒绝H0,接受H1,差异有 统计学显著性意义。如果P> ,结论为按 所取检验水准α不拒绝H0,差异无统计学显 著性意义。其间的差异是由抽样误差引起
的。
第六章 假设检验基础
1.建立检验假设
原 假 设 H0:0 14.1 备 择 假H设1 :0(单 侧 ) 检 验 水 准: 0.05
第六章 假设检验基础
检验假设为:
H 0 : d 0H 1 :d 0 ( 单 d 0 或 侧 d 0 )
当H0成立时,检验统计量:
td0 ~t, n1
Sd n
第六章 假设检验基础
表6第-1二用节药前t后检患儿验血清中免疫球蛋白IgG(mg/dl)含量
二、序号配对设计资用料药前的t 检验 用药后
n1 20, X1 17.15,S1 1.59,n1 34, X2 16.92,S2 1.42
Sc2
n1
1S12 n2 1S22
n1 n2 2
2011.592 3411.422
20342
2.2 0
t X1 X2 17.1516.92 0.550
Sc2
1 n1
1 n2
2.20 1 1 20 34
得治疗前后舒张压(mmHg)的差值(前–后)如下表。问新药和标准药的疗效

(卫生统计学)第六章 假设检验基础

(卫生统计学)第六章 假设检验基础

药前后患儿血清中免疫球蛋白IgG(mg/dl)含量
编号 1 2 3 4 5 6 7 8 9 10 11 12
用药前 1206.4 921.69 1294.08 945.36 721.36 692.32 980.01 691.01 910.39 568.56 1105.52 757.43
用药后 1678.44 1293.36 1711.66 1416.70 1204.55 1147.30 1379.59 1091.46 1360.34 1091.83 1728.03 1398.86
目的
H0
H1
双侧检验 是否μ1≠μ2
μ1=μ2
μ1≠μ2
单侧检验 是否μ1>μ2
μ1=μ2
μ1>μ2
或是否μ1<μ2
μ1=μ2
μ1<μ2
返回
选定检验方法和计算检验统计量
要根据研究设计的类型和统计推断的目的选用不同的检验方法。如 成组设计的两样本均数的比较用t检验(小样本)或Z检验(大样本), 两样本方差的比较用F检验。
(卫生统计学)第六章 假设检验基础
第一节、假设检验的概念与原理 一、假设检验的思维逻辑
1.小概率原理 小概率事件在一次随机试验中几乎是不可能发生
2.假设检验处理问题的特点 ⑴从全局的范围,即从总体上对问题作出判断 ⑵不可能对总体的每个个体均作观察
二、假设检验步骤
例6-1 已知北方农村儿童前囟门闭合月龄为14.1月。某研究者从东北某县抽取36名 儿童,得囟门闭合月龄均值为14.3月,标准差为5.08月。问该县儿童前囟门闭合月 龄的均数是否大于一般儿童?
四、方差齐性检验 homogeneity of variance test

第7章 假设检验基础

第7章 假设检验基础

S
2 X1
S
2 X2
2
S
4 X1
S
4 X2
n1 1 n2 1
34
第七章 假设检验基础
H0:1 2 H1 : 1 2 0.05
n1 8, X1 13.7, S1 4.21, n2 12, X 2 6.5, S2 1.34
t X1 X2
S12
S
2 2
n1 n2
13.7 6.5 4.6817 4.212 1.342
31
第七章 假设检验基础
H0
:
2 1
2 2
H1
:
2 1
2 2
,
0.05
F
S12 S22
1.022 0.562
3.3176,
1 10 1 9,
2 10 1 9
查F 临界值表3.2:F0.05,(9,9)=4.03,F < F0.05,(9,9) ,得P>0.05
按α=0.05水准不拒绝H0,故还不能认为两法检测结 果精度不同。
7
第七章 假设检验基础
2、确定检验水准: 亦称为显著性水准,符号为α,是预
先给定的概率值。它是当前研究中约定的 小概率事件的概率水平。
8
第七章 假设检验基础
3、选择检验方法并计算统计量: 要根据所分析资料的类型和统计推断的
目的要求选用不同的检验方法。
4、确定P 值: 目的是明确当前抽样结局是否为原假
已知:0 14.1 X 14.3 s 5.08 n 36
4
第七章 假设检验基础
从统计学角度考虑东北某县与北方儿童 前囟门闭合月龄有差别有两种可能: 1)差别是由于抽样误差引起。 2)差异是本质上的差异,即二者来自不同 总体。

假设检验基础2014-09-25

假设检验基础2014-09-25

=0.05
(2)计算检验统计量
本例 n=36, X =130.83g/L,S=25.74g/L,
0 =140g/L。按公式(3-15)
130.83 140 t 2.138, 36 1 35 25.74 36
(3)确定P值,作出推断结论
以=35、 t 2.138 2.138 查附表 2 的 t 界 值表,因 t0.05/ 2,35 <2.138 < t0.02 / 2,35 ,故双尾概 率 0.02<P<0.05。按 = 0.05 水准,拒绝 H0, 接受 H1,有统计学意义。结合本题可认为从 事铅作业的男性工人平均血红蛋白含量低于 正常成年男性。
(1)建立检验假设,确定检验水准 H0:1=2 H1: 1 2 =0.05
(2)计算检验统计量
X 1 2.0650 mmol/L,标准差S1 3.0601 mmol/L;
X 2 2.6250 mmol/L,标准差S2 2.4205 mmol/L。
t X1 X 2 ( n1 1) S (n2 1) S 1 1 ( ) n1 n2 2 n1 n2
假设检验基础
一、检验假设与P值
假设检验基本思想
假设检验过去称显著性检验。它是利 用小概率反证法思想,从问题的对立面 (H0)出发间接判断要解决的问题(H1)是否
成立。然后在H0成立的条件下计算检验
统计量,最后获得P值来判断。
问题实质上都是希望通过样本统计量 与总体参数的差别,或两个样本统计
量的差别,来推断总体参数是否不同。
2 2 1 1 ( n 1) S ( n 1) S 1 1 2 1 1 2 2 SC ( ) ( ) n1 n2 n1 n2 2 n1 n2

统计学中假设检验基础知识

统计学中假设检验基础知识
H0:p≥p0 H1:p<p0 如果p值小于等于α,则拒绝H0 如果z小于等于Zα,则拒绝H0
上侧检验 假设:H0:p≤p0 H1:p>p0 如果p值小于等于α,则拒绝H0 如果z大于等于Zα,则拒绝H0
双侧检验 假设:H0:p=p0 H1:p≠p0 如果p值小于等于α,则拒绝H0
统计学中假设检验基础知识
原假设和备择假设的建立
原假设和备择假设 原假设:对总体参数做一个尝试性的假设 备择假设:与原假设的内容完全对立的假设
将研究中的假设作为备择假设 许多假设检验的应用都是试图搜集证据来支持研究中的假设,通常最好从备择假 设开始
将受到挑战的假说作为原假设 从有关总体参数值的说法是真实的开始,利用假设检验对这种假定提出怀疑,并 确定是否有统计证据支持得出假定不正确的结论
总体均值假设检验
p值法与临界值法 p值法:利用检验统计量计算P值,p值是一个概率值,度量样本所提供的证据对 原假设的支持程度 p值越小说明拒绝原假设的证据越多 如果p值小于等于α,拒绝H0 临界值法:确定临界值的检验统计量,临界值是确定检验统计量的值是否小到足 以拒绝原假设的一个基准
如果z≤-zα。则拒绝H0 -zα为临界值,即标准正态分布下侧的面积为α时对应的z值 总体方差/标准差已知情形 单侧检验 H0:大于等于样本均值,H1:小于样本均值 H0:小于等于样本均值,H1:大于样本均值 双侧检验 H0:μ=μ0 H1:μ≠μ0 总体方差/标准差未知情形 利用样本均值估计总体均值,用样本标准差估计总体标准差,总体均值加深基于 t分布 单侧检验 H0:μ小于等于N H1:μ大于等于N 双侧检验 H0:μ=N H1:μ≠N
单侧检验与双侧检验 单侧检验:原假设是大于或小于 双侧检验:原假设用等号
第一类错误和第二类错误

第六章假设检验基础

第六章假设检验基础

假设检验亦称为显著性检验, 假设检验亦称为显著性检验,是判 断样本指标与总体指标或样本指标与样 本指标之间的差异有无统计学意义的一 种统计方法。 种统计方法。
样本指标与总体指标之间差异产生的原因有: 样本指标与总体指标之间差异产生的原因有: 1.抽样误差---亦即样本来自于该总体。 ---亦即样本来自于该总体 .抽样误差---亦即样本来自于该总体。
H 0:µ = µ 0
H 1 : µ ≠ µ 0 (单侧µ > µ 0或µ < µ 0 )
t=
X − µ0 s n
~ t (ν ), ν = n − 1
配对设计资料的t 二、配对设计资料的 检验
配对设计是研究者为了控制可能存在的主要非处理 因素而采用的一种试验设计方法。 因素而采用的一种试验设计方法。 形式: 形式: 将受试对象配成特征相近的对子, ⑴将受试对象配成特征相近的对子,同对的两个受试对 象随机分别接受不同处理; 象随机分别接受不同处理; 同一样品分成两份,随机分别接受不同处理(或测量) ⑵同一样品分成两份,随机分别接受不同处理(或测量) 同一受试对象处理前后,数据作对比。 ⑶同一受试对象处理前后,数据作对比。
假设检验的基本步骤: 二、假设检验的基本步骤: 已知北方农村儿童前囟门闭合月龄为14.1月。某 例6-1 已知北方农村儿童前囟门闭合月龄为 月 研究人员从东北某县抽取36名儿童,得囟门闭合月龄 研究人员从东北某县抽取 名儿童, 名儿童 均值为14.3月,标准差为 均值为 月 标准差为5.08月。问该县儿童前囟门闭 月 合月龄的均数是否大于一般儿童? 合月龄的均数是否大于一般儿童?
称之为差异无统计学意义。 称之为差异无统计学意义。 差异无统计学意义
从某地13岁女孩的总体中(总体均数为155.4 13岁女孩的总体中 155.4cm) 如:从某地13岁女孩的总体中(总体均数为155.4 随 机抽取一个样本,样本均数为154.6 154.6≠155.4, 154.6, 机抽取一个样本,样本均数为154.6,154.6≠155.4, 是因为抽样误差所致。 是因为抽样误差所致。 2.除抽样误差之外,主要是由于样本并不是来自 除抽样误差之外, 除抽样误差之外 于该总体而导致的本质差异。 于该总体而导致的本质差异。

第六章假设检验基础

第六章假设检验基础

表1 12名儿童分别用两种结核菌素的皮肤浸润反应结果(mm)
编号
1 2 3 4 5 6 7 8 9 10 11 12
标准品
12.0 14.5 15.5 12.0 13.0 12.0 10.5
7.5 9.0 15.0 13.0 10.5
新制品
10.0 10.0 12.5 13.0 10.0
5.5 8.5 6.5 5.5 8.0 6.5 9.5
解析:已知μ0=20mg/L, n=11, X 2 0 .9 8 4 m g / L
S 1.068m g / L
一个总体: N(μ,σ2),检验μ是否不同于20mg/L。 建立检验假设并确定检验水准 H0:μ=20mg/L H1:μ≠ 20mg/L α=0.05
21
一、单组样本资料的t 检验
出在零假设的前提下,出现目前样本数据对应的统计 量数值乃至比它更极端数值的概率P值; 如果P ≤α,则结论为:按所取的检验水准拒绝H0,接 受H1,认为差异有统计学意义; 如果P >α ,则结论为:按所取的检验水准不拒绝H0, 尚不能认为差异有统计学意义。
15
统计决策 不拒绝H0
实际情况
H0为真
H0为假
例5 两组小白鼠分别饲以高蛋白和低蛋白饲料, 四周后记录小白鼠体重增加量(g)如下表所示 ,问两组动物体重增加量的均数是否相等?
编号 1 2 3 4 5 6 7 8 9 10 11 12
高蛋白组(X1) 50 47 42 43 39 51 43 48 51 42 50 43
X 45.750 S12 17.659
Sta tterXStnh1112wXaSni2t222e~近t 似(法( S(n1S211/2n/11n)12

第6章 假设检验基础

第6章 假设检验基础
统计推断: 事先规定一个“小”的概率a (检验水准) 若 P 值小于a ,拒绝零假设; 若 P 值不小于a ,则不拒绝零假设。
5
配对设计资料的 t 检验
n 配对设计(paired design)是一种特殊的设计方式,能够 很好地控制非实验因素对结果的影响,有自身配对和异 体配对之分。
n 配对设计资料的分析着眼于每一对观察值之差,这些差 值构成一组资料,用 t 检验推断“差值的总体均数是否为 0”。
3.48
3.50
­0.02




12
2.69
2.66
0.03
13
3.09
3.20
­0.11
14
2.98
2.92
0.06
15
2.65
2.60
0.05
8
1. 建立检验假设,确定检验水准
H 0 : md = 0 ,即差值的总体均数为 0 H 1 :md ¹ 0 ,即差值的总体均数不为 0
2. 计算统计量 n=15, d =0.06, sd = 0.10
X1 ~ N( m1 ,s 2 ), X2 ~ N( m2 ,s 2 )
1. 建立检验假设,确定检验水准
H0: m1 = m2 , 或 m1 - m2 = 0 H1: m1 ¹ m2, 或 m1 - m2 ¹ 0
a =0.05
4
2. 计算统计量
X1
~
N(
m1
s2
, n1
)

X2
~
N(
m2
s2
, n2
小结(Summary)
1. t 检验是以 t 分布为基础的一类比较均数的假设检验方法。 2. t 检验的应用条件为随机样本、来自正态总体、方差齐性。 3. 单样本 t 检验是推断该样本所属总体的均数与已知的某一 数值有无差别。配对设计资料的 t 检验着眼于差值的总体均 数是否为0。
  1. 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. 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. 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)。
2 1 2 2
第一类错误和第二类错误
假设检验的结果
实际情况
拒绝 H0
H0 成立 H0 不成立
接受 H0
I 型错误() 把握度(1-) II 型错误()
第一类错误和第二类错误
第一类错误(Type I Error)
拒绝了实际上是成立的H0; “弃真”
第二类错误(Type II Error)
t x 0 ; sx
U x 0
x
或U
x 0 sx
d 0 d t sd sd / n
t x1 x2
2 2 s1 ( n1 1) s2 ( n2 1) 1 1 ( ) n1 n2 2 n1 n2
;U
x1 x 2
2 2 s1 s2 n1 n2
= 3.768)
0.001,23
(3) (4)
P <0.001
按=0.05水准,拒绝H0,接受H1 。 差别有统计学意义,可以认为病毒性肝炎 患者的转铁蛋白含量较低。
成组设计的两样本均数比较的Z检验
U检验:两样本含量n1、n2大于50或100。方差齐性
Z
x1 x 2 s s n1 n2
(2)计算检验统计量
d 10.67 t 3.305 sd / n 11.18 / 12
可以认为该药对高血压教育干预对该地区儿童的血红蛋白 有影响,且血红蛋白(%)有所增加。
(3)确定 P 值。 查t 界值表得,P < 0.05。 (4)作结论:按= 0.05水准,拒绝H0 ,接受H1,
例7-3 两种方法测定血清Mg2+ (mmol/l)的结果
肝炎组
2=?
均 数: 273.18 标准差: 9.77
均 数: 231.86 标准差: 12.17
分析步骤:
(1) H0 : 1=2, 两组血清转铁蛋白平均含量相等; H1 : 1≠2, 两组血清转铁蛋白平均含量不等。 =0.05。 (2) 计算检验统计量
x1 x 2 t Sx x
计算统计量
Z
X

29.58 25 0.916 25
确定P值和作统计推断 由标准正态分布表查得,与Z=0.916相对应的单 侧P=0.1788(Z=0.92时)因此P>0.05,按α = 0.05水准,尚不能拒绝H0,可以认为2005年该市 无菌性化脓发生率能达到要求。
当两总体均数都大于20时,依据Poisson分 布近似正态分布的原理,可以应用Z检验对 其总体均数进行推断。 检验假设H0:λ1=λ2, H1:λ1≠λ2
t
X 0 S/ n
二、配对设计的t检验
1.同一受试对象治疗前后的数据; 2.同一样品用两方法(或仪器等)检验的结果; 3. 配对的两个受试对象分别接受两种处理之后的数据。
t=
d 0 Sd
表7-2 健康教育干预三个月前后血红蛋白(%)
病人编号 (1) 1 2 3 干预前 (2) 36 46 53 干预后 (3) 45 64 66 差值d (4)=(2)-(3) 9 18 13
t0.05,35=1.691
因t<t0.05,35。所以P>0.05。
4.做推断结论 假设检验的推断结论是对“H0是否
真实”作出判断。
如果P值小于或等于检验水准α,意味着在H0成立的前提 下发生了小概率事件,根据“小概率事件在一次随机试验
中不(大)可能发生”的推断原理,怀疑H0的真实性,从 而做出拒绝(reject)
两组独立样本资料的Z检验
当两样本观测单位数相等时,检验统计量为
Z
X1 X 2 X1 X 2
X1 X 2 X1 X2 n1 n2
两样本观测单位数不等时,检验统计量
Z
例7-9 甲、乙两检验师分别观察15名正常人 末梢血嗜碱性白细胞数量。每张血片均观察 200个视野。结果甲计数到嗜碱性白细胞26个, 乙计数到29个。试问两位检验师检查结果是 否一致? 1.建立检验假设 H0:λ1=λ2 , H1:λ1≠λ2 α=0.05
均数的假设检验应用条件 t检验的前提 独立性(Independence) 正态性(Normality) 方差齐性(Homogeneity)
两组独立样本资料的方差齐性检验 2 2 2 12 2 H0:, 1 2 H1:
S(较大) F S(较小)
2 1 2 2
ν 1=n1-1,ν 2=n2-1
例7-6 某口腔医院选择所在市40-50岁慢性牙周炎 患者36例,测得吸烟组(18人)菌斑指数均值为 84.71,标准差为8.14,非吸烟组(18人) 菌斑指数 均值为82.20,标准差为6.18,试检验两总体方差 2 2 S1 8.14 是否相等?
F
S
2 2

6.18
2
1.7348
1 n1 1 18 1 17, 2 n2 1 18 1 17
图7-1 假设检验示意图
t检验的分类
Z检验的条件: σ已知或σ未知但n足够大(如n >100)。 t检验的条件: 1. σ未知,n较小; 2.样本来自正态分布的总体; 3.两样本均数比较时还要求两总体方差相等。 一、单样本资料的t检验
H0 :μ =μ 0,
H1 :μ ≠μ 0(单侧检验μ >μ 0或μ <μ 0)
假设检验的步骤:
1.选择检验方法,建立检验假设并确定检验 水准 H0:μ某县=μ北方=14.1(月),总体上该县儿童 H1 : μ某县>μ北方,该县儿童前囟门闭合月龄的平
均水平高于一般儿童的平均水平
前囟门闭合月龄的平均水平与一般儿童的平均水 平相同
检验水准(size of a test) α=0.05 或0.01
试样号 1 2 甲基百里酚蓝法 0.94 1.02 葡萄糖激酶法 0.92 1.01 差值 -0.02 -0.01
3 4
5 6 7 8 9 10 11
1.14 1.23
1.31 1.41 1.53 1.61 1.72 1.81 1.93
1.11 1ቤተ መጻሕፍቲ ባይዱ22
1.32 1.42 1.51 1.61 1.72 1.82 1.93
第七章 假设检验基础
假设检验的概念与原理
例7-1 已知北方农村儿童前囟门闭合月龄为14.1月。某研 究人员从东北某县抽取36名儿童,得囟门闭合月龄均值为 14.3月,标准差为5.08月。问该县儿童前囟门闭合月龄的 均数是否大于一般儿童?
在“儿童前囟门闭合月龄为14.1月”的前提下,“正 常北方儿童前囟门闭合月龄的均数等于一般儿童”的机 会是很大的, ,如果出现某县“儿童前囟门闭 合月龄的均数等于一般儿童”的P≤0.05或者 P≤0.01的小概率事件,统计学认为这种小 概率事件是不可能发生的。除非是“某县 儿童”出现了异常的情况。
查附表3.2,F0.05(17,17)=2.28, 知P<0.05,在α =0.05 水平上不能拒绝H0。可以认为两个总体方差相等。
U的区间估计和常用假设检验方法的公式
用途 U的95%可信区间 样本与总体的比较 配对资料的比较 成组设计两样本 比较 公式
x t 0.05 ( v ) s ( ) x 1.96s x x 1.96 x x
2.计算统计量:
d 0 0.0033 0 t 0.771 Sd / n 0.01497/ 12
自由度 ν=n-1=12-1=11. 查附表2(t临界值表),双侧 t0.20,11 = 1.363, 因P>0.20,在α=0.05水平上不能拒绝H0。 所以尚不能认为两法测定结果不同。
三、两独立样本资料的t检验
2.计算统计量
t检验的统计量t
t
自由度:
x 0 s/ n

14.3 14.1 5.08 / 36
0.236
n 1 36 1 35
3.确定P值 P值的意义是: 如果总体状况和H0一致,
统计量获得现有数值以及更不利于H0的数值的可 能性(概率)有多大?
自由度为35 ,查附表2,得到: 单侧
-0.03 -0.01
0.01 0.01 -0.02 0 0 0.01 0
12
2.02
2.04
0.02
例7-3 用两种方法测定12份血清样品中 Mg2+ 含量(mmol/l)的结果见表6-2。试问 两种方法测定结果有无差异?
1.建立检验假设 H0:μd= 0, H1:μd≠0 α =0.05 n=12 d 2 0.026 d 0.04 d 0.0033 Sd={[0.026-(-0.04)2/12]/(12-1)}1/2=0.01497
扬 州 大 学 医 学 院
预防医学
Poisson分布资料的Z检验 当总体均数λ≥20时,依据Poisson分布近似正态 分布的原理,可以对其总体均数进行推断。 检验假设 H0:λ=λ0, 检验统计量为
H1:λ≠λ0
Z
X

例7-8 某市计划2005年接种吸附百白破 联合疫苗后无菌化脓发生率控制在25/10万 人次,该市随机抽查2005年接种吸附百白 破联合疫苗77755人次,其中发生化脓例数 为23例,试问2005年该市无菌性化脓发生 率能否达到要求? 1. 建立检验假设 p=23/77755=29.58/105 π=25/105 H0:λ= 25, H1:λ>25 α=0.05
接受了实际上是不成立的H0。 “存伪”
I 型错误和 II 型错误图示
1-
0
不拒绝H0
界 值
1
拒绝H0
I 型错误和 II 型错误图示
1-
0
不拒绝H0
界 值
1
拒绝H0
假设检验时应注意的问题
相关文档
最新文档