6 .8 生长激素缺乏症的患儿，在用生长激素治疗前和治疗6 个月后的身高和体重数据如下表[33]： 项 目 治疗前（sy ） 治疗后（sy ） 样本含量n 身高/cm 108±12 114±13 20 体重/kg 20.9±2.2 24.2±4.3 20 先用t 检验，推断治疗前和治疗后的平均身高和平均体重在α = 0.05 水平上的差异显著性，再用治疗前和治疗后的平均数差数的0.95 置信区间验证。你认为这是一种很好的实验设计吗？怎样做检验的效果可能会更好？ 答：1. 先做成组数据t 检验： (1)身高： T-Test for Non-Primal Data F FUTAILP T DF TUTAILP 1.17361 0.36536 1.51668 38.0000 0.068812 1.17361 0.36536 1.51668 37.7591 0.068838 (2)体重： T-Test for Non-Primal Data F FUTAILP T DF TUTAILP 3.82025 .0026673 3.05542 38.0000 .0020482 3.82025 .0026673 3.05542 28.3091 .0024304 2. 计算置信区间： (1)身高： Confidence Limits on the Difference of Means for Non-Primal Data F FUTAILP ALPHA LCLDMSEQ UCLDMSEQ LCLDMSUN UCLDMSUN 1.17361 0.36536 0.05 -2.00852 14.0085 -2.01020 14.0102 (2)体重： Confidence Limits on the Difference of Means for Non-Primal Data F FUTAILP ALPHA LCLDMSEQ UCLDMSEQ LCLDMSUN UCLDMSUN 3.82025 .0026673 0.05 1.11356 5.48644 1.08871 5.51129 根据问题的要求，本例的t 检验应为双侧检验，当 t 的显著性概率小于 0.025 时拒绝 H0。检验的结果，身高治疗前后的差异不显著。从置信区间计算的结果，可以看出，身高的置信区间包含0，因此身高的差异不显著，体重的置信区间不包含0，因此体重的差异显著。统计假设检验与置信区间得到的结果是一致的。 另外，本例的实验设计是配对设计，但在处理数据时，作者按成组设计计算的，虽不能算是错误，但减低了检验效率。 第五章 统计推断 5 .1 统计假设有哪几种？它们的含义是什么？ 答：有零假设和备择假设。零假设：假设抽出样本的那个总体之某个参数（如平均数）等于某一给定的值。备择假设：在拒绝零假设后可供选择的假设。 5 .2 小概率原理的含义是什么？它在统计假设检验中起什么作用？ 答：小概率的事件，在一次试验中，几乎是不会发生的。若根据一定的假设条件，计算出来该事件发生的概率很小，而在一次试验中，它竟然发生了，则可以...
