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。
医学统计学——t检验课件xx年xx月xx日contents •t检验的基本概念•t检验的原理•t检验的步骤•t检验的应用•t检验的注意事项•t检验的实例演示目录01 t检验的基本概念统计假设检验的一种，用于比较两个独立样本的平均数是否有显著差异，或一个样本的平均数与一个已知的参考值之间是否有显著差异。
t检验常用于小样本数据，特别是两个独立样本的比较。
t检验的定义t检验的适用范围适用于小样本数据，特别是两个独立样本的比较；常用于检验一个样本的平均数与一个已知的参考值之间是否有显著差异；可用于二分类变量和等级变量的比较。
两个独立样本来自的总体服从正态分布；两个独立样本来自的总体方差相等；样本数据是随机样本。
t检验的假设条件02 t检验的原理两独立样本t检验适用条件样本应来自正态分布总体，且方差相等。
结果解释根据t值和自由度，结合临界值表，确定P值，判断是否拒绝原假设。
统计假设比较两组独立样本的均值是否存在显著差异，即H0：μ1=μ2与H1：μ1≠μ2。
两配对样本t检验统计假设比较两组配对样本的差值均值是否显著非零，即H0：μ1-μ2=0与H1：μ1-μ2≠0。
适用条件样本应来自正态分布总体，且方差相等。
结果解释根据t值和自由度，结合临界值表，确定P值，判断是否拒绝原假设。
单因素方差分析t检验统计假设比较三组或多组独立样本的均值是否存在显著差异，即H0：μ1=μ2=…=μn与H1：μ1≠μ2≠…≠μn。
适用条件样本应来自正态分布总体，且方差相等。
结果解释根据F值和自由度，结合临界值表，确定P值，判断是否拒绝原假设。
如果P值小于预设显著性水平α，则认为各组均值存在显著差异；否则，认为无显著差异。
03 t检验的步骤明确研究目的明确研究目的是t检验的首要步骤，决定了数据的类型和数量。
数据筛选对数据进行筛选，去除异常值和缺失值，以确保数据的有效性和可靠性。
数据分组根据研究目的，将数据分成两组或以上，以便进行比较和分析。
•t检验概述•t检验的前提条件•单一样本t检验•独立样本t检验•配对样本t检验•t检验的扩展•t检验在医学中的应用•t检验的常见错误及注意事项目录t检验的定义0102031t检验的适用范围23t检验主要用于比较两组数据的均值是否存在显著差异，例如比较两组病人的平均血压、平均血糖等指标是否存在显著差异。
t检验还可用于检测单个样本的均值与已知的某个值是否存在显著差异，例如检测某种新药的有效性。
在医学研究中，t检验常用于临床试验、流行病学调查等数据统计分析中。
t检验的历史与发展t检验起源于英国统计学家G.E.皮尔逊，最初用于解决科学实验中的数据分析问题。
随着科学技术的不断发展，t检验逐渐成为医学统计学中最常用的统计分析方法之一。
目前，t检验已经广泛应用于医学、生物、社会科学等领域的数据统计分析中，成为研究者和学者们必备的统计工具之一。
样本正态分布样本独立性独立性是指样本数据来自不同的总体，且各总体之间相互独立。
在进行t检验时，要求样本数据是来自两个或多个相互独立的总体。
如果样本数据不是来自相互独立的总体，那么t检验的结果可能会受到影响。
在实际应用中，如果样本数据不满足独立性要求，可以通过将数据分为不同的组（如按时间、按个体等）来满足独立性要求。
如果数据无法分组满足独立性要求，则可以考虑使用其他统计方法。
方差齐性单一样本t检验是用来检验一个样本均值是否显著地不同于已知的参考值或“零”（即检验假设H<sub>0</sub>：μ=μ<sub>0</sub>）。
这种检验通常用于检验单个观察值是否与已知的参考值有显著差异。
公式t=(X-μ<sub>0</sub>)/S<sub>X</sub>/√n，其中X是样本均值，μ<sub>0</sub>是已知的参考值或“零”，S<sub>X</sub>是样本标准差，n是样本大小。
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=
x
0s x μ-=
n
s
x 0μ- υ=n-1
⒉z 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=
n
s
x 0μ- 或 z=
n
x 0
σμ-
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=
n
s 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。
②优点：节约样本含量，能够有效的控制个体自身差异对实验结果的影响；缺点：随时间变化明显的指标不宜按此类设计进行分析，此时应设立平行对照组。
【小结】
①配对设计的t 检验统计处理的效率高于成组设计，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。
②配对设计t 检验是单样本t 检验的特例，即检验差值是否来自总体均数为0的总体。
⒋两样本均数的比较
两独立样本资料的t 检验，又称为成组t 检验，适用于完全随机设计的两样本均数的比较。
⑴两独立样本资料的t 检验的应用条件：两组数据均服从正态分布，且两总体的方差齐。
若量总体方差不齐，可采用t ＇检验或进行变量变换后选择合适的方法，亦可用非参数检验如秩和检验处理。
⑵假设检验与计算统计量：
两独立样本资料的t 检验的检验假设为μ1=μ2（相同、相等、无差别），计算统计量公式为：
t=
2
1
x
-x 21s x x -=
⎪
⎪⎭
⎫
⎝⎛+-212
c 21n 1n 1s x x ，其中Sc （合并方差）=()()2
n n s 1n s 1n 212
2
2211-+-+-，υ=n 1+n 2-2（n 1与n 2
为两样本含量）
⑶大样本时的处理：
①当样本含量较大时（如n 1＞50且n 2＞50），可应用z 检验。
②z 检验的其他应用条件与t 检验基本相似。
③两大样本z 检验的计算公式为
z=
2
2
212
121n s n s x x +-
④两样本z 检验的基本步骤与两独立样本t 检验基本相同。
【注】偏态总体不符合t 检验条件，不能直接进行比较（如抗体滴度），需要进行变量变换把资料转换为整台分布资料再进行分析。
⒌正态性检验和方差齐性检验 ⑴正态性检验：
正态性检验方法有两类：①图示法：P-P 图法、Q-Q 图法；②统计检验法：W 检验、D 检验和矩法。
⑵两样本方差齐性检验： Ⅰ、检验步骤：
①建立假设检验，确定检验水准： H 0：总体方差相等，σ12=σ22 H 1：总体方差不等，σ12≠σ22 ②计算统计量F 值：F=
2
2s s 小
大，υ1=n 1-1，υ2= n 2-1
③确定P 值，做出统计推断：查F 界值表（方差齐性检验用表） Ⅱ、两样本方差齐性检验统计量F 的公式为：
F=
2
2s s 小
大，υ1=n 1-1，υ2= n 2-1
式中S 大2和S 小2分别为较大和较小的方差，n 1和n 2分别为方差较大和较小的样本含量。
Ⅲ、两样本方差齐性检验统计量F 原理：
假设两总体方差相等，则两样本方差值之比不会偏离1太远，即F 不会偏离1太远。
若果偏离1太远，求的P 值小于预先设定的检验水准α，则有理由认为两总体方差不等。
【注意】
①由样本推断两总体方差σ12与σ22是否相等的方法常用的有F 检验、Bartlett 检验和Levene 检验。
F 检验、Bartlett 检验要求资料服从正态分布；Levene 检验不依赖总体分布具体形式，更为稳健。
F 检验只用于两样本方差齐性检验。
Bartlett 检验和Levene 检验既可以用于两样本方差齐性检验，也可以用于多样本方差齐性检验。
②在具体计算时，为了简便，可以进行目测两方差大小差别，若果差别不大，可认为方差齐。
③当样本含量相近或相等时，即使方差不齐，检验效率依然很高，即均衡设计时对方差齐性要求不严。
④当样本含量较大时（如n 1与n 2均大于50时，可不做方差齐性分析）若量总体方差不具有齐性，可采用t ＇检验或进行变量变换或用秩和检验处理。
可采用近似t 检验，近似t 检验、Welch 法近似t 检验和Cochran&Cox 法近似t 检验。
其中Cochran&Cox 法对临界值校正，而Satterhwaite 和Welch 法对自由度进行校正。
⑴近似t 检验的检验步骤：
①建立检验假设，确定检验水准；②计算检验统计量，校正临界值或自由度；③确定P 值，做出统计推断； ⑵具体公式：
①t ＇统计量的公式为： 式1
②按Satterhwaite 法，t ＇检验的自由度校正公式为： 式2
③按Welch 法，t ＇检验的自由度校正公式为：式3；根据自由度t 截止表，做出推断结论。
t ＇=
2
2
212
121n s n s x x +-（式1） υ=
()
1
n s 1
n s s s
24
x
14
x
2
22
2
1
2
x 1
x -+
-+（式2） υ=
()
1
n s 1n s s s
24
x
14
x
2
22
2
1
2
x 1
x ++
++-2（式3）
④按Cochran&Cox 法，t ＇检验的临界值校正公式为：
t ＇=
2
x
2x 2
x 2
x 2
1
2
2
11
s s t s t s +⨯+⨯νανα，，，υ=n 1+n 2-2
式中υ1=n 1 -1，υ2=n 2 -1，根据校正的临界值，做出统计结论。
⒎变量变换
当进行参数检验时，通常要求所得的资料满足正态性和方差齐性，但实际工作中收集到的许多资料不能满足这些条件。
为达到正态性和方差齐性的要求，可通过变量变化的方法加以改善。
所谓变量变换就是将原始数据做某种函数变换，它可使资料转换为正态分布，并同时使各组达到方差齐性，以满足t 检验，
以及后述的方差分析的应用条件。
通常情况下，一种适当的函数变换可同时达到上述两个目的，应根据资料的性质选择适当的变量变换方法，但变量变换后没再结果解释上不如原始观测尺度方便。
常用的变量变换及用途：
⑴对数变换：
⑵平方根变换：
⑶倒数变换：
⑷平方根反正弦变换：。
