-
第三单元
总体均数的估计和假设检验
第一节
均数的抽样误差与标准误
1.
均数的抽样误差
例如:在北京市估计
10
岁男孩身高。
样本均数与总体均数之间的差异或
样本均数之间的差异都是由于抽样引起的,称为
均数的抽样误差
。
影响均数的抽样误差大小的因素有两个:
总体内各个个体间的变异程度;
样本的含量
n
的大小。
与样本量的关系:
S
一定,n↑,标准误↓。
2.
标准误
描写抽样误差大小的统计量称为标准误。
对计量资料,其计算公式为:
试计算标
例
1
、测量
140
名正常人的空腹血糖,得
准误。
第二节
t
分布
1.
概念
William Sealey Gosset
Born: 13 June 1876 in Canterbury,
England
Died: 16 Oct 1937 in
Beaconsfield, England
2.
图形特征
(
1
)以
0
为中心,左右对称;
(
2
)形状与自由度有关,自由度越小,曲线的峰部越低,尾部越高;
(
3
)
随自由度增大
逼近标准正态分布,
当自由度为∞时,
t
分布就是标准正态分布。
3.
曲线下面积特点与
t
临界值表
t
值表(附表
1
)
横坐标:自由度,
υ
。
纵坐标:概率
p,
即曲线下阴影部分的面积;
表中的数字:相应的
|t|
界值。
第三节
总体均数的估计
参数估计:用样本指标值(统计量)估计总体指标值(参数)。
统计推断的任务就是用样本信息推论总体特征。
参数估计,用样本均数估计总体均数。
1
、
点(值
)估计
(
近似值)
2
、
区间估计
(近似范围)
< br>▲概念:
根据样本均数,
按一定的可信度计算出总体均数
很可能在的一个数值范围,
这个范围称为总体均数的可信区间
(
confidence interval,
CI
)。
区间估计:
1.
当
n<
/p>
足够大时,总体均数的区间估计:
总体均数的
95%
< br>的置信区间:
总体均
数的
99%
的置信区间:
140
名正常人的空腹血糖的
95%
与
99%
的区间估计为:
(
88.55
-1.96×1.096,
< br>88.55
+1.96×1.096)
即:
(
86
.40
,
90.70
)
(
88.55
-2.58×1.096,
88.55
+2.58×1.096)
即:
(
85
.72
,
91.38
)
2.
当
n
< br>较小且总体方差未知时,总体均数的区间估计
p>
例
2
、测得
25<
/p>
名
1
岁婴儿血红蛋白均数为
123.7g/L,
标准差为
11.9g/L
。计算
1
岁
婴儿血红
蛋白均数的
95%
可信区间。
t
界值表
规律
:
(
1
)自由度(
υ
)一定时,
p
与
t
成反比;
(
2
)概率(
p
)一定时,
υ
与
t
成反比。
附表
1
t
界值表
续表
注:表
右上角图中的阴影部分表示概率
P
,以后附表同此
正常值范围估计与可信区间估计
可信区间(置信区间)
正常值范围
概念:
总体均数所在的数值
概念:绝大多数正常人的某指标范围。
范围(
95%
,
99%
指可信度)
(
95%
,
99%,
指绝大多数正常人)
计算公式:
计算公式:
1
、正态分布资料的
95%
参考值范围:正态
1
、
σ
未知:
分布法:
2
、
p>
σ
未知,但
n
较大
:
双侧:
只有下限:
只有上限:
2
、非正
态分布资料的
95%
参考值范围:百
用途:估计总体均数
分位数法
双侧:
P2.5
~
P97.5
只有下限:>
P5
只有上限:<
P95
用途:判断观察对象的某项指标是否正常
例题:
1.
减少均数的抽样误差的可行方法之一是:
A.
严格执行随机抽样
B.
增大样本含量
C.
设立对照
D.
选一些处于中间状态的个体
E.
选一些处于极端状态的个体
p>
[
答疑编号
5
:针
对该题提问
]
『正确答案』
B
p>
2.
在标准差与标准误的关系中,说法正确的是:
< br>
A.
样本例数增大时,样本差减小,标准差不变
B.
可信区间大小与标准差有关,而参考值
范围与标准误有关
C.
样本例数增大
时,标准差增大,标准误也增大
D.
样本的例数增大时,标准差与标准误均减小
E.
总体标准差一定时,增大样本例数会减小标准误
[
答疑编号
5
:针对该题提问
]
『正确答案』
E
3.
统计推断包括两个重要方面是:
A.
统计量与参数
B.
统计量与假设检验
C.
参数估计与假设检验
D.
参数估计与统计预测
E.
区间估计与假设检验
[
答疑编号
5
:针对该题
提问
]
『正确答案』
C
第四节
假设检验
1.
假设检验的基本原理及思想
2.
假设
检验的步骤——以
t
检验为例
(
1
p>
)
建立假设,确定检验水准
检验假设或者称零假设(无效假设
),用
H
0
表示,
H
0
假设是假设两总体均数相等。
对立假设
(备择假设)
,
用
H
< br>1
表示。
H
1
< br>是与
H
0
相反的假设,
假设两总体均数不相等。
检验水准(
a
)
就是我们用来区分大概率事件和小概率事件的标准(即预先规定的
< br>小概率事件的水准),是人为规定的。通常
a
取
0.05
或
0.01
。
(
2
)
p>
计算统计量
根据资料类型与分析目的选择适当的公式计算出统计量
t
值。
(
3
)
确定概率值,作
出推断
将计算得到的
t
值与查表
t
a,
υ
或
t
a/2,
υ
比较,得到
P
值的大小。
或采用统计软件计算,可得到精确的
P
值。
当
a
=
0.0
5
:
<
/p>
如果
P
>
0.0
5
,不拒绝
H
0
,差别无统计学意义,结论是不认为两总体均数不相等。
如果
P
<<
/p>
0.05
,拒绝
H
0
,接受
H
1
,差别有统计意义,结论:可以认为是两总体均数
不相等。
第五节
t检验
William Sealey Gosset
Born: 13 June 1876 in
Canterbury, England
Died: 16 Oct 1937 in Beaconsfield,
England
一、单个样本的
t
< br>检验(样本均数与总体均数比较的
t
检验)