第四章t检验
2.非参数检验 (nonparametric test)
1.单因素分析亦称一元分析，是在主要的非处 理因素相同的条件下，不管影响结果的处理 因素(如病人年龄、病情、辩证分型、病理类 型、药物剂型、用药途径、疗程等)有多少， 每次仅分析一个处理因素与效应之间关系的 统计方法。 2.多因素分析亦称多变量分析或多元分析，是 研究多因素和多指标之间的关系以及具有这 些因素的个体之间关系的一种统计分析方法。
第一节 假设检验
一、假设检验的概念与分类 假设检验(hypothesis test) 亦称显著 性检验(significance test)，是利用 样本信息，根据一定的概率水准，推断 指标(统计量) 与总体指标(参数)、不 同样本指标间的差别有无意义的统计分 析方法。
（一）参数检验和非参数检验
三、计算公式
t
x s n
，
t
x Sx
ν ＝ｎ－1 式中 x 为样本均数，μ 为总体均数，ｎ 为样本含量，ｓ为样本标准差，ν 为自 由度。
四、检验步骤
1.建立假设、确定检验水准 H0： 0 H1：0 0.05 2.选择检验方法、计算统计量
t
74.2 72 7.5 / 30
确定Ｐ值的方法主要有两种
⑴查表法 根据检验水准、样本自由 度直接查相应的界值表求出Ｐ值。 ⑵计算法 用特定的公式直接求出Ｐ 值。
推论 若Ｐ＞α ，就没有理由怀疑H0的真实性，
则结论为不拒绝H0，做出不否定此样本 是来自于该总体的结论，也即差别无显 著性意义。 若Ｐ≤α ，则拒绝H0，接受H1，也就是 说这些统计量来自不同的总体，其差别 不能仅由抽样误差来解释，下结论为差 别有显著性意义。
1.607
3.确定Ｐ值、做出推论
=30-1 =29，查t值表， t0.05/2，29=2.045， 今t =1.607t0.05/2，29，P 0.05。 按 0.05水准，不拒绝H0，根据现
有样本信息，尚不能认为脾虚男子脉 搏数与健康人不同。
第三节
配对设计资料均数的t检验
配对设计
一、适用条件
1.对正态分布的数值变量资料，需用ｔ 检验。 2．对于非正态分布的资料，若经过变量 变换使成正态分布，可按ｔ检验处理； 否则，用非参数检验的方法。
二、正态性检验的方法
检验假设 Ｈ ０ 为总体分布是正态分布，当 P ＞ α 时， 不拒绝Ｈ０，认为样本所来自的总体服从正态分布； 而 P≤α 时，拒绝 Ｈ ０ ，认为样本所来自的总体不 服从正态分布。 1.W检验 Shapiro-Wilk检验是基于次序统计量对 它们期望值的回归而构成的。所用检验统计量为W， 又称为W检验。在样本量3≤n≤50时使用。 2.D 检验 Kolmogorov-Smirnov 检验的统计量为 D ， 所以也称D检验，在样本量50≤n≤1000时使用。
二、假设检验的基本步骤
例题：根据大量调查，已知健康成年 男子的脉搏均数为72次/分。某医生 在某医院随机调查30名脾虚男子，求 得脉搏均数为74.2次/分，标准差为 7.5次/分。脾虚病人的脉搏是正态分 布，问脾虚男子的脉搏均数与一般成 年男子的脉搏均数是否相等？
分析：
把一般成年男子的脉搏均数看作一个 总体均数，脾虚男子的脉搏均数为 样本均数。 0 ＝ 72 ， n ＝ 30 ， X ＝ 74.2 ， s ＝ 7.5 。
第二节 单样本 t 检验
单 样 本 t 检 验 (one sample t test) 亦 称样本均数与总体均数的比较的t检验。 用于从正态总体中获得含量为n的样本， 算得均数和标准差，判断其总体均数 μ 是否与某个已知总体均数μ 0相同。 已知总体均数一般为标准值、理论值或 经大量观察得到的较稳定的指标值。
假设检验有双侧检验和单侧检验
若目的是推断两总体均数是否不等，应选用
双侧检验。 H0：＝0，H1：0
若从专业知识已知不会出现0 (或0)的 情况，则选用单侧检验。
H 0 ： = 0 ， H 1 ： 0 ( 或 0 )
确定检验水准
检验水准亦称显著性水准，符号为α ， 指由假设检验做出推断结论时发生假阳 性错误的概率。 α 常取0.05或0.01。
0 X 的原因： ①抽样误差所致。 ②脾虚致两个均数间有本质性差异。
1．建立假设、确定检验水准
⑴无效假设：记为Ｈ０，即样本均数所 代表的总体均数与已知的总体均数0 相等。样本均数与0的差异是由抽样 误差引起，无统计学意义。 ⑵备择假设：记为Ｈ１，即样本均数所 代表的总体均数与0不相等，样本均 数与0的差异是本质性差异，有统计 单位按照某些特征(如性别、 年龄、病情等可疑混杂因素)配成条件相同或 相似的对子，每对中的两个观察单位随机分 配到两个组，给予不同的处理，观察指标的 变化。 ① 同一观察单位实验(或治疗)前后的比较； ② 同一样品用两种方法检验结果的比较； ③ 配对的两个观察单位分别接受两种处理后 的数据比较。
2．选择检验方法、计算统计量
根据：①研究目的， ②资料的类型和分布， ③设计方案， ④统计方法的应用条件， ⑤样本含量大小等， 选择适宜的统计方法并计算出相应 的统计量。
3．确定Ｐ值、做出推论 假设检验中的Ｐ值是指在由无效假设所
规定的总体作随机抽样，获得等于及大 于(和/或等于及小于)现有统计量的概 率。 即各样本统计量的差异来自抽样误差的 概率，它是判断H０成立与否的依据。
非参数检验是一类不依赖总体分布的具体形式的统 计方法。如Ridit分析、秩和检验、符号检验、 中位数检验、序贯试验、等级相关分析等。 ⑴优点：①对总体的分布形式不要求；②可用于不 能精确测量的资料；③易于理解和掌握；④计算 简便。 ⑵缺点：不能充分利用资料所提供的信息，使检验 效率降低。
（二）单因素分析与多因素分析
STATA 第四章 t检验和单因素方差分析命令输出结果说明
i ng si n第四章 t 检验和单因素方差分析命令与输出结果说明·单因素方差分析单因素方差分析又称为Oneway ANOVA ,用于比较多组样本的均数是否相同，并假 定：每组的数据服从正态分布,具有相同的方差，且相互独立，则无效假设。
原假设：H 0:各组总体均数相同。
在STATA 中可用命令：oneway 观察变量 分组变量[, means bonferroni]其中子命令bonferroni 是用于多组样本均数的两两比较检验。
例：测定健康男子各年龄组的淋巴细胞转化率(%)，结果见表，问:各组的淋巴细 胞转化率的均数之间的差别有无显著性？健康男子各年龄组淋巴细胞转化率(%)的测定结果:11-20 岁 组：58 61 61 62 63 68 70 70 74 7841-50 岁 组：54 57 57 58 60 60 63 64 6661-75 岁 组：43 52 55 56 60用变量x 表示这些淋巴细胞转化率以及用分组变量group=1，2，3分别表示 11-20岁组，41-50岁组和61-75岁组,即：数据表示为：x 586161626368707074785457group 111111111122x 575860606364664352555660group 222222233333则 用 STATA 命 令：oneway x group, mean bonferroni| Summary of xgroup | Mean ①-------------+------------1 | 66.52 | 59.8888893 | 53.2------+------------Total | 61.25 ②Analysis of VarianceSource SS df MS F Prob > F------------------------------------------------------------------------------- Between groups 616.311111③ 2 ④ 308.155556⑤ 9.77⑥ 0.0010⑦Within groups 662.188889⑧ 21⑨ 31.5328042⑴-------------------------------------------------------------------------------Total 1278.50 23 55.586956（2）Bartlett's test for equal variances:chi2(2) = 2.1977 （3）Prob>chi2=0.333Comparison of x by group(Bonferroni)Row Mean- |Col Mean | 1 2-------------- --|--------------------------------------2 | -6.61111 （4）| 0.054 （5）|3 | -13.3 （6） -6.68889（8）| 0.001 （7） 0.134 （9）①对应三个年龄组的淋巴细胞转化率的均数；②三组合并在一起的总的样本均数；③组间离均差平方和；④组间离均差平方和的自由度；⑤组间均方和(即：⑤=③/④)；⑧组内离均差平方和；⑨组内离均差平方和的自由度；（1）组内均方和(即：（1）=⑧/⑨)；⑥为F 统计值(即为⑤/（1）)；⑦为相应的p值；（2）为方差齐性的Bartlett检验；（3）方差齐性检验相应的p值；（4）第二组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（5）第二和第一组均数差的显著性检验所对应p 值；（6）第三组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（7）第三和第一组均数差的显著性检验所对应的 p 值；（8）第三组的淋巴细胞转化率样本均数—第二组的淋巴细胞转化率的样本均数的差；（9）第三和第二组均数差的显著性检验所对应的p 值。
T检验_图文
当两样本含量n1和n2均大于50时，t分布非常接近z分布，近 似可按下式计算在z值：
z | X1 X2 | S12 /n1 S22 /n2
zz/2,或 zz,P zz/2,或 zz,P
zα或zα/2值查t界值表，ν=∞栏即可。
二、两样本几何均数t检验 比较两样本几何均数的目的是推断它们各自代表的总体
12
正常人组
12
182.4
27.7
149.7
19.5
（1）建立检验假设 ,确定检验水准
H0：1 2，银屑病患者与正常人的血清IL-6均数相同
H1：1 2 ，银屑病患者与正常人的血清IL-6均数不同
0.05
（2）计算t值 本例n1=n2, 即可按下式计算t值。
t| X1X2| 18.2414.97 3.34
t 3.25| 4.52 2.49/1 12
（3）确定P值，作出推断结论 ν=n-1=12-1=11，t界值表，得 t0.001/2，11=4.437, 现t>t0.001/2, 11 , 故P<0.001。按α水准，拒绝H0, 接受H1，差异有统计学意义。可以认为两种不同结核菌素对儿 童的皮肤反应直径有差别，新制品反应小于标准品。
如例4.2 120名9岁男孩的肺活量资料，通过SAS进行正 态性检验，其结果如下：
2.矩法检验 分别对总体分布的偏度和峰度进行检验。
(1)偏度检验：主要计算偏度系数（coefficient of skewness ,SKEW），一般用g1来表示。检验假设为：
H0：G1=0，总体分布对称 H1：G1≠0，总体分布不对称。
第一节 样本均数与总体均数的比较
亦称为单样本t检验（one sample t-test）。即样本均数代表 的未知总体均数μ与已知的总体均数μ0（一般为理论值、标准值 或经过大量观察所得的稳定值等）进行比较。
5第四章 t检验ppt课件
1.建立检验假设、确定检验水准
H0：两总体方差相等
H1：两总体方差不相等
0.10（ 较大以减少II类错误）
2.选择检验方法、计算统计量
中药组S2 =0.580 西药组S2 =0.466 F=s12/s22 =0.580/0.466 =1.245
3.确定P 值、做出推论
ν1＝n1－1＝10－1＝9，ν2＝n2－ 1＝10－1＝9，查F 界值表(方差齐 性检验用)，得F 0.05〔9，9） ＝ 4.03， F＜ F 0.05〔9，9） ，P ＞0.05。
非参数检验是一类不依赖总体分布的具体形式的统 计方法。如Ridit分析、秩和检验、符号检验、 中位数检验、序贯试验、等级相关分析等。
⑴优点：①对总体的分布形式不要求；②可用于不 能精确测量的资料；③易于理解和掌握；④计算 简便。
⑵缺陷：不能充分利用资料所提供的信息，使检验 效率降低。
（二〕单因素分析与多因素分析
已知总体均数一般为标准值、理论值或 经大量观察得到的较稳定的指标值。
一、适用条件
1.对正态分布的数值变量资料，需用ｔ 检验。
2．对于非正态分布的资料，若经过变量 变换使成正态分布，可按ｔ检验处理； 否则，用非参数检验的方法。
二、正态性检验的方法
检验假设Ｈ０为总体分布是正态分布，当P＞α时， 不拒绝Ｈ０，认为样本所来自的总体服从正态分 布；而P≤α时，拒绝Ｈ０，认为样本所来自的总 体不服从正态分布。
表4-2 两法治疗高血脂症3个月后血清胆固醇含量(mmol/L)
病人编号 组别
1 2 3 4 5 6 7 8 9 10
中药 5.45 5.04 4.62 5.61 4.06 5.32 5.28 4.78 6.97 5.34 西药 5.34 6.12 5.87 4.67 5.21 6.89 5.48 5.43 4.57 5.79
t检验和Z检验
药物治疗
1
？ ＝
药物治疗合 并饮食疗法
2
推断
甲组
n1=12
XX1 =15.21
乙组 n2=13 X 2=10.85
t 检验——问题提出
▪ 根据研究设计,t检验有三种形式：
➢单个样本的t检验 ➢配对样本均数t检验(非独立两样本均数t
检验)
➢两个独立样本均数t检验
第一节 单个样本t检验
▪ 又称单样本均数t检验(one sample t test),适 用于样本均数与已知总体均数μ0的比较,目的是 检验样本均数所代表的总体均数μ是否与已知总 体均数μ0有差别。
▪ 配对设计主要有三种情况：
（1）将受试对象按某些混杂因素（如性别、年龄、窝别 等）配成对子，每对中的两个个体随机分配给两种处理 （如处理组与对照组）； （2）同一受试对象或同一标本的两个部分，随机分别进 行不同处理（或测量）。 （3）同一受试对象自身前后对照。
配对t检验原理
▪ 配对设计的资料具有对子内数据一一对应的特征, 研究者应关心是对子的效应差值而不是各自的效 应值。
表 5-1 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
标准品 新制品 差值 d
d2
1
12.0
10.0
2.0
4.00
2
14.5
10.0
4.5
20.25
3
15.5
12.5
3.0
9.00
4
12.0
13.0
-1.0
1.00
5
13.0
10.0
3.0
9.00
6
12.0
5.5
6.5
42.25
【2024版】食品实验数据处理与分析-第四章
可编辑修改精选全文完整版一、单个样本平均数的u 检验 1. u 检验u 检验（u -test ），就是在假设检验中利用标准正态分布来进行统计量的概率计算的检验方法。
Excel 中统计函数（Ztest ）。
有两种情况的资料可以用u 检验方法进行分析：✓ 样本资料服从正态分布 N （μ,σ2）,并且总体方差σ2已知；✓ 总体方差虽然未知，但样本平均数来自于大样本（n ≥30）。
【例4-1】某罐头厂生产肉类罐头，其自动装罐机在正常工作时每罐净重服从正态分布N （500，64）（单位，g ）。
某日随机抽查10瓶罐头，得净重为：505，512，497，493，508，515，502，495，490，510。
问装罐机当日工作是否正常？（1） 提出假设无效假设H 0：μ＝μ0＝500g ，即当日装罐机每罐平均净重与正常工作状态下的标准净重一样。
备择假设H A ：μ≠μ0，即罐装机工作不正常。
（2）确定显著水平α＝0.05（两尾概率）（3）构造统计量，并计算样本统计量值样本平均数：均数标准误：统计量u 值：（4）统计推断 由显著水平α＝0.05，查附表，得临界值u 0.05＝1.96概率P>0.05,故不能否定H 0 ，所以，当日装罐机工作正常。
2.t 检验 t 检验（t -test ）是利用t 分布来进行统计量的概率计算的假设检验方法。
它主要应用于总体方差未知时的小样本资料（n<30）。
其中， 为样本平均数，为样本标准差，n 为样本容量。
[例4-2]用山楂加工果冻，传统工艺平均每100g 加工500g 果冻，采用新工艺后，测定了16次，得知每100g 山楂可出果冻平均为520g ，标准差12g 。
问新工艺与老工艺在每100g 加工果冻的量上有无显著差异？（1）提出无效假设与备择假设 ，即新老工艺没有差异。
，即新老工艺有差异。
（2）确定显著水平 α＝0.01（3=520g所以（4）查临界t 值，作出统计推断 由df =15，查t 值表（附表3）得t 0.01（15）=2.947，因为|t |>t 0.01， P <0.01， 故应否定H 0，接受H A ， 表明新老工艺的每100g 加工出的果冻量差异极显著。
SPSS统计分析第四章均值比较与T检验
N 258 216
Mean $41441.8 $26031.9
Std. Dev iation $19,499.214 $7,558.021
Std. Error Mean $1213.97
$514.258
左第一栏为分析变量标签和分类变量标签 N观测量数目 Mean均值 Std. Deviation标准差 Std. Error Mean标准误
三、配对样本T检验
配对样本T检验（Paired Sample T test）用 于检验两个相关的样本是否来自具有相同均 值的总体。这种相关的或配对的样本常常来 自这样的实验结果，在实验中被观测对象在 实验前后均被观测。两个变量可以是before after，配对分析的测度也不是必须来自同一 个观测对象。一对可以两者组合而成。
练习题
已知某水样中含CaCO3的真值为20.7mg/L， 现用某方法重复测定该水样11次CaCO3的含 量（mg/L）为：20.99，20.41，20.10， 20.00，20.91，22.60，20.99，20.41， 20.00，23.00，22.00。问该方法测得的均值 是否偏高？
2、Independent Sample T test（独立样本T检验）
例题一
现有银行雇员工资为例，检验男女雇员现工 资是否有显著差异。一个是要比较salary变量 的均值，另一个是gender变量作为分水平变 量。 (data09--03) 。
分析变量的简单描述性统计量
Gender Current Salary Male
F emale
Group Statistics
如果你试图比较的变量明显不是正态分布的，则应该 考虑使用一种非参数检验过程（Nonparametric test）。 如果想比较的变量是分类变量，应该使用Crosstabs 功能。
STATA第四章t检验和单因素方差分析命令输出结果说明
第四章 t检验和单因素方差分析命令与输出结果说明·单因素方差分析单因素方差分析又称为Oneway ANOVA,用于比较多组样本的均数是否相同，并假定：每组的数据服从正态分布,具有相同的方差，且相互独立，则无效假设。
原假设：H0:各组总体均数相同。
在STATA中可用命令：oneway 观察变量分组变量[, means bonferroni]其中子命令bonferroni是用于多组样本均数的两两比较检验。
例：测定健康男子各年龄组的淋巴细胞转化率(%)，结果见表，问:各组的淋巴细胞转化率的均数之间的差别有无显著性？健康男子各年龄组淋巴细胞转化率(%)的测定结果:11-20 岁组：58 61 61 62 63 68 70 70 74 7841-50 岁组：54 57 57 58 60 60 63 64 6661-75 岁组：43 52 55 56 60用变量x 表示这些淋巴细胞转化率以及用分组变量group=1，2，3分别表示11-20岁组，41-50岁组和61-75岁组,即：数据表示为：x 58 61 61 62 63 68 70 70 74 78 54 57 group 1 1 1 1 1 1 1 1 1 1 2 2x 57 58 60 60 63 64 66 43 52 55 56 60 group 2 2 2 2 2 2 2 3 3 3 3 3则用 STATA 命令：oneway x group, mean bonferroni| Summary of xgroup | Mean ①-------------+------------1 | 66.52 | 59.8888893 | 53.2------+------------Total | 61.25 ②Analysis of VarianceSource SS df MS F Prob > F-------------------------------------------------------------------------------Between groups 616.311111③ 2 ④ 308.155556⑤ 9.77⑥ 0.0010⑦Within groups 662.188889⑧ 21⑨ 31.5328042⑴-------------------------------------------------------------------------------Total 1278.50 23 55.586956（2）Bartlett's test for equal variances:chi2(2) = 2.1977 （3）Prob>chi2=0.333Comparison of x by group(Bonferroni)Row Mean- |Col Mean | 1 2-------------- --|--------------------------------------2 | -6.61111 （4）| 0.054 （5）|3 | -13.3 （6） -6.68889（8）| 0.001 （7） 0.134 （9）①对应三个年龄组的淋巴细胞转化率的均数；②三组合并在一起的总的样本均数；③组间离均差平方和；④组间离均差平方和的自由度；⑤组间均方和(即：⑤=③/④)；⑧组内离均差平方和；⑨组内离均差平方和的自由度；（1）组内均方和(即：（1）=⑧/⑨)；⑥为F 统计值(即为⑤/（1）)；⑦为相应的p值；（2）为方差齐性的Bartlett检验；（3）方差齐性检验相应的p值；（4）第二组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（5）第二和第一组均数差的显著性检验所对应p 值；（6）第三组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（7）第三和第一组均数差的显著性检验所对应的 p 值；（8）第三组的淋巴细胞转化率样本均数—第二组的淋巴细胞转化率的样本均数的差；（9）第三和第二组均数差的显著性检验所对应的p 值。
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。
04t检验和u检验
TTEST过程执行成组设计的来自正态总体的两个样本均数比较的t检验。它具有对两样本方差齐性比较的的F检验功能，计算t值与t’值，并给出相应的p值。
1. TTEST过程的语句组成。
*PROC TTEST options;
*CLASS variable;
VAR variable;
M(Sign) 3.5 Pr>=|M| 0.0156
Sgn Rank 14 Pr>=|S| 0.0156
W:Normal 0.896401 Pr<W 0.3222
Quantiles(Def=5)
略
Extremes
略
从上面的结果来看：
正态性检验：W=0.896401,p<W=0.3222,说明d(d=x1-x2)服从正态分布，t检验适用条件满足。
第四章
数值资料的参数统计推断，按推断目的不同分为两大类：总体参数的区间估计及总体参数的假设检验。其中应用最广泛的是总体均数的区间估计及总体均数的假设检验。PROC MEANS过程可以进行总体均数的区间估计，而总体均数的假设检验，依据研究设计类型的不同分别由PROC MEANS过程和PROC TTEST过程完成。
t检验：T(Mean=0)=-2.01284,Pr>|T|＝0.0750>0.05，按α＝0.05水平，尚不能
拒绝总体均数为零的假设，即可认为装瓶机工作正常。
例4.3若上例仅已知n=10, =490.3,s=15.2392,及μ0=500,则SAS程序为：
DATA A;
N=10;MEAN=490.3;SD=15.2392;MU=500;赋初值
T=(MEAN-MU)/(SD/SQRT(N));DF=N-1;计算t统计量及其自由度
第四章 t检验 PPT课件
ｔ检验(t test)是以t分布为理论
基础，对一个或两个样本的数值变 量资料进行假设检验常用的方法， 属于参数检验。
第一节 假设检验
一、假设检验的概念与分类 假设检验(hypothesis test) 亦称显著 性检验(significance test)，是利用 样本信息，根据一定的概率水准，推断 指标(统计量) 与总体指标(参数)、不 同样本指标间的差别有无意义的统计分 析方法。
假设检验有双侧检验和单侧检验
若目的是推断两总体均数是否不等，应选用
双侧检验。 H0：＝0，H1：0
若从专业知识已知不会出现0 (或0)的 情况，则选用单侧检验。
H 0 ： = 0 ， H 1 ： 0 ( 或 0 )
确定检验水准
Hale Waihona Puke 检验水准亦称显著性水准，符号为α ， 指由假设检验做出推断结论时发生假阳 性错误的概率。 α 常取0.05或0.01。
1.607
3.确定Ｐ值、做出推论
=30-1 =29，查t值表， t0.05/2，29=2.045， 今t =1.607t0.05/2，29，P 0.05。 按 0.05水准，不拒绝H0，根据现
有样本信息，尚不能认为脾虚男子脉 搏数与健康人不同。
第三节
配对设计资料均数的t检验
配对设计
二、假设检验的基本步骤
例题：根据大量调查，已知健康成年 男子的脉搏均数为72次/分。某医生 在某医院随机调查30名脾虚男子，求 得脉搏均数为74.2次/分，标准差为 7.5次/分。脾虚病人的脉搏是正态分 布，问脾虚男子的脉搏均数与一般成 年男子的脉搏均数是否相等？
分析：
把一般成年男子的脉搏均数看作一个 总体均数，脾虚男子的脉搏均数为 样本均数。 0 ＝ 72 ， n ＝ 30 ， X ＝ 74.2 ， s ＝ 7.5 。