匿名
未登录
登录
医学百科
搜索
查看“预防医学/假设检验中的两类错误及注意事项”的源代码
来自医学百科
名字空间
页面
讨论
更多
更多
语言
页面选项
Read
查看源代码
历史
←
预防医学/假设检验中的两类错误及注意事项
因为以下原因,您没有权限编辑本页:
您所请求的操作仅限于该用户组的用户使用:
用户
您可以查看和复制此页面的源代码。
{{Hierarchy header}} == 一、第一类错误与第二类错误== [[假设检验]]时,根据检验结果作出的判断,即拒绝H<sub>0</sub>或不拒绝H<sub>0</sub>,并不是百分之百的正确,可能发生两种错误。下面以样本均数与总体均数比较的t检验为例说明。①拒绝了实际上成立的H<sub>0</sub>,即样本原本来自μ=μ<sub>0</sub>的总体,由于[[抽样]]的偶然性得到了较大的t值,因t≥t<sub>0.05(v)</sub>按α=0.05检验水准拒绝了H<sub>0</sub>,而接受了H<sub>1</sub>(μ≠μ<sub>0</sub>),这类错误为第一类错误(或I型错误,type Ierror),如图19-3B。理论上犯第一类错误的概率为α,若α=0.05,那末,犯第一类错误的概率为0.05.②不拒绝实际上不成立的H<sub>0</sub>,即样本原本来自μ≠μ<sub>0</sub>的总体,H<sub>0</sub>:μ=μ<sub>0</sub>实际上是不成立的,但由于抽样的偶然性,得到了较小的t值,因t<t<sub>0.05(v)</sub>,按α=0.05检验水准不拒绝H<sub>0</sub>,这类错误称为第二类错误(或Ⅱ型错误,type Ⅱ error),如图19-3C。犯第二类错误的概率为β,β值的大小很难确切地估计,但知道在[[样本含量]]不变的前提下,α越小,β越大;反之,α越大,β越小。同时减少α和β的唯一方法是增加样本含量,因为增加了样本的含量后,均数的[[抽样误差]]小,样本均数的代表性强,也就是样本均数较接近总体均数,因而可使犯第一类错误和第二类错误的概率减少。 {{图片|gum5pasl.jpg|Ⅰ型错误与Ⅱ型错误的关系}} 图19-3 Ⅰ型错误与Ⅱ型错误的关系 == 二、假设检验时应注意的事项== (一)要有严密的抽样研究设计;样本必须是从同质总体中随机抽取的;要保证组间的均衡性和资料的可比性。 (二)根据现有的资料的性质、设计类型、样本含量大小正确选用检验方法。 (三)对差别有无[[统计学]]意义的判断不能绝对化,因检验水准只是人为规定的界限,是相对的。差别有统计学意义时,是指无效假设H<sub>0</sub>被接受的可能性只有5%或不到5%,甚至不到1%,根据小概率事件一次不可能拒H<sub>0</sub>,但尚不能排除有5%或1%出现的可能,所以可能产生第一类错误;同样,若不拒绝H<sub>0</sub>,可能产生第二类错误。 (四)统计学上差别显著与否,与实际意义是有区别的。如应用某药治疗[[高血压]],平均降低[[舒张压]]0.5kPa,并得出差别有高度统计学意义的结论。从统计学角度,说明该药有降压作用,但实际上,降低0.5kPa是无临床意义。因此要结合专业作出恰如其分的结论。 {{Hierarchy footer}} {{预防医学图书专题}}
返回至
预防医学/假设检验中的两类错误及注意事项
。
导航
导航
最近更改
随机页面
Wiki工具
Wiki工具
特殊页面
页面工具
页面工具
用户页面工具
更多
链入页面
相关更改
页面信息
页面日志