下载文档原格式
专题八 t 检验⒈t 检验基础t 检验是一种以t 分布为基础，以t 值为检验统计量资料的假设检验方法。
⑴t 检验的基本思想：假设在H 0成立的条件下做随机抽样，按照t 分布的规律得现有样本统计量t 值的概率为P ，将P 值与事先设定的检验水准进行比较，判断是否拒绝H 0。
⑵t 检验的应用条件：①样本含量较少（n ＜50）；②样本来自正态总体（两样本均数比较时还要求两样本的总体方差相等，即方差齐性）。
【注】实际应用时，与上述条件略有偏离，只要其分布为单峰近似对称分布，对结果影响不大。
⑶t 检验的主要应用：①单个样本均数与总体均数的比较；②配对设计资料的差值均数与总体均数0的比较；③成组设计的两样本均数差异的比较。
⑷单样本t 检验基本公式：t=x0s x μ-=nsx 0μ- υ=n-1⒉z 检验z 分布（标准正态分布）是t 分布的特例，当样本n ≥50或者总体σ已知时用z 检验。
⑴单样本z 检验基本公式：z=nsx 0μ- 或 z=nx 0σμ-⑵单样本z 检验的步骤与单样本t 检验的基本相似。
⒊配对设计均数的比较 配对设计是为了控制某些非处理因素对实验结果的影响而采用的设计方式，应用配对设计可以减少实验误差和个体差异对结果的影响，提高统计处理的效率。
⑴配对设计的主要四种情况：①配对的两受试对象分别接受两种处理，如在动物实验中，常先将动物按照窝别、体重等配对成若干对，同一对的两受试对象随机分配到实验组和对照组，然后观察比较两组的实验结果。
②同一样品用两种不同方法测量同一指标或接受不同处理。
③自身对比，即将同一受试对象（实验或治疗）前后的结果进行比较。
④同一对象的两个部位给予不同处理。
⑵对配对资料的分析：一般用配对t 检验，其检验假设为：差值的总体均数为0即μd =0。
计算统计量的公式为：t=ns 0d d-，υ=n-1式中d 为差值的均数；s d 为差值的标准差；n 为对子数。
⑶关于自身对照（同体比较）的t 检验：①在医学研究中，我们常常对同一批患者治疗前后的某些生理、生化指标进行测量以观察疗效，对于这些资料可以按照配对t 检验。
第9章t 检验t检验(t—tests)又称Student t检验(学生氏t检验)，它用以检验单样本均数与总体均数间的差异性，两独立样本均数的差异性(独立样本t检验，又称成组t检验，团体t检验)和两样本配对样本t检验(自身对照)。
它以t分布为其理论基础，具体假设依各种问题的不同而异。
9.1 单样本均数t检验单样本均数t检验(one—Sample t-test for a Mean)可以对单样本均数与已知总体均数(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，目的是推断样本所代表的未知总体均数与已知的总体均数有无差别(即样本均数与总体均数的比较)。
[例9—1] 已知某水样中含CaC03的真值(均数)为20．7mg／L，现用某方法重复测定该水样11次，CaC03的含量(mg／L)如下：20．99，20．41，20．10，20．00，20．91，22．60，20q99，20．41，20，00，23．00，22．00问该方法测得的均数是否偏高?(杨树勤。
中国医学百科全书／医学统计学。
上海：上海科学技术出版社，1985.10.3)(1)进入SAS／Win(v8)系统，单击Solutions-Analysis-Analyst，显示分析家窗口。
建立如图9—1所示的SAS数据集文件Sasuser.CaCO3。
A为变量CaCO3；，并保存为Sasuser.CaCO3。
(2)单击Statistics-Hypothesis(假设检验) －one—Samplet-test for a Mean (单样本均数t检验)，得到图9.2所示对话框。
图9.1数据文件(部分) 图9—2 one—Sample t-test for a Mean：Cac03(单样本均数t检验)对话框在图9—2所示对话框中可进行如下设置。
、V ariable，待选变量为A(CaCO3)(单击A—Variable)。
Hypotheses，假设检验。
医学统计学中的卡方检验和t检验是两种常见的假设检验方法，它们在医学研究和临床实践中具有重要的应用价值。
下面我们将分别介绍这两种方法的使用场景，并通过实际例题加以说明。
一、卡方检验的使用场景1. 适用于分类型数据的比较分析在医学研究中，经常需要对不同的类别进行比较，例如治疗组和对照组、男性患者和女性患者等。
此时可以使用卡方检验来判断两个或多个分类变量之间是否存在相关性或差异性。
2. 适用于观察数据和期望数据的拟合程度检验在一些医学实验中，我们会根据已知的理论分布假设，计算出期望的数据分布情况。
然后通过卡方检验来判断实际观察到的数据与期望数据之间的拟合程度。
二、t检验的使用场景1. 适用于两组数值型数据的均值比较在医学实验或临床研究中，我们常常需要比较两组数值型数据的均值，例如药物治疗组和安慰剂对照组的疗效比较。
此时可以使用t检验来判断两组数据的均值是否有显著差异。
2. 适用于独立样本和配对样本的比较根据样本数据的不同特点，t检验可以分为独立样本t检验和配对样本t检验。
独立样本t检验适用于两组数据之间的比较，而配对样本t检验适用于同一组数据在不同条件下的比较。
三、卡方检验和t检验的实际例题下面我们通过具体的实例来进一步说明卡方检验和t检验的使用方法。
例题一：卡方检验某医院对两种不同治疗方案的疗效进行比较，收集了100例患者的数据，其中治疗方案A的疗效有效的有60例，无效的有40例；治疗方案B的疗效有效的有45例，无效的有55例。
现在需要使用卡方检验来判断两种治疗方案的疗效是否存在显著差异。
解析：（1）建立假设H0：两种治疗方案的疗效没有显著差异H1：两种治疗方案的疗效存在显著差异（2）计算卡方值根据实际观察到的数据和期望数据，计算出卡方值，并查找卡方分布表得到显著性水平。
（3）判断结果根据计算得到的卡方值和显著性水平，判断是否拒绝原假设，从而得出结论。
例题二：t检验某药厂新研发了一种降压药，为了评价其降压效果，随机选择了30名患者接受治疗，并记录治疗前后的收缩压数据。
