t检验和u检验 统计学
t检验和u检验统计学
§9.4 t 检验和u 检验
? 假设检验的方法通常是以选定的检验统计量而命名的，如t 检验和u 检验
? t 检验（t -test ）的应用条件： ①正态性 变量x 服从正态分布 ②方差齐性 两总体方差相等
一、样本均数与总体均数的比较
? 总体均数 是指已知的理论值或经大量观测所得到的稳定值，记作μ0
例9-15 已知某小样本中含CaCO 3的真值是20.7mg/L 。现用某法重复测定15次，CaCO 3含量（mg/L ）如下，问该法测得的均数与真值有无差别？
20.99 20.41 20.62 20.75 20.10 20.00 20.80 20.91
0 1 2 3 4 5
-1
-2
-3
-4
-5
0.0
0.1 0.2 0.3 0.4
ν=3 ν=1
ν=∞ (标准正态分布)
22.60 22.30 20.99 20.41 20.50 23.00 22.60
1．建立假设，确定检验水准
H0：μ＝μ0H1：μ≠μ0α＝0.05
2．选定检验方法，计算检验统计量t值
x＝ΣX/n＝316.98/15＝21.13
S＝
()
1
2
2
-
∑
-
∑
n
n
x
x
＝
()
1
15
15
98
.
316
98
.
6711
2
-
-
＝0.98
按公式9-16计算t＝15
98
.07.
20
13
.
21-
＝1.70
3．确定P值，判断结果
ν＝n-1＝15-1＝14
查表9-8 t界值表，t0.05,14＝2.145
现t＝1.70，1.70＜2.145，故P＞0.05，按α＝0.05水准，不拒绝H0，尚不能认为该法测得的均数与真值不同（统计结论）。
表9-8 t界值表
自由度概率P
ν双侧: 0.10 0.05 0.02 0.01
单侧: 0.05 0.025 0.01 0.005
1 6.314 12.706 31.821 63.657
2 2.920 4.30
3 6.965 9.925
3 2.353 3.182 4.541 5.841
4 2.132 2.776 3.747 4.604
5 2.015 2.571 3.365 4.032
6 1.943 2.44
7 3.143 3.707
7 1.895 2.365 2.998 3.499
8 1.860 2.306 2.896 3.355
9 1.833 2.262 2.821 3.250
10 1.812 2.228 2.764 3.169
11 1.796 2.201 2.718 3.106
12 1.782 2.179 2.681 3.055
13 1.771 2.160 2.650 3.012
14 1.761 2.145 2.624 2.977
15 1.753 2.131 2.602 2.947
16 1.746 2.120 2.583 2.921
17 1.740 2.110 2.567 2.898
18 1.734 2.101 2.552 2.878
19 1.729 2.093 2.539 2.861
20 1.725 2.086 2.528 2.845
单侧: 0.05 0.025 0.01 0.005
21 1.721 2.080 2.518 2.831
22 1.717 2.074 2.508 2.819
23 1.714 2.069 2.500 2.807
24 1.711 2.064 2.492 2.797
25 1.708 2.060 2.485 2.787
26 1.706 2.056 2.479 2.779
27 1.703 2.052 2.473 2.771
28 1.701 2.048 2.467 2.763
29 1.699 2.045 2.462 2.756
30 1.697 2.042 2.457 2.750 40 1.685 2.021 2.423 2.704 50 1.676 2.009 2.403 2.678 60 1.671 2.000 2.390 2.660 70 1.667 1.994 2.381 2.648 80 1.664 1.990 2.374 2.639 90 1.662 1.987 2.368 2.632 100 1.660 1.984 2.364 2.626
200 1.653 1.972 2.345 2.601 500 1.648 1.965 2.334 2.586 ∞
1.645 1.960
2.326 2.576
二、配对数据的比较
? 配对设计 (要求基线情况相同) ①自身比较，是指处理前后比较
②平行比较，每个样品同时用两种方法检验
③成对比较，两个基本条件一致的个体构成一个对子，分别给予两种处理
? 检验统计量t 值按公式9-24计算
t ＝d S d 0
-＝n S d d
， ν＝n -1 （9-24）
d
：差值的均数
d S ：差值均数的标准误
S d ：差值的标准差 n ：对子数
S d ＝
()
1
2
2
--
∑∑n n
d d
例9-16 应用某药治疗8例高血压患者，观察患者治疗前后舒张压变化情况，如表9-9，问该药是否对高血压患者治疗前后舒张压变化有影响？
表9-10 用某药治疗高血压患者前后舒张压（mmHg ）变化 病人编号
治疗前 治疗后 差值d ⑴ ⑵ ⑶ ⑷＝⑵-⑶
1 96 88 8
2 112 108 4
3 108 102 6
4 102 98 4
5 98 100 -2
6 100 96 4
7 106 102 4 8
100
92
8
1．建立假设，确定检验水准
μd ＝0， H 0：μd ＝0 H 1：μd ≠0 α＝0.05 2．选择检验方法，按公式9-24计算检验统计量t 值
t ＝d S d 0
-＝d
S d
d ＝
n d
∑＝836
＝4.50
S d ＝
()
1
2
2
--
∑∑n n
d d
＝
1
88
362322
--
＝3.16
d S ＝n S d
＝
816.3＝1.12
t ＝d
S d ＝12.150
.4＝4.02
3．确定P 值，判断结果
自由度ν＝n -1＝8-1＝7，查表9-8 t 界值表，t 0.05,7＝2.365，今4.02＞2.365，故P ＜0.05，故按α＝0.05水准，拒绝H 0，接受H 1（统计推论），可以认为该药有降低舒张压的作用（实际推论）。
三、两个样本均数的比较
1. 两个大样本均数比较的u 检验
? 当两个样本含量较大（均>50）时，可用u 检验
u ＝2121x x S x x --＝22212
1x x S S x x +-
＝
2
22
1212
1n S n S x x +
- （9-25） 式中21x x S -为两样本均数差值的标准误。
例9-17 某地随机抽取正常男性新生儿175名，测得血中甘油三酯浓度的均数为0.425mmol/L ，标准差为0.254mmol/L ；随机抽取
统计学五几种常见的假设检验
定义 假设检验就是用来判断样本与样本,样本与总体的差异就是由抽样误差引起还就是本质差别造成的统计推断方法。其基本原理就是先对总体的特征作出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还就是接受作出推断。 基本原理 (1)先假设总体某项假设成立,计算其会导致什么结果产生。若导致不合理现象产生,则拒绝原先的假设。若并不导致不合理的现象产生,则不能拒绝原先假设,从而接受原先假设。 (2)它又不同于一般的反证法。所谓不合理现象产生,并非指形式逻辑上的绝对矛盾,而就是基于小概率原理:概率很小的事件在一次试验中几乎就是不可能发生的,若发生了,就就是不合理的。至于怎样才算就是“小概率”呢？通常可将概率不超过0、05的事件称为“小概率事件”,也可视具体情形而取0、1或0、01等。在假设检验中常记这个概率为α,称为显著性水平。而把原先设定的假设成为原假设,记作H0。把与H0相反的假设称为备择假设,它就是原假设被拒绝时而应接受的假设,记作H1。 假设的形式 H0——原假设, H1——备择假设 双侧检验:H0:μ = μ0 , 单侧检验: ,H1:μ < μ0 或, H1:μ > μ0假设检验就就是根据样本观察结果对原假设(H0)进行检验,接受H0,就否定H1;拒绝H0,就接受H1。 假设检验的种类 下面介绍几种常见的假设检验 1、T检验 亦称student t检验(Student's t test),主要用于样本含量较小(例如n<30),总体标准差σ未知的正态分布资料。 目的:比较样本均数所代表的未知总体均数μ与已知总体均数μ0。 计算公式:统计量: 自由度:v=n - 1 适用条件: (1) 已知一个总体均数; (2) 可得到一个样本均数及该样本标准误; (3) 样本来自正态或近似正态总体。 T检验的步骤 1、建立虚无假设H0:μ1= μ2,即先假定两个总体平均数之间没有显著差异; 2、计算统计量T值,对于不同类型的问题选用不同的统计量计算方法; 1)如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度,其统计量T值
医学统计学 检验方法
医学统计学检验方法(转) 医学论文中统计方法的正确应用 医用统计方法是医学科研和论文撰写的一个基本工具，但是不少医学科研及临床工作者对统计方法的正确应用缺乏足够的知识，在实际应用过程中常常出现一些不妥用法甚至误用现象。正确使用统计方法，能使研究结果具有科学性和说服力;反之，如果使用不当，不仅不能准确地反映科研结果，而且可能带来错误的结论。 1、所选统计方法脱离了资料的性质不同的资料类型和不同的研究目的采用不同的统计方法。按照资料的性质测定指标的多少，确定资料是计数资料还是计量资料，应用单因素分析还是多因素分析。 1.1 多因素资料是对每个研究对象测量的多个指标同时进行的综合分析，其分析计算过程相对复杂。常用的有回归分析;相关分析以及判别分析、聚类分析、主成分分析和因子分析等。多因素分析多用于计量资料。 1.2 单因素分析应用较多，按获取资料的方法，分计数资料和计量资料。首先，计数资料主要是针对要求某现象的频率和比例，利用率或比的相应计算方法。如做不同样本间的比较则采用计数资料的显著性检验，样本率与总体率的比较用u 检验;两个样本率的比较可用u 检验或四格表的x 检验，多个样本率的比较可用行乘列的卡方检验或2XC 表的卡方检验。其次，计量资料要结合研究目的确定相应的统计方法。对于显著性检验通常有T 检验和F 检验，T 检验是用于两个均数问的比较，按研究设计与比较内容的不同又分为样本均数和总体均数的比较，两个样本均数差别的检验，配对资料的显著性检验。F 检验用于多个样本均数的比较，按设计类型分完全随机设计的方差分析、随机区组设计的方差分析和组内分组资料的方差分析。 2、根据研究目的选用统计分析方法不同的统计方法说明不同的问题，同样不同的问题要应用不同的统计方法来分析和表达。研究者在做统计分析前，首先要明确资料分析的目的、意图是什么，通过分析最终达到什么样的期望，临床工作者科研通常的目的主要有: 2.1 某现象发生的频率或比例如人群中重复癌的发生率，采用频率指标，构成指标或相对比，可计算发病、患病、感染、阳性频率或构成等。
T检验、F检验及统计学意义
1.T检验和F检验的由来 一般而言，为了确定从样本(sample)统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。 通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较，我们可以知道在多少%的机会下会得到目前的结果。倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的(用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho)。相反，若比较后发现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。 F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显著性（sig）就是出现目前样本这结果的机率。 2. 统计学意义（P值或sig值） 结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。 3. T检验和F检验 至於具体要检定的内容，须看你是在做哪一个统计程序。 举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。 两样本(如某班男生和女生)某变量(如身高)的均数并不相同，但这差别是否能推论至总体，代表总体的情况也是存在著差异呢？
医学统计学检验方法
医学统计学检验方法（转） 医学论文中统计方法的正确应用 医用统计方法是医学科研和论文撰写的一个基本工具，但是不少医学科研及临床工作者对统计方法的正确应用缺乏足够的知识，在实际应用过程中常常出现 一些不妥用法甚至误用现象。正确使用统计方法，能使研究结果具有科学性和说服力;反之，如果使用不当，不仅不能准确地反映科研结果，而且可能带来错误的结论。 1、所选统计方法脱离了资料的性质不同的资料类型和不同的研究目的采用不同的统计方法。按照资料的性质测定指标的多少，确定资料是计数资料还是计量资料，应用单因素分析还是多因素分析。 1.1多因素资料是对每个研究对象测量的多个指标同时进行的综合分析，其分析计算过程相对复杂。常用的有回归分析；相关分析以及判别分析、聚类分析、 主成分分析和因子分析等。多因素分析多用于计量资料。 1.2单因素分析应用较多，按获取资料的方法，分计数资料和计量资料。首 先，计数资料主要是针对要求某现象的频率和比例，利用率或比的相应计算方法。如做不同样本间的比较则采用计数资料的显著性检验，样本率与总体率的比较用 u检验;两个样本率的比较可用u检验或四格表的x检验，多个样本率的比较可用行乘列的卡方检验或2XC表的卡方检验。其次，计量资料要结合研究目的确定相应的统计方法。对于显著性检验通常有T检验和F检验，T检验是用于两个均数问的比较，按研究设计与比较内容的不同又分为样本均数和总体均数的比较，两个样本均数差别的检验，配对资料的显著性检验。F检验用于多个样本均数的比较，按设计类型分完全随机设计的方差分析、随机区组设计的方差分析和组内分组资料的方差分析。 2、根据研究目的选用统计分析方法不同的统计方法说明不同的问题，同样不同的问题要应用不同的统计方法来分析和表达。研究者在做统计分析前，首先要明确资料分析的目的、意图是什么，通过分析最终达到什么样的期望，临床工作者科研通常的目的主要有： 2.1某现象发生的频率或比例如人群中重复癌的发生率，采用频率指标，构成指标或相对比，可计算发病、患病、感染、阳性频率或构成等。
统计学常用检验方法
统计中经常会用到各种检验，如何知道何时用什么检验呢，根据结合自己的工 作来说一说： t检验有单样本t检验，配对t检验和两样本t检验。单样本t检验：是用样本均数代表的未知总体均数和已知总体均数进行比较，来观察此组样本与总体的差异性。配对t检验：是采用配对设计方法观察以下几种情形，1，两个同质受试对 象分别接受两种不同的处理；2,同一受试对象接受两种不同的处理；3，同一受 试对象处理前后。 u检验：t检验和就是统计量为t,u的假设检验，两者均是常见的假设检验方法。当样本含量n较大时，样本均数符合正态分布，故可用u检验进行分析。当样 本含量n小时，若观察值x符合正态分布，则用t检验（因此时样本均数符合t 分布），当x为未知分布时应采用秩和检验。F检验又叫方差齐性检验。在两样本t检验中要用到F检验。从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法。其中要判断两总体方差是否相等，就可以用F检验。 简单的说就是检验两个样本的方差是否有显著性差异这是选择何种T检验（等方差双样本检验，异方差双样本检验）的前提条件。 在t检验中，如果是比较大于小于之类的就用单侧检验，等于之类的问题就用双侧检验。 卡方检验 是对两个或两个以上率（构成比）进行比较的统计方法，在临床和医学实验中应用十分广泛，特别是临床科研中许多资料是记数资料，就需要用到卡方检验。 方差分析 用方差分析比较多个样本均数,可有效地控制第一类错误。方差分析(analysis of variance,ANOVA)由英国统计学家，以F命名其统计量，故方差分析又称F检验。其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。我们要学习的主要内容包括 单因素方差分析即完全随机设计或成组设计的方差分析（one-way ANOVA）： 用途：用于完全随机设计的多个样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等。完全随机设计（completely random design）不考虑个体差异的影响，仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计。在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中去，然后观察各组的试验效应；在观察研究（调查）中按某个研究因素的不同水平分组，比较该因素的效应。 两因素方差分析即配伍组设计的方差分析（two-way ANOVA）： 用途：用于随机区组设计的多个样本均数比较，其统计推断是推断各样本所代表的各总体均数是否相等。随机区组设计考虑了个体差异的影响，可分析处理因素和个体差异对实验效应的影响，所以又称两因素实验设计，比完全随机设计的检验效率高。该设计是将受试对象先按配比条件配成配伍组（如动物实验时，可按同窝别、同性别、体重相近进行配伍），每个配伍组有三个或三个以上受试对象，再按随机化原则分别将各配伍组中的受试对象分配到各个处理组。值得注意的是，同一受试对象不同时间（或部位）重复多次测量所得到的资料称为重复测量数据
2018年度医学统计学试卷及其规范标准答案
医学统计学试题及答案 习题 《医学统计学》第二版（五年制临床医学等本科生用） （一）单项选择题 1．观察单位为研究中的( d )。 A．样本 B. 全部对象 C．影响因素 D. 个体 2．总体是由（ c ）。 A．个体组成 B. 研究对象组成 C．同质个体组成 D. 研究指标组成 3．抽样的目的是（b ）。 A．研究样本统计量 B. 由样本统计量推断总体参数 C．研究典型案例研究误差 D. 研究总体统计量 4．参数是指（b ）。 A．参与个体数 B. 总体的统计指标 C．样本的统计指标 D. 样本的总和 5．关于随机抽样，下列那一项说法是正确的（ a ）。 A．抽样时应使得总体中的每一个个体都有同等的机会被抽取 B．研究者在抽样时应精心挑选个体，以使样本更能代表总体 C．随机抽样即随意抽取个体 D．为确保样本具有更好的代表性，样本量应越大越好 6.各观察值均加（或减）同一数后（ b ）。 A.均数不变，标准差改变 B.均数改变，标准差不变 C.两者均不变 D.两者均改变 7.比较身高和体重两组数据变异度大小宜采用（ a ）。 A.变异系数 B.差 C.极差 D.标准差 8.以下指标中（d）可用来描述计量资料的离散程度。 A.算术均数 B.几何均数 C.中位数 D.标准差 9.偏态分布宜用（c）描述其分布的集中趋势。 A.算术均数 B.标准差 C.中位数 D.四分位数间距 10.各观察值同乘以一个不等于0的常数后，（b）不变。 A．算术均数 B.标准差 C.几何均数 D.中位数 11.（ a ）分布的资料，均数等于中位数。 A.对称 B.左偏态 C.右偏态 D.偏态 12.对数正态分布是一种（ c ）分布。
统计学分析方法
统计分析方法总结 分享 胡斌 00:06分享，并说：统计 1.连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题： （1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。 （2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。**绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确** （3）关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。 2．分类资料
t检验计算公式
t 检验计算公式： 当总体呈正态分布，如果总体标准差未知，而且样本容量n <30，那么这时一切可能的样本平均数与总体平均数的离差统计量呈t 分布。 t 检验是用t 分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。t 检验分为单总体t 检验和双总体t 检验。 1.单总体t 检验 单总体t 检验是检验一个样本平均数与一已知的总体平均数的差异是否显 著。当总体分布是正态分布，如总体标准差σ未知且样本容量n <30，那么样本平均数与总体平均数的离差统计量呈t 分布。检验统计量为： X t μ σ-=。 如果样本是属于大样本（n >30）也可写成： X t μ σ-=。 在这里，t 为样本平均数与总体平均数的离差统计量； X 为样本平均数； μ为总体平均数； X σ为样本标准差； n 为样本容量。 例：某校二年级学生期中英语考试成绩，其平均分数为73分，标准差为17分，期末考试后，随机抽取20人的英语成绩，其平均分数为79.2分。问二年级学生的英语成绩是否有显著性进步？ 检验步骤如下： 第一步 建立原假设0H ∶μ=73 第二步 计算t 值 79.273 1.63X t μ σ--=== 第三步 判断 因为，以0.05为显著性水平，119df n =-=，查t 值表，临界值0.05(19) 2.093t =，而样本离差的t =1.63小与临界值2.093。所以，接受原假设，即进步不显著。
2.双总体t 检验 双总体t 检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t 检验又分为两种情况，一是相关样本平均数差异的显著性检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。二是独立样本平均数的显著性检验。各实验处理组之间毫无相关存在，即为独立样本。该检验用于检验两组非相关样本被试所获得的数据的差异性。 现以相关检验为例，说明检验方法。因为独立样本平均数差异的显著性检验完全类似，只不过0r =。 相关样本的t 检验公式为： t = 在这里，1X ，2X 分别为两样本平均数； 12X σ，2 2X σ分别为两样本方差； γ为相关样本的相关系数。 例：在小学三年级学生中随机抽取10名学生，在学期初和学期末分别进行了两次推理能力测验，成绩分别为79.5和72分，标准差分别为9.124,9.940。问两次测验成绩是否有显著地差异？ 检验步骤为： 第一步 建立原假设0H ∶1μ=2μ 第二步 计算t 值 t = =3.459。 第三步 判断 根据自由度19df n =-=，查t 值表0.05(9) 2.262t =，0.01(9) 3.250t =。由于实际计算出来的t =3.495>3.250=0.01(9)t ，则0.01P <，故拒绝原假设。 结论为：两次测验成绩有及其显著地差异。 检验。
医学统计学练习
1．假设检验在设计时应确定的是 A．总体参数B．检验统计量C．检验水准 D．P值E．以上均不是 2．如果t≥2，υ，，可以认为在检验水准α=处。 A．两个总体均数不同B．两个总体均数相同C．两个样本均数不同D．两个样本均数相同E．样本均数与总体均数相同 3. 计量资料配对t检验的无效假设（双侧检验）可写为。 A．μd=0 B．μd≠0 C．μ1=μ2 D．μ1≠μ2E．μ=μ0 4．两样本均数比较的t检验的适用条件是。 A．数值变量资料B．资料服从正态分布C．两总体方差相等 D．以上ABC都不对E．以上ABC都对 5．在比较两组资料的均数时，需要进行t/检验的情况是： A．两总体均数不等B．两总体均数相等C．两总体方差不等D．两总体方差相等E．以上都不是 6．有两个独立的随机样本，样本含量分别为n1和n2，在进行成组设计资料的t检验时，自由度为。 A．n1+n2 B．n1+n2－1 C．n1+n2+1 D．n1+n2－2 E．n1+n2+2 7. 已知某地正常人某定量指标的总体均值μ0=5，今随机测得该地特殊人群中的30人该指标的数值。若用t检验推断该特殊人群该指标的总体均值μ与μ0之间是否有差别，则自由度为。 A．5 B．28 C．29 D．4 E．30 8. 两大样本均数比较，推断μ1=μ2是否成立，可用。 A．t检验B．u检验C．方差分析 D．ABC均可以E．χ2检验 9．关于假设检验，下列说法中正确的是 A．单侧检验优于双侧检验 B．采用配对t检验还是成组t检验由实验设计方法决定
C．检验结果若P值大于，则接受H0犯错误的可能性很小 D．用Z检验进行两样本总体均数比较时，要求方差齐性 E．由于配对t检验的效率高于成组t检验，因此最好都用配对t检验 10. 为研究新旧两种仪器测量血生化指标的差异，分别用这两台仪器测量同一批样品，则统计检验方法应用。 A．成组设计t检验B．成组设计u检验C．配对设计t检验 D．配对设计u检验E．配对设计χ2检验 11. 阅读文献时，当P=，按α=水准作出拒绝H0，接受H1的结论时，下列说法正确的是。A．应计算检验效能，以防止假“阴性”结果 B．应计算检验效能，检查样本含量是否足够 C．不必计算检验效能D．可能犯Ⅱ型错误 E．推断正确的概率为1－β 12．两样本均数假设检验的目的是判断 A. 两样本均数是否相等Ｂ. 两样本均数的差别有多大 C．两总体均数是否相等Ｄ. 两总体均数的差别有多大 E. 两总体均数与样本均数的差别有多大 13.若总例数相同，则成组资料的t检验与配对资料的t检验相比： A．成组t检验的效率高些B．配对t检验的效率高些 C．两者效率相等D．两者效率相差不大E．两者效率不可比 15. 两个总体均数比较的t的检验，计算得t＞2,n1+n2－2时，可以认为。 A．反复随机抽样时，出现这种大小差异的可能性大于 B．这种差异由随机抽样误差所致的可能性小于 C．接受H0，但判断错误的可能性小于 D．拒绝H0，但犯第一类错误的概率小于 E．拒绝H0，但判断错误的概率未知 16. 为研究两种仪器测量血生化指标的差异，分别用这两台仪器测量同一批血样，则统计检验方法应用。 A．配对设计t检验B．成组设计u检验C．成组设计t检验 D．配对设计u检验E．配对设计χ2检验 17. 在两组资料的t检验中，结果为P＜，差别有统计学意义，P愈小，则: 。
医学统计学课后习题全
第一章：单选题 (5/5 分数) 1．统计学中所说的样本是指（）。 ．随意抽取的总体中任意部分．有意识的选择总体中的典型部分．依照研究者要求选取总体中有意义的一部分．依照随机原则抽取总体中有代表性的一部分．依照随机原则抽取总体中有代表性的一部分 - 正确 . 有目的的选择总体中的典型部分 2．下列资料属等级资料的是（）。 ．白细胞计数．住院天数．门急诊就诊人数．病人的病情分级．病人的病情分级 - 正确 . ABO血型分类 3.为了估计某年华北地区家庭年医疗费用的平均支出，从华北地区的5个城市随机抽样调查了1500户家庭，他们的平均年医疗费用支出是 997元，标准差是 391 元。该研究中研究者感兴趣的总体是（） ．华北地区1500户家庭．华北地区的5个城市．华北地区1500户家庭的年医疗费用．华北地区所有家庭的年医疗费用．华北地区所有家庭的年医疗费用 - 正确 . 全国所有家庭的年医疗费用 4.欲了解研究人群中原发性高血压病(EH)的患病情况，某研究者调查了1043人，获得了文化程度（高中及以下、大学及以上）、高血压家族史（有、无）、月人均收入（元）、吸烟（不吸、偶尔吸、经常吸、每天）、饮酒（不饮、偶尔饮、经常饮、每天）、打鼾（不打鼾、打鼾）、脉压差(mmHg)、心率(次/分)等指标信息。则构成计数资料的指标有（）
．文化程度、高血压家族史吸烟、饮酒、打鼾．月人均收入、脉压差、心率．文化程度、高血压家族史、打鼾．文化程度、高血压家族史、打鼾 - 正确．吸烟、饮酒 . 高血压家族史吸烟、饮酒、打鼾 5.总体是指（） ．全部研究对象．全部研究对象中抽取的一部分．全部样本．全部研究指标 . 全部同质研究对象的某个变量的值-正确 第二章- 单选题 (10/10 分数) 1．描述一组偏态分布资料的变异度，以（）指标较好。 . 全距 . 标准差 . 变异系数 . 四分位数间距 . 四分位数间距 - 正确．方差 2．用均数和标准差可以全面描述（）资料的特征。 . 正偏态分布 . 负偏态分布 . 正态分布 . 正态分布 - 正确 . 对称分布．对数正态分布 3．各观察值均加（或减）同一数后（）。 . 均数不变 . 几何均数不变 . 中位数不变 . 标准差不变 . 标准差不变 - 正确．变异系数不变 4．比较某地1～2岁和5～5.5岁儿童身高的变异程度，宜用（）。
教育统计学t检验练习
实验报告实验名称：t 检验成绩： 实验日期： 2011年10月31日实验报告日期：2011年11 月日 林虹 一、实验目的 （1）掌握单一样本t检验。 （2）掌握相关样本t检验 （3）掌握独立样本t检验 二、实验设备 （1）微机 （2）SPSS for Windows 统计软件包 三、实验内容： 1.某市统一考试的数学平均成绩为75分，某校一个班的成绩见表4-1。问该班的 成绩与全市平均成绩的差异显着吗 表4-1 学生的数学成绩 12345678910111213141516 编 号 成 96977560926483769097829887568960 绩 编17181920212223242526272829303132
号 成 68747055858656716577566092548780 绩 2.某物理教师在教学中发现，在课堂物理教学中采用“先讲规则（物理的定理或法 则），再举例题讲解规则的具体应用”与采用“先讲例题，再概括出解题规则” 这两种教学方法的教学效果似乎不同。为了验证他的这个经验性发现是否属实，他选择了两个近似相等的班级进行教学实验。进行教学实验时的教学内容、教学时间和教学地点等无关变量他都做了严格的控制，分别采用“例-规”法与“规-例”法对两个班的学生进行物理教学，然后，两个班的被试都进行同样的物理知识测验。测验成绩按“5分制”进行评定。两组被试的测验成绩见数据文件data4-02。请用SPSS，通过适当的统计分析方法，检验这两种教学方法的教学效果是否存在实质性差别。 3.某幼儿园分别在儿童入园时和入园一年后对他们进行了“比奈智力测验”，测验 结果见数据文件data4-03。请问，儿童入园一年后的智商有明显的变化吗 （例题） 4.某心理学工作者以大学生为被试，以“正性”和“负性”两种面部表情模式的照 片为实验材料，测量被试对“正性”和“负性”面部表情识别的时间，测验结果见数据文件data4-04。请用SPSS中适当的统计分析方法检验两种面部表情模式对大学生识别面部表情的时间是否存在明显的影响。 5.某小学教师分别采用“集中学习”与“分散学习”两种方式教两个小学二年级班 级的学生学习相同的汉字，两个班学生的学习成绩见data4-05。请问哪种学习方式效果更好 6.某省语文高考平均成绩为78分，某学校的成绩见data4-06。请问该校考生的平
住院医师培训课程-常用医学科研中的统计学方法1
1、两组数据中的每个变量值减去同一常数后做两个样本均数差异的t检验（） *c ? A.t值变小 ? B.t值变大 ? C.t值不变 ? D.t值变小或变大 2、作单组样本均数与一个已知的总体均数比较的t检验时，正确的理解是（） *c ? A.A.统计量t越大，说明两总体均数差别越大 ? B.B.统计量t越大，说明两总体均数差别越小 ? C.C.统计量t越大，越有理由认为两总体均数不相等 ? D.D.P值就是αa 3、随机区组设计的方差分析用于（） * ? A.多个样本均数间的两两比较 ? B.比较各个区组间的样本均数有无差别 ? C.比较各个区组间的总体均数有无差别 ? D.比较各个处理组间的样本均数有无差别 4、各组数据方差不齐时，可以做（） *D ? A.近似检验 ? B.秩和检验 ? C.数据转换 ? D.ABC均可 5、第I类错误的概念是（） *D ? A.H0是不对的，统计检验结果未拒绝H0 ? B.H0是对的，统计检验的结果未拒绝H0 ? C.H0是不对的，统计检验结果拒绝H0 ?
6、下列哪种说法是错误的（） *B ? A.计算相对数尤其是率时应有足够数量的观察单位数或观察次数 ? B.分析大样本数据时可以构成代替率 ? C.应分别将分子和分母合计求合计率或平均率 ? D.相对数的比较应注意其可比性 7、配对计量资料进行假设检验时（） *Dd ? A.仅能用配对t检验 ? B.仅能用成组t检验 ? C.仅能用随机区组设计的方差分析 ? D.用配比t检验和随机区组设计的方差分析均可 8、方差分析的前提条件是（） *A ? A.计量资料非参数统计的 ? B.正态性 ? C.随机性 ? D.方差齐性 9、设配对设计资料的变量为X1与X2，则配对设计的符号的秩检验（） *B ? A.把X1与X2的差数军队之从小到大编秩，排好后秩次保持原差数的正负号 ? B.把X1与X2的差数绝对值从小到大编秩，秩次不保存正负号 ? C.把X1与X2综合按绝对值从小到大编秩 ? D.把X1与X2的差数从小到大编秩 10、对于配对t检验和成组t检验，下列哪一种说法是错误的（） *B ? A.对于配对设计资料应作配对t检验，如果作成组t检验，不但不合理，而且平均起来统计效率降低 ? B.成组设计的资料用配对t检验，不但合理，而且平均起来可以提高统计效率 ? C.成组设计的资料，无法用配对t配对t检验 ?
统计分析方法适用条件
统计分析方法适用条件 统计学方法一直以来都是我们专业的必修课，也是我们的基本功，可是现在滥用方法 的人很多，现在总结一些前人的资料供大家参考学习！ 1.连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验, 如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检 验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni 法，tukey法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－ Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检 验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni 法，tukey法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题：
T检验、F检验和统计学意义(P值或sig值)
T检验、F检验和统计学意义（P值或sig值） 1.T检验和F检验的由来 一般而言，为了确定从样本(sample)统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。 通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较，我们可以知道在多少%的机会下会得到目前的结果。倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的(用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho)。相反，若比较后发现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。 F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显著性（sig）就是出现目前样本这结果的机率。 2. 统计学意义（P值或sig值） 结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。 3. T检验和F检验 至於具体要检定的内容，须看你是在做哪一个统计程序。 举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。 两样本(如某班男生和女生)某变量(如身高)的均数并不相同，但这差别是否能推论至总体，代表总体的情况也是存在著差异呢？ 会不会总体中男女生根本没有差别，只不过是你那麼巧抽到这2样本的数值不同？ 为此，我们进行t检定，算出一个t检定值。 与统计学家建立的以「总体中没差别」作基础的随机变量t分布进行比较，看看在多少%的机会(亦即显著性sig值)下会得到目前的结果。 若显著性sig值很少，比如<0.05(少於5%机率)，亦即是说，「如果」总体「真的」没有差别，那麼就只有在机会很少(5%)、很罕有的情况下，才会出现目前这样本的情况。虽然还是有5%机会出错(1-0.05=5%)，但我们还是可以「比较有信心」的说：目前样本中这情况(男女生出现差异的情况)不是巧合，是具统计学意义的，「总体中男女生不存差异」的虚无假设应予拒绝，简言之，总体应该存在著差异。 每一种统计方法的检定的内容都不相同，同样是t-检定，可能是上述的检定总体中是否存在差异，也同能是检定总体中的单一值是否等於0或者等於某一个数值。 至於F-检定，方差分析(或译变异数分析，Analysis of V ariance)，它的原理大致也是上面说的，但它是透过检视变量的方差而进行的。它主要用于：均数差别的显著性检验、分离各有关因素并估计其对总变异的作用、分析因素间的交互作用、方差齐性(Equality of V ariances)检验等情况。 4. T检验和F检验的关系 t检验过程，是对两样本均数(mean)差别的显著性进行检验。惟t检验须知道两个总体的方
统计学T检验的意义
统计学T检验的意义（P值或sig值） 1.T检验和F检验的由来 一般而言，为了确定从样本(sample)统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。 通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较，我们可以知道在多少%的机会下会得到目前的结果。倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的(用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho)。相反，若比较后发现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。 F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显著性（sig）就是出现目前样本这结果的机率。 2. 统计学意义（P值或sig值） 结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。 3. T检验和F检验 至於具体要检定的内容，须看你是在做哪一个统计程序。 举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。 两样本(如某班男生和女生)某变量(如身高)的均数并不相同，但这差别是否能推论至总体，代表总体的情况也是存在著差异呢？ 会不会总体中男女生根本没有差别，只不过是你那麼巧抽到这2样本的数值不同？ 为此，我们进行t检定，算出一个t检定值。 与统计学家建立的以「总体中没差别」作基础的随机变量t分布进行比较，看看在多少%的机会(亦即显著性sig值)下会得到目前的结果。 若显著性sig值很少，比如<0.05(少於5%机率)，亦即是说，「如果」总体「真的」没有差别，那麼就只有在机会很少(5%)、很罕有的情况下，才会出现目前这样本的情况。虽然还是有5%机会出错(1-0.05=5%)，但我们还是可以「比较有信心」的说：目前样本中这情况(男女生出现差异的情况)不是巧合，是具统计学意义的，「总体中男女生不存差异」的虚无假设应予拒绝，简言之，总体应该存在著差异。 每一种统计方法的检定的内容都不相同，同样是t-检定，可能是上述的检定总体中是否存在差异，也同能是检定总体中的单一值是否等於0或者等於某一个数值。 至於F-检定，方差分析(或译变异数分析，Analysis of Variance)，它的原理大致也是上面说的，但它是透过检视变量的方差而进行的。它主要用于：均数差别的显著性检验、分离各有关因素并估计其对总变异的作用、分析因素间的交互作用、方差齐性(Equality of Variances)检验等情况。 4. T检验和F检验的关系 t检验过程，是对两样本均数(mean)差别的显著性进行检验。惟t检验须知道两个总体的方
医学统计学课后答案
1．参数检验：已知总体分布类型，对未知的总体参数做推断的假设检验方法。故参数检验依赖于特定的分布类型，比较的是总体参数 2．非参数检验：不依赖于总体分布类型、不针对总体参数的检验方法。故非参数检验对总体的分布类型不做任何要求，不受总体参数的影响，比较的是分布或分布位置。适用范围广，可适用于任何类型资料 参数检验 优点：资料信息利用充分；检验效能较高 缺点：对资料的要求高；适用范围有限 2．非参数检验 优点：适用范围广，可适用于任何类型的资料 缺点：检验效能低，易犯Ⅱ型错误 凡适合参数检验的资料，应首选参数检验 对于符合参数检验条件者，采用非参数检验，其 检验效能低，易犯Ⅱ型错误 第一章绪论 1.举例说明总体和样本的概念。 研究人员通常需要了解和研究某一类个体，这个类就是总体。总体是根据研究目的所确定的所有同质观察单位某种观察值（即变量值）的集合，通常有无限总体和有限总体之分，前者指总体中的个体是无限的，如研究药物疗效，某病患者就是无限总体，后者指总体中的个体是有限的，它是指特定时间、空间中有限个研究个体。但是，研究整个总体一般并不实际，通常能研究的只是它的一部分，这个部分就是样本。例如在一项关于2007年西藏自治区正常成年男子的红细胞平均水平的调查研究中，该地2007年全部正常成年男子的红细胞数就构成一个总体，从此总体中随即抽取2000人，分别测的其红细胞数，组成样本，其样本含量为2000人。 2.简述误差的概念。
误差泛指实测值与真实值之差，一般分为随机误差和非随机误差。随机误差是使重复观测获得的实际观测值往往无方向性地围绕着某一个数值左右波动的误差；非随机误差中最常见的为系统误差，系统误差也叫偏倚，是使实际观测值系统的偏离真实值的误差。 3.举例说明参数和统计量的概念。 某项研究通常想知道关于总体的某些数值特征，这些数值特征称为参数，如整个城市的高血压患病率。根据样本算得的某些数值特征称为统计量，如根据几百人的抽样调查数据所算得的样本人群高血压患病。统计量是研究人员能够知道的，而参数是他们想知道的。一般情况下，这些参数是难以测定的，仅能够根据样本估计。显然，只有当样本代表了总体时，根据样本统计量估计的总体参数才是合理的。 4.简述小概率事件原理。 当某事件发生的概率小于或等于时，统计学上习惯称该事件为小概率事件，其含义是该事件发生的可能性很小，进而认为它在一次抽样中不可能发生，这就是所谓的小概率事件原理，它是进行统计推断的重要基础。 第二章调查研究设计 1.调查研究主要特点是什么 调查研究的主要特点是：①研究的对象及其相关因素（包括研究因素和非研究因素）是客观存在的，不能人为给予干预措施②不能用随机化分组来平衡混杂因素对调查结果的影响。 2.简述调查设计的基本内容。 ①明确调查目的和指标②确定调查对象和观察单位③确定调查方法④确定调查方式⑤确定调查项目和调查表⑥制定资料整理分析计划⑦制定调查的组织计划。 3.试比较常用的四种概率抽样方法的优缺点。 （1）单纯随机抽样优点是：均数（或率）及标准误的计算简便。缺点是：当总体观察单位数较多时，要对观察单位一一编号，比较麻烦，实际工作中有时难以办到。 （2）系统抽样优点是：①易于理解，简便易行②容易得到一个按比例分配的样本，由于样本相应的顺序号在总体中是均匀散布的，其抽样误差小于单纯随机抽样。缺点是：①当总体的观察单位按顺序有周期趋势或单调递增（或递减）趋势，系统抽样将产生明显的偏性。
统计学：几种常见的假设检验
假设检验是用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。 基本原理 （1）先假设总体某项假设成立，计算其会导致什么结果产生。若导致不合理现象产生，则拒绝原先的假设。若并不导致不合理的现象产生，则不能拒绝原先假设，从而接受原先假设。 （2）它又不同于一般的反证法。所谓不合理现象产生，并非指形式逻辑上的绝对矛盾，而是基于小概率原理：概率很小的事件在一次试验中几乎是不可能发生的，若发生了，就是不合理的。至于怎样才算是“小概率”呢通常可将概率不超过的事件称为“小概率事件”，也可视具体情形而取或等。在假设检验中常记这个概率为α，称为显著性水平。而把原先设定的假设成为原假设，记作H0。把与H0相反的假设称为备择假设，它是原假设被拒绝时而应接受的假设，记作H1。 假设的形式 H0——原假设，H1——备择假设 双侧检验：H0:μ = μ0， 单侧检验：，H1:μ < μ0 或，H1:μ > μ0假设检验就是根据样本观察结果对原假设（H0）进行检验，接受H0，就否定H1；拒绝H0，就接受H1。 假设检验的种类 下面介绍几种常见的假设检验 1.T检验 亦称student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。 目的：比较样本均数所代表的未知总体均数μ和已知总体均数μ0。 计算公式：统计量： 自由度：v=n - 1 适用条件： (1) 已知一个总体均数； (2) 可得到一个样本均数及该样本标准误； (3) 样本来自正态或近似正态总体。 T检验的步骤 1、建立虚无假设H0:μ1= μ2，即先假定两个总体平均数之间没有显著差异； 2、计算统计量T值，对于不同类型的问题选用不同的统计量计算方法； 1）如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度，其统计量T 值的计算公式为： 2）如果要评断两组样本平均数之间的差异程度，其统计量T值的计算公式为： 3、根据自由度df=n-1，查T值表，找出规定的T理论值并进行比较。理论值差异的显