文档介绍：生物统计与计算机辅助分析
Biostatistics puter Aid Analysis
主讲教师:
关瑞章冯建军
林鹏谢钦铭
郭松林黄文树
江兴龙黄良敏
2007-6-15
第四章统计推断
单个样本的统计假设检验
两个样本的差异显著性检
验
2007-6-15
第四章统计推断
•总体与样本之间的关系
–从总体到样本的研究。
–由样本推断总体:样本统计量的分
布规律一般是正态分布、t 分布、
χ2分布和F分布。
2007-6-15
第四章统计推断(续)
•对总体做统计推断的两种途径,应用时可互相参
照使用
–先对所估计的总体做一假设,然后通过样本数
据推断这个假设是否接受,这种途径称为统计
假设检验(statistical test of hypothesis)
–通过样本统计量估计总体参数,称为总体参数
估计(estimation of population parameter)
•本章重点讲解统计推断的一般原理以及对总体平
均数及标准差的推断。
2007-6-15
单个样本的统计假设检验
一般原理及两种类型的错误
假设
–零假设,记为H0,如果假设总体的平均数μ等于
某一给定的值μ0,即μ-μ0=0记为H0:μ- μ0=
0
–备择假设—与零假设相对的假设记为HA它是在拒
绝H0的情况下,可供选择的假设如HA: μ>
μ0 ,HA: μ<μ0 及 HA :μ≠μ0。备择
假设的选定视实际情况而定。
2007-6-15
小概率原理
在一次试验中,几乎是不会发生的,若根
据一定的假设条件计算出来的该事件发生
的概率很小,而在一次试验中它竟然发生
了,则可认为原假设条件不正确,给予否
定。
在生物统计的显著性检验中,通常取5%或
1%小概率为显著性水平,记为“α”
2007-6-15
小概率原理用于显著性检验
•例:用养殖鳗苗作实验材料,现从一批鳗
苗中抽取含量n = 10的样本并已经计算出
g。要求鳗苗满足平均体
重μ= g,σ= 的正态分布总
体,若μ< g 须再饲养,若μ
> g则应淘汰,问此批鳗苗材料是否
合适?
2007-6-15
小概率原理用于显著性检验(续)
解:1 样本平 x −μ 0 −
• u = = =
均数满足何种σ
分布? n 10
• 2 从正态分布表查出P = <
,这是一个小概率事件,该样本
几乎不可能抽自μ= g 的总
体。
2007-6-15
单侧检测(one-sided test)
•上尾检验(upper tailed test):拒绝H0后,
接受μ> μ0,如下左图。
•下尾检验(lower tailed test):拒绝H0后,
接受μ< μ0 ,如下右图。
2007-6-15
双侧检验(two-sided test)
•双侧检验(two-sided test):拒绝H0后,
接受μ≠μ0 ,如下图。
•由于单侧检验时利用了已知有一侧是不可能
的这一条件,从而提高了它的辨别力,所以
单侧检验比双侧检验的辨别力更强些。
•实际应用时,要
尽量选用单侧检
验,但要根据实
际情况而定。
2007-6-15