卫生统计学课件第六章假设检验.
合集下载
第六讲 卫生统计学 假设检验基础
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 名儿童， 名儿童， 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 得囟门闭合月龄均值为 月 标准差为5.08月。 月 问该县儿童前囟门闭合月龄的均数是否大于一 般儿童？ 般儿童？
由于P＞ 由于 ＞0.05，意味着如果该县儿童前囟门闭合的平 ， 均月龄为14.1月，观察到囟门闭合月龄均值为 均月龄为 月 观察到囟门闭合月龄均值为14.3月的样 月的样 以及均值更大的样本）的可能性还是比较大的（ 本（以及均值更大的样本）的可能性还是比较大的（概率 大于0.05），没有理由对 0提出怀疑，于是做出不拒绝 0 ），没有理由对 大于 ），没有理由对H 提出怀疑，于是做出不拒绝H 的推断结论。 的推断结论。 无论做出哪一种推断结论（接受或是拒绝 ），都 无论做出哪一种推断结论（接受或是拒绝H0 ），都 面临着发生判断错误的风险。这就是假设检验的两类错误。 面临着发生判断错误的风险。这就是假设检验的两类错误。
x − µ0 s/ n = 14.3 −14.1 5.08/ 36 = 0.236
3、确定P值 、确定 值 P值的意义是：如果总体状况和 0一致，统计量 值的意义是： 值的意义是 如果总体状况和H 一致， 获得现有数值以及更不利于H 的数值的可能性（概率） 获得现有数值以及更不利于 0的数值的可能性（概率） 有多大。 有多大。 υ=n-1=36-1=35，查t界值表，得单侧 0.05,35=1.690， 界值表， ， 界值表 得单侧t ， t< t0.05,35 ，故P>0.05。 。
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 某商家宣称他的一大批鸡蛋“坏（变质）蛋率为1%”。 对这批鸡蛋的质量做出判断（即“坏蛋率为1%”还是“坏 蛋率高于1%”） 。 在“坏蛋率为1%”的前提下，5个鸡蛋样品中出现一个 “坏蛋”的机会是很小的，“小概率事件在一次随机试验 中不（大）可能发生”的。 本章将要介绍的假设检验理论和方法，正是基于这一 思维判断形式而发展出来的依据随机样本对于未知事物进 行判断和决策的规则。应用假设检验理论和方法，依据样 本提供的有限信息对总体做推断。
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。
卫生统计学课件_第六章_假设检验
16
公式：t
自由度：对子数 - 1
适用条件：两组配对计量资料。 例题：p. 34, 例8
三、两个小样本均数比较的 t 检验
▲目的：由两个样本均数的差别推断两样本
所代表的总体均数间有无差别。 ▲计算公式及意义： t 统计量： 自由度：n1 + n2 –2
18
▲ 适用条件：
（1）已知/可计算两个样本均数及它们的标准差 ；
38
(2）当不能拒绝
II 类错误的概率 β 值的两个规律：
1. 当样本量一定时, α 愈小, 则 β 愈大，反之…; 2.当 α 一定时, 样本量增加, β 减少.
39
4. 正确理解P值的意义， P值很小时“拒绝H0 ”，P值的
大小不要误解为总体参数间差异的大小； 拒绝H0 只是说 差异不为零。 统计学中的差异显著或不显著，和日常生活中所说的差 异大小概念不同. （不仅区别于均数差异的大小，还区别 于均数变异的大小)
统计推断
用样本信息推论总体特征的过程。
包括：
参数估计: 运用统计学原理，用从样本计算出来的统计
指标量，对总体统计指标量进行估计。
假设检验：又称显著性检验，是指由样本间存在的差
别对样本所代表的总体间是否存在着差别做出判断。
第一节
▲显著性检验;
假设检验
▲科研数据处理的重要工具;
▲某事发生了：
是由于碰巧？还是由于必然的原 因？统计学家运用显著性检验来 处理这类问题。
45
41
是非判断： （ ）1．标准误是一种特殊的标准差，其 表示抽样误差的大小。 （ ）2．N一定时，测量值的离散程度越 小，用样本均数估计总体均数的抽样误差 就越小。 （ ）3．假设检验的目的是要判断两个样 本均数的差别有多大。
公式：t
自由度：对子数 - 1
适用条件：两组配对计量资料。 例题：p. 34, 例8
三、两个小样本均数比较的 t 检验
▲目的：由两个样本均数的差别推断两样本
所代表的总体均数间有无差别。 ▲计算公式及意义： t 统计量： 自由度：n1 + n2 –2
18
▲ 适用条件：
（1）已知/可计算两个样本均数及它们的标准差 ；
38
(2）当不能拒绝
II 类错误的概率 β 值的两个规律：
1. 当样本量一定时, α 愈小, 则 β 愈大，反之…; 2.当 α 一定时, 样本量增加, β 减少.
39
4. 正确理解P值的意义， P值很小时“拒绝H0 ”，P值的
大小不要误解为总体参数间差异的大小； 拒绝H0 只是说 差异不为零。 统计学中的差异显著或不显著，和日常生活中所说的差 异大小概念不同. （不仅区别于均数差异的大小，还区别 于均数变异的大小)
统计推断
用样本信息推论总体特征的过程。
包括：
参数估计: 运用统计学原理，用从样本计算出来的统计
指标量，对总体统计指标量进行估计。
假设检验：又称显著性检验，是指由样本间存在的差
别对样本所代表的总体间是否存在着差别做出判断。
第一节
▲显著性检验;
假设检验
▲科研数据处理的重要工具;
▲某事发生了：
是由于碰巧？还是由于必然的原 因？统计学家运用显著性检验来 处理这类问题。
45
41
是非判断： （ ）1．标准误是一种特殊的标准差，其 表示抽样误差的大小。 （ ）2．N一定时，测量值的离散程度越 小，用样本均数估计总体均数的抽样误差 就越小。 （ ）3．假设检验的目的是要判断两个样 本均数的差别有多大。
[课件]卫生统计学-假设检验PPT
![[课件]卫生统计学-假设检验PPT](https://img.taocdn.com/s3/m/ce201d02af45b307e8719769.png)
卫生统计学假设检验
主要内容
假设检验的基本原理和步骤 Ⅰ型错误与Ⅱ型错误
单侧检验与双侧检验
假设检验应注意的事项 假设检验与区间估计的联系 （自学）
§1 假设检验的基本思想 和步骤
案例讨论
【例7-1】为了解某地1岁婴儿的血红蛋白浓度，某
医生从该地随机抽取了1岁婴儿25名，测得其血红 蛋白浓度的平均数为123.5g/L,标准差为11.6 g/L， 而一般正常小儿的平均血红蛋白浓度为 125g/L ， 故认为该地1岁婴儿的平均血红蛋白浓度低于一般 正常小儿的平均血红蛋白浓度。
推断结论与两类错误
检验结果
实际情况
拒绝H0 不拒绝H0 结论正确(1-α ) 第二类错误（β ）
H 0 成立
H 0 不成立
Байду номын сангаас
第一类错误(α ) 结论正确（1-β ）
图7-2 Ⅰ型错误与Ⅱ型错误示意图
检验效能（power of a test） ： 若两总体确有差别，按照α水准能 够发现这种差别的能力。 它的大小用
图7-1 由t 分布确定 P值的示意图
t t0.05 2,24 ， P0 .05 本例中 t ，故按 2 . 0 6 4， 0 . 0 52 ,2 4
0 .05 的水准，不拒绝 H 0 ，差异无统计学意义
（统计结论），尚不能认为该地1岁婴儿的血红
蛋白浓度平均水平与一般正常小儿的血红蛋白
（1-β）表示。
（计算详见第十七章）
检验效能的影响因素
容许误差
总体标准差 Ⅰ型错误
n
样本含量
§3 单侧检验与双侧检验
n1 2 4
2.3 确定 P 值，作出推断结论
主要内容
假设检验的基本原理和步骤 Ⅰ型错误与Ⅱ型错误
单侧检验与双侧检验
假设检验应注意的事项 假设检验与区间估计的联系 （自学）
§1 假设检验的基本思想 和步骤
案例讨论
【例7-1】为了解某地1岁婴儿的血红蛋白浓度，某
医生从该地随机抽取了1岁婴儿25名，测得其血红 蛋白浓度的平均数为123.5g/L,标准差为11.6 g/L， 而一般正常小儿的平均血红蛋白浓度为 125g/L ， 故认为该地1岁婴儿的平均血红蛋白浓度低于一般 正常小儿的平均血红蛋白浓度。
推断结论与两类错误
检验结果
实际情况
拒绝H0 不拒绝H0 结论正确(1-α ) 第二类错误（β ）
H 0 成立
H 0 不成立
Байду номын сангаас
第一类错误(α ) 结论正确（1-β ）
图7-2 Ⅰ型错误与Ⅱ型错误示意图
检验效能（power of a test） ： 若两总体确有差别，按照α水准能 够发现这种差别的能力。 它的大小用
图7-1 由t 分布确定 P值的示意图
t t0.05 2,24 ， P0 .05 本例中 t ，故按 2 . 0 6 4， 0 . 0 52 ,2 4
0 .05 的水准，不拒绝 H 0 ，差异无统计学意义
（统计结论），尚不能认为该地1岁婴儿的血红
蛋白浓度平均水平与一般正常小儿的血红蛋白
（1-β）表示。
（计算详见第十七章）
检验效能的影响因素
容许误差
总体标准差 Ⅰ型错误
n
样本含量
§3 单侧检验与双侧检验
n1 2 4
2.3 确定 P 值，作出推断结论
第6章 假设检验的基本概念
第四节 假设检验需注意的问题
1.要有严密的研究设计 要有严密的研究设计 2.正确理解α 水准和 值的意义 正确理解 水准和P值的意义 3.正确理解结论的统计学意义 正确理解结论的统计学意义 4.假设检验的结论不能绝对化 假设检验的结论不能绝对化
【例6-4】某人想研究小剂量干扰素加三氮唑核苷治疗 】 流行性乙型脑炎的疗效。 流行性乙型脑炎的疗效。治疗组为在一般治疗的基础 上加用小剂量干扰素及三氮唑核苷治疗流行性乙型脑 上加用小剂量干扰素及三氮唑核苷治疗流行性乙型脑 同期的接受一般治疗的73例该病患者作 炎99例，采用同期的接受一般治疗的 例该病患者作 例 采用同期的接受一般治疗的 为对照。治疗组中轻型29例 ），普通型 为对照。治疗组中轻型 例（占29%），普通型 例 ），普通型40例 ），重型 ），极重型 （占41%），重型 例（占22%），极重型 例（占 ），重型22例 ），极重型8例 8%）；对照组中轻型 例（占25%），普通型 例 轻型18例 ），普通型 ） 对照组中轻型 ），普通型32例 44%），重型17例 ），重型 23%），极重型6例 ），极重型 （占44%），重型17例（占23%），极重型6例（占 8%）。两组病人均采用传统降温、镇静、降颅内压、 ） 两组病人均采用传统降温、镇静、降颅内压、 肾上腺皮质激素及抗生素预防感染等对症治疗。 肾上腺皮质激素及抗生素预防感染等对症治疗。在此 基础上治疗组选择发病在 病人， 治疗组选择发病在5d病人 基础上治疗组选择发病在 病人，加用干扰素和三氮 唑核苷静滴，疗程5～ 。 唑核苷静滴，疗程 ～7d。两组比较疗效差别具有统计 学意义， 学意义，结论是在一般治疗的基础上加用小剂量干扰 素及三氮唑核苷治疗流行性乙型脑炎的疗效优于一般 治疗的疗效。 治疗的疗效。
x − µ 0 123.5 − 125 t= = = −0.6466 sx 11.6 25
(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
最新假设检验基础 卫生统计学 中山大学医学统计与流行病学教材PPT课件
假定干预前后血色素差值服从正态分布
： d 0 H1 ： d 0
2. 计算统计量
= 0.05
n=12， d =10.67， Sd 11.18
t
d 0 Sd / n
10.67 -0 = 11.18 / 12 =3.305 ，
n 112 1 11
3. 确定 P 值，作出推断
例如，把有病说成没病，把有效说成无效等
表 7-1 统计推断的两类错误及其概率
统计推断
实际情况
拒绝 H 0 ， 有差异
不拒绝 H 0 ， 无差异
H 0 成立，无差异
第 I 类错误（假阳性） 概率=
正确 概率=1-
H1 成立，有差异
正确
概率=1-
第 II 类错误（假阴性）
概率=
概率 1 1
第二节 t 检验
试验组：10.2 ,8.9, 10.1, 9.2,-0.8, 10.6, 6.5, 11.2, ,9.3, 8.0, 10.7, 9.5, 12.7, 14.4, 11.9
对照组：5.0, 6.7, 1.4, 4.0, 7.1, 0.6, 2.8, 4.3, 3.7, 5.8, 4.6, 6.0, 4.1, 5.1, 4.7
区贫血儿童血色素（%）总体平均水平有无变化？
序号
1 2 3 4 5 6 7 8 9 10 11 12
表 7-2 健康教育三个月前后血色素（%）
教育前
教育后
差值 d
36
45
9
46
64
8
53
66
13
57
57
0
65
70
5
60
55
-5
42