目录

更改

跳转至: 导航搜索

抽样

添加446字节, 2017年2月24日 (五) 17:23
无编辑摘要
以总体均数为中心(最高点),往两端逐渐降低但与横轴永不相交,两侧完全对称的钟形曲线(图 4)。若以此曲线下的总面积为100%,以μ 表示总体均数,σ塣表示总体标准误,则曲线下各部分的面积有如下分布规律:
μ±σ的面积占曲线下总面积的68μ±σ<sub>塣</sub>的面积占曲线下总面积的68.27%
μ±1.96σ的面积占曲线下总面积的9596σ<sub>塣</sub>的面积占曲线下总面积的95.00%
μ±2.58σ的面积占曲线下总面积的9958σ<sub>塣</sub>的面积占曲线下总面积的99.00%总体标准误 σ <sub>塣</sub> 是说明样本均数围绕总体均数变异程度的指标,在实际工作中常用样本标准误''S''<sub>塣</sub>来代替。μ±''S''<sub>塣</sub>的面积占总面积的68%的含义是:若从同一总体中重复抽取100个样本,则这100个样本均数有68个在 μ±''S''塣的范围内,比 μ-''S''塣小的和比μ+''S''<sub>塣</sub>大的样本均数各有16个。换一个角度来说,68%就是一个样本均数落在μ-''S''<sub>塣</sub>至 μ+''S''<sub>塣</sub>范围内的概率。
同理, μ±1.96''S''<sub>塣</sub>的面积占总面积的95%,这说明一个样本均数落在 μ-1.96''S''<sub>塣</sub>至μ+1.96''S''塣范围内的可能性是95%,而比 μ-1.96''S''<sub>塣</sub>小的和比μ+1.96''S''塣大的可能性各有2.5%。μ±2.58''S''<sub>塣</sub>的面积,占总面积的99%,这说明一个样本均数落在 μ-2.58''S''<sub>塣</sub>至μ+2.58''S''<sub>塣</sub>范围内的可能性是99%,在此范围以外的可能性只有1%。
以上规律是样本均数(塢),距离总体均数(μ)的规律,但也可把它视为总体均数离开样本均数的规律,因为在实际工作中,可以得到的是样本均数,要推论的是总体均数。既然样本均数与总体均数相差±''S''<sub>塣</sub>的概率是68%,相差±1.96''S''<sub>塣</sub>的概率是95%;那么总体均数与样本均数相差±''S''<sub>塣</sub>的概率当然也是68%,总体均数与样本均数相差 ±1.96''S''<sub>塣</sub>的概率也是95% 。因此所谓 塢±1.96''S''<sub>塣</sub>即95%的可信限。它的含意是:总体均数在塢±1.96''S''<sub>塣</sub>范围内的概率是95%。或者说总体均数在 塢±1.96''S''<sub>塣</sub>范围内的可信程度是95%。所谓塢±2.58''S''<sub>塣</sub>即99%的可信限,它的含意是,总体均数在 塢±2.58''S''<sub>塣</sub>范围内的概率是99%,或者说总体均数在 塢±2.58''S''<sub>塣</sub>范围内的可信程度为99%。
例如,为了了解某地正常成年人血清胆固醇的平均值,随机抽取500人,测得样本均值塢=165.0mg/100ml,标准差''S''=52.0mg/ml,并由''n''=500求得''S''塣=2.33mg/100ml;则95%的可信限为:165±1.96×2.33,即160.43~169.57mg/100ml。这说明该地区正常成年人血清胆固醇的平均值在160.43~169.57mg/100ml范围内的概率为95%。
==样本的显著性==
若同时抽取多个样本进行研究,则同样也存在抽样误差问题。大量实践证明,[[黄连素]]治疗急性普通型细菌性痢疾的疗效为90%。设某[[中草药]]治疗同类痢疾的总有效率为70%。若从黄连素治疗的急性菌痢总体中抽样,由于抽样机遇完全可能得到''p''<sub>1</sub>及''p''<sub>2</sub>的样本(图5),当然,也可以得到其他数值的样本。同理,在用中草药治疗的急性菌痢总体中抽样,也完全可能得到''p''<sub>3</sub>及''p''<sub>4</sub>的样本。''p''<sub>1</sub>和''p''<sub>2</sub>来自同一总体,它们之间有10%的差异,这是由于抽样的偶然机遇所致。''p''<sub>1</sub>与''p''<sub>3</sub>之间也有10%的差异,但它们来自不同的总体,这种差异是本质因素(本例为治疗药物不同)不同所致。由此可见:当两样本(或多样本)间有差异时,其来源有两种可能性,一是两样本间本来没有什么差异,它们来自同一总体,它们之间的差异是偶然的抽样机遇所致,是没有意义的;另一种情况是两样本来自本质不同的两个总体,它们之间的差异不能用偶然的抽样机遇来解释,是有意义的。统计学中的[[显著性检验]],即用以检验这两类差异中,哪一类发生的可能性大。显著性检验的方法很多,但无论哪一种方法,其基本原理都是先假设两样本来自同一总体,即先假设两样本之间的差异是偶然的抽样机遇所致,是没有意义的(这一假设在统计学上,称为检验假设或无效假设)。然后根据一定的公式计算,获得两样本之差由偶然的抽样机遇所致的概率''p''值。若''p''值大,说明两样本之间的差异由偶然的抽样机遇所致的机会大,符合原假设,不能推翻原假设,也即两样本之间,无本质差别,或差异无意义(无显著性)。若''p''值小,说明两样本之间的差异由偶然的抽样机遇所致的机会小,故可以推翻原假设,也即两样本之间的差异是由某些本质因素不同所致,是有意义的(有显著性)。统计学上人为规定显著性的界限如下:''p''≤0.05为有显著性,''p''>0.05为无显著性,''p''≤0.01为有极(高度)显著性。应当强调的是,''p''值的大小与样本间差异的大小是两回事,''p''值说明的是样本间的差异由偶然抽样机遇所致的概率大小,而不是样本间的差异大小。另外,只有在样本具有可比性的前提下,进行显著性检验才有意义,否则''p''值再小,也不能反映样本间的差异有意义。== 百科帮你涨知识 == [http://www.{{zk120.com/ji/ 查找更多中医古籍] [http://www.zk120.com/an/ 查找更多名老中医的医案] [http://www.zk120.com/fang/ 查找更多方剂]}}
528,223
个编辑

导航菜单