[医学]医学统计学--卡方检验
合集下载
医学统计学6卡方检验
进行拟合优度 x2 检验，一般要求有足够的样本含量，理论频数不小于 5 。
1
理论频数小于 5 时，需要合并计算。
2
注意事项
2
独立样本四格表的x2检验
3
行×列的x2检验
1检验
4
配对设计分类资料的x2检验
x2检验
四格表的卡方检验，也是通过计算代表实际频数A与理论频数T之间的吻合程度的卡方值来进行检验的。
行×列卡方检验计算公式
n为总例数；R和C分别为行数和列数；A为第R行、第C列位置上的实际频数；nR为实际频数所在行的行合计；nC为实际频数所在列的列合计。
STEP4
STEP3
STEP2
STEP1
SPSS软件操作
定义变量
输入原始数据
定义频数
选择数据→加权个案 频数→加权个案（频数变量）
输出2种相关系数： pearson相关系数 spearman相关系数
列联系数：分析行与列之间的关联程度
03
04
02
01
第4步：x2检验（2）
选择统计量按钮
在交叉表：统计量对话框：勾上卡方
第4步：x2检验（3）
选择单元格按钮 在交叉表：单元显示对话框：勾上观察值、百分比：行、列
第5步：结果解读（1）
如果出现上述情况，可以考虑：增大样本量；根据专业知识合理地合并相邻的组别；删除理论数太小的行列 ；改用其它方法分析，例如确切概率法或似然比卡方检验。
02
同四格表资料一样，R×C表的卡方分布是建立在大样本的假定上的，要求总例数不可过少，不能有1/5以上的格子理论频数小于5，且不能有一个格子的理论频数小于1。
01
行×列表卡方检验注意事项
行×列表卡方检验注意事项
卡方检验医学统计学
卡方检验医学统计学卡方检验是医学统计学中最常用的检验方法之一，它可用于测量两组数据之间的关联性。
在研究中，我们常常需要探究二者之间是否存在某种关联，卡方检验就是我们解决这个问题的利器。
卡方检验的原理卡方检验的原理是基于期望频数和实际频数的差异来检验两个变量之间的关系。
期望频数指的是在假设两个变量独立的情况下，我们可以根据样本量和其他条件，计算出不同组之间的理论值。
而实际频数则是实验中观察到的实际结果。
卡方检验的步骤如下：1.建立零假设和备择假设。
零假设指的是假设两个变量之间不存在任何关系，备择假设则是反之。
2.确定显著性水平 alpha，通常取值为0.05。
3.构建卡方检验统计量。
计算方法为将所有观察值与期望值的差平方后，再除以期望值的总和。
4.根据自由度和显著性水平，查卡方分布表得到 P 值。
5.如果 P 值小于显著性水平，拒绝零假设；否则无法拒绝零假设。
卡方检验的应用卡方检验可以应用于多个领域，其中医学统计学是最为常见的一个。
卡方检验可以用来分析两个疾病之间的相关性或者测量一种治疗方法的效果。
举个例子，某药厂要研发一种新的药物来治疗心脏病。
为了验证该药的疗效，实验组和对照组各50 人。
在 6 个月的治疗后，实验组和对照组中分别有 10 人和 15 人痊愈了。
卡方检验的作用就在于此时可以用来检验两组之间的差异是否具有统计学意义。
除了医学统计学之外，卡方检验在社会学、心理学、市场营销、物理等领域也都有广泛应用。
卡方检验的限制虽然卡方检验被广泛应用于各种实验和研究中，但它也有着自己的限制。
其中比较明显的一点就是对样本量有一定的要求。
当样本量较小的时候，期望频数的计算就会出现一定的误差，进而导致检验结果不准确。
此外，在面对非常态分布数据时，卡方检验也会出现问题。
当数据呈现正态分布时，卡方检验的准确性最高。
然而，实际上，很多数据都呈现出非正态分布，这时需要使用一些修正方法来解决。
卡方检验是医学统计学中最常用的统计方法之一，它可以用来测量两个变量之间的关联性。
医学统计学课件-卡方检验
联合治疗 39 34.44 8 12.56 47 73.3 单纯治疗 57 61.56 27 22.44 84 73.3
合计
96
35
131 73.3
Trc
nr nc n
理论频数＝ 84 73.3%
χ2检验的基本思想(1)
通过构造A与T吻合程度的统计量来反 映两样本率的差别!
实际数A
39
8
57
27
污染率 (%)
甲
6
23
29
79.3
乙
30
14
44
31.8
丙
8
3
11
27.3
合计
44
40
84
47.6
理论数的计算
实际数A
6
23
29
30
14
44
8
3
11
44
40
84
(52.4%) (47.6%)
理论数T
15.2 13.8
23.0 21.0
5.8
5.2
T
nR
nC N
nR nC N
2值的计算
实际数A
χ2检验相关问题－应用条件
某矿石粉厂当生产一种矿石粉石时，在数天内即有 部分工人患职业性皮肤炎，在生产季节开始，随机 抽取15名车间工人穿上新防护服，其余仍穿原用的 防护服，生产进行一个月后，检查两组工人的皮肤 炎患病率，结果如表 ，问两组工人的皮肤炎患病 率有无差别？
χ2检验相关问题－应用条件
Total
When the variables are independent, the proportion in
both groups is close to the same size as the proportion
医学统计学11卡方检验
卡方值和P值
卡方值是由卡方检验计算得 出的统计量，用于判断观察 值和期望值是否有显著差异。
卡方检验的使用场景
医学研究
卡方检验常用于分析医学疾病流 行病学数据，如患病率、死亡率 等。
市场调研
卡方检验可以帮助企业了解顾客 满意度，分析产品销售情况，进 行市场调研。
质量控制
卡方检验可以用于控制产品质量， 分析产品合格率、不良品率等， 确定生产工艺是否正确。
计算卡方值
2
计算观察频数和期望频数，并按照公式
计算卡方值。
3
查找P值
查找卡方分布表中的临界值，以确定P值
做出结论
4
的大小。
比较P值和显著水平的大小，根据结论做 出是否拒绝原假设的决策。
卡方检验的结果解释
P值的大小
P值越小，代表观察到的数据 和期望值的差异越显著。
自由度的影响
自由度代表了数据可以变化 的自由度，自由度越大，得 到显著差异的概率越小。
卡方值的含义
卡方值越大，代表观察到的 数据和期望值之间的差异越 大，量
样本量过小可能导致卡方值不准 确，无法判断相关性。
适用范围
卡方检验只能用于分析分类变量 的相关性，无法用于连续变量。
误判率
卡方检验只能用于分析相关性， 无法保证因果关系。
结论和要点
医学统计学11卡方检验
卡方检验是医学统计学中一项非常重要的方法，它可以检验两个或多个分类 变量是否有显著差异。
卡方检验的基础知识
分类变量
卡方检验只能用于检验分类 变量，即变量取值范围为有 限个不同的类别，如血型、 肿瘤分期等。
原假设和备择假设
原假设是指我们要检验的假 设，而备择假设则是对原假 设的一个补充或对立的假设。
《医学统计学》医统-第九章卡方检验
卡方值
当自由度ν确定后，χ2分布曲线下右侧尾部的面积 为α时，编辑课横件 轴上相应的χ2值记作χ2α,ν
查χ2界值表，得χ20.05,1=3.84,按α=0.05 水 准， 拒绝H0 , 接受H1 , P＜0.05，可 以认为两组治疗原发性高血压的总体有 效率不同，即可认为吲达帕胺片治疗原 发性高血压是有效的。
医学统计学
第九章 2检验
公共卫生系 流行病与卫生统计学教研室
祝晓明
一、率
率（rate）：率表示在一定空间或时间范围内 某现象的发生数与可能发生的总数之比，说明 某现象出现的强度或频度，通常以百分率 （%）、千分率（‰）、万分率（/万）、或 十万分率（／10万）等来表示。
你们班级的及格率，挂科率怎么算？
❖自由度ν愈大，χ2 值也会愈大；所以 只有考虑了自由度ν的影响，χ2 值才
能正确地反映实际频数A和理论频数T 的吻合程度。
检验的自由度取决于可以自由取值的格子数目，
而不是样本含量n。四格表资料只有两行两 列,ν=1，即在周边合计数固定的情况下，4个基
本数据当中只有一个可以自由取值。
编辑课件
检验步骤： 1.建立检验假设并确定检验水准 H0:π1=π2 即试验组与对照组的总体有效率相等 H1:π1≠π2 即试验组与对照组的总体有效率不等
2
(20 25.77)2
(24 18.23)2
(21 15.23)2
(5 10.77)2
8.40
25.77
18.23
15.23
10.77
(2 1)(2 1) 1
编辑课件
纵高
3.确定P 值，作出推断结论
0.5
0.4
0.3
自由度＝1
医学统计学——卡方检验
趋近于正态分布。
• ⑵χ2分布具有可加性：如果两个独立的 随机变量X1和X2分别服从ν1和ν2的χ2分 布，那么它们的和(X1＋X2)也服从(ν1＋ ν2)的χ2分布。
χ2 界值
• ν确定后，如果分布曲线下右侧尾部的 面积为α时，则横轴上相应的χ2值就记 作χ2 α，ν ，即χ2界值。其右侧部分的 面积α表示：自由度为ν时， χ2值大 于界值的概率大小。χ2值与P值的对应 关系见χ2界值表(附表6)。χ2值愈大，P 值愈小；反之，χ2值愈小，P值愈大。
• T22=(c+d)×(1- PC)=(c+d)×(b+d)/n = 56×17/112=8.5
χ2检验的基本思想
• χ2检验实质上是检验A的分布与Ｔ的分 布是否吻合及吻合的程度，χ2越小，表
明实际观察次数与理论次数越接近。
• 若检验假设成立，则Ａ与Ｔ之差不会很 大，出现大的χ2值的概率Ｐ是很小的， 若Ｐ≤α，就怀疑假设成立，因而拒绝 它；若Ｐ＞α，则没有理由拒绝它。
不同自由度的χ2分布曲线图
图 8-1 不同自由度的χ2 分布曲线图
二、χ2检验的基本思想
• 例8-1 某中医院将112例急性肾炎 病人随机分为两组，分别用西药和 中西药结合方法治疗，结果见表8-1， 问两种方法的疗效有无差别？
表8-1 两种方法治疗急性肾炎的结果
组 别 治愈例数 未愈例数 合计 治愈率(%)
例8-2
• 某医师将门诊的偏头痛病人随机 分为两组，分别采用针灸和药物 两种方法治疗，结果见表8-3 ， 问两种疗法的有效率有无差别？
两种疗法对偏头痛的治疗结果
疗 法 有效例数 无效例数 合计 有效率(%)
针 灸 33(30.15) 2(4.85) 35 94.29
• ⑵χ2分布具有可加性：如果两个独立的 随机变量X1和X2分别服从ν1和ν2的χ2分 布，那么它们的和(X1＋X2)也服从(ν1＋ ν2)的χ2分布。
χ2 界值
• ν确定后，如果分布曲线下右侧尾部的 面积为α时，则横轴上相应的χ2值就记 作χ2 α，ν ，即χ2界值。其右侧部分的 面积α表示：自由度为ν时， χ2值大 于界值的概率大小。χ2值与P值的对应 关系见χ2界值表(附表6)。χ2值愈大，P 值愈小；反之，χ2值愈小，P值愈大。
• T22=(c+d)×(1- PC)=(c+d)×(b+d)/n = 56×17/112=8.5
χ2检验的基本思想
• χ2检验实质上是检验A的分布与Ｔ的分 布是否吻合及吻合的程度，χ2越小，表
明实际观察次数与理论次数越接近。
• 若检验假设成立，则Ａ与Ｔ之差不会很 大，出现大的χ2值的概率Ｐ是很小的， 若Ｐ≤α，就怀疑假设成立，因而拒绝 它；若Ｐ＞α，则没有理由拒绝它。
不同自由度的χ2分布曲线图
图 8-1 不同自由度的χ2 分布曲线图
二、χ2检验的基本思想
• 例8-1 某中医院将112例急性肾炎 病人随机分为两组，分别用西药和 中西药结合方法治疗，结果见表8-1， 问两种方法的疗效有无差别？
表8-1 两种方法治疗急性肾炎的结果
组 别 治愈例数 未愈例数 合计 治愈率(%)
例8-2
• 某医师将门诊的偏头痛病人随机 分为两组，分别采用针灸和药物 两种方法治疗，结果见表8-3 ， 问两种疗法的有效率有无差别？
两种疗法对偏头痛的治疗结果
疗 法 有效例数 无效例数 合计 有效率(%)
针 灸 33(30.15) 2(4.85) 35 94.29
医学统计学-卡方检验
医学统计学-卡方检验
卡方检验是一种常用的统计方法，用于比较观察值和期望值之间的差异。它 在医学研究中有着广泛的应用，可以帮助我们验证假设、推断总体特征以及 分析类别变量的相关性。
卡方检验的定义和原理
卡方检验是一种基于卡方分布的统计检验方法。它基于观察值与期望值之间 的差异来判断样本数据与理论分布的拟合程度。
卡方检验的局限性和注意事项
• 卡方检验只能验证分类变量之间的关联性，不能验证因果关系。 • 卡方检验对样本足够大和数据分类合理的要求比较严格。 • 卡方检验结果受样本选择和观察误差的影响，需要谨慎解释。 • 在进行卡方检验前，需要对数据进行充分的清洗和准备。
结论和要点
卡方检验是一种常用的统计方法
卡方检验的应用领域
医学研究
卡方检验可以用来分析疾病的发生与某个因素之间的关联性，如吸烟与肺癌。
社会科学
卡方检验可以用来研究不同人群之间的行模式和态度偏好，如性别与政治观点。
市场调研
卡方检验可以用来分析消费者的购买偏好和市场细分，如年龄与产品偏好。
卡方检验的假设和前提条件
1 独立性假设
卡方检验基于观察值和期望值之间的差异来验证两个变量之间是否存在独立性。
它可以帮助我们验证假设、推断总体特征以 及分析类别变量的相关性。
结果解读和意义
卡方检验的结果可以帮助我们了解变量之间 的关系，并为决策提供依据。
应用广泛
卡方检验在医学研究、社会科学和市场调研 等领域都有着重要的应用。
局限性和注意事项
卡方检验有一定的局限性，需要注意样本大 小和数据分类的合理性。
4
比较卡方值和临界值
判断卡方值是否大于临界值，从而做出关于拒绝或接受原假设的决策。
卡方检验的结果解读和意义
卡方检验是一种常用的统计方法，用于比较观察值和期望值之间的差异。它 在医学研究中有着广泛的应用，可以帮助我们验证假设、推断总体特征以及 分析类别变量的相关性。
卡方检验的定义和原理
卡方检验是一种基于卡方分布的统计检验方法。它基于观察值与期望值之间 的差异来判断样本数据与理论分布的拟合程度。
卡方检验的局限性和注意事项
• 卡方检验只能验证分类变量之间的关联性，不能验证因果关系。 • 卡方检验对样本足够大和数据分类合理的要求比较严格。 • 卡方检验结果受样本选择和观察误差的影响，需要谨慎解释。 • 在进行卡方检验前，需要对数据进行充分的清洗和准备。
结论和要点
卡方检验是一种常用的统计方法
卡方检验的应用领域
医学研究
卡方检验可以用来分析疾病的发生与某个因素之间的关联性，如吸烟与肺癌。
社会科学
卡方检验可以用来研究不同人群之间的行模式和态度偏好，如性别与政治观点。
市场调研
卡方检验可以用来分析消费者的购买偏好和市场细分，如年龄与产品偏好。
卡方检验的假设和前提条件
1 独立性假设
卡方检验基于观察值和期望值之间的差异来验证两个变量之间是否存在独立性。
它可以帮助我们验证假设、推断总体特征以 及分析类别变量的相关性。
结果解读和意义
卡方检验的结果可以帮助我们了解变量之间 的关系，并为决策提供依据。
应用广泛
卡方检验在医学研究、社会科学和市场调研 等领域都有着重要的应用。
局限性和注意事项
卡方检验有一定的局限性，需要注意样本大 小和数据分类的合理性。
4
比较卡方值和临界值
判断卡方值是否大于临界值，从而做出关于拒绝或接受原假设的决策。
卡方检验的结果解读和意义
医学统计学--卡方检验
பைடு நூலகம்
笃 学
精 业
修 德
厚 生
6
2 ( A T ) 2值的大小还取决于 个数的多少（严 T 2 ( A T ) 格地说是自由度 的大小）。由于各 皆是 T 2
正值，故自由度 愈大， 值也会愈大；所以只 2 值才能正确地反映 有考虑了自由度 的影响，
实际频数 A和理论频数 T 的吻合程度。检验时， 要根据自由度 查 2 界值表。当 2≥ 2时， P , ,
2 中，若拒绝无效假设
H0只能做出总的结论，但还不知道哪两
个率之间有差别。若想知道哪两个率之间
有差别，还要进行两两比较，本节介绍两
两比较的方法之一：行×列表的分割。
笃 学
精 业
修 德
厚 生
30
4.行×列表的分割 （一）多个实验组间的两两比较 由于要做重复多次的假设检验，需对第Ⅰ 类错误作校正，新的校正检验水准为：
第七章 掌握内容：
2 检 验
1．检验的基本思想和用途 2．成组设计四格表资料检验的计算及应用条件
3．配对设计四格表资料检验 4．行列表资料检验及应用时应注意的问题 5．频数分布拟合优度的检验 了解内容 1．四格表资料的Fisher精确概率法的基本思想 与检验步骤
笃 学 精 业 修 德 厚 生
2 检验是一种用途很广的假设检验方
处理组 1 2 属性 阳性 阴性 合计
合计
a (T11) c (T21) m1
b (T12) d (T22) m2
n1(固定值) n2(固定值) n
要想知道处理组1，2之间差别是否有统计学意义， 常用 2 检验统计量来作假设检验。
笃 学 精 业 修 德 厚 生
5
笃 学
精 业
修 德
厚 生
6
2 ( A T ) 2值的大小还取决于 个数的多少（严 T 2 ( A T ) 格地说是自由度 的大小）。由于各 皆是 T 2
正值，故自由度 愈大， 值也会愈大；所以只 2 值才能正确地反映 有考虑了自由度 的影响，
实际频数 A和理论频数 T 的吻合程度。检验时， 要根据自由度 查 2 界值表。当 2≥ 2时， P , ,
2 中，若拒绝无效假设
H0只能做出总的结论，但还不知道哪两
个率之间有差别。若想知道哪两个率之间
有差别，还要进行两两比较，本节介绍两
两比较的方法之一：行×列表的分割。
笃 学
精 业
修 德
厚 生
30
4.行×列表的分割 （一）多个实验组间的两两比较 由于要做重复多次的假设检验，需对第Ⅰ 类错误作校正，新的校正检验水准为：
第七章 掌握内容：
2 检 验
1．检验的基本思想和用途 2．成组设计四格表资料检验的计算及应用条件
3．配对设计四格表资料检验 4．行列表资料检验及应用时应注意的问题 5．频数分布拟合优度的检验 了解内容 1．四格表资料的Fisher精确概率法的基本思想 与检验步骤
笃 学 精 业 修 德 厚 生
2 检验是一种用途很广的假设检验方
处理组 1 2 属性 阳性 阴性 合计
合计
a (T11) c (T21) m1
b (T12) d (T22) m2
n1(固定值) n2(固定值) n
要想知道处理组1，2之间差别是否有统计学意义， 常用 2 检验统计量来作假设检验。
笃 学 精 业 修 德 厚 生
5
- 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)。
防护服种类
皮肤炎症
阳性数
阴性数
新
1（3.84） 14（11.16）
旧
10（7.16） 18（20.84）
合计
15 28
合计 11
32
43
笃学
精业
修德
厚生
14
本例n>40，因有一格子的理论数＜5，因而要 用校正 2 检验。
H0:两组工人皮肤炎总体患病率相等，即 1 2
H1:两组工人皮肤炎总体患病率不等，即 1 2
笃学
精业
修德
厚生
9
（3）当 n40，或 T1时，不能用 2检验， 改用四格表资料的Fisher确切概率法。
3．作出统计结论
以=1查 2界值表，若 P0.0，5 按0.05
检验水准拒绝H
0，接受H
，可认为两总体率不
1
同；若
P0.05，按检验水准
0.05不拒绝 H
，
0
尚不能认为两总体率不同。
正值，故自由度 愈大， 2值也会愈大；T 所以只
有考虑了自由度 的影响， 2 值才能正确地反映
实际频数 A和理论频数 T的吻合程度。检验时，
要根据自由度
查
2界值表。当 2≥
2
时, ，P
,
拒绝H 0 ，接受
H 1；当 2
2 ,
时，P
，尚没有
理由拒绝H 0 。 而自由度 1。
1.7 84 1.2 76 1.2 96 1.7 74 2.1 32
用专用公式：
2
(a db)2 cn
(2 9 2 879)273
(ab)c(d)a (c)b (d) 3 6 3 7 3 8 35
2.1 32
下结论：
以=1查 2界值表，P0.05，按0.05检
验水准拒绝H
0
，接受H
，可认为两总体率不同；
1
笃学
精业
修德
厚生
13
例2 某矿石粉厂生产一种矿石粉时，在数天内即有部分 工人患有职业性皮肤炎。后随机抽取15名工人穿新防护 服，其余仍穿原用的防护服，一个月后检查两组工人的 皮肤炎患病情况，资料见下表，问两组的患病率差别有 无统计学意义？
表 穿新旧防护服工人的皮肤炎患病比较
处理组
1 2 合计
属性
阳性
A11 (T11) A21 (T21)
阴性 A12 (T12) A22 (T22)
m1
m2
合计
n1(固定值) n2(固定值)
n
笃学
精业
修德
厚生
4
表7-1 完全随机设计两样本率比较的四格表
处理组
属性
阳性
阴性
合计
1 2 合计
a (T11) c (T21) m1
b (T12) d (T22) m2
医学统计学--卡方 检验
笃学
精业
修德
厚生
2 检验是一种用途很广的假设检验方 法。本章只介绍它在分类变量资料中的应用， 即推断两个及多个总体率或总体构成比之间 有无差别，两种属性或两个变量之间有无关 联，以及频数分布的拟合优度检验等。
笃学
精业
修德
厚生
2
第一节 四格表资料的2 检验
一、检验的基本思想
笃学
精业
修德
厚生
8
专用公式 2
(a db)c 2n
(ab)c(d)a (c)b (d)
（2）当总例数 n40且只有一个格子的 1T5 时：用四格表资料 2 检验的校正公式；或改用四 格表资料的Fisher确切概率法。
校正公式
2 c
(AT0.5)2 T
校正公式
c2=(a+)(|c (b a+ d)-d a (b n 2+ )2c )nb (c|-+)d
n1(固定值) n2(固定值)
n
要想知道处理组1，2之间差别是否有统计学意义， 常用 2 检验统计量来作假设检验。
笃学
精业
修德
厚生
5
其基本公式为：
2 (AT)2 T
（7.1）
由公式(7.1)可以看出： 2 值反映了实际频数与
理论频数的吻合程度，其中( A T )2 反映了某个格子
以两样本率比较的 2 检验为例，介绍 2
检验的基本思想。
2 分布是一种连续型分布 ，它的形状依赖于自
由度的大小，当自由度≤2时，曲线呈L型； 随着的增加，曲线逐渐趋于对称；当自由度
→∞时, 分布趋向正态分布。 2分布具有可加性。
笃学
精业
修德
厚生
3
表7-1 完全随机设计两样本率比较的四格表
实际频数与理论频数的吻合程度T 。若检验假设
H
成
0
立，实际频数与理论频数的差值会小，则 2值也
会小；反之，若检验假设H
不成立，实际频数与理
0
论频数的差值会大，则 2 值也会大。
笃学
精业
修德
厚生
6
2 值的大小还取决于
(
A
T
)
2
个数的多少（严
T
格地说是自由度 的大小）。由于各( A T )2皆是
0.05
校正 2 值为：
2 (|13.84|0.5)2 (|1411.16|0.5)2
3.84
11.16
(|107.16|0.5)2 (|1820.84|0.5)2
7.16
20.84
2.94
笃学
精业
修德
厚生
15
以=1查 2 界值表，P0.0，5按0.05检
表 两组人群尿棕色素阳性率比较
组别
铅中毒病人 对照组
阳性数 阴性数 合计
(18.74) (17.26)
29
7
36
9
(19.26)
(17.74) 28
37
阳性率 （%） 80.56
24.32
合计
38
35
73 52.05
笃学
精业
修德
厚生
12
2 (2 9 1.7 8 )24 (7 1.2 7 )26 (9 1.2 9 )26 (2 1 8.7 7 )24
验水准不拒绝 H
，接受H
0
1
，尚不能认为穿不同
防护服的两组工人的皮肤炎患病率的差别有统
计学意义；
注意：本例若不作连续性校正，则2 4.33，
笃学
精业
修德
厚生
7
二、 2 检验的检验步骤 1．建立检验假设
H 0 ：1 2 ，两总体率相等 H 1： 1 2 ，两总体率不等
0.05
2．计算检验统计量
（1）当总例数大于40且所有格子的理论数大
于5时：用检验的基本公式或四格表资料检验
的专用公式；
基本公式
2 (AT)2 T
笃学
精业
修德
厚生
10
两样本率比较的资料，既可用 u检验
也可用 2 检验来推断两总体率是否有差别，
且在不校正的条件下两种检验方法是等价的，
对同一份资料有
u2。 2
笃学
精业
修德
厚生
11
例 为了解铅中毒病人是否有尿棕色素增加现 象，分别对病人组和对照组的尿液作尿棕色素 定性检查，结果见下表，问铅中毒病人与对照 人群的尿棕色素阳性率差别有无统计学意义？