《实用医学统计学与SAS应用》学习笔记 | 两组数值变量资料均数比较的t检验

1. t检验的基本概念

t检验用于检验两个正态分布总体的均数是否相等，检验统计量为

t检验的统计量可以由样本均数的z变换推导得出，服从自由度为n-1的t分布，t检验得到的P值含义如下

在原假设成立的情况下，样本统计量t值出现的概率

t检验适用于连续型资料，用于比较两个样本均数间的差异是否具有统计学意义，应用条件是

1）当样本含量较小时，理论上要求样本来自正态分布总体

2）要求两总体方差齐同，即方差齐性

t检验的分类：

1）单个样本均数与总体均数比较的单样本t检验

2）配对设计资料的差值均数与总体均数0比较的配对t检验

3）成组设计的两样本均数差异比较的独立样本t检验

2. 样本均数与总体均数比较的t检验

t值的计算公式如下

例题如下

3. 配对设计数值变量资料比较的t检验

配对设计的三种情况:

1）两种同质受试对象分别接受两种处理，通常做法是先按照非处理因素配成对子，同一对个体随机分配到处理组和对照组，接受不同处理

2）同一个样本用两种不同方法测量同一指标，或同一样本分别接受两种不同处理

3）将同一受试对象处理前后的结果进行比较

配对设计t检验基本思想是计算差值，原假设是差值d服从均数为0 的正态分布，所以配对设计t检验的检验统计量只需要将样本均数替换为差值d的均数即可，统计量如下

例题如下

4. 完全随机化设计的两组样本均数比较的t检验

完全随机化设计t检验的资料必须满足以下三个条件

1）两组样本资料均来自正态总体

2）两组样本资料来自的总体的总体方差相等，即方差齐

3）两组资料是独立的

完全随机化设计t检验的统计量如下

可以经由多个正态分布的加和性来推导出这个统计量，推导过程如下

例题如下

如果完全随机化设计的两组资料均满足正态性，但不满足方差齐性，则选用t'检验，检验统计量如下

在做出统计推断时，具体有三种方法：

Satterhwaite法，对自由度进行校正，公式为

Welch法，对自由度进行校正，公式为

Cochran & Cox 法，对临界值进行校正，公式为

如果任何一组不满足正态性，可以考虑用变量变换的方法，使资料满足正态性或方差齐性，然后考虑用t检验或者t'检验；或者用成组设计的两组样本分布比较的秩和检验

5. 变量变换

变量变换的目的

1）使各组资料服从正态分布，以满足方差分析和t检验的应用条件

2）使各组资料符合方差齐性要求，以满足方差分析和t检验的应用条件

3）使曲线直线化，常用于曲线拟合

对数变换，公式如下

当原始数据中有负值或零时，可以添加一个常数，保证原始值为大于0的正数，公式如下

常用于：

1）服从对数正态分布的资料，通过对数变换使其满足正态分布的条件

使资料达到方差齐性的要求，特别是各样本的CV值比较接近时

用于回归拟合，使对数曲线直线化

平方根变换，公式如下

当原始数据中有负值或零时，可以添加一个常数，保证原始值为大于0的正数，公式如下

常用于：

1）使服从泊松分布的分类资料或轻度偏态资料正态化

2）当各样本的方差与均数成正相关关系时，即均数大，方差也大，可使资料达到方差齐性的要求

倒数变换，公式如下

常用于数据两端波动较大的资料，可使极端值的影响减小

平方根反正弦变换，公式如下

常用于二项分布的率或者百分比的资料，当样本率服从二项分布，且总体率小于30%或者大于70%时，偏离正态较明显，可通过改变换使资料接近正态分布，从而达到方差齐性的要求

6. 正态性检验和方差齐性检验

正态性检验

有多种方法来检验数据是否满足正态性

1）图示法：P-P图，Q-Q图，直方图，箱线图，茎叶图，其中Q-Q图最有效，最常用

2）假设检验法：W检验，D检验，一般按照α=0.1的水准，为了降低II型错误率

W检验，也称为Shapiro-Wilk检验，适用于样本容量3≤n≤50的数据，检验统计量如下

将数据按照从小到大的顺序排列好，α是按照样本容量n查询W检验的α系数表得到的系数值，当n为奇数时，n/2取(n-1)/2。

D检验，又称为Kolmogorov-Smironov检验，统计量如下

其中D的公式如下

适用于样本容量50≤n≤1000的数据

3）矩法：峰度系数，偏度系数

偏度是指分布不对称的程度和方向，用偏度系数来衡量，样本偏度系数用表示，总体偏度系数用表示

峰度是指分布与正态曲线相比，峰的尖峭程度，用峰度系数来衡量, 样本峰度系数用表示，总体峰度系数用表示

总体偏度系数 ， 分布对称，，分布为正偏态，，分布为负偏态

总体峰度系数， 为正态峰，, 为尖峭峰(曲线峰度高出正态分布)， , 为平阔峰(曲线峰度低于正态分布)

只有同时满足对称和正态峰两个条件，才能认为该资料服从正态分布。

方差齐性检验：

通常用F检验，检验统计量如下

即两个样本方差的比值，如果两个样本来自的总体方差相等，那么样本方差的差异仅有抽样误差引起，则F值不会偏离1太远。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。

  更多精彩

• KEGG数据库，除了pathway你还知道哪些

• 全网最完整的circos中文教程

• DNA甲基化数据分析专题

• 突变检测数据分析专题

• mRNA数据分析专题

• lncRNA数据分析专题

• circRNA数据分析专题

• miRNA数据分析专题

• 单细胞转录组数据分析专题

• chip_seq数据分析专题

• Hi-C数据分析专题

• HLA数据分析专题

• TCGA肿瘤数据分析专题

• 基因组组装数据分析专题

• CNV数据分析专题

• GWAS数据分析专题

• 机器学习专题

• 2018年推文合集

• 2019年推文合集

• 2020推文合集

  写在最后

转发本文至朋友圈，后台私信截图即可加入生信交流群，和小伙伴一起学习交流。

扫描下方二维码，关注我们，解锁更多精彩内容！

一个只分享干货的

生信公众号