u X n
t X X , v n1
S n SX
t变换
标准正态分布
N（0，12）
标准正态分布
N（0，12） Student t分布 自由度ν=n-1
t X X , v n 1
ቤተ መጻሕፍቲ ባይዱ
Sn
SX
由W.S. Gosset提出
t= x- s/ n
对于不同的n,有不同的t分布曲线。 X
• 图中非阴影部分面积的概率为，
P(-t/2,<t<t/2,)=1-
第三章 抽样误差与t分布
总体
抽取部分观察单位
样本
参数
统计推断
统计量
如：总体均数
总体标准差
如：样本均数 X 样本标准差S
在医疗卫生实践和医学研究中，往往难以对所要 研究的总体进行全部观察，通常从总体中随机抽 取样本进行观察，然后由样本的信息去推断总体 特征，这种研究方法叫做抽样研究方法。
用样本的信息去推断总体特征，这种分析方法称 为统计推断。
抽样误差产生的条件
• 抽样研究 • 个体变异
抽样误差的表现
样本均数和 总体均数间 的差别 Xi
样本均数和 样本均数间 的差别 Xi X j
抽样误差是不可避免的，可以通过保证总体 的同质性及增大样本含量来缩小抽样误差。
抽样误差的规律 性—正态分布抽样
从正态分布总体N（5.00,0.502）中，每 次随机抽取样本含量n＝5，并计算其均数与
x 标准误 x = / n sx = s / n
n 100, 4.38cm
x
n
4.38 100
0.438cm
标准误的意义
反映了样本统计量（样本均数，样本率）分布的 离散程度，体现了抽样误差的大小。
标准误越大，说明样本统计量（样本均数，样本率） 的离散程度越大，即用样本统计量来直接估计总体 参数越不可靠。反之亦然。
X 118.21cm s=4.45cm
X 120.81cm s=4.33cm
X 120.18cm s=4.90cm
三次抽样得到了不同的结果！！！！ 原因何在？？？？
No Variation! No Sampling Error!
如果没有个体变异……
如果没有抽样研究…… No Random sampling!
t分布曲线下面积规律
• t分布曲线下总面积仍为1或100% • t分布曲线下面积以0为中心左右对称 • 由于t分布是一簇曲线，故t分布曲线下面积固定
面积(如95%或99%)的界值不是一个常量，而是 随自由度的大小而变化
• 其通式为
单侧：P(t≤-t,)=或P(t≥t,)= 双侧：P(t≤-t/2,)+P(t≥t/2,)=
标准误的大小与标准差有关，在例数n一定时，从 标准差大的总体中抽样，标准误较大；而当总体一 定时，样本例数越多，标准误越小。说明我们可以 通过增加样本含量来减少抽样误差的大小。
用途：
(1)衡量样本均值的可靠性 (2)估计总体均值的可信区间 (3)用于均数的假设检验
随机变量X N（，2）
均数
u变换
自由度分别为1、5、 ∞时的 t 分布
f(t) =∞(标准正态曲线)
=5
0.3
=1
0.2
0.1
-4 -3 -2 -1 0 1 2 3 4
t分布的特征：
①t分布为一簇单峰分布曲线。
②t分布以0为中心，左右对称。
③t分布与自由度ν有关，自由度越小，t分布的 峰越低，而两尾越高；自由度逐渐增大时，t分 布逐渐逼近标准正态分布；当自由度为无穷大 时，t分布就是标准正态分布。
n=5 5.00 0.50 4.99
n=10 5.00 0.50 5.00
n=30 5.00 0.50 5.00
均数标准差
0.2212 0.1580 0.0920
0.2236 0.1581 0.0913
3个抽样实验结果图示
n 5; SX 0.2212
n 10; SX 0.1580
n 30; SX 0.0920
从均数为 ，标准差为的正态总体中随机
抽取例数为n的样本，样本均数的总体均数
为 ，标准差为x
中心极限定理
标准误的定义
样本统计量（如均数）也服从一定的分布。
与描述观测值离散趋势的指标类似，样本统 计量的标准差就反映了从某个总体中随机抽 样所得样本之均数分布的离散程度。
用样本统计量的标准差来反映抽样误差的大 小。又称标准误(standard error)。
非正态分布抽样
• 分别从各总体中抽取10000个样本含量为 n的样本，计算每个样本的均数，并绘制 频数分布图。
• n分别取2、4、10、25。
偏三角分布抽样
均匀分布
指数分布
双峰分布
• 从正态总体中随机抽样，其样本均数服从正 态分布；
• 从任意总体中随机抽样，当样本含量足够大 时，其样本均数的分布逐渐逼近正态分布；
• 样本均数之均数的位置始终在总体均数的附 近；
• 随着样本含量的增加，样本均数的离散程度 越来越小，表现为样本均数的分布范围越来 越窄，其高峰越来越尖。
从正态总体中随机抽取例数为n的样本，样 本均数x也服从正态分布，即使从偏态总体 中抽样，只要样本例数足够大，如n>50， 样本均数x也近似正态分布。
基本手段
直接推断（参数估计） 间接推断（假设检验）
总体参数的估计
• 均数的抽样误差 • t分布 • 总体均数的估计
• 假如事先知道某地七岁男童的平均身高为119.41cm。为了 估计七岁男童的平均身高（总体均数），研究者从所有符 合要求的七岁男童中每次抽取100人，共计抽取了三次。
μ＝119.41cm σ= 4.38cm
标准差；重复抽取1000次，获得1000份样本 ；计算1000份样本的均数与标准差，并对 1000份样本的均数作直方图。
按上述方法再做样本含量n＝10、样本含 量n＝30的抽样实验；比较计算结果。
抽样试验（n=5）
抽样试验（n=10）
抽样试验（n=30）
1000份样本抽样计算结果
总体的 总体标 均数的 均数 准差 均数
No Sampling Error!
• 三次抽样得到了不同的结果，原因何在？
不同男童的 身高不同
每次抽到的 人几乎不同
个体变异
随机抽样
抽样误差
【定义】由于个体变异的存在，在抽 样研究中产生样本统计量和总体参数 之间的差异，称为抽样误差 （sampling error）。
各种参数估计都有抽样误差，这里我们以 均数为研究对象