7第4讲1_统计学方法的抉择
统计学中的统计推断与统计决策
统计学中的统计推断与统计决策统计学是一门关于收集、分析和解释数据的学科。
在统计学中，统计推断和统计决策是两个重要的概念。
统计推断是通过对样本数据的分析来对总体特征进行估计和推断的过程。
而统计决策则是基于对样本数据的统计推断结果，做出相应的决策。
一、统计推断统计推断是通过对样本数据的分析来推断总体特征的过程。
在实际应用中，我们通常没有足够的时间、资源或能力收集并分析整个总体的数据，因此我们只能通过对样本数据的分析来对总体特征进行推断。
常用的统计推断方法包括参数估计和假设检验。
参数估计是通过样本数据来估计总体参数的值，其中常用的方法包括点估计和区间估计。
点估计是通过样本数据直接估计总体参数的值，而区间估计则是通过样本数据给出总体参数值的一个区间估计范围。
假设检验是通过样本数据来对总体参数的假设进行检验。
在假设检验中，我们首先建立一个关于总体参数的原假设和备择假设，然后基于样本数据的统计量来判断原假设是否成立。
常用的假设检验方法包括单样本均值检验、两样本均值检验、单样本比例检验、两样本比例检验等。
二、统计决策统计决策是基于对样本数据的统计推断结果，做出相应的决策。
在统计决策中，我们需要根据统计推断的结果来做出相应的决策，以解决实际问题。
在统计决策中，我们首先需要确定决策问题的目标和相应的决策准则。
然后，根据对样本数据的统计推断结果，评估各种决策方案的优劣，并选择最优的决策方案。
常见的统计决策问题包括质量控制、市场营销、金融风险评估等。
例如，在质量控制中，我们可以通过对样本数据的分析来推断产品质量是否符合要求，从而决定是否接受或拒绝一批产品；在市场营销中，我们可以通过对样本数据的分析来推断某个产品的市场需求，从而决定是否进行市场推广活动。
三、统计推断与统计决策的应用统计推断和统计决策在各个领域都有广泛的应用。
在医学研究中，统计推断被用来评估一种新药的疗效；在经济学中，统计推断被用来预测经济增长率或通货膨胀率；在社会科学中，统计推断被用来分析调查数据，从而了解人们的行为和态度。
统计方法论
统计方法论统计学的核心思想是通过搜集、加工和分析数据来了解现象。
这种方法对于研究、决策和推断具有广泛的应用，被许多学科采用。
要准确使用统计学方法，需要深入了解统计方法论。
1.概念与原则统计学的核心概念包括概率、抽样、推断和假设检验等。
其中，概率是指从一个样本中得到某个结果的可能性；抽样则是指从一个总体中选取一部分作为样本；推断是指从样本中推断总体的特征；假设检验则是通过比较两组数据是否不同来检验一个假设的正确性。
2.数据处理方法统计分析的第一步是数据的处理。
数据处理包括数据收集和数据清理两个部分。
数据收集要确保数据的准确性、完整性和充分性。
数据清理就包括数据清洗、缺失值处理、异常值处理和数据转换等方法。
3.描述性统计方法描述统计方法用来总结数据的基本特征，包括平均值、中位数、众数、离散程度、偏度和峰度等。
描述统计方法不仅能够帮助研究者了解数据的基本特征，还能为更进一步的数据分析奠定基础。
4.推断性统计方法推断统计方法是根据概率论的基本原理，通过样本得到总体的某些性质。
推断统计方法包括点估计、区间估计和假设检验。
点估计是通过样本估计总体的某个参数，包括最大似然估计、矩估计和贝叶斯估计等；区间估计是利用点估计来给出总体参数的可信度区间，例如置信区间；假设检验则是用于检验关于总体特征的一个假设是否成立。
5.多元统计方法多元统计方法对多个变量之间的关系进行研究。
多元统计方法分为无监督方法和有监督方法，无监督方法包括因子分析、聚类分析等，有监督方法包括回归分析、判别分析等。
多元统计方法常常应用于数据挖掘和大数据分析领域。
总之，统计学是一门综合性的学科，涉及到的概念和方法较为复杂和细致。
对于初学者，应该先学习统计学的基础知识和原则，然后再逐步学习各种应用方法。
只有正确地应用统计方法，才能够得到准确可靠的结论并为实际应用提供支持。
如何利用统计学做出准确的决策分析
如何利用统计学做出准确的决策分析统计学是一门研究数据收集、分析和解释的学科，它在决策分析中扮演着重要的角色。
无论是在商业、科学还是日常生活中，我们都需要依靠准确的数据和分析来做出决策。
本文将探讨如何利用统计学的方法来进行准确的决策分析。
首先，数据的收集是决策分析的基础。
在做出决策之前，我们需要收集相关的数据来了解问题的背景和现状。
数据的收集可以通过各种方式进行，包括实地调查、问卷调查、实验等。
在收集数据时，我们需要注意样本的选择和数据的可靠性。
样本应该具有代表性，能够反映整体的情况。
而数据的可靠性则需要通过合理的方法和工具来确保。
其次，数据的分析是决策分析的关键。
统计学提供了各种方法和技术来对数据进行分析。
其中，描述统计是最基本的方法之一，它能够通过计算数据的平均值、方差、标准差等指标来描述数据的特征。
此外，统计学还提供了推断统计的方法，可以通过样本数据来推断总体的特征。
例如，通过抽取一部分样本数据并进行分析，我们可以得出对整个总体的结论。
在进行数据分析时，我们还需要注意数据的可视化。
数据可视化是一种将数据以图表的形式展示出来的方法，它能够更直观地呈现数据的分布和趋势。
通过数据可视化，我们可以更容易地理解数据的含义和关系，从而做出更准确的决策。
常见的数据可视化方法包括条形图、折线图、散点图等。
此外，决策分析还需要考虑不确定性和风险。
在现实生活中，我们往往面临着各种不确定性和风险，这些因素会对决策的结果产生影响。
统计学提供了风险分析和决策树等方法来帮助我们评估和管理风险。
通过对不确定性因素进行量化和分析，我们可以更好地理解风险，并作出相应的决策。
最后，决策分析还需要考虑实施和评估。
在做出决策之后，我们需要将决策付诸实施，并进行评估和反馈。
统计学可以通过实验设计和数据分析来评估决策的效果和影响。
通过对实施结果进行分析，我们可以得出对决策的评价，并作出相应的调整和改进。
综上所述，利用统计学进行准确的决策分析需要从数据的收集、分析、可视化、风险评估和实施评估等方面进行综合考虑。
统计学中的统计模型选择方法
统计学中的统计模型选择方法统计学中的统计模型选择方法是指在进行数据分析和模型构建时，根据不同的数据集和研究目标选择合适的统计模型。
统计模型选择是进行数据分析的重要环节，其选用的准确性和合理性直接影响最终结果的可靠性和有效性。
本文将介绍几种常用的统计模型选择方法。
一、最小二乘法最小二乘法是最常用的一种统计模型选择方法。
它通过找到使观测数据与模型拟合程度最好的参数估计，来确定模型的最优解。
最小二乘法的基本思想是通过最小化实际观测值与模型预测值之间的误差平方和，来选择最合适的模型。
通过计算误差平方和来评估模型的拟合优度，误差越小，模型拟合度越好。
二、贝叶斯信息准则贝叶斯信息准则（BIC）是一种常用的模型选择准则，它基于贝叶斯推断的思想，结合了模型的拟合优度和模型的复杂度。
BIC值越小，表示模型的选择越好。
BIC的计算方式如下：BIC = -2ln(L) + K * ln(n)其中，L表示模型的最大似然函数值，K表示模型的参数个数，n表示样本量。
三、交叉验证交叉验证是一种常用的模型选择方法，它将原始数据集分为训练集和测试集，通过训练集来建立模型，再通过测试集来评估模型的拟合效果。
交叉验证的基本思想是将数据集划分为k个大小相等的子集，每次使用其中k-1个子集作为训练集，剩余的1个子集作为测试集，循环k 次，得到k个模型的评估指标。
最终可以通过在k个模型中选择平均性能最好的模型作为最终的模型选择。
四、信息准则除了BIC外，还有一些其他常用的信息准则用于模型选择，如赤池信息准则（AIC）、Bayesian information criterion（BIC）等。
这些信息准则基于模型的拟合程度和模型的复杂度进行模型选择。
五、正则化方法正则化方法是通过在优化目标函数中引入一个正则化项，来对模型的参数进行约束的一种方法。
正则化方法常用于线性回归模型和逻辑回归模型等。
常用的正则化方法有岭回归（Ridge Regression）和lasso回归（Least Absolute Shrinkage and Selection Operator）等。
如何合理选择统计方法——常用统计学方法汇总
如何合理选择统计方法——常用统计学方法汇总在研究或分析数据时，选择合适的统计方法非常重要。
合理选择统计方法能够确保分析结果的准确性和可靠性。
下面是一些常用的统计学方法汇总，以便能够更好地进行数据分析和解释。
1.描述统计学方法：描述统计学方法主要用于总结和描绘数据的特征和分布。
常用的描述统计学方法包括均值、中位数、众数、标准差、方差、百分位数等。
这些方法能够帮助我们了解数据的中心趋势、离散程度以及分布形态。
通过描述统计学方法，我们可以获得关于数据的直观认识，并为后续的进一步分析提供基础。
2.推论统计学方法：推论统计学方法主要用于通过样本数据，推断总体的特征和参数。
常用的推论统计学方法包括假设检验、置信区间估计、回归分析、方差分析等。
这些方法可以帮助我们从样本数据中获取有关总体的信息，例如总体均值、总体差异等。
在推论统计学方法中，我们需要根据问题的要求和数据的特性选择合适的方法。
3.相关分析方法：相关分析方法主要用于研究两个或多个变量之间的关系。
常用的相关分析方法包括相关系数、回归分析、因子分析等。
这些方法可以帮助我们确定变量之间的相关性、影响因素以及隐藏的因素。
通过相关分析方法，我们可以探索变量之间的关系，并进一步理解变量的相互作用和影响。
4.非参数统计学方法：非参数统计学方法主要用于处理数据不满足正态分布假设或无法满足其他假设条件的情况。
常用的非参数统计学方法包括Wilcoxon符号秩检验、Mann-Whitney U检验、Kruskal-Wallis检验等。
这些方法在处理小样本数据、有序数据或分布不确定的数据时非常有用。
选择非参数统计学方法需要考虑数据的性质和问题的要求。
5.多元统计学方法：多元统计学方法主要用于处理多个变量之间的关系和多个因素共同作用的情况。
常用的多元统计学方法包括因子分析、主成分分析、聚类分析等。
这些方法可以帮助我们从多个维度进行数据分析和解释，发现变量之间的模式和结构。
在选择多元统计学方法时，我们需要考虑变量的数量、关系的复杂程度以及分析目标。
统计方法选择
统计方法选择统计方法选择选择一个恰当的统计方法，是解决问题的第一步，也是最重要的一步。
选对方向往往比走得快要重要下面是爱汇网店铺给大家整理的统计方法选择，供大家参阅!统计方法的选择编统计资料丰富且错综复杂，要想做到合理选用统计分析方法并非易事。
对于同一个资料，若选择不同的统计分析方法处理，有时其结论是截然不同的。
正确选择统计方法的依据是：①根据研究的目的，明确研究试验设计类型、研究因素与水平数;②确定数据特征(是否正态分布等)和样本量大小;③ 正确判断统计资料所对应的类型(计量、计数和等级资料)，同时应根据统计方法的适宜条件进行正确的统计量值计算;最后，还要根据专业知识与资料的实际情况，结合统计学原则，灵活地选择统计分析方法。
1 计量资料的统计方法分析计量资料的统计分析方法可分为参数检验法和非参数检验法。
参数检验法主要为t检验和方差分析(ANOVN，即F检验)等，两组间均数比较时常用t检验和u检验，两组以上均数比较时常用方差分析;非参数检验法主要包括秩和检验等。
t检验可分为单组设计资料的.t 检验、配对设计资料的t检验和成组设计资料的t检验;当两个小样本比较时要求两总体分布为正态分布且方差齐性，若不能满足以上要求，宜用t 检验或非参数方法(秩和检验)。
方差分析可用于两个以上样本均数的比较，应用该方法时，要求各个样本是相互独立的随机样本，各样本来自正态总体且各处理组总体方差齐性。
根据设计类型不同，方差分析中又包含了多种不同的方法。
对于定量资料，应根据所采用的设计类型、资料所具备的条件和分析目的，选用合适的统计分析方法，不应盲目套用t检验和单因素方差分析。
2 计数资料的统计方法计数资料的统计方法主要针对四格表和R×C表利用检验进行分析。
四格表资料：组间比较用检验或u检验，若不能满足检验：当计数资料呈配对设计时，获得的四格表为配对四格表，其用到的检验公式和校正公式可参考书籍。
R×C表可以分为双向无序，单向有序、双向有序属性相同和双向有序属性不同四类，不同类的行列表根据其研究目的，其选择的方法也不一样，具体见表1。
统计学中的统计推断与统计决策
统计学中的统计推断与统计决策统计学是一门研究数据收集、分析和解释的学科，它在决策过程中发挥着重要的作用。
在统计学中，统计推断和统计决策是两个关键概念。
本文将介绍统计推断和统计决策的概念及其在实际应用中的重要性。
一、统计推断统计推断是基于样本数据对总体进行推断或判断的方法和技术。
通过对样本数据进行收集、整理和分析，我们可以对整个总体做出推断并进行相关的分析。
统计推断主要包括参数估计和假设检验两个方面。
1. 参数估计在统计推断中，参数估计是对总体参数进行估计的过程。
通过从总体中抽取样本，并分析样本数据，我们可以根据样本数据推断出总体的未知参数。
常用的参数估计方法包括点估计和区间估计。
点估计是通过统计量来估计总体参数的方法。
例如，我们可以根据样本数据计算出样本均值作为总体均值的估计值。
而区间估计则是利用抽样分布来确定总体参数的一个区间范围。
比如，我们可以计算出一个置信区间，来估计总体均值的范围。
2. 假设检验假设检验是通过对样本数据进行统计推断，对总体参数的某个假设进行验证的方法。
假设检验的目标是判断样本数据是否支持或拒绝某个假设。
在假设检验中，我们首先提出一个原假设（H0）和一个备择假设（H1），然后利用样本数据计算一个统计量，并根据统计量的值做出判断。
若统计量的值落在拒绝域，则我们可以拒绝原假设。
否则，我们无法拒绝原假设。
二、统计决策统计决策是基于统计推断结果，做出决策或采取行动的过程。
统计决策的目标是根据推断结果，选择最合适的决策方案，并进行实施。
统计决策需要综合考虑推断的准确性、可靠性以及决策的风险与效益。
在统计决策中，我们通常会设定一些决策准则或阈值，用来判断推断结果的可接受性。
如果推断结果满足预先设定的准则，我们则可以采取相应的决策。
否则，我们需要重新评估推断结果，并调整决策方案。
统计决策在许多领域都有广泛的应用。
例如，在医学研究中，统计推断可以帮助医生判断治疗方法的有效性，并决定是否继续使用；在市场营销中，统计推断可以帮助企业预测市场需求，确定产品定价策略等。
统计方法的选择
在能获得实际观测值情况下, 在能获得实际观测值情况下,却不用于统计推 而用秩号代替， 似乎要损失一些信息 损失一些信息。 断, 而用秩号代替，这似乎要损失一些信息。 因此从理论上讲， 因此从理论上讲，在完全满足参数统计假设 条件下, 非参数统计的势(power)功效相当于 条件下, 非参数统计的势(power)功效相当于 参数统计的95%,即参数统计用10 95%,即参数统计用10例得出的结 参数统计的95%,即参数统计用10例得出的结 非参数统计须用11例方能得出同样结果。 11例方能得出同样结果 果,非参数统计须用11例方能得出同样结果。 但实际上并非如此。须知, 但实际上并非如此。须知,实际数值大小的信 在统计推断中只与相应的分布有关, 息,在统计推断中只与相应的分布有关,而与 分布推断( 无分布推断(distribution free inference) 无关。
虽说非参数统计起步较晚,但大有后来居上之势。 虽说非参数统计起步较晚,但大有后来居上之势。 现在看来, 从理论到应用, 现在看来, 从理论到应用, 都有力地批驳了那种 的观点。 仍视参数统计为 “ 正宗 ” 的观点。甚至有的 学者呼吁, 学者呼吁, 在初等统计教材中应以非参数统计方 法为主。其实, 这倒并非是争什么主次名分问题, 法为主。其实, 这倒并非是争什么主次名分问题, 实属一种实际情况的反映。特别是医学统计中, 实属一种实际情况的反映。特别是医学统计中, 所涉及的资料很大部分属于名义分类数据及有序 所涉及的资料很大部分属于名义分类数据及有序 分类数据, 即或是区间分类数据, 分类数据, 即或是区间分类数据, 除掉那些离散 型定量数据( 之外, 型定量数据(可视为有序分类数据 )之外, 剩下的 纯属连续型定量数据, 纯属连续型定量数据,又有多少情况是完全符合参 数统计所要求的假设条件的呢? 因此, 数统计所要求的假设条件的呢? 因此,非参数统计 在医学界更有其发展余地。 在医学界更有其发展余地。
- 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)。
参考书
主编：张文彤等 高等教育出版社 2011/2013年
临床科研中 正确抉择统计学方法
统计方法抉择的条件 医用多因素分析简介
统计方法抉择的条件
概 述 数据资料的描述 数据资料的比较
一、概 述
（一）分析目的
统计描述 统计推断
（二）资料类型
数值变量 (计量资料) 分类变量 (计数资料)
无序分类变量 （属性资料） 有序分类变量 （等级资料）
NEXT 医学论文撰写格式
术后1周
1.56±0.88(n=56)
4.36±1.86(n=24)
术后12周
0.76±0.56(n=50)
1.88±1.44(n=24)
相关参考书
推荐参考书
北京希望电子出版社 兵器工业出版社
主编：张文彤 北京希望电子出版社 2002年6月 第1版Βιβλιοθήκη 参考书主编：张文彤 闫洁
出版社：高等教育出版社 出版日期：2004年9月 第1版
（三）设计方法 （四）数理统计条件
统计方法
统计方法
描述统计
推断统计
参数估计
假设检验
变量及其类型
变量
分类变量
顺序变量
定量变量
通过度量衡的方法，测量每 一个观察单位的某项研究指 标的量的大小，得到的一系 列数据资料。特点：有度量 衡单位，多为连续性资料， （通过测量得到）
将全体观测单位按照某种
性质或特征分组，然后再 分别清点各组观察单位的 个数。特点：没有度量衡 单位/多为间断性资料 ( 通 过枚举或记数得来 )
– α（检验水准）：0.05
根据反证法原理，无效假设H0是研究者想得到结论的对立事件的 假设，对于差异性检验而言，研究者想得到的是“有差别”的结论 ，故首先应假设备总体间无差别；备择假设已是研究者想得到的结 论，即是：“有差别”的假设；此外，还应确定有统计意义的概率 水平α，通常α取0.05。
2．计算统计量
三、数据资料的比较
（一）假设检验的基本思想 （二）假设检验的基本步骤 （三）假设检验的注意事项 （四）常用假设检验方法
（一）假设检验的基本思想
当研究者用随机抽样的方法获取了两个或多个样本，利用这 些样本数据进行总体间的比较:
1. 两个样本均数 x1 与 x2可能是来源于同一总体μ（图中左
侧），两样本均数的不同可能是由于抽样误差所引起的；
3. 两组疗前疗后差值相互比较，分析两组的效 果是否相同？
A药组 B药组
疗前 38.72.406 40.12.514
疗后 30.32.946 23.93.381
差值 8.42.221 16.23.425
分析结果：
(1) 疗前两组比较:t =1.2721, P =0.2195 可以认为两组具有可比性 (2) A组疗前疗后比较:td =11.9594,P <0.01 可以认为A药治疗后血沉减慢
实例：SPSS实现
SPSS操作！
实例：SPSS实现
手工练习
高粘综合症患者的血沉较快，某大夫观察A、B两个降粘药物对血沉 (mm/h)的影响，结果如下，试作统计分析
A药组
1 ?
1 1 (1 1)2
B药组
2 2 2
(2 2)2
病例号 疗前
病例号 疗前
1 2 3 4 5 6 7 8 9 10
根据: (1) 资料的类型
(2) 分布特征
(3) 科研设计方法 配对与否等
等条件，选择不同的统计量计算方法，如t 检验、z检验等统计方法。
标准化检验统计量
点估计量 - 假设值 点估计量的抽样标准差
3．根据统计量的值得到概率（P）值
通常以查表的方式得到P值；再按概率（P）值的大小 得出结论其结论 只有两种情况:
• 若p≤时，即概率小于我们事先确定好的检验水平概率 （如P ≤ 0.05），我们就拒绝其无差别假设H0，而接受 H1，认为差别有统计学意义，各样本来自不同总体， 样本间的差别是总体的不同所致；
• 若P＞α时，其概率大于我们事先确定好的检验水平（ 如p＞0.05），我们就不拒绝其无差别的假设民，还不 能认为各总体间有差别，样本来自同一总体，即差别 没有统计学意义。
第四讲
临床科研中正确抉择 统计学方法
科研选题
医
学
科研设计
科
研
实施
全
流
程
统计分析
总结归纳
Q&A
乐老师： 您好！ 我是……医院的王……，有一个难题请求乐老师帮我，杂志
社要求我写出下表的P值，我不知如何计算，请乐老师百忙中指 教，非常感谢！
王……
表2 术后散光对照平均散光屈光度（D）
小切口COC组
大切口COC组
正态单变量资料* 正态双变量资料** 正态双变量资料 两变量都不服从正态
直线回归（I型） 直线回归（II型）
直线相关 等级相关
*：为两变量中有一个变量服从正态分布的资料；**：为两变量都服从正态分布的资料
2．无序分类变量（计数资料）的相关分析
–前瞻性研究： RR=I1 / I0 AR=I1 – I0 –回顾性研究：比值比（OR）= ad / bc；2×2表：列联系数和四格表的卡 方检验；行列表：列联系数和行乘列表的卡方检验。
B组疗前疗后比较:td =14.9556, P <0.01 可以认为B药治疗后血沉减慢
(3) 两组治疗前后差值相互比较：
t =6.042 P <0.01可以认为B药降低血沉的效果优于A药
统 计 分 析 结 果 表 明 ， 两 组 疗 前 具 有 可 比 性 (t=1.2721, P=0.2195)；无论是A药还是B药，治疗后均使血沉减慢 (td=11.9594, P<0.01; td=14.9556, P<0.01)；B药降低血沉的 效果优于A药(t =6.0419, P <0.01)。
1 2 3 4 5 6 7 8 9 10
39 40 39 43 38 36 40 41 40 45 20 25 30 23 24 20 24 20 25 28 19 15 9 20 14 16 16 21 15 17
统计分析思路：
1. 疗前两组比较，以分析可比性；
2. 各组疗前疗后差值分别比较，分别确定各自 的变化值；
3. 有序分类变量（等级资料）等级相关
多因素分析简介
多因素分析的主要目的 • 研究因素间的依存关系 • 研究因素间的相互关系
多因素分析在医学科研中的主要用途 • 研究多个因素间依存关系的统计方法 ：多元线性回归、
多元逐步回归、logistic回归、Cox回归、判别分析等
• 研究多个因素间相互关系的多因素统计方法 ：主要有
（四）常用假设检验方法
1．计量资料的假设检验
常用计量资料假设检验方法
2．计数资料的假设检验
常用计数资料假设检验方法
注：n为例数；T为列联表中各格子的理论数；P为样本率
举例
Q&A
高粘综合症患者的血沉较快，某大夫观察A、B两个降粘药物对血沉 (mm/h)的影响，结果如下，试作统计分析
A药组 病例号 1 2 3 4 5 6 7 8 9 10
聚类分析、主成分分析、因子分析和典型相关分析等
多因素分析对资料的要求 • 对资料分布的要求 • 对样本含量的要求 ：通常认为样本含量是所要研究因素个
数的5至10倍
• 对资料类型的要求
小结兼问题回答
• 我觉得临床科研设计最困扰我的是关于数据统计 学方面的，关于统计学的学习老师有没有推荐的 书，简单易懂的，对写文章比较实用的呢？
高粘综合症患者的血沉较快，某大夫观察A、B两个降粘药物对血沉 (mm/h)的影响，结果如下，试作统计分析。
A药组 B药组
病例号 疗前 疗后 差值
病例号 疗前 疗后 差值
1 2 3 4 5 6 7 8 9 10
40 43 36 41 40 37 38 38 35 39 36 35 30 29 30 28 28 30 27 30 4 8 6 12 10 9 10 8 8 9
通过半定量方法测量得 到。特点：每一个观察 单位没有切值各组之间 有性质上的差别或程度 上的不同
二、数据资料的描述
（一）数值变量资料的描述 （二）分类变量资料的描述
（一）数值变量资料的描述
描述数值变量资料的常用指标
指标名称
作用
适用的资料
x 均 数 （
）
描述一组数据的平均水平， 集中位置
正态分布或近似正态分布
2. 两样本分别来自不同的总 体户μ1和μ2 (图右侧) ,其 样本均数间的不同可能是 由于各自来源于不同的总 体所致；
3. ……
假设检验基本思想示意图
（二）假设检验的基本步骤
1．建立检验假设
– H0（无效假设）：多个样本来自同一总体，各样本间 的差别是由于抽样误差所致
– H1（备择假设）：多个样本来自不同的总体，各样本 间的差别是由于不同总体所致
变异系数（CV） 与标准差相同
比较几组资料间的变异大小
（二）分类变量资料的描述
• 描述分类变量资料的指标，由于其基本概念和计算都较为简单，因此， 是临床科研工作者最常用的一类指标，如死亡率、患病率、发病率等
• 单纯利用医院常规资料，最易得到的指标是构成比。而描述疾病发生强 度和频率指标的率如患病率、发病率、死亡率等，往往不能利用医院的 常规资料（如医院的病例档案）获得
中 位 数（M） 与均数相同
偏态分布、分布未知、两端 无界
几何均数（G） 与均数相同
对数正态分布，等比资料
标 准 差（s）
四分位数间距 （QU- QL） 极 差（R）
描述一组数据的变异大小， 离散程度
与标准差相同
与标准差相同