内容发布更新时间 : 2024/12/23 3:11:06星期一 下面是文章的全部内容请认真阅读。

（3）自由度?越小，SX越大，t值越分散，曲线的峰越矮，尾部越粗； （4）随着自由度?的增大，分布逐渐逼近标准正态分布，当?趋近于无穷大时，t分布就完全称为标准正态分布。

4. 假设检验的基本步骤有：

（1）建立检验假设，确定检验水准α； （2）选择检验方法，计算统计量； （3）根据统计量与α大小关系确定P值； （4）作出推断结论。 四、计算题

1. 一般采用均数的标准误来表征抽样误差大小，由于总体标准差未知，以样本标准差代替，计算结果如下：

SX? S0.36??0.029n1502. 采用正态分布近似法估算总体率的95%置信区间，结果如下：

0.375(1?0.375)0.375?1.96??0.375?0.0866120即全体居民的超重率总体率的置信区间为（28.8%，46.2%）。

第九章

一、名词解释

方差齐性：指被比较的各组数据其总体的方差相等。在统计学上，若各方差之间在给定检验水准下没有统计学差异，则称为方差齐性，亦称等方差性、同方差性或方差一致性。

二、单项选择题

1.C 2.C 3.C 4.C 5.D 6.A 7.C 8.B 9.C 10.B 三、简答题

1. 基本思想：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是由抽样误差造成的，从而判断差异是否有统计学意义。

应用条件：①观测个体间独立，即任一个体的观测值不受其他个体观测值的影响；②研究中的分析变量为服从正态分布的定量变量；③两独立样本t检验还要求样本所来自的总体方差相等，即总体方差齐性。

2. 实际工作中，配对样本常见于三种情况。第一种情况主要在实验研究中，研究者将受试对象按某些特征（如性别、年龄等可能对研究结果有影响的因素，也称混杂因素）配成对子，再随机分配对子中的每个个体至处理因素的两个不同水平。除实验研究外，流行病学中常用的1：1匹配的病例对照研究虽为观察性研究，也可视为配对样本；第二种情况是将每份被测样品一分为二，再分配至不同的方法检测；第三种情况属于自身配对形式，每个受试对象在因素处理前和处理后的比较。第一种情况又称异源性配对，后两种情况又称同源性配对。

四、计算分析题

1. 本题是单样本与已知总体均数比较的t检验。t=3.077，v=35，P<0.05，按?=0.05水准拒绝H0，认为该地活动型结核患者与一般活动型结核患者的心率不同，该地患者心率较高。

2. 本题属配对设计资料，故应用配对t检验方法计算。t=2.157，v=19，P<0.05，按?=0.05水准拒绝H0，认为左、右肾重量差别不同，右较左肾轻。

3. 对表中治疗前后差值做两组比较。

t=

d1?d2=-1.602，v=18，得0.2>P>0.1，按?=0.05水准，不拒绝H0，Sd?d12甲、乙两药疗效相同。

第十章

一、名词解释

1.组间变异：处理因素和随机误差引起的变异。 2.组内（误差）变异：个体差异和测量误差引起的变异。

3.均方：其实质是方差，由各离均差平方和除以相应自由度获得，反映了变异大小。

二、最佳选择题

1. C 2. B 3. C 4. D 5. A 6. C 7. C 8. D 三、简单题

1. 方差分析的基本思想：根据研究设计类型和研究目的将总变异分解为两个或两个以上部分。不同部分的变异可用不同因素的作用或随机误差的作用来解释，通过比较某因素所致变异与随机误差，来判断该因素对研究结果是否有影响。

应用条件：1. 各样本来自正态总体。2. 各样本所来自总体的方差相等。 2. 在随机区组设计的方差分析中，SS总、SS处理、SS区组及SS误的含义是什么？SS总：总变异，即总离均差平方和；SS处理：处理组间的变异；SS区组：区组间的变异；SS误：误差的变异。

3. 单因素方差分析时总变异分解为两个部分，即组间变异和组内变异，组内变异即随机误差引起的变异，分解过程可以表示为SS?SS?SS；随机

总组间误差区组设计方差分析总变异分解为三个部分，即处理组间变异、区组间变异和组内变异，此处的组内变同样由随机误差引起，具体分解过程可以表示为。 SS总?SS处理?SS区组?SS误差四、计算分析题

1. 本题为采用完全随机化设计获得的计量资料，共有4组数据，可以采用单因素方差分析。采用SPSS分析的主要结果为： 表10-1 统计描述 (Descriptives) 谷酰转肽酶 Std. 95% Confidence Interval for Mean Maximum 82.05 133.57 111.68 50.85 133.57 病毒性 酒精性 非酒精性 健康人 Total N 20 20 20 20 80 Mean Deviation Std. Error Lower Bound Upper Bound Minimum 4.54652 6.48045 5.51416 2.68153 2.74783 24.4665 21.1423 42.4672 18.0465 31.1196 43.4985 48.2697 65.5498 29.2715 42.0584 6.56 8.60 16.47 3.54 3.54 33.9825 20.33268 34.7060 28.98147 54.0085 24.66007 23.6590 11.99216 36.5890 24.57731 表10-1为对四个变量进行统计描述的结果，主要给出了四个变量的名称、样本量、均数、标准差、标准误、95%置信区间的下限、上限以及最小值、最大值等。

表10-2 方差齐性检验结果 (Test of Homogeneity of Variances) 谷酰转肽酶 Levene Statistic 2.14 df1 3 df2 76 Sig. .1024 表10-2为方差齐性检验的结果，其中第一列为Levene统计量，第二列和第三列为两个自由度，第四列是检验的P值（Sig.），本例P?0.1024?0.05，因此不能认为方差不齐，可以直接进行完全随机设计的方差分析。

表10-3 完全随机设计资料的方差分析(ANOVA) 谷酰转肽酶 Between Groups Within Groups Total Sum of Squares 9619.268 38100.209 47719.478 df 3 76 79 Mean Square 3206.423 501.319 F 6.40 Sig. .0006 表10-3为完全随机设计资料方差分析的主要结果，列出了组间变异、组内（即误差）变异、总变异及各自对应的自由度（df），组间均方、组内（误差）均方，F值和P值（Sig.）。本例F?6.40，P?0.1024?0.05。按??0.05判断水准，拒绝H0，差异有统计学意义，可以看出，四个组的GGT含量不同。

表10-4 SNK-q检验结果 （Homogeneous Subsets） 谷酰转肽酶 Student-Newman-Keuls Subset for alpha = 0.05 分组 健康人 病毒性 酒精性 非酒精性 N 20 20 20 20 1 23.6590 33.9825 34.7060 2 a 54.0085