卫生统计学课件第六章假设检验.pptx

卫生统计学课件第六章假设检验假设检验的基本概念假设检验的步骤假设检验的注意事项实例分析目录01假设检验的基本概念0102定义它基于样本统计量与假设的总体参数进行比较，进而作出接受或拒绝该假设的决策。假设检验是一种统计推断方法，根据样本数据对总体参数作出推断。判断样本数据所反映的总体特征是否符合预先设定的假设。揭示样本数据与假设之间的差异，为进一步的研究和实践提供依据。目的类型只关注参数的一个方向，例如是否大于或小于某个值。同时关注参数的两个方向，例如是否不等于某个值。基于总体参数进行假设检验，如均值、比例等。不依赖于总体参数的假设检验方法，适用于更广泛的数据类型和分布。单侧检验双侧检验参数检验非参数检验02假设检验的步骤关于总体参数的假设，通常表示没有差异或效应。零假设（H0）对立假设（H1）合理确定假设与零假设相对立的假设，表示有差异或效应的存在。根据研究目的和研究问题，合理设定零假设和对立假设。030201建立假设选择检验统计量根据研究设计和数据类型选择合适的统计量。例如，对于计数资料，可以选择卡方检验；对于计量资料，可以选择t检验或方差分析。根据统计量和样本量确定临界值或置信区间。临界值的选择决定了假设检验的敏感性、特异性和假阳性率。确定临界值根据样本数据计算检验统计量的值。例如，计算卡方值、t值或F值等。计算检验统计量根据检验统计量的值和临界值进行比较，判断零假设是否被拒绝。如果拒绝零假设，则对立假设成立；否则，无法拒绝零假设。同时需要注意避免第一类错误和第二类错误的发生。做出推断03假设检验的注意事项如果样本量过小，无法充分代表总体，导致检验结果不准确。样本量过小样本量过大不仅会增加实验成本，还可能导致假设检验失去实际意义。样本量过大选择合适的样本量是进行假设检验的重要前提，需要根据研究目的、研究设计和预期效应大小来确定。合适的样本量样本量03假设检验与其他统计方法的比较与其他统计方法相比，假设检验在某些情况下可能过于严格或过于宽松。01假设检验的误判风险假设检验只能提供有限的信息，存在第一类和第二类误判的风险。02假设检验的适用范围假设检验适用于具有明确研究假设的情况，不适用于探索性研究和无明确假设的情况。假设检验的局限性P值是假设检验的重要指标，表示观察到的数据或更极端情况出现的概率。P值的意义P值的大小影响决策，一般而言，P值越小，拒绝原假设的理由越充分。P值与决策在解读P值时，应注意其局限性，避免将其绝对化或过度解读。P值的解读P值的意义04实例分析单样本假设检验用于检验单个样本的总体参数是否符合预期值或已知值。总结词例如，检验某医院新生儿的平均体重是否与全国平均值相符。详细描述$fracoverlinex-mu_0S/sqrtnsimt$公式$overlinex$为样本均值，$mu_0$为已知总体参数值，$S$为样本标准差，$n$为样本量。解释单样本假设检验两独立样本假设检验用于比较两组独立样本的总体参数是否具有显著差异。总结词$overlinex_1$和$overlinex_2$分别为两组样本的均值，$s_1$和$s_2$分别为两组样本的标准差，$n_1$和$n_2$分别为两组样本量。解释例如，比较两家医院的新生儿平均体重是否存在显著差异。详细描述$t=fracoverlinex_1-overlinex_2sqrtfracs_12n_1+fracs_22n_2$公式两独立样本假设检验两配对样本假设检验总结词两配对样本假设检验用于比较两个配对样本的观测值是否具有显著差异。详细描述例如，比较同一医院内两名新生儿在出生时的体重是否存在显著差异。公式$t=fracoverlinex_1-overlinex_2sqrtfracs_12n+fracs_22n$解释$overlinex_1$和$overlinex_2$分别为两个配对样本的观测值，$s_1$和$s_2$分别为两个配对样本的标准差，$n$为配对样本量。感谢观看THANKS