为了说明常用的总体均数之区间估计法，我们不妨回顾一下上节所叙的t分布。 由求t的基本公式 我们看到X与μ的距离等于t（SX），又根据X集中分布在μ周围的特点，若取t的5% 界即t0.05,,（或1%界）乘以SX作为X与μ的距离范围，就可用式（6.6）或式(6.7)求 出区间来估计总体均数μ所在范围，估错的概率仅有5%或1%，因此称95%或99%可信区间。下面...
从同一总体里随机抽取n相同的许多样本，这些样本均数吴正态分布。如前面所述正常人红细胞数的抽样实验中已求得100个样本均数，其中多数与总体均数μ比较接近而集中分布在其周围，且左右基本对称，见表6.3（此表由表6.4中的100个均数划记归组而得）。 表6.3 红细胞抽样实验中100个样本均数的分布 组 段 460- 470- 480- 490- 500- 510...
... ：μ 1 =μ 2 ；H 1 ：μ 1 ≠μ 2 。 （2）定α=0.05则对应于P为0.05时的u 0.05 值为1.96。 （3）求两均数的相差数X 1 -X 2 、两均数相差的标准误S χ1 - χ2 及u值。此外，计算S χ1 - χ2 的公式为 （7.5） 将有关数字代入得 X 1 -X 2 ＝125－153＝－28 然后求u （4）结论 因│u...
上章介绍了计数资料的整理与分析，从本章开始介绍计量资料的整理与分析。通过调查或实验收集到的计量资料，是一群大大小小的变量值。为将这群变量值的特点描述出来，当例数较多时，可先编制成频数表，了解变量值的分布情况，然后计算平均数描述其集中位置，计算变异指标描述其离散程度；若倒数较少，亦可直接计算平均数与变异指标。现分述于下。
...ameter），称为参数估计。是抽样研究的主要目的之一。参数估计的方法有两种。一是点（值）估计（point estimation），如用样本均数估计总体均数。该法简单，但未考虑抽样误差，而抽样误差在抽样研究中又是不可避免的；二是用区间估计（interval estimation），即按一定的可信度估计未知总体均数所在范围。统计上习惯用95%（或99%）可信区...
上章介绍了计数资料的整理与分析，从本章开始介绍计量资料的整理与分析。通过调查或实验收集到的计量资料，是一群大大小小的变量值。为将这群变量值的特点描述出来，当例数较多时，可先编制成频数表，了解变量值的分布情况，然后计算平均数描述其集中位置，计算变异指标描述其离散程度；若倒数较少，亦可直接计算平均数与变异指标。现分述于下。
亦称成组比较。目的是推断两样本各自代表的总体均数μ1与μ2是否相等。根据样本含量n的大小，分u检验与t检验。
在日常工作中，我们经常要比较某两组计量资料的均数间有无显着差别，如研究不同疗法的降压效果或两种不同制剂对杀灭鼠体内钩虫的效果（条数）等。这时假若事先难以找到年龄、性别等条件完全一样的人（或动物）作配对比较，那么不能求每对的差数只能先算出各组的均数，然后进行比较。两组例数可以相等也可稍有出入。检验的方法同样是先假定两组相应的总体均数相等，看两组均数实际相差与此...
上面介绍了已知总体均数时的显着性检验方法，但有时我们并不知道总体均数，且医学数据资料中更为常见的是成对资料，若一批某病病人治疗前有某项测定记录，治疗后再次测定以观察疗效，这样，观察n例就有n对数据，这即是成对资料（也可对动物做成病理模型进行治疗实验以收集类似的成对资料）；如果有两种处理要比较，将每一份标本分成两份各接受一种处理，这样观察到的一批数据也是成对资...
...μ 1 ，μ 2 ，……μ k 是否相等，以便比较多个处理的差别有无统计学意义。其计算公式见表19-6。 表19-6 完全随机设计的多个样本均数比较的方差分析公式 变异来源 离均差平方和SS 自由度v 均方MS F 总 ΣX 2 -C* N-1 组间（处理组间） k-1 SS 组间 /v 组间 MS 组间 /MS 组间 组内（误差） SS 总 -SS 组间 ...
所有搜索结果仅供参考，如需解决具体问题请咨询相关领域专业人士。