计量资料统计推断(t检验)-预防医学-课件

合集下载

预防医学- t检验PPT

预防医学- t检验PPT

t =d d d 0 d , n 1
S d
Sd n Sd n
式中,d 为每对数据的差值, d 为差值的样本均数,
Sd



的标准差

S d
为差值样本均数的标准误,
n

对子数。
30
配对的主要形式有: 同源配对
①同一受试对象处理前后的数据; ②同一受试对象两个部位的数据; ③同一样品用两种方法(仪器)检验的结果;
22
(一)单样本 t 检验
(one sample t-test)
即样本均数 X(代表未知总体均数)与
已知总体均数0(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。其检 验统计量按下式计算
t X X X 0 , n 1
S X
Sn Sn
23
例15.14
t检验
一、 假设检验的基本原理
■ 假设检验的基本原理 ➢反证法:
当一件事情的发生只有两种可能A和B,为了肯定 一种情况A,但又不能直接证实A,这时否定另一种可能 B,则间接肯定了A。
➢概率论(小概率):
如果一件事情发生的概率很小,那么在一次试验 时,我们说这个事件是”不会发生的”。从一般的常识 可知,这句话在大多数情况下是正确的,但有犯错误的 时候,因为概率小也是有可能发生的。
(
1 n1

1 n2
)

(n1 1)S12 (n2 1)S22 ( 1 1 )
n1 n2 2
n1 n2
式中 S 为两样本均数之差的标准误; X1 X 2
S
2 c
为两样本合并方差。
40

计量资料的统计推断 ppt课件

计量资料的统计推断  ppt课件

4.71 4.66

0.33 0.46

M
4.90
0.29
ppt课件
6
二、(均数)标准误的计算

X
n
三、 (均数)标准误
S S
X
n
意义:反映抽样误差的大小。标准误越小,抽样
误差越小,用样本均数估计总体均数的可靠性越
大。
与样本量的关系:S 一定,n↑,标准误↓
ppt课件
7
t—分布
t分布(t-distribution)是在1908年由英国统 计学家W.S. Gosset所发表的论文中提出 来的一种小样本分布。t分布只有一个参 数,即自由度(degree of freedom, df),
数学符号为 , n 1 。
ppt课件
8
t 分布
t分布曲线与标准正态分布曲线皆为对称 的、均数为0的钟形曲线。与标准正态分 布相比,t分布曲线顶部稍低而左右两段 稍高。不过,t分布是一簇曲线。当自由 度不同时,曲线的形状不同。当自由度
较小时,与标准正态分布区别明显,当 → 时,t分布曲线与标准正态分布完全 重合,见下图。
ppt课件
4
一、概念
标准误
抽样误差:由于抽样引起的样本统计量与总 体参数之间的差异(举例,抽样误差的产 生及含义)。
标准误 :符号,表示抽样误差大小的指标; 样本均数的标准差;
ppt课件
5
抽样误差
均数的抽样误差。
总体 μ =5,σ =0.5
样本
红细胞计数

( 1012/L,X)
X
S
1
5.59 5.11 4.26 5.11 4.74 … 5.55

t检验医学统计学PPT课件

t检验医学统计学PPT课件

[
sc2
( x12
x1)2 ][ n1
( x22
n1 n2 2
x2)2 ] n2
(n1 1)s12 (n2 1)s22 n1 n2 2
第36页/共78页
例8-7 :
表8-4 男女大学生的血清谷胱甘肽过氧化酶(GSH-PX)
性别 例 数 均 数 标准差 男 48 96.53 7.66 女 46 93.73 8.23
身高与以往男子平均身高相等
H1:µ≠µ0=170cm,即即现在该地20岁男子平均
身高与以往男子平均身高不等
α= 0.05,双侧检验
第9页/共78页
⑵ 选定检验方法,计算检验统计量 根据题目资料类型,可见,该资料是样本与
总体之间的比较,且σ已知可用样本-总体的Z
检验。依公式计算检验统计量:
z x 0 x 0
值样本是否来自零总体(μd=0 ),如来自零总体
,则两方法检测值相同,如不是来自零总体,则 表明两方法检测值的不一致,不是由抽样误差引 起,而是来自不同的总体。
第25页/共78页
⑴ 建立检验假设,确定检验水准
H0:µd=0,即两方法检测结果相同 H1:µd≠0,即两方法检测结果不同 α= 0.05 ,双侧检验
第6页/共78页
在 H0 成立的前提条件下,检验统计量计算公式:
① σ已知或σ未知但n足够大:
z x
x
( )
② σ未知且n较小:
t x μ0 x μ0
sx
s n
第7页/共78页
(n1)
例8-1 根据大量调查得知,某地20岁健康成年男子平 均身高为170cm,标准差为cm。今随机抽查了该地25 名健康成年男子,求得其身高均数为172cm,标准差 为cm,能否据此认为该地现在20岁成年男子平均身高 与以往不同?

计量资料统计推断PPT课件

计量资料统计推断PPT课件
第10页/共53页
二、t 分布
大样本、小样本概念:30、50、100。 量变引起质变:当样本容量较大时,其统计量的抽样 分布近似为正态分布。随着N的增大,越来越接近于 正态分布(样本均数的分布)。 但当样本量小于100时,抽样分布不能再用正态分布 来近似,随着N的减小,与正态分布的差别越来越大, 需要用小样本理论来解释(样本均数的分布)。
第11页/共53页
1.概念
从正态分布N(μ,σ2)抽得的样本均数 服从态
分布
,对样本均数 做标准化变换。
第12页/共53页
英国统计学家W.S.Gosset证明它服从自由度 的t分布,即
t X X ~ t 分布, n 1
S X
S/ n
第13页/共53页
0.45
ν=∞
f(t) 0.4 0.35 0.3
ν=9 ν=3
0.25
0.2
0.15
0.1
0.05
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
不同自由度下的t分布图
第14页/共53页
• t 分布曲线的特征
• ⒈单峰分布,以0为中心,左右对称,类似于标 准正态分布。
• ⒉自由度ν越小,则 越大,t 值越分散,曲线
的峰部越矮,尾部越粗。
• ⒊随着自由度ν逐渐增大,t分布逐渐逼近标准 正态分布;当ν趋于∞时,t分布就完全成为标 准正态分布。故标准正态分布是t分布的特例。
由于个体差异的存在,即使从同一总体中严 格的随机抽样,X1、X2、X3、X4……,不同。因此, X1、X2 不同有两种(而且只有两种)可能:
(1)分别所代表的总体均数相同,由于抽样误差造 成了样本均数的差别。差别无显著性 。
(2)分别所代表的总体均数不同。差别有显著性。

【医学课件】预防医学-t检验

【医学课件】预防医学-t检验

t检验与相关分析的不同点
1
t检验主要用于比较两组数据的均值是否存在显 著差异,而相关分析用于衡量两个变量之间的 线性关系强度和方向。
2
t检验关注数据的分组和组间的差异,而相关分 析关注两个变量之间的共同变化趋势和相关程 度。
3
t检验通常在实验或研究中使用,样本量相对较 小,而相关分析可用于大规模数据集,样本量 不一定要相等。
1 2
适用范围
两组独立样本t检验适用于完全随机设计的两样 本均数的比较,其目的是检验两样本所来自总 体的均数是否相等。
前提条件
数据呈正态分布,两样本方差相等,且总体方 差未知但符合正态分布。
3
统计方法
采用SPSS软件计算t检验,得出t值、自由度和 相伴概率p值。
两组配对样本t检验
适用范围
01
两组配对样本t检验适用于配对设计的两样本均数的比较,目
的是检验两样本所来自总体的差值均数是否为零。
前提条件
02
数据呈正态分布,两样本方差相等,且总体方差未知但符合正
态分布。
统计方法
03
采用SPSS软件计算t检验,得出t值、自由度和相伴概率p值。
多组独立样本t检验
适用范围
多组独立样本t检验适用于完全随 机设计的多组样本均数的比较, 目的是检验多组样本所来自总体 的均数是否相等。
t检验与相关分析的相同点
t检验和相关分析都是统计分析方法,可用来研 究数据的分布和关系。
两者都可用于描述和比较数据的特征,例如均值 、中位数、方差等。
两者都可用于假设检验,通过样本数据推断总体 特征。
t检验与其他统计方法的比较
01
与方差分析(ANOVA)相比,t检验只能用于比较两组数据的均值差异,而方 差分析可用于比较多个组间的均值差异。

医学统计学——t检验课件

医学统计学——t检验课件

医学统计学——t检验课件xx年xx月xx日contents •t检验的基本概念•t检验的原理•t检验的步骤•t检验的应用•t检验的注意事项•t检验的实例演示目录01 t检验的基本概念统计假设检验的一种,用于比较两个独立样本的平均数是否有显著差异,或一个样本的平均数与一个已知的参考值之间是否有显著差异。

t检验常用于小样本数据,特别是两个独立样本的比较。

t检验的定义t检验的适用范围适用于小样本数据,特别是两个独立样本的比较;常用于检验一个样本的平均数与一个已知的参考值之间是否有显著差异;可用于二分类变量和等级变量的比较。

两个独立样本来自的总体服从正态分布;两个独立样本来自的总体方差相等;样本数据是随机样本。

t检验的假设条件02 t检验的原理两独立样本t检验适用条件样本应来自正态分布总体,且方差相等。

结果解释根据t值和自由度,结合临界值表,确定P值,判断是否拒绝原假设。

统计假设比较两组独立样本的均值是否存在显著差异,即H0:μ1=μ2与H1:μ1≠μ2。

两配对样本t检验统计假设比较两组配对样本的差值均值是否显著非零,即H0:μ1-μ2=0与H1:μ1-μ2≠0。

适用条件样本应来自正态分布总体,且方差相等。

结果解释根据t值和自由度,结合临界值表,确定P值,判断是否拒绝原假设。

单因素方差分析t检验统计假设比较三组或多组独立样本的均值是否存在显著差异,即H0:μ1=μ2=…=μn与H1:μ1≠μ2≠…≠μn。

适用条件样本应来自正态分布总体,且方差相等。

结果解释根据F值和自由度,结合临界值表,确定P值,判断是否拒绝原假设。

如果P值小于预设显著性水平α,则认为各组均值存在显著差异;否则,认为无显著差异。

03 t检验的步骤明确研究目的明确研究目的是t检验的首要步骤,决定了数据的类型和数量。

数据筛选对数据进行筛选,去除异常值和缺失值,以确保数据的有效性和可靠性。

数据分组根据研究目的,将数据分成两组或以上,以便进行比较和分析。

数值变量的统计推断-t检验PPT课件

数值变量的统计推断-t检验PPT课件

12
Ⅱ 选择统计方法,计算检验统计量
t x 0 x 0
S X
S/ n
t 74.2721PT
13
Ⅲ、确定P 值,作出推断结论
自由度公式:n1
自 由 度: n 1 3 0 1 29
查表得, t0.05(29) 2.045
t< t0.05(29) 2.045,查表得P>0.05,
计量资料统计推断 —假设检验
可编辑课件PPT
1
假设检验的意义和步骤
可编辑课件PPT
2
例1 已知健康成年男子的脉搏均数为72次/ 分,某医生在某山区随机调查30名健康男 子,求得脉搏均数为74.2次/分,标准差为 6.5次/分。能否认为该山区的成年男子的 脉搏均数高于一般成年男子的脉搏均数?
可编辑课件PPT
(S12 / n1 S22 / n2)2 (S12 / n1)2 (S22 / n2)2
n1 1
n2 1
❖ 根据自由度查t界值表,作出推断结论
❖ Satterthwaite法是统计软件中普遍使用的 方法
❖ 对例4资料进行检验
可编辑课件PPT
42
t’ 检验实例分析步骤
❖ 建立检验假设,确定检验水准
t d0 d
S d
Sd / n
t 3.25 4.520 2.4909 / 12
可编辑课件PPT
20
Ⅲ、确定P值,作出推断结论
自由度公式:n1
自 由 度: n 1 1 2 1 11
查表得, t0.05(11) 2.201
t> t0.05(11) 2.201,查表得P<0.05,
按α=0.05水准,拒绝H0,接受H1,可以 认为两种方法皮肤浸润反应结果的不同。

计量资料统计推断(t检验)-预防医学-课件

计量资料统计推断(t检验)-预防医学-课件

3
样本量的确定
合理的样本量对于可靠的t检验结果至关重要。掌握样本量的计算方法和实际应 用技巧。
步骤
假设检验
明确研究问题并提出原假设和备择假设,为接 下来的检验做好准备。
计算P值
通过t值、自由度和显著性水平计算P值,以判 断差异是否显著。
检验统计量
计算t值作为判断两个平均值是否有显著差异的 统计量。
t检验是用于比较两个平均值是否有显著差异的统计方法。它可以帮助我们判 断一种干预措施对预防医学中的结果是否产生了显著影响。
原理
1
正态分布
数据符合正态分布的假设是t检验的前提之一。了解正态分布对于正确应用t检验 至关重要。2单侧、双侧t检验
t检验可以根据研究问题和假设,选择进行单侧或双侧检验,以得出准确的结论。
结果分析
根据P值和显著性水平,判断研究结果是否支持 原假设,进行科学的结论推断和决策。
应用和实例
预防医学中的应用举例
通过实际的研究案例,展示t检验在预防医学领域中 的应用和实际效果。
使用Excel进行统计分析
探索如何使用Excel进行t检验和统计分析,使数据处 理更加高效和准确。
注意事项
数据采集和处理
2 t检验的应用前景
展望t检验在预防医学领域的应用前景,并提 供相关建议和思考。
计量资料统计推断(t检 验)-预防医学-课件
探索计量资料统计推断中的t检验在预防医学中的重要性和应用。通过深入介 绍其原理、步骤和应用实例,让你深入理解这一统计方法。
统计学概述
统计学是研究收集、整理、分析和解释数据的科学。它提供了一种方法来从 数据中推断出关于总体的信息,并进行相应的决策。
t检验是什么?为什么要使用?

6.计量资料的统计推断—t检验

6.计量资料的统计推断—t检验

6 计量资料的统计推断-t检验t检验是以t分布为理论依据的假设检验方法,常用于正态总体小样本资料的均数比较,t检验统计量有三个不同的形式,适用于单因素设计的三种不同类型:①单个样本的均数与已知总体均数比较的检验,适用于单组设计,给出一组服从正态分布的定量观测数据和一个标准值(总体均值)的资料。

②配对t检验,适用于配对设计。

③成组t检验,适用于完全随机设计的两均数比较。

SPSS中使用菜单Analyze →Compore Means作t检验,Compore Means的下拉菜单如表6-1所示。

表6-1 Compore Means下拉菜单Means…分层计算…One-Sample T Test…单样本t检验…Independent-Samples T Test…独立样本t检验…Paired-Sample T Test…配对t检验…One-Way ANOV A…单因素方差分析…6.1 计量资料的分层计算Means过程可以对计量资料分层计算均数、标准差等统计量,同时可对第一层分组进行方差分析和线性趋势检验。

例6-1某学校测得不同年级、不同性别的12名学生的身高(cm),数据见表6-2。

试用SPSS的Means过程分别计算不同年级、不同性别学生身高的均数和标准差。

表6-2 12名学生的身高(cm)解年级:1=“初一”、2=“高一”,性别:1=“男”、2=“女”。

选择Analyze→Compare Means→Means命令,弹出Means对话框,如图6-2。

在变量列表中选中身高,送入Dependent(因变量)框中;选中年级,送入Independent(自变量),确定第一层依年级分组,单击Next按钮,选中性别,送入Independent,确定第二层依性别分组;单击OK。

输出结果如图6-3所示。

在Means对话框单击Options(选项)按钮,弹出Means:Options对话框,可以选择要计算的统计量,默认Mean、Number of cases、Standard Deviation;在Statistics for First Layer中,可对第一层分组作方差分析(Anova table and eta)和线性趋势检验(Test for linearity)。

医学统计学t检验PPT课件

医学统计学t检验PPT课件
检验的统计量:
t = d d
sd nd
~t(nd 1),其中nd为对子数,因为
d =0,化简后得到课本公式:
t= d sd nd
配对设计t检验(例8.2)
24名儿童接种卡介苗,按照年龄、性别配成12对,每对中的 一人接种新制品,另外一人接种标准品;经相同部位注射, 72小时后观察结核菌素皮肤反应的直径,请问两种疫苗的反 应结果有无差别?
40 既然满足正态分布就可以作z转换,但是总体标准差
未知,而且样本例数较少,所以只能作t转换: t= x = 3.27 3.36 = 1.294 = 40 1 = 39
s / n 0.44 / 40
P /2
P/ 2
1/2α
0 -1.294 -2.023
1/2 α
t39
1.294 2.023
对子号 1 2 3
……
试验组
对照组
门诊6
门诊1
女性、55~、重度
门诊4
门诊2
男性、40~、轻度
门诊3
门诊5
女性、45~、中度
……
试验组与对照组的两个观察对象均按照一定的条件配成对子, 同一对子中的“混杂”因素在二者间几乎相同;而在不同对子 间这些“混杂”因素则有可能差别很大
配对设计的t检验
常见的配对方法之二: 将同一份样品分成两份(或同一机体不同 部位),同时、随机接受两种不同的处理方 案,例如:牙医分别用两种方法对相同患者 的牙龈取模,比较两种方法的精确度
的因素,例如要比较两种药物的疗效,如果两组 患者在开始时的病情严重程度相差较大,那么即 使最终两药的治愈情况不同,也不能归结于药物 差别;在这里患者的病情称之为非处理因素或“ 混杂”因素 配对设计就是研究者为了控制可能存在的非处理 因素对研究结果的影响而采用的一种“均衡”的 设计方法

计量资料统计推断(t检验)-预防医学-课件

计量资料统计推断(t检验)-预防医学-课件

02
t检验的步骤
建立假设
假设检验的基本思想
设立原假设的依据
在假设检验中,通常先设立一个原假 设,然后基于样本数据对原假设进行 检验,判断是否拒绝原假设。
原假设的设立通常基于已有的研究结 果、理论或实践经验,并且原假设应 该是一个可以验证的命题。
原假设与备择假设
原假设通常是研究者想要否定的假设 ,备择假设则是研究者想要接受的假 设。
p值是用于判断是否拒绝原假设 的统计量,p值越小,说明样本 数据与原假设之间的差异越大,
越有理由拒绝原假设。
显著性水平
显著性水平是预先设定的一个临 界值,用于判断是否拒绝原假设
,通常取0.05或0.01。
结论的表述
根据p值与显著性水平的比较结 果,可以得出是否拒绝原假设的 结论,并进一步解释结果的意义
断实验处理或条件改变对数据的影响。
两独立样本t检验
总结词
用于比较两个独立样本的平均值是否存 在显著性差异。
VS
详细描述
两独立样本t检验,也称为两组独立样本t 检验,是统计学中常用的方法之一,用于 比较两个独立样本的平均值是否存在显著 差异。这种方法常用于比较不同组对象的 数据、不同条件下的独立测量等。通过计 算t统计量,我们可以判断两组独立样本 的均值是否存在显著差异,从而推断不同 组别或条件对数据的影响。在进行两独立 样本t检验时,需要注意样本来自的总体 是否具有方差齐性和正态分布等统计假设 ,以确保检验结果的准确性和可靠性。
t检验的适用范围
• t检验适用于样本量较小、数据分布情况未知或总体标准差未知的情况。在预防医学领域,t检验常用于比较两组人群的生理 指标、行为习惯等计量资料的差异。
t检验的假设条件
• 假设条件包括:样本数据来自正态分布总体、总体 方差齐性、独立样本等。在进行t检验之前,需要检 验样本数据是否满足这些假设条件,以确保统计推 断的准确性。

医学统计学——t检验课件

医学统计学——t检验课件
正态分布的判断方法
可以通过图形、统计量等方法判断数据是否符合正态分布。
正态分布的意义
正态分布是许多统计方法的理论基础,如t检验、方差分析等。
t检验结果的解读与报告
t检验结果的解读
报告的内容
根据t检验的结果,可以得出两组数据是否 有统计学差异的结论。
应包括样本信息、t值、p值、置信区间等内 容。
解释t值和p值
05
t检验的注意事项与解读
样本的代表性
1 2
样本量
样本量应足够大,以便统计分析结果的可靠性 。通常,样本量越大,统计结果越稳定。
抽样方法
应采用随机抽样方法,确保样本的代表性。
3
样本的分布
样本应来自目标总体,且分布应接近目标总体 的分布。
数据的正态分布性
正态分布的概念
正态分布是一种常见的概率分布,描述了许多自然现象的概率分布情况。
假设检验与P值
假设检验
配对t检验的零假设是两组样本的均值相等,即μ1 = μ2。如 果得到的t值显著,则可以拒绝零假设,认为两组样本的均值 存在显著差异。
P值
P值是配对t检验的结果解读的关键。P值越小(通常认为小于 0.05),表示两组样本的均值差异越显著。
04
两独立样本t检验
定义与原理
定义
两独立样本t检验是用来比较两个独立样本均数是否有显著差异的统计方法。
VS
t检验常用于小样本数据集,具有操 作简便、易于理解等优点,在医学 、生物学、社会科学等领域得到广 泛应用。
t检验的适用范围
t检验适用于小样本数据集,样本量一般不超过30。
t检验要求数据呈正态分布或近似正态分布,且方差齐性。若数据不满足这些条件 ,可以采用其他统计方法,如非参数检验。

医学统计学——t检验课件

医学统计学——t检验课件

样本量大小的问题
足够的样本量是t检验准确性的重要保障
如果样本量过小,t检验的结果可能不准确。
确定合适的样本量
在医学研究中,一般认为样本量至少需要达到30才能进行t检验。同时,可以使用如Bootstrap、jackknife等 重采样方法来评估t检验的稳定性。
06
t检验的复习与巩固
概念辨析
t检验
医学统计学——t检验课件
xx年xx月xx日Βιβλιοθήκη contents目录
• t检验的基本概念 • t检验的原理 • t检验的步骤 • t检验的应用 • t检验的局限性 • t检验的复习与巩固
01
t检验的基本概念
t检验的定义
总结词
t检验是一种常用的参数检验方法,用于比较两组数据的均值 是否存在显著差异。
详细描述
计算t值
正态性检验
对数据进行正态性检验,以确定数据是否符合正态分布。
t值计算
根据样本数据计算t值,并确定自由度。
查表得出p值
p值定义
p值是统计学中表示样本数据是 否显著的重要指标。
p值计算
使用t值和自由度查表得出p值 。
解读p值
根据p值大小,判断样本数据的 显著性,从而得出结论。
04
t检验的应用
t检验是通过计算t值来评价两组数据之间的差异程度,以确定 这种差异是随机误差引起还是处理效应引起。
t检验的适用范围
总结词
t检验适用于小样本数据,特别是样本数据呈正态分布或近似正态分布的情况 。
详细描述
在医学研究中,t检验常用于比较两组病例的疗效、安全性等指标的差异,也 可以用于评价不同剂量、不同处理方式之间的差异。
实例
例如在肺癌患者的预后评估中,根据患者年龄、性别、病理 类型、肿瘤大小、淋巴结转移情况等数据,使用t检验进行统 计分析,可以得出患者的生存期是否存在显著差异,从而为 临床医生提供参考依据。

计量资料统计推断t检验和方差分析66页PPT

计量资料统计推断t检验和方差分析66页PPT

16、业余生活要有意义,不要越轨。——华盛顿 17、一个人即使已登上顶峰,也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人,而用人最大的突破在于信任人。——马云 19、自己活着,就是为了使别人过得更美好。——雷锋 20、要掌握书,莫被书掌握;要为生而读,莫为读而生。——布尔沃
1、不要轻言放弃,否则对不起自己。
2、要冒一次险!整个生命就是一场冒险。走得最远的人,常是愿意 去做,并愿意去冒险的人。“稳妥”之船,从未能从岸边走远。-戴尔.卡耐基。
梦 境
3、人生就像一杯没有加糖的咖啡,喝起来是苦涩的,回味起来却有 久久不会退去的余香。
计量资料统计推断t检验和方差分析 4、守业的最好办法就是不断的发展。 5、当爱不能完美,我宁愿选择无悔,不管来生多么美丽,我不愿失 去今生对你的记忆,我不求天长地久的美景,我只要生生世世的轮 回里有你。
END
Hale Waihona Puke
  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)。

血红蛋白(克/升)。
治疗前
治疗后
1
113
140
2
150
138
3
150
140
4
135
130
5
128
135
6
100
120
7
110
147
8
120
114
9
130
138
10
123
120
合计
差数 (d)
-27 12 10 5 -7
-20 -37
6 -8
3
-63
差数(d)= 治疗前测定值h - 治疗后测定值
13
三、配对资料的t检验
每对数据形成一个差数(d),即配对资料由一组“差 数”组成。
统计分析出发点:
当μd = 0 的时候,可以因“变异”出现d≠0
和因“抽样误差”出现d≠0的现象。
h
12
三、配对资料的t检验
例:应用克矽平治疗10名矽肺患者,根据下表资料, 评价该药能否引起血红蛋白变化?
克矽平治疗前后血红蛋白含量
患者编号
=2.5 (n<100)
3)ν=n-1=16-1=15 查表得t0.05,ν=2.131
∵t>2.131
∴ P<0.05
4)可以认为慢性肾炎患者血清无 机磷与正常人不同,即可认为慢性 肾炎会导致血清无机磷上升 。h
-2.131 0 2.131
t 分布
2.5
11
三、配对资料的t检验
配对资料:资料由成对的数据所组成。
计量资料假设检验
王晓明
h
1
教学目标
1.叙述假设检验的基本步骤 2.理解样本均数与总体均数的比较 3.掌握配对t检验的应用 4.掌握两样本均数的比较 5.叙述t检验的注意事项
h
2
复习
变异与抽样误差 正态分布与 t 分布
h
3
一、概念
以统计指标(如均数)判断所比较 的事物同质与否,称为 “假设检验” 。
例:正常人血清无机磷总体均数为4mg/dl,某地随机抽取16 个成人慢性肾炎患者,检查得血清无机磷均数为5mg/dl, 标准差为1.6mg/dl。问该地成人慢性肾炎患者的血清无机 磷是否与正常人有区别?
1)H0:μ=μ0 = 4 H1:μ≠μ0 α=0.05
2) t=
X-μ SX

5-4 1.6/ 16
(2)计算统差计别量。 t =(当n<100时)
或 U =(当n≥100时)
(3)确定概率值(P值) 通过t与t0.05(查表可得)比较, 或U与1.96(U0.05)比较
(4)用文字表达统计分析结果
h
5
2、均数差别同质与否的定性
X 转换所得 U值 <1.96 >1.96
表示 X 位于 95%范围内 95%范围外
1)H0:μ=μ0 = 4 (慢性肾炎患者血清无机磷与正常人相同)
H1:μ≠μ0 (慢性肾炎患者血清无机磷与正常人不同)
α=0.05
h
8
样本均数与总体均数比较(大样本)
例:从大量调查得知,健康成年男性脉搏均数为 72次/分钟;某工厂100名成年男工得脉搏平均数为 73.7次/分钟,标准差为5.8次/分钟。问该单位男工 与健康男性的脉搏有无不同?
h
7
二、样本均数与总体均数比较(X与μ比较)
例:正常人血清无机磷总体均数为4mg/dl,某地随机抽取16 个成人慢性肾炎患者,检查得血清无机磷均数为5mg/dl, 标准差为1.6mg/dl。问该地成人慢性肾炎患者的血清无机 磷是否与正常人有区别?
(即已知:μ= 4 X = 5 S = 1.6 n=16) X>μ,有两种可能性: 抽样误差;本质差别。 临床意义:如果证实慢性肾炎可以导致血清无机磷 发生改变,则血清无机磷测定可能被用于:探讨肾 炎病理;用于诊断肾炎或疗效观察等。
计算得:d = -6.3 Sd = 16.76
Sd = 5.3
1)H0:μd=0
(治疗前后的Hb相同, 即d≠0是抽样误差)
H1:μd≠0 (治疗前后的Hb不同)
α= 0.05
克矽平治疗前后血红蛋白含量
患者 血红蛋白(克/升)。 编号 治疗前 治疗后
差数 (d)
1 113
140
-27
2 150
138
∵│t│<2.262 ∴ P>0.05 4)可以认为克矽平治疗对血红蛋白含
临床意义:如果证实慢性肾炎可以导致血清无机磷 发生改变,则血清无机磷测定可能被用于:探讨肾 炎病理;用于诊断肾炎或疗效观察等。 1)H0:μ=μ0 = 4(慢性肾炎患者血清无机磷与正常人相同)
H1:μ≠μ0 (慢性肾炎患者血清无机本均数与总体均数比较(X与μ比较)
-1.96
(即已知:μ= 72 X = 73.7 S = 5.8 n=100)
1、H0:μ1=μ0 H1:μ1≠ μ0 α=0.05
2、U =2.93
34、、可∵以2.认9U3为=>该1.X工9-S6厂Xμ男=性∴5工P7.<38人./07的.-10脉05702搏
0
1.96
快于健康=成2.人93。
h
经计算 t 值,进行两个均数的比较,称为 t 检验。
当样本含量n≥100时,t值已接近U值。此时可用U0.05 (1.96)代替t0.05 进行判断。以计算U值作均数比较,称 为 U 检验。
h
4
1、假设检验的步骤
(1)假设、确定检验水平
H0:(无效假设)表达为μ1=μ2 即H假1:设(两备个择X所假属设总)体表相达同为,μ差1≠别μ为2 抽样 误α即差:假。(设检两验个水X所平属)总通体常不取同5%,,差表别达为为本α质= 0.05
12
3 150
140
10
4 135
130
5
5 128
135
-7
6 100
120
-20
7 110
147
-37
8 120
114
6
9 130
138
-8
10 123
120
3
合计
-63
2)t = d –μd =(-6.3)-0 = -1.89
Sd
5.3
3)ν=n-1=10-1=9 查表得t0.05,ν=2.262
9
二、样本均数与总体均数比较(X与μ比较)
例:正常人血清无机磷总体均数为4mg/dl,某地随机抽取16 个成人慢性肾炎患者,检查得血清无机磷均数为5mg/dl, 标准差为1.6mg/dl。问该地成人慢性肾炎患者的血清无机 磷是否与正常人有区别?
(即已知:μ= 4 X = 5 S = 1.6 n=16)
统计学意义 可定性为抽样误差 可定性为本质差别
X 转换所得 t 值 <t0.05 >t0.05
表示 X 位于 95%范围内 95%范围外
统计学意义 可定性为抽样误差 可定性为本质差别
h
6
3、t 检验注意事项: ⑴ 资料应具备可比性 ⑵ 均数差别应有实际意义 ⑶ 根据资料性质选择适宜的统计方法 ⑷ 结论判断不能绝对化
相关文档
最新文档