第三章均数估计与假设检验例题及软件实现（SAS/R/STATA/SPSS)

最新推荐文章于 2024-05-17 17:14:30 发布
最新推荐文章于 2024-05-17 17:14:30 发布
阅读量3k 收藏 11
点赞数 3
分类专栏： 医学统计学SAS\SPSS\STATA\R 文章标签： 数据分析 统计学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51188329/article/details/120048475
版权

例3-1

在这里插入图片描述

R代码及结果

#install.packages("readxl") # 第一运行该文件时加载readxl包用于读取Excel输入数据，将本行开始的#号删除即可
library( readxl ) # 调用外部数据程序包readxl

# 读取Data文件夹下的03_01例题的Excel数据文件（“../Data/E03_01.xls”代表上一级文件夹Data中的E03_01.xls）
E03_01 <- read_excel( "../Data/E03_01.xls" )   # 符号“../” 表示回溯到上一级文件夹


####################  描述读取的例题数据  ###########################

ls()            # 查看工作数据文件名称列表
str(E03_01)     # 查看数据结构：no = 样本号，mean=样本均数，sd=标准差
head(E03_01)    # 查看数据前几例
summary(E03_01) # 各列的统计量（未分组）
typeof(E03_01)  # E03_01的数据类型


####################  下面为例题的统计分析 ###########################

shapiro.test(E03_01$mean) # 夏皮罗正态性检验-样本均数

help( shapiro.test )      # 夏皮罗正态性检验函数shapiro.test的详细说明

结果表示如下：

library( readxl ) # 调用外部数据程序包readxl
> library(readxl)
> E03_01 <- read_excel("F:/Data/E03_01.xls")
> View(E03_01)
> ls()            # 查看工作数据文件名称列表
[1] "E03_01"
> str(E03_01)     # 查看数据结构：no = 样本号，mean=样本均数，sd=标准差
tibble[,3] [100 x 3] (S3: tbl_df/tbl/data.frame)
 $ no  : num [1:100] 1 2 3 4 5 6 7 8 9 10 ...
 $ mean: num [1:100] 124 121 125 123 124 ...
 $ sd  : num [1:100] 5.94 6.28 3.93 5.17 5.14 3.94 6.02 5.17 3.42 5.12 ...
> head(E03_01)    # 查看数据前几例
# A tibble: 6 x 3
     no  mean    sd
  <dbl> <dbl> <dbl>
1     1  124.  5.94
2     2  121.  6.28
3     3  125.  3.93
4     4  123.  5.17
5     5  124.  5.14
6     6  124.  3.94
> summary(E03_01) # 各列的统计量（未分组）
       no              mean             sd       
 Min.   :  1.00   Min.   :119.4   Min.   :2.000  
 1st Qu.: 25.75   1st Qu.:122.8   1st Qu.:4.117  
 Median : 50.50   Median :123.8   Median :4.865  
 Mean   : 50.50   Mean   :123.7   Mean   :4.906  
 3rd Qu.: 75.25   3rd Qu.:124.7   3rd Qu.:5.758  
 Max.   :100.00   Max.   :127.1   Max.   :8.320  
> typeof(E03_01)  # E03_01的数据类型
[1] "list"
> shapiro.test(E03_01$mean) # 夏皮罗正态性检验-样本均数

	Shapiro-Wilk normality test

data:  E03_01$mean
W = 0.99336, p-value = 0.9086    # p>0.5 尚不能认为这些样本的总体不服从正态分布

> help( shapiro.test )      # 夏皮罗正态性检验函数shapiro.test的详细说明

例3-2 在例3-1中抽得第26号样本的均数为122.96（cm)，标准差为4.77（cm），求其总体均数的95%置信区间。

用下面公式计算：
在这里插入图片描述

SAS代码及结果

data ex3_2;
  n=10;
  mean=122.96;
  std=4.77;
  t=tinv(0.975,n-1);*t分布的分位数*
  pts=t*std/sqrt(n);
  lclm=mean-pts;
  uclm=mean+pts;
proc print;
  var lclm uclm;
run;

在这里插入图片描述

STATA代码及结果

 cii mean 10 122.96 4.77

在这里插入图片描述

例3-3 某地抽取正常成年人200名，测得其血清胆固醇的均数为3.64mmol/L,标准差为1.20mmol/L,试估计该地正常成年人血清胆固醇均数的95%置信区间。

本例n>60,可以用正态近似的方法计算置信区间。

SAS代码及结果

data ex3_3;
  n=200;
  mean=3.64;
  std=1.20;
  u=PROBIT(0.975);  /* 正态分布的分位数*/
  pts=u*std/sqrt(n);
  lclm=mean-pts;
  uclm=mean+pts;
proc print;
  var lclm uclm;
run;

在这里插入图片描述

例3-5 某医生测量了36名从事铅作业男性工人的血红蛋白含量，算得其均数为130.83g/L，标准差为25.74g/L。问从事铅作业工人的血红蛋白是否不同于正常成年男性平均值140g/L？

在这里插入图片描述

SAS代码1及结果

data ex3_5;
  n=36;
  s_m=130.83;
  std=25.74;
  p_m=140;
  df=n-1;
  t=(s_m-p_m)/(std/sqrt(n));
  p=(1-probt(abs(t),df))*2;
proc print;
  var t p;
run;

在这里插入图片描述

SAS代码2及结果

data ex3_5;
  input x@@;
  cards;
  112 137 129 126 88 90 105 178 130 128 126 103
  172 116 125 90 96 162 157 151 135 113 175 129
  165 171 128 128 160 110 140 163 100 129 116 127
  ;
  run;
proc ttest h0=140;
  var x;
run;

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

R代码及结果

 #install.packages("readxl") # 第一运行该文件时加载readxl包用于读取Excel输入数据，将本行开始的#号删除即可
library( readxl ) # 调用外部数据程序包readxl
# 读取Data文件夹下的03_05例题的Excel数据文件（“../Data/E03_05.xls”代表上一级文件夹Data中的E03_05.xls）
E03_05 <- read_excel( "../Data/E03_05.xls" )  # 符号“../” 表示回溯到上一级文件夹

####################  描述读取的例题数据  ###########################

ls()            # 查看工作数据文件名称列表
str(E03_05)     # 查看数据结构：hb=血红蛋白含量g/L
head(E03_05)    # 查看数据前几例
summary(E03_05) # 各列的统计量（未分组）

typeof(E03_05)  # E03_05的数据类型

####################  下面为例题的统计分析 ###########################

#单样本t检验，原假设H0：μ=140   备择假设H1:μ！=140
t.test(E03_05$hb,alternative="two.sided",mu=140)

help( t.test )      # 单样本t检验函数t.test的详细说明

结果：

> E03_05 <- read_excel("F:/Data/E03_05.xls")
> View(E03_05)
> knitr::opts_chunk$set(echo = TRUE)
> ls()            # 查看工作数据文件名称列表
[1]"E03_05"
> str(E03_05)     # 查看数据结构：hb=血红蛋白含量g/L
tibble[,1] [36 x 1] (S3: tbl_df/tbl/data.frame)
 $ hb: num [1:36] 112 137 129 126 88 90 105 178 130 128 ...
> head(E03_05)    # 查看数据前几例
> summary(E03_05) # 各列的统计量（未分组）
       hb       
 Min.   : 88.0  
 1st Qu.:112.8  
 Median :128.0  
 Mean   :130.8  
 3rd Qu.:152.5  
 Max.   :178.0  
> typeof(E03_05)  # E03_05的数据类型
[1] "list"
> #单样本t检验，原假设H0：μ=140   备择假设H1:μ！=140
> t.test(E03_05$hb,alternative="two.sided",mu=140)

	One Sample t-test

data:  E03_05$hb
t = -2.1367, df = 35, p-value = 0.03969
alternative hypothesis: true mean is not equal to 140
95 percent confidence interval:
 122.1238 139.5428
sample estimates:
mean of x 
 130.8333

STATA代码及结果

 ttest x=140  /*x是变量，140是总体均数*/

在这里插入图片描述

 ttesti 36 130.83 25.74 140  /*已知样本量、均数、标准差和总体均数的简洁命令*/

结果如上图

SPSS代码及结果

鼠标点击：分析—比较平均值—单样本T检验

T-TEST
  /TESTVAL = 140
  /MISSING = ANALYSIS
  /VARIABLES = hb
  /CRITERIA = CI(.95).

在这里插入图片描述

例3-6 为比较两种方法对乳酸饮料中脂肪含量测定结果是否不同，随机抽取了10份乳酸饮料制品，分别用脂肪酸水解法和哥特里－罗紫法测定其结果如表3-6第(1)~(3)栏。问两法测定结果是否不同？

在这里插入图片描述
笔算如下：
在这里插入图片描述

SAS代码及结果

MEANS或UNIVARIATE或TTEST，三种过程均对配对资料做两样本均数比较的t检验

/*用MEANS作配对资料两个样本均数比较的t检验*/
data ex3_6;
  input x1 x2 @@;
  d=x1-x2;
cards;
0.840	0.580
0.591	0.509
0.674	0.500
0.632	0.316
0.687	0.337
0.978	0.517
0.750	0.454
0.730	0.512
1.200	0.997
0.870	0.506
;
proc means t prt;
  var d;
run;

/*用UNIVARIATE过程作配对资料两样本均数比较的t检验*/
proc univariate data=ex3_6;
  var d;
run;
/*用TTEST过程作配对资料两样本均数比较的t检验*/
proc ttest data=ex3_6;
  var d;
run;

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

R代码及结果

# install.packages("readxl") # 第一运行该文件时加载readxl包用于读取Excel输入数据，将本行开始的#号删除即可
library( readxl ) # 调用外部数据程序包readxl

# 读取Data文件夹下的03_06例题的Excel数据文件（“../Data/E03_06.xls”代表上一级文件夹Data中的E03_06.xls）
E03_06 <- read_excel( "../Data/E03_06.xls" ) # 符号“../” 表示回溯到上一级文件夹

####################  描述读取的例题数据  ###########################

ls()            # 查看工作数据文件名称列表
str(E03_06)     # 查看数据结构：no=编号，X1=哥特里－罗紫法，X2=脂肪酸水解法
head(E03_06)    # 查看数据前几例
summary(E03_06) # 各列的统计量（未分组）
typeof(E03_06)  # E03_05的数据类型

####################  下面为例题的统计分析 ###########################
#配对样本t检验-检验两种方法的检验结果是否不同
#原假设H0：μd=0

t.test(E03_06$x1-E03_06$x2,mu=0)

t.test(E03_06$x1, E03_06$x2, paired=TRUE)

help( t.test )

结果如下：

> library(readxl)
> E03_06 <- read_excel("F:/Data/E03_06.xls")
> View(E03_06)
> knitr::opts_chunk$set(echo = TRUE)
> ls()            # 查看工作数据文件名称列表
[1] "E03_06"
> str(E03_06)     # 查看数据结构：no=编号，X1=哥特里－罗紫法，X2=脂肪酸水解法
tibble[,3] [10 x 3] (S3: tbl_df/tbl/data.frame)
 $ no: num [1:10] 1 2 3 4 5 6 7 8 9 10
 $ x1: num [1:10] 0.84 0.591 0.674 0.632 0.687 0.978 0.75 0.73 1.2 0.87
 $ x2: num [1:10] 0.58 0.509 0.5 0.316 0.337 0.517 0.454 0.512 0.997 0.506
> head(E03_06)    # 查看数据前几例
> summary(E03_06) # 各列的统计量（未分组）
       no              x1               x2        
 Min.   : 1.00   Min.   :0.5910   Min.   :0.3160  
 1st Qu.: 3.25   1st Qu.:0.6773   1st Qu.:0.4655  
 Median : 5.50   Median :0.7400   Median :0.5075  
 Mean   : 5.50   Mean   :0.7952   Mean   :0.5228  
 3rd Qu.: 7.75   3rd Qu.:0.8625   3rd Qu.:0.5158  
 Max.   :10.00   Max.   :1.2000   Max.   :0.9970  
> typeof(E03_06)  # E03_05的数据类型
[1] "list"
> t.test(E03_06$x1-E03_06$x2,mu=0)

	One Sample t-test

data:  E03_06$x1 - E03_06$x2
t = 7.926, df = 9, p-value = 2.384e-05
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
 0.1946542 0.3501458
sample estimates:
mean of x 
   0.2724 

> t.test(E03_06$x1, E03_06$x2, paired=TRUE)

	Paired t-test

data:  E03_06$x1 and E03_06$x2
t = 7.926, df = 9, p-value = 2.384e-05
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 0.1946542 0.3501458
sample estimates:
mean of the differences 
                 0.2724

STATA代码及结果

 ttest x1=x2

在这里插入图片描述

SPSS代码及结果

分析—比较平均值----成对样本t检验

T-TEST
  PAIRS = x1 WITH x2 (PAIRED)
  /CRITERIA = CI(.95)
  /MISSING = ANALYSIS.

在这里插入图片描述

例3-7 为探讨青藤碱抗兔动脉粥样硬化作用，采用单纯高脂饲料12周喂养方法建立动脉粥样硬化家兔模型。将12周造模成功家兔16只随机等分为2组，模型组给予高饲料100g/d；青藤碱组除给予高饲料100g/d，在饲料中添加青藤碱109mg/(kg/d)。连续喂养3周，实验结束后心脏采血测定心脏血液中高密度脂蛋白，能否认为模型组与青藤碱组中高密度脂蛋白含量的总体均数不同？

本题采用两样本T检验

SAS代码及结果

data ex3_7;
  input x @@;
  if _n_<9  then c=1;
            else c=2;
cards;
0.66	0.76	0.79	0.88	0.78	0.66	0.75	0.88
0.58	0.69	0.59	0.70	0.69	0.68	0.58	0.60
;
proc ttest;
 var x;
 class c;
run;

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

R代码及结果

library( readxl ) # 调用外部数据程序包readxl

# 读取Data文件夹下的03_07例题的Excel数据文件（“../Data/E03_07.xls”代表上一级文件夹Data中的E03_07.xls）
E03_07 <- read_excel( "../Data/E03_07.xls" )  # 符号“../” 表示回溯到上一级文件夹


####################  描述读取的例题数据  ###########################

ls()            # 查看工作数据文件名称列表
str(E03_07)     # 查看数据结构：x=HDL含量（mmol/L),Group=分组（1=青藤碱组；2=模型组）
head(E03_07)    # 查看数据前几例
summary(E03_07) # 各列的统计量（未分组）
typeof(E03_07)  # E03_07的数据类型

####################  下面为例题的统计分析 ###########################
#两独立样本t检验——检验模型组和青藤碱组的HDL含量是否不同

t.test(x~Group,E03_07,var.equal=TRUE)

help( t.test )      # 单样本t检验函数t.test的详细说明

结果如下：

> library(readxl)
> E03_07 <- read_excel("F:/Data/E03_07.xls")
> View(E03_07)
> knitr::opts_chunk$set(echo = TRUE)
> ls()            # 查看工作数据文件名称列表
[1] "E03_06" "E03_07"
> str(E03_07)     # 查看数据结构：x=HDL含量（mmol/L),Group=分组（1=青藤碱组；2=模型组）
tibble[,2] [16 x 2] (S3: tbl_df/tbl/data.frame)
 $ Group: num [1:16] 1 1 1 1 1 1 1 1 2 2 ...
 $ x    : num [1:16] 0.66 0.76 0.79 0.88 0.78 0.66 0.75 0.88 0.58 0.69 ...
> head(E03_07)    # 查看数据前几例
> summary(E03_07) # 各列的统计量（未分组）
     Group           x         
 Min.   :1.0   Min.   :0.5800  
 1st Qu.:1.0   1st Qu.:0.6450  
 Median :1.5   Median :0.6900  
 Mean   :1.5   Mean   :0.7044  
 3rd Qu.:2.0   3rd Qu.:0.7650  
 Max.   :2.0   Max.   :0.8800  
> typeof(E03_07)  # E03_07的数据类型
[1] "list"
> 
> ####################  下面为例题的统计分析 ###########################
> #两独立样本t检验——检验模型组和青藤碱组的HDL含量是否不同
> 
> t.test(x~Group,E03_07,var.equal=TRUE)

	Two Sample t-test

data:  x by Group
t = 3.689, df = 14, p-value = 0.00243
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 0.05494115 0.20755885
sample estimates:
mean in group 1 mean in group 2 
        0.77000         0.63875

STATA代码及结果

 ttest x,by(group)

在这里插入图片描述
代码说明：

ttest x1=x2,unpaird /*原始数据以两个变量x1,x2分别录入*/
ttest x,by(group)  /*原始数据以一个变量录入，用变量group指示分组*/
ttesti 8 0.77 0.08 8 0.64 0.06 /*已知两组样本量、均数、标准差时候的简洁命令*/
sdtest x,by(group) /*方差齐性检验*/
ttest x1=x2,unpune[w] /*方差不齐时候的近似t检验*/

SPSS代码及结果

分析–比较平均值–独立样本t检验

T-TEST
  GROUPS = grp(1 2)
  /MISSING = ANALYSIS
  /VARIABLES = x
  /CRITERIA = CI(.95).

在这里插入图片描述

可可kk
关注
  • 3
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
第三讲多元线性回归模型检验及stata软件应用ppt课件.ppt
11-15
第三讲多元线性回归模型检验及stata软件应用ppt课件.ppt
SAS实验2——假设检验
jingmingx1的博客
04-24 3293
实验02 假设检验 一、实验目的 完成第二个实验作业 二、实验内容 ①：化学反应过程里中和热的大小测定实验结果是否合理，实验操作是否符合规范 ②：某校初三男生身高是否符合正态分布 ③：不同温度下植物在水中引起氧气浓度的变化有显著差异 ④：N肥和NP肥的施加对农作物的产量是否有影响 三、实验数据准备 ①：通过某中和热测定实验报告中自行计算得到的 ②：中考真题 ③：初中生物中考题 ④：论文：宇万太，姜...
参数估计 点估计 区间估计 假设检验
qq_40247880的博客
04-10 379
点估计 1，矩估计：代进去算 2，最大似然函数：多次测试概率相乘，取对数，求导为0； 3，贝叶斯 最大似然估计已知方差求期望为无偏估计，未知方差求期望为有偏估计。 ...
SAS:两独立样本均值检验
热门推荐
GROWTH
05-15 1万+
量表分析，在做“临界值比率”（CR）检测时，用到了T-TEST检验。 T检验是平均值的比较方法。 T检验分为三种方法： 1. 单一样本t检验（One-sample t test），是用来比较一组数据的平均值和一个数值有无差异。例如，你选取了5个人，测定了他们的身高，要看这五个人的身高平均值是否高于、低于还是等于1.70m，就需要用这个检验方法。 2. 配对样本t检验（paired-samp
#SAS统计分析-参数估计与假设检验
Pysamlam的博客
10-23 4459
印象中，关于参数估计与假设检验先前也是有写过一丢丢，想要回顾的可以点击：由于有了之前的基础，今天的文章就会跳过一些比较简单的概念梳理与讲解，但是一些比较重要的点我还是会稍...
避风港：从R中读取SPSS，Stata和SAS文件
02-05
避风港：从R中读取SPSS，Stata和SAS文件
医学统计学SAS\SPSS\STATA\R例题数据
08-18
医学统计学SAS\SPSS\STATA\R例题数据
张亨整理四个常用统计软件SAS,STATA,SPSS,R语言分析比较及其他统计软件概述.pdf
11-30
张亨整理四个常用统计软件SAS,STATA,SPSS,R语言分析比较及其他统计软件概述.pdf
数据分析的核心工具：NumPy和Pandas的实用指南
05-14 476
NumPy和Pandas是Python数据分析不可或缺的工具。NumPy的多维数组功能为数据向量化操作提供了基础，而Pandas则在此基础上提供了丰富的数据分析功能。通过结合使用这两个库，我们可以高效地处理和分析各种复杂的数据集。
吴恩达新写的提示工程技巧；ChatGPT推出了数据分析的增强功能；共享ChatGPT服务的解决方案
haleycat的博客
05-17 1004
在2024年5月16日，ChatGPT推出了数据分析的增强功能，用户可以直接从Google Drive和Microsoft OneDrive上传文件，与表格和图表进行交互，并为演示和文档自定义和下载图表。ChatGPT 可以通过自动生成和运行 Python 代码来分析用户上传的数据文件，包括合并、清洗数据集，创建图表以及发现洞察，极大地简化了数据分析的流程。地址：https://openai.com/index/improvements-to-data-analysis-in-chatgpt/
dataframe数据常用python操作
爱数据爱统计
05-14 375
dataframe的常用python操作
android手机应用源码Imsdroid语音视频通话源码.rar
05-20
android手机应用源码Imsdroid语音视频通话源码.rar
营销计划汇报PPT，市场品牌 推广渠道 产品 营销策略tbb.pptx
05-20
营销计划汇报PPT，市场品牌 推广渠道 产品 营销策略tbb.pptx
JavaScript_超过100种语言的纯Javascript OCR.zip
05-20
JavaScript
JavaScript_跨平台React UI包.zip
05-20
JavaScript
node-v16.17.0-headers.tar.xz
最新发布
05-20
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
520表白代码.rar
05-20
520表白html5爱心代码
一个简单的HTML5和CSS代码示例，用于创建一个动态的爱心形状，并在网页上展示一个类似520表白的消息 这个示例使用了CSS的
05-20
520表白html5爱心代码 一个简单的HTML5和CSS代码示例，用于创建一个动态的爱心形状，并在网页上展示一个类似520表白的消息。这个示例使用了CSS的动画效果和HTML的结构。
stata假设检验命令
04-11
Stata是一种统计分析软件，它提供了丰富的假设检验命令用于进行统计推断。下面是一些常用的Stata假设检验命令的介绍： 1. ttest命令：用于进行单样本或双样本t检验。可以用于比较一个样本的均值是否等于某个给定值...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值