医学统计学 第七章（假设检验）

1、基本思想

零假设（无效假设）和备择假设（对立假设）
零假设的内容一般是希望能证明为错误的假设，备择假设与之相反
举个例子—实验中，得到了一个差异基因，想证明其是否真的是差异基因达。

• H0假设（零假设）：这个差异基因并无差异
• H1假设（备择假设）：这个基因是差异基因
  接受其中一个就要拒绝另一个（感觉其实就是这么简单的问题，哈哈哈）

2、基本步骤

• 建立检验假设，确定检验水准（通常取 α = 0.05）
• 计算检验统计量（根据第六章知识计算 t 值）
• 确定 P 值，做出统计推断 （根据 t 值和相关*度，双尾面积即是 P 值）
  一般，P ≤ α ，拒绝 H0 ，接受 H1 。回答时则需要说，“差异有统计学意义”，不能说“有显著差异”

3、Ⅰ型错误与Ⅱ型错误

• Ⅰ型错误：如果 H0 是正确的，但是由于样本资料计算的检验统计量拒绝了 H0 ，得到了错误结果，也称为弃真错误。即假阳性错误，H0无病，H1有病，那么Ⅰ型错误就是误诊。（没病的当成了有病的）
• Ⅱ型错误：与Ⅰ型错误相反，又称存伪错误。即假阴性错误，漏诊。（有病的当成了没病的）
  
  

  示意图

4、假设检验需要注意的问题

• 数据来源应有科学的实验设计
• 数据应当满足假设检验的前提条件
• 正确理解假设检验中概率P值的含义
• 结论不能绝对化 （存在Ⅰ型错误和Ⅱ型错误，特别是在 P 值与 α 值接近的时候）
• 统计学意义和实际意义都需要考虑

5、假设检验与区间估计的联系

第六章置信区间估计与本章的假设检验都属于统计推断的方法。
置信区间估计用于推断总体参数的可能范围
假设检验用于推断总体参数是否不相等