醫(yī)學(xué)統(tǒng)計學(xué)及其軟件包(編輯修改稿)
2025-08-14 13:50 本頁面
【文章內(nèi)容簡介】 如果 P＞ ， 則不拒絕 H0； ＜ P≤， 則在 α= ， 拒絕 H0； P≤ 則在 α= 平上 ， 拒絕 H0。 假設(shè)檢驗的特點： (1)反證法 。 (2)結(jié)論是概率性的 ， 不是絕對的肯定或否定 ， 有 犯錯誤的可能性 假設(shè)檢驗時應(yīng)注意的問題 保證樣本的隨機性 組間的均衡性和可比性：除了對比的主要因素外其它影響結(jié)果的因素也應(yīng)可比?；蚰茉谫Y料處理時消除其影響。 。 研究變量的類型不同，設(shè)計類型不同，是大樣本還是小樣本等，所用假設(shè)檢驗的方法也不同。 以兩樣本均數(shù)差異的顯著性檢驗為例。 正確的寫法： H0:兩總體均數(shù)相等 H1:兩總體均數(shù)不相等 以下是錯誤的寫法。 H0:兩樣本均數(shù)相等 H1:兩樣本均數(shù)不相等 H0:兩總體均數(shù)無顯著差異 H1:兩總體均數(shù)有顯著差異 H0:兩樣本均數(shù)無顯著差異 H1:兩樣本均數(shù)有顯著差異 假設(shè)檢驗時應(yīng)注意的問題 假設(shè)檢驗時應(yīng)注意的問題 ，寫好統(tǒng)計結(jié)論 過去習(xí)慣： P，兩樣本均數(shù)無顯著差異 P，兩樣本均數(shù)有顯著差異 P，兩樣本均數(shù)有非常顯著差異 “ 顯著 ” 容易誤解為相差大，這和醫(yī)學(xué)上的差異大有區(qū)別。 不要混淆統(tǒng)計上的結(jié)論和專業(yè)上的結(jié)論。 現(xiàn)在主張： P，兩樣本均數(shù)的差異無統(tǒng)計學(xué)意義（ P ） P，兩樣本均數(shù)的差異有統(tǒng)計學(xué)意義（ P ） P，兩樣本均數(shù)的差異有統(tǒng)計學(xué)意義（ P ） 最好給出具體的 P值，如 P＝ 注意： “ 兩樣本均數(shù)的差異 ” ，而不是 “ 兩總體均數(shù)的差異 ” 從 兩樣本均數(shù)的差異有統(tǒng)計學(xué)意義（ P＝ ），可 推斷出兩總體均數(shù)有差異，其結(jié)論錯誤的可能性為 % 假設(shè)檢驗時應(yīng)注意的問題 兩類誤差 兩類誤差 ──────────────────────────────────── 客觀實際 拒絕 H 0 不拒絕 H 0 ──────────────────────────────────── H 0 成立 第一類誤差 α 推斷正確 H 0 不成立 推斷正確（ 1 β ） 第二類誤差 β ─────────────────────────── ───────── 第一類誤差 α常是可控制的 ， α=， P≤。 第二類誤差 β常未知 。 但也可根據(jù)樣本數(shù)據(jù)計算得到 。 1β又稱為檢驗的效能 (Power of Test)， H0不成立時拒絕H0的概率 。 檢驗效能 (Power of Test) 影響效能的四要素 (1) 客觀上兩種藥物效應(yīng)差異越大 , 效能 越大 。 (2) 個體間標準差越小 , 效能越大 。 (3) 樣本量越大 , 效能越大 。 (4) 第 Ⅰ 類誤差的概率越大 , 效能越 大 。 同時降低兩類誤差的唯一辦法是加大樣本 。 檢驗效能 (Power of Test) 例：一項關(guān)于降血壓藥的臨床試驗分設(shè)兩組隨機樣本 , 各含 15例。一組服用常規(guī)藥 , 另一組服用新藥。如果新藥的降壓效果至少比常規(guī)藥平均高出 。 據(jù)以往經(jīng)驗 , 不論常規(guī)藥還是這種新藥 , 個體降壓值的標準差約為1kPa。經(jīng) α＝ 驗 ,兩組平均降壓效果的差異尚無統(tǒng)計學(xué)意義 ,此事如何理解 ? 檢驗效能 (Power of Test) 經(jīng)計算： β＝ , 1β＝ ,可見 , 如果新藥的降壓 效果比常規(guī)藥高出 , 只有 %的機會被此檢驗認可 。如果比常規(guī)藥高出的數(shù)值還
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1