医学统计学(假设检验)

.第五章假设检验、统计推断、随机抽样、参数？统计量、(、(x、s、p )、参数推定假说验证、根据样本统计量推定整体参数间是否存在差异，将其推定过程称为假说验证。教育目的和要求，把握：假设检查原理样本的正规数据的假设检查两个样本正规数据的假设检查两个分布和Poisson分布数据的z检查假设检查应注意的问题理解：信赖区间和假设检查的关系， 教育内容摘要重要说明：假设检验原理样本的正规数据的假设检验两样本的正规数据的假设检验z假设检验应注意的问题介绍：信赖区间与假设检验的关系，假设检验的基本任务：事先假设整体分布和整体参数，利用样本信息判断原来的假设是否合理，拒绝或接受原来的假设参数化测试(parametrictest ) :如果已知整体分布类型，则必须对整体未知参数进行假设测试。 非参数检验：如果不知道整体分布类型，则必须对未知分布函数的整体分布类型或其中的一些未知参数进行假设检验。假设检验(hypothesistest )的基本思想也被称为有效性检验(significertificationtest )，首先针对整体的特征(整体的参数、分布、位置等)提出假设，例如整体的平均(或者整体率)是一定的值，整体的平均(或者整体率)是一定的值根据整体的某一分布，假定两个整体的分布位置相同等，然后根据从随机样本提供的信息使用“小概率原理”来估计假设是否成立。 “概率小(接近零)的事件在一次采样中难以发生，因此可以认为概率小的事件在一次采样中不会发生”。“小概率的原理”是，例如，2000粒中的片剂中，只有一粒是蛀牙，从中随机取出一粒的话，取得“蛀牙的片剂”的概率是2000分之1，这个概率很小，因此可以认为这个事件在一次取样中不会发生从中随机抽出一粒，正好是被虫子吃了。 发生这种情况时，认为“假设”有问题是因为虫牙率p不是1/2000，而是否定了假设。 否定假说的依据是小概率事件的原理。 由此得出了如下推论方法：在某个假设(记作H0)成立的条件下，事件a为小概率事件，在这次实验中发生事件a时，认为原来的假设(H0)不成立。 例如，大量调查显示，正常成年男性的平均脉搏数为72次/分钟，现随机抽取肝阳上亢进成年男性患者20人，平均脉搏数为84次/分钟，标准偏差为6.4次/分钟。 肝阳上亢男性患者平均脉搏数比正常人快吗？ 以上两种平均数可能有两种：第一是取样误差引起的第二是肝阳上亢的影响。例如，正常成年男性的脉搏平均为72次/分钟，现在随机检查20名因慢性胃炎引起的脾虚男性患者，脉搏平均为75次/分钟，标准偏差为6.4次/分钟，这样的脾虚男性患者的脉搏比健康成年男性的脉搏快吗？ 采样误差？ 脾虚？假设检验： 1，原因2，目的3，原理4，过程(步骤) 5，结果，第1节假设检验原理，发生了什么事情：偶然？ 还是必然的原因？ 统计学家用显着的检查来处理这类问题。 1、假设检查的原因，根据整体的不同和个体差异的存在，研究中随机取样得到的样本的平均数与x1、x2、x3、x4不同。 可存在两种(且仅存在两种)样本的平均数目之间的差异： (1)针对每种样本所代表的平均数目相同，且由于样本误差而产生了样本的平均数目之间的差异。 差异无显着性(差异无统计学意义) (2)各自所代表的全体平均数不同。 差异有显着性(差异有统计学意义)、2、假设检查的目的是判断是什么原因，做出决定。.反证法：一个事件的发生只有两个可能性a和b，不能直接证明a，以肯定其中一个情况a。 在这种情况下，如果否定另一种可能性b，那么间接地肯定a。 概率论(概率小):如果发生一件事的概率小，在一次实验中，这件事说“不会发生”。 一般常识表明，这个词通常是对的，但是如果犯了错误，即使概率再小也可能发生。 3、假设检验的原理，4、假设检验的顺序，建立假设(反证法)，计算确定显着性水平的统计量：确定u、t、2概率p值并进行推论。 【例5-1】，正常成年男性的脉搏平均为72次/分钟，现在随机检查20名因慢性胃炎引起的脾虚男性患者，脉搏数平均为75次/分钟，标准偏差为6.4次/分钟，推定这样的脾虚男性患者的脉搏与健康成年男性的脉搏是否不同。(1)建立假设，选定检定水平：假设之二：一是检定假设，假设的差异是取样误差造成的，常被称为无效假设，用H0表示。 另一个是与H0对立的替代假说，用H1表示。 假设检定是针对H0进行的。 确定双侧或单侧检查： H0:这样的脾虚病对脉搏数没有影响，H0:=72次/分H1:脾虚患者的脉搏数与健康人不同，选定H1:72次/分，检定水平：=0.05是统计推测时预先设定的较小概率值，H0为真时，错误地拒绝H0 选择，两侧和单侧检验界限值的比较，(2)适当的检验方法，计算检验统计值，t检验z检验，设计类型数据的类型和分布统计推测的目的n的大小，例如在完全随机设计实验中，已知样本平均数和整体平均数的比较，n不大，t检验可以计算统计量t值。(3)计算p值，当H0成立时，p值：取现有的检验统计值以上的概率。(3)计算概率值(p )将计算出的z值或者t值与查找表进行z或者t，的比较，得到p值的大小。 从u分布和t分布可以看出|Z|Z或|t|t是p。 p时，统计学结论在采集的检定水平上拒绝H0，接受H1作为“有显着性差异”(有统计学意义)。 P的情况下，没有理由怀疑H0的真实性，统计学上的结论是，在选择的检定水平上不拒绝H0是“没有意义的”(没有统计学意义)。 (4)得出推定的结论，和p相同，和p用检验统计量分布的尾部面积的大小表示。 差异：是统计推测时预先设定的小概率值，是H0为真时允许错误排斥H0的概率，是检定水平。 p值由实际的样本决定，从由H0规定的总体中随机地进行采样，得到现有的样本检查统计值以上(以下)的概率。统计推定5、2种错误(I型错误和ii型错误)、可推定的4种结果，假定I型错误()、推定的(1-)、推定的(1-)、ii型错误()、(假阳性错误)、(假阴性错误)、(检查性能、把握度)、(可靠度)、无效假设(H1)， 2种错误(I型错误和ii型错误):I型错误： H0本来正确，H0用表示舍弃真伪阳性错误误诊断： H0本来错误，H0用表示不舍弃假阴性错误的漏诊： 两个平均数的假设检查，样本平均数和全体平均数的比较对数据平均数的t检查对数据的样本平均数的比较方差不同的情况下的两个样本平均数的比较第二节单元样本的正规资料的假设检查，不满足，满足，已知，正规性，非参数，检查，变量置换， 结论，不，满意，大样本，u，检查，t，检查，z，构想，一，正规整体平均的假设检查，方法，1，大样本【例5-2】一般女性平均身高160.1cm。某大学随机抽取100名女大学生，测量身高，平均身高163.74cm，标准偏差3.80cm。 请问一所大学18岁的女大学生的身高和一般女性是否不同。目的：比较样本平均数表示的未知总体的平均数与已知总体的平均数之差计算式： z统计量=，适用条件： (1)知道总体的平均数，(2)可以得到一个样本的平均数，(3)可以得到该样本的基准错误，(4)样本量为100以上。假设验证：建立假设，确定显着性水平():检定假设：某学校女大学生的身高平均数与普通女大学生的身高平均数相同，H0:=0； 预选假设：某学校女大学生的身高平均数与一般女大学生的身高平均数不同，H1:0=0.05，估计：Z=9.581.96，p0.05=，发生概率事件，拒绝原H0假设不成立的H0，接受H1，则认为某学校女大学生的身高平均数与一般女大学生的身高平均数不同，计算统计量： z统计量： Z=，确定概率值：|Z|=9.58Z=1.96|Z|Zpt0.05(15 )，p0.05推论：p0.050.0482。 =0.05n=5、=1.414、S=0.0882、df=n-1=4，调查统计用表6，得到单侧概率Pt0.05(9)p0.05判断结果： p0 的上侧95%置信区间为：-t0.05，dfs/例如4-3，H0:=0(0=72次/分) H1:0。 =0.05。 - t 0.05 (df ) s/=75-1.7296.4/=72.52的上侧95%信赖区间为72.52，现在0=72次/分钟在该区间的范围外，因此在=0.05水平上拒绝H0，接受H1，