统计学02 计量资料的统计描述
统计学第二章计量资料的统计描述
02
统计数据整理与展示方法
数据清洗与预处理技巧
80%
缺失值处理
根据数据的分布情况和实际背景 ，选择合适的缺失值填充方法， 如均值、中位数、众数等。
100%
异常值处理
采用箱线图、散点图等方法识别 异常值，并根据实际情况选择删 除、替换或保留。
分类
根据测量水平的不同，计量资料可分为离散型和连续型两类。离 散型数据只能取整数值，如人口数、医院床位数等；连续型数据 则可以取实数范围内的任何值，如身高、体重等。
计量资料特点分析
数值性
计量资料以数值形式表示，具有数量化的特点，便 于进行数学运算和统计分析。
连续性
连续型计量资料在实数范围内可以取任意值，数据 分布的连续性使得统计推断更为精确。
06
统计图表在数据可视化中应用
常见统计图表类型介绍
条形图（Bar Chart）
用于展示分类数据之间的比较，横轴表示分类，纵轴表示数量或比例。
折线图（Line Chart）
用于展示时间序列数据或连续性数据的趋势变化，横轴表示时间或类 别，纵轴表示数量或比例。
散点图（Scatter Plot）
用于展示两个变量之间的关系，横轴和纵轴分别表示两个变量，点的 位置表示变量的取值。
一组观察值中出现次数最多的数。
计算方法
应用场景
中位数计算需先将数据排序，然后取中间 位置的数；众数计算则是统计各数值出现 的次数，取出现次数最多的数。
适用于各种类型的数据，尤其适用于偏态 分布数据。中位数和众数对极端值不敏感 ，因此能较好地反映数据的集中趋势。
不同集中趋势指标比较
算术平均数、中位数和 众数都是描述数据集中 趋势的指标，但各有特 点。
医学统计学 第二章 计量资料的统计描述
肌红蛋白含量
人数
0～
2
5～
3
10～
7
15～
9
20～
10
25～
22
30～
23
35～
14
40～
9
45～50
2
18
人数
25 20 15 10
5 0
2.5 12.5 22.5 32.5 42.5 52.5 血 清 肌 红 蛋 白（μg / m L）
图 2-3 101 名 正 常 人 血 清 肌 红 蛋 白 的 频 数 分 布
医学统计学 第二章 计量资料的统计 描述
计量资料（定量资料、数值变量资料） 总体：有限或无限个（定量）变量值 样本：从总体随机抽取的n个变量值：
X1,X2,X3,……,Xn
n为样本例数（样本大小、样本含量）
2
统计描述——描述其分布规律 1、用频数分布表（图）
要求：大样本 如 n〉30
2、用统计指标 描述 集中趋势 离散趋势
6
➢制表步骤 了解分布
1. 求极差（range） 极差也称全 距，即最大值和最小值之差，记作R。 本例
R 5 .7 1 2 .3 5 3 .3 6 ( m m o l/L )
7
2．确定组距(i) :
组段数通常取组 10-15组 本例组距
i 3 .3 6 /1 0 0 .3 3 6 0 .3 0
累计频率（%） (4)
0
402
402
35.80
1
330
732
65.18
2
232
964
85.84
3
118
1082
96.35
4
27
统计学2 计量资料的统计描述指标课件
N
Valid
Missing
Mean
Median
Std. Deviation
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Percentiles
5
25
50
75
95
97.5
238 0
7.1387 6.6111a 3.3217 1.209
x
72.4
例 某地不同年龄女童的身高资料如下，比较不同 年龄女童身高的变异程度。
表 某地不同年龄女童身高（cm）的变异程度
年龄组 1-2月
例数 100
均数 56.3
标准差 2.1
变异系数 （％）
3.7
5-6月 120
66.5
2.2
3.3
3-3.5岁 300
97.2
3.1
3.2
5-5.5岁 500 107.8
ON AVERAGE 间距 3. 标准差，S 4. 变异系数，CV
变异程度指标越大，表示数据离散程度越大。
1. 极差
Range，亦称全距，即全部观察值中最大值与最 小值之差。
R = X max − X min
极差没有利用全部观察值，是简单但又粗略的变 异指标。
效价 1：4 1：8 1：16 1：32 1：64 1：128 1：256 1：512 合计
例数 f 2 3 6 9 8 14 12 6 60
G＝78.79
只用平均数描述资料的弊病
It has been said that a fellow with one leg frozen in ice and the other leg in boiling water is comfortable。
卫生统计学课件 第二章 计量资料的统计描述(共33张PPT)
●计算公式： 13cm之间的占该地7岁男童的百分 比。
∑f · X=1638
双侧界值：P 2.5 ~ P 97..5 定义：又称参考值范围，是指特定健康人群的解剖、生理、生化等各种数据的波动范围。
特征： ∑（X- X）=0 估计误差之和为0。
估计的方法： 1、正态分布法
2、百分位数法
28
1.正态分布法
应用条件:正态分布或近似正态分布资料 ●计算 （双侧） 95% 正常值(医学参考值）范围公式：
（x1.96 · S，x1.96 · S ）
即（x±1.96 · S ） 例：
1.96 × 3.79 ）
即（156.41 cm , 171.27 cm )
1998年100名18岁健康女大学生身高的频数分布
数。 (3) 估计该地7岁男童身高在107.
确定组段：第一组段包括最小值，如本例为154 89 cm 取整数 2 cm 应用：单位不同的多组数据比较
13cm之间比的。占该地7岁男频童的数百分表（频数分布）：表示各组及它们对
注意：合理分组，才能求均数，否则没有意义。
96 ·S，x 1. Q = Qu 一 Ql
单侧 上界： P 95
单侧 下界： P 5
31
习题：
1.各观察值加同一数后： A.均数不变，标准差改变 B.均数改变，标准差不
变
2.用均数和标准差可全面描述：
3.正态分布曲线下，从均数u 到u 的面积为； A.95% B.45% C. 97.5% D.47.5%
19
相关概念：离均差、离均差平方和、方差（2 S2 ） 标准差的符号： S
医学统计学 第3版,02 计量资料的统计描述 试题
第二章 计量资料的统计描述一、教学大纲要求（一）掌握内容1. 频数分布表与频数分布图 （1）频数表的编制。
（2）频数分布的类型。
（3）频数分布表的用途。
2. 描述数据分布集中趋势的指标掌握其意义、用途及计算方法。
算术均数、几何均数、中位数。
3. 描述数据分布离散程度的指标掌握其意义、用途及计算方法。
极差、四分位数间距、方差、标准差、变异系数。
（二）熟悉内容连续型变量的频数分布图：等距分组、不等距分组。
二、 教学内容精要计量资料又称为测量资料，它是测量每个观察单位某项指标值的大小所得的资料，一般均有计量单位。
常用描述定量资料分布规律的统计方法有两种：一类是用统计图表，主要是频数分布表（图）；另一类是选用适当的统计指标。
（一）频数分布表的编制频数表（frequency table ）用来表示一批数据各观察值或在不同取值区间的出现的频繁程度（频数）。
对于离散数据，每一个观察值即对应一个频数，如某医院某年度一日内死亡0，1，2，…20个病人的天数。
如描述某学校学生性别分布情况，男、女生的人数即为各自的频数。
对于散布区间很大的离散数据和连续型数据，数据散布区间由若干组段组成，每个组段对应一个频数。
制作连续型数据频数表一般步骤如下：1.求数据的极差（range ）。
min max X X R -= （2-1） 2.根据极差选定适当“组段”数（通常8—10个）。
确定组段和组距。
每个组段都有下限L 和上限U ，数据χ归组统一定为L ≤χ<U 。
3.写出组段，逐一划记。
频数表可用于揭示资料的分布特征和分布类型，在文献中常用于陈述资料，它便于发现某些特大或特小的可疑值，也便于进一步计算指标和统计分析处理。
（二）描述频数分布中心位置的平均指标描述中心位置的平均指标，但常因资料的不同而选取不同的指标进行描述。
1.算术均数（对称分布）算术均数（arithmetic mean ）简称均数，描述一组数据在数量上的平均水平。
第二章 计量资料的统计描述
意义：越大说明离散程度越大 优点：计算简单 缺点：不能全面反映资料的离散程度；不稳定，易受 极端值影响
（二）四分位数间距（Quartile interval）
四分位数间距( Q )：将一组资料分为四等份，上四分位数QU（P75） 与下四分位数QL（P25）之差。
（四）众数（mode）
• 众数是指一组观察值中出现次数最多的那个数值。一组观察 值可以有多个众数，也可以没有众数。众数只有在数据量较 大时才有意义。众数不受极端值大小的影响，但它掩盖的信 息经常比它揭示的要多。
• 例2-1资料中有频数最大为4的6个众数，分别为131、133、135、13 8、142、145（g/L）；当列成表2-1的频数分布时，由于“138～” 组的频数为21最大，因此众数为该组的组中值141.5（g/L）。
不但反映研究指标数值的稳定性和均匀性，而且反映集中 性指标的代表性。
三组同性别同年龄儿童的体重如下：
x 甲组：26 28 30 32 34 甲 = 30Kg x 乙组：24 27 30 33 36 乙 = 30Kg x 丙组：26 29 30 31 34 丙 = 30Kg
（一）全距（Range）
集中趋势和离散趋势是揭示数据分布的类型和正
确进行统计描述与统计推断的前提。
（三）异常值的识别
频数表有助于发现极小或极大的异常值。 在频数表的两端连续出现几个组段的频数为0后，又
出现一些极小值或极大值，应怀疑这些资料的准确 性，需对这些数据进一步核对和复查，若发现错误， 及时改正。
（四）有利于进一步对资料进行 统计描述与分析
2 (xi )2
N
s2
xi
x2
统计学-计量资料的统计描述方法
计量资料得统计描述方法怎样表达一组数据？描述计量资料得常用指标—A 、描述平均水平(中心位置):均数X 、中位数与百分位数、几何均数G 、众数(mode) B 、描述数据得分散程度:标准差、四分位数间距、 变异系数、方差、全距(一)均数mean 与标准差standard deviation1、 (算术)均数X均数就是描述一组计量资料平均水平或集中趋势得指标。
*直接计算公式:12nX X X X X nn+++==∑应用条件:适用于对称分布,特别就是正态分布资料。
2、 中位数(median )M 与百分位数(percentile)A 、中位数M就是将一组观察值从小到大排序后,居于中间位置得那个值或两个中间值得平均值。
应用条件:用于任何分布类型,包括偏态资料、两端数据无界限得资料。
计算:n 为奇数时--1()2n M X+=n 为偶数时--()(1)2212n n M X X +⎛⎫=+ ⎪⎝⎭9人数据:12,13,14, 14, 15, 15, 15, 17, 19天B 、百分位数 就是将N 个观察值从小到大依次排列,再分成100等份,对应于X%位得数值即为第X 百分位数。
中位数就是第百分50位数。
四分位数间距(quartile range)= 第25百分位数(P25)～第75百分位数(P75)。
四分位数间距用于描述偏态资料得分散程度(代替标准差S),包含了全部观察值得一半。
百分位数计算(频数表法):(%)XX XL Xi P L nX f f =+-∑X L :第X 百分位数所在组段下限 L Σf :小于X L 各组段得累计频数X i :第X 百分位数所在组段组距n :总例数 f x :所在组段频数注:有得教材X= r ;L f ∑=C)(天155219===+X X M 8845122221415214.5()M X X X X ⎛⎫==== ⎪⎝⎭＋如果只调查了前八位中学生，则：＋（＋）（＋）天例:求频数表得第25、第75百分位数(四分位数间距)组段 频数f 累积频数∑f 56～ 2 2 59～ 5 762～ 12 19 ∑f 25 L 25 65～15 34 P 25在此68～ 25 5971～ 26 85 ∑f 75 L 75 74～19 104 P 75在此77～ 15 119 80～ 10 129 83～851 130合 计130① 确定Px 所在组段:P 25所在得组段:n X %=130×25%=32、5,65～组最终得累积频数=34,32、5落在65～组段内;P 75所在得组段:n X %=130×75%=97、5, 此值落在74～组段 ② 确定Px 所在组段得X L 、X i 、f x 、L Σf ③ P 25＝65+3x[(130x25%－19)/15]＝65、90P 75＝74+3x[(130x75%－85)/19]＝74、66四分位数间距=65、90～74、66 (次/分)3、几何均数G (geometric mean)应用:适用于成等比数列得资料,特别就是服从对数正态分布资料。
医学统计学：计量资料的统计描述
方差、标准差计算方法和意义
方差
指各数据与均数之差的平方和的平均 数，用于反映数据的术平方根，用于衡量数据偏 离均数的程度。标准差越大，数据分 布越离散。
变异系数在医学研究中应用
变异系数
指标准差与均数之比，用于比较不同单位或不同均数水平下数据的离散程度。在医学研究中，常用于评价不同指 标或不同人群间的变异程度。
分类
根据测量水平不同，可分为离散型计量资料和连续型计量资料。离散型计量资 料只能取整数值，如人口数、医院床位数等；连续型计量资料可以取实数范围 内的任何值，如身高、体重等。
计量资料特点分析
01
数值性
计量资料以数值形式表示，具有明 确的数量特征。
可比性
同类计量资料之间可以进行比较， 如不同人群的身高、体重等。
众数
一组观察值中出现次数最多的数。
应用场景
常用于描述无明显集中趋势或分布规 律资料的集中趋势，如一些分类数据 的统计描述。
04 离散程度指标解读
极差、四分位数间距计算及意义
极差
指一组数据中最大值与最小值之差， 用于反映数据的波动范围。计算简单， 但易受极端值影响。
四分位数间距
指第三四分位数与第一四分位数之差， 用于反映中间50%数据的离散程度。 较极差更稳定，不易受极端值影响。
常用统计描述方法介绍
频数分布表与直方图
通过分组和计数的方式展示数 据的分布情况，适用于连续型
变量。
集中趋势描述
包括算术均数、几何均数和中 位数等，用于描述数据的平均 水平或中心位置。
离散程度描述
包括标准差、方差和四分位数 间距等，用于描述数据的波动 范围或离散程度。
偏态与峰态描述
通过偏态系数和峰态系数等描 述数据的偏态和峰态特征，反
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（2）偏态分布 ：
1）右偏态分布 （skewed to the right distribution） 也称正偏态分布：右侧 的组段数多于左侧的组 段数，频数向右侧拖尾
2）左偏态分布
（skewed to the left distribution）也称负 偏态分布：左侧的组 段数多于右侧的组段 数，频数向左侧拖尾
（4） 划记计数：用划记法将所有数据归纳到各 组段，得到各组段的频数。
组段 （1）
3.7～ 3.9～ 4.1～ 4.3～ 4.5～ 4.7～ 4.9～ 5.1～ 5.3～ 5.5～ 5.7～5.9
合计
频数，f （2）
1 4 11 17 26 32 26 18 10 4 1 150
组中值，X （3）
组段
频数
观察结果的所有 分类
根据观察结果重 新划分
相同类别出现的 次数
分组统计
用途：1. 用于描述资料的分布特征. 2．发现一些特大或特小的可疑值 3．便于进一步做统计分析和处理
1. 频数表的编制步骤
（1）求极差（range）：即最大值与最小值之差
例2.1极差：
R=5.88－3.79=2.09（1012/L）
适用条件：呈倍数关系的等比资料或对数正态分 布（正偏态）资料；如抗体滴度资料
例 血清的抗体效价滴度的倒数分别为：10、 100、1000、10000、100000，求几何均数。
G
lg
1
lg
101
lg
102
lg
103 5
lg
104
lg
105
1000
此例的算术均数为22222，显然不能代表滴度的
The graph shows one hundred values sampled from a population that follows a lognormal distribution. The left panel plots the data on a linear (ordinary) axis. Most of the data points are piled up at the bottom of the graph, where you can't really see them. The right panel plots the data with a logarithmic scale on the Y axis. On a log axis, the distribution appears symmetrical. The median and geometric mean are near the center of the data cluster (on a log scale) but the mean is much higher, being pulled up by some very large values.
2. 几何均数（geometric mean）
XG n X1X2 Xn
lg
XG
1 (lg n
X1
lg
X2
lg
Xn)
lg X n
X G lg 1
lg X n
lg 表示以10为底的对数；
lg 1表示以10为底的反对数
X 0，为正值
几何均数的适用条件与实例
小结： 集中趋势的描述——平均数
平均数：描述一组变量值的集中位置或平均水平的 指标体系。
不同的分布使用不同的指标 (算术)均数：正态或近似正态或观察值相差不大的 小样本资料 几何均数：对数正态分布或等比级数资料 中位数 ：一般偏态分布（传染病发病的潜伏期）
Example If your data are sampled from a Gaussian distribution, the mean, geometric mean and median all have similar values. But if the distribution is skewed, the values can differ a lot as this graph shows:
盘编号 甲 乙 丙
1 440 480 490
580
560
2 460 490 495
540
3 500 500 500 520
4 540 510 505
500
5 560 520 510
480 460
合计
2500 2500 2500 440
均数 500 500 500 420
甲 乙丙
1.极差(Range, R） R X max X min
3.8 4.0 4.2 4.4 4.6 4.8 5.0 5.2 5.4 5.6 5.8
fX (4)= (2)×(3)
3.8 16.0 46.2 74.8 119.6 153.6 130.0 93.6 54.0 22.4 5.8 719.8
二、频数分布图
三、频数表和频数分布图用途
1．描述频数分布的类型 （1）对称分布 ：若各
平均水平。对同一资料，几何均数<均数
例 某地5例微丝蚴血症患者治疗七年后用间接荧 光抗体试验测得其抗体滴度倒数分别为，10，20， 40，40,160，求几何均数。
（2）加权法
公式：
例2-5 69例类风湿关节炎（RA）患者血清EBVVCA-lgG抗体滴度的分布见表2-4第(1)、(2)栏，求 其平均抗体滴度。
符号：总体 ; 样本 X
适用条件：资料呈对称分布，尤其是正态或近似正 态。计算：
（1）直接法 X X1 X 2 X n X
n
n
（2）频数表法
X f1 X1 f2 X 2 f3 X 3 L fk X k fX i
f1 f2 f3 L fk
第三节 离散趋势的描述
例2-11 三组同龄男孩的身高值(cm)
What do you find out?
描述离散趋势的特征数（变异指标）
反映数据的离散度（ Dispersion ）。即个体 观察值的变异（variation）程度。常用的指标有：
1. 极差(Range） (全距) 2. 百分位数与四分位数间距
适用条件：适合各种类型的资料。尤其适合于①大 样本偏态分布的资料；②资料有不确定数值；③资 料分布不明等。
中位数计算公式与实例
先将观察值按从小到大顺序排列，再按以下公式
计算：
Md
x(n1) xn/ 2
/2
x1n / 2
2
n为奇数 n为偶数
特点：仅仅利用了中间的1～2个数据
Compute the logarithm of all values, compute the mean of the logarithms, and then take the antilog. It is a better measure of central tendency when data follow a lognormal distribution (long tail).
Percentile and Quartile range 3. 方差 Variance 4. 标准差Standard Deviation 5. 变异系数 Coefficient of Variation
例：设甲、乙、丙三人，采每人的耳垂血，然后红细胞 计数，每人数5个计数盘，得结果如下（万/mm3）
fi
Σ为求和符号，读成sigma；f ：“权数”
例：计算4，4，4，6，6，8，8，8，10的 均数。
例2-2 用直接法计算例2-1某单位101名正常成年女 子的血清总胆固醇的均数。
计算101名正常成年女子的血总胆固醇的均数。
2 几何均数（geometric mean）：变量对数值的算 术均数的反对数。 可用于反映一组经对数转换 后呈对称分布的变量值在数量上的平均水平。
（2） 决定组数、组段和组距：根据研究目的和 样本含量n确定。组距=极差/组数，通常分1015个组，为方便计，组距参考极差的十分之一, 再略加调整。
本例i= R /10=2.09/10=0.209≈0.2。
（3） 列出组段：第一组段的下限略小于最小值 ，最后一个组段上限必须包含最大值，其它组段 上限值忽略。
意义：反映全部变量值的变
动范围。
——变异水平指标
第二节 集中趋势的描述
计量资料（定量资料、数值变量资料） 总体：有限或无限个变量值
样本：从总体随机抽取的n个变量值： X1, X2, X3,……, Xn
n为样本例数（样本含量、样本大小、样 本含量）
一、描述集中趋势的特征数（平均指标）
总称为平均数（average），反映资料的集中趋 势（ central tendency ）。常用的有： 1. 算术均数(arithmetic mean)，简称均数 (mean) 2. 几何均数(geometric mean) 3. 中位数 (median)
Statistics lets you analyze a set of data and make conclusions that can be generalized beyond that set of data.
第一节 频数分布
一、频数分布表（frequency table）
例2.1 某地150名正常成年男子红细胞数。 例2-2 某单位99年的职工体检资料中获得101
第二章 计量资料的统计描述
Descriptions of Measurement Data