医学统计学方法
医学统计学
医学统计学一、介绍医学统计学是医学领域中一门重要的学科，它通过收集、整理和分析医学数据，为医学研究和临床决策提供科学依据。
医学统计学的主要任务是使用统计方法分析各种医学数据，从中提取有意义的信息，并对结果的可靠性和有效性进行评估。
在医学研究中，医学统计学起着至关重要的作用，帮助研究人员通过数据分析对疾病的发病机制、病理生理过程和治疗效果等进行评估。
二、常见统计方法1. 描述统计学描述统计学是医学统计学的基础，它主要用于对医学数据的数量特征进行描述和总结。
常见的描述统计学方法包括：•平均值：用于描述数据的中心趋势。
•标准差：用于描述数据的离散程度。
•百分位数：用于描述数据的分布情况。
2. 推断统计学推断统计学是医学统计学的核心，它基于样本数据对总体进行推断。
常见的推断统计学方法包括：•假设检验：用于检验研究假设的真实性。
•置信区间：用于估计总体参数的范围。
•方差分析：用于比较多个样本的均值差异。
3. 生存分析生存分析是医学统计学中的一项重要内容，它主要用于研究患者的生存时间和相关因素。
常见的生存分析方法包括：•生存曲线：用于描述患者生存时间的分布情况。
•生存率：用于描述患者在某一时间点存活的概率。
•Cox比例风险模型：用于研究生存时间和危险因素的关系。
三、应用领域医学统计学广泛应用于医学研究和临床实践中，对于评估疾病的风险因素、制定预防策略、确定诊断标准和评估治疗效果等方面都起着至关重要的作用。
以下是医学统计学在不同领域的应用示例：1. 流行病学研究医学统计学在流行病学研究中发挥着重要作用。
通过收集大量的样本数据，并运用相关的统计方法，可以研究疾病的发病规律、危险因素和暴露因素等，为疾病的预防和控制提供科学依据。
2. 临床试验医学统计学在临床试验中的应用也非常重要。
通过对试验组和对照组的数据进行比较分析，可以评估新药物或治疗方法的疗效和安全性，为临床决策提供可靠依据。
3. 医疗质量评估医学统计学可以用于医疗质量评估，通过对不同医疗机构之间的数据进行比较分析，评估医疗服务的质量，为改善医疗质量提供参考。
医学统计学八种检验方法
医学统计学八种检验方法医学统计学是医学研究中一个重要的分支，它通过对医学数据进行收集、整理和分析，以帮助医学研究者得出准确可靠的结论。
而在医学统计学中，检验方法是评价医学研究数据是否具有统计意义的一种重要工具。
下面将介绍医学统计学中常用的八种检验方法。
1.正态性检验：正态性检验是用来检验数据是否符合正态分布的统计性质。
常见的正态性检验方法有Shapiro-Wilk检验和Kolmogorov-Smirnov检验。
2.两独立样本t检验：该方法用于检验两个不相互依赖的样本均值之间是否存在差异。
适用于连续变量的比较，例如治疗前后的体重变化。
3.配对样本t检验：配对样本t检验适用于对同一组研究对象在不同时间或不同条件下进行比较。
如药物治疗前后患者的血压比较。
4.卡方检验：卡方检验是用来检验分类变量之间是否存在关联性的方法。
适用于分组数据的比较，例如男女性别与健康状况之间的关系。
5.方差分析：方差分析是用来检验多个组之间是否存在显著差异的方法。
适用于分析多个因素对结果的影响，如不同年龄组对某种疾病发生率的影响。
6.生存分析：生存分析用于研究事件发生时间和随时间而变化的危险率。
适用于研究患者生存期、疾病复发时间等，常见的分析方法有Kaplan-Meier曲线和Cox比例风险模型。
7.相关分析：相关分析用于研究两个连续变量之间的关系。
常见的相关分析方法包括皮尔逊相关系数和Spearman等级相关系数。
8.回归分析：回归分析用于研究一个或多个自变量对因变量的影响程度和方向的方法。
适用于分析影响因素较多的情况，如探讨年龄、性别、病情等因素对治疗效果的影响。
以上八种检验方法在医学统计学中被广泛运用，每种方法都有其适用的场景和注意事项。
在进行医学研究时，选择合适的检验方法能够提高研究结果的可靠性，从而为临床实践和医学决策提供准确依据。
因此，熟练掌握这些统计方法是每个医学研究者必备的基本技能。
医学统计学方法
医学统计学方法1. 引言医学统计学是医学研究中不可或缺的一门学科，它通过应用统计学的原理和方法，对医学数据进行收集、整理、分析和解释，从而为医学研究提供可靠的依据。
本文将介绍医学统计学的基本概念、常用方法以及在医学研究中的应用。
2. 医学统计学的基本概念2.1 总体与样本在医学研究中，我们通常关注的是一个特定人群或物体的某种特征。
这个人群或物体称为总体，而从总体中选取出来的一部分个体则称为样本。
通过对样本进行观察和测量，我们可以对总体进行推断。
2.2 参数与统计量参数是描述总体特征的数值，例如总体均值、方差等。
由于很难获得总体所有个体的数据，我们通常通过样本来估计参数。
样本所得到的数值称为统计量，例如样本均值、样本方差等。
2.3 假设检验与置信区间在医学研究中，我们经常需要判断某种治疗方法是否有效、某种因素是否与疾病有关等。
假设检验是一种常用的统计方法，它通过对样本数据进行分析，判断总体参数是否符合某种假设。
置信区间则是对总体参数的估计范围。
3. 常用的医学统计学方法3.1 描述统计学描述统计学是对数据进行整理、总结和展示的方法。
常用的描述统计学方法包括：频数分布表、直方图、散点图等。
这些方法可以帮助我们了解数据的分布特征、集中趋势和离散程度。
3.2 推断统计学推断统计学是根据样本数据对总体进行推断的方法。
常用的推断统计学方法包括：参数估计和假设检验。
参数估计可以帮助我们估计总体参数，并给出其置信区间；假设检验可以帮助我们判断某个假设是否成立。
3.3 生存分析生存分析是研究个体发生某个事件（如死亡、复发）所需时间的方法。
常用的生存分析方法包括：生存函数曲线、危险比（hazard ratio）等。
生存分析可以帮助我们评估治疗效果、预测疾病进展等。
3.4 回归分析回归分析是研究因变量与自变量之间关系的方法。
常用的回归分析方法包括：线性回归、 logistic回归等。
回归分析可以帮助我们探索影响因素、预测结果等。
统计学中的医学统计方法
统计学中的医学统计方法统计学在医学领域中扮演着重要的角色，它提供了一种科学的方法来分析医学数据、评估治疗效果和探索潜在的病因。
本文将介绍几种常用的医学统计方法，包括描述性统计、假设检验、回归分析和生存分析。
1. 描述性统计描述性统计是医学统计学中最基础的方法之一。
它通过对医学数据的总结和整理，来描述数据的特征和分布。
其中常用的统计指标包括均值、中位数、标准差等。
例如，在一个临床试验中，医生可以使用描述性统计来总结患者的年龄分布、性别比例等基本信息。
2. 假设检验假设检验是医学统计学中用来判断一个观察结果是否具有统计学意义的方法。
该方法基于样本数据对总体参数进行推断，并对研究假设进行验证。
常见的假设检验方法包括t检验和卡方检验。
例如，医生可以使用假设检验来判断一种新药物的疗效是否显著优于常规治疗。
3. 回归分析回归分析是一种用于探索变量之间关系的统计方法。
它可以帮助医生理解不同因素对医学结果的影响程度，并用于预测和解释结果。
常见的回归分析方法有线性回归和逻辑回归。
例如，在研究心脏病发作的风险因素时，医生可以使用回归分析来确定各种危险因素对心脏病发作的贡献程度。
4. 生存分析生存分析是一种用于研究事件发生时间的统计方法，尤其在医学领域中被广泛应用于研究疾病的生存率和预后。
生存分析可以帮助医生评估治疗方法的有效性和预测患者的生存时间。
常见的生存分析方法包括Kaplan-Meier 生存曲线和Cox比例风险模型。
例如，在肿瘤研究中，医生可以使用生存分析来评估不同治疗方法对患者生存率的影响。
总结：统计学在医学领域中有着广泛的应用，它提供了一系列方法来分析和解释医学数据。
本文介绍了描述性统计、假设检验、回归分析和生存分析等几种常用的医学统计方法。
了解和掌握这些方法对于医学研究和临床实践具有重要意义，能够帮助医生做出科学的决策，提高医疗质量和患者的健康水平。
预防医学-医考讲义-第二单元 医学统计学方法
第二单元医学统计学方法一、基本概念和基本步骤（一）统计学中的几个基本概念1.总体的类型总体：是根据研究目的而确定的同质的研究对象的集合。
分为有限总体和无限总体。
样本：是指从总体中随机抽取的有代表性的一部分观察单位的集合。
2.同质和变异同质：指被研究指标的影响因素完全相同。
是科学研究的基础，是相对的。
变异：是同质基础上的个体差异。
是绝对的。
统计的任务就是在同质分组的基础上，通过对个体变异的研究，透过偶然现象，反映同质事物的本质特征和规律。
统计数据具有变异的特征。
3.变量和变量值变量：观察对象的特征。
变量分为定量变量、定性变量、有序数据。
变量值：对变量观察或测量的结果。
4.参数和统计量参数：总体的统计指标。
μ，π，σ统计量：样本的统计指标。
，p，s【例如】研究北京2012年正常成年男性的血压值。
研究对象观察单位变量变量值同质变异有限总体总体参数样本统计量5.误差误差：观察值与实际值的差别称为误差。
误差包括抽样误差和非抽样误差。
抽样误差：由于个体变异的存在，在抽样研究中产生的样本统计量与相应的总体参数间的差异。
非抽样误差包括过失误差和系统误差。
6.概率概率：随机事件发生可能性大小的度量。
常用P表示，P值范围在0～1之间。
小概率事件：P＜0.05为小概率。
统计学认为小概率事件在一次试验中不大可能发生。
（二）统计学工作基本步骤1.统计设计。
2.数据整理。
3.统计描述。
4.统计推断。
二、定量资料的统计描述描述统计是通过图表或统计指标，对数据资料进行整理、分析，并对数据的分布状态、数字特征进行估计和描述的方法。
（一）集中趋势指标1.算数均数μ，适用于正态分布或近似正态分布资料。
2.几何均数（G）适用于对数正态分布或等比资料。
3.中位数（M）与百分位数（P）中位数：是一组由小到大按顺序排列的观察值中位次居中的数值，用M表示。
百分位数（P X）：是把一组数据从小到大排列，分成100等份，各等份含1%的观察值，分割界限上的数值就是百分位数。
医学统计学常用方法小结5篇
医学统计学常用方法小结5篇第一篇：医学统计学常用方法小结一、两组或多组计量资料的比较 1.两组资料：1)大样本资料或服从正态分布的小样本资料(1)若方差齐性，则作成组t检验(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 2.多组资料：1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。
如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。
2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。
如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。
二、分类资料的统计分析1.单样本资料与总体比较1)二分类资料：(1)小样本时：用二项分布进行确切概率法检验；(2)大样本时：用U检验。
2)多分类资料：用Pearson c2检验（又称拟合优度检验）。
2.四格表资料1)n>40并且所以理论数大于5，则用Pearson c2 2)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正c2或用Fisher’s 确切概率法检验3)n￡40或存在理论数<1，则用Fisher’s 检验3.2×C表资料的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH c2或成组的Wilcoxon秩和检验2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验 3)行变量和列变量均为无序分类变量(1)n>40并且理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验4.R×C表资料的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH c2 3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析4)列变量和行变量均为无序多分类变量，(1)n>40并且理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验三、Poisson分布资料1.单样本资料与总体比较：1)观察值较小时：用确切概率法进行检验。
医学统计学数据分析和研究方法
医学统计学数据分析和研究方法医学统计学是医学领域中不可或缺的一门学科，它为研究者提供了分析和解读医学数据的方法和工具。
通过对大量医学数据的分析，可以揭示疾病的发病机制、评估治疗的效果、预测病情的进展等信息，对医学研究和临床实践起到了重要的作用。
本文将介绍医学统计学的一些常用的数据分析和研究方法。
一、描述统计分析描述统计分析是医学统计学的基础，用于对医学数据进行整体的描述和总结。
常用的描述统计分析方法包括频数分布、均值和标准差、中位数和百分位数、方差和相关系数等。
通过这些统计指标，可以了解数据的分布情况、集中趋势和离散程度。
以临床试验为例，研究人员通过随机分组的方法，将患者分为实验组和对照组，观察不同治疗方案的效果。
描述统计分析可以帮助研究人员计算每个组的患者数量、计算不同治疗组的平均生存时间，从而初步判断治疗的有效性。
二、推断统计分析推断统计分析是医学统计学中的重要内容，通过对抽样数据进行分析，推断出总体的特征。
常用的推断统计分析方法包括假设检验、置信区间、方差分析和回归分析等。
假设检验是一种常用的统计方法，用于判断样本数据和总体数据之间是否存在显著差异。
在临床实践中，研究人员可以利用假设检验方法比较两种治疗方法的效果是否有显著差异。
通过设定显著性水平，计算出p值，从而判断差异是否具有统计学意义。
置信区间是对总体参数的估计，它可以反映参数的可信程度。
临床研究中，研究人员经常使用置信区间来估计相对风险、绝对风险差、药物效应值等参数。
置信区间的宽度可以反映估计的精确程度，更窄的置信区间意味着估计值更可靠。
三、生存分析生存分析是医学统计学中用于研究患者生存时间和事件发生率的方法。
常用的生存分析方法有Kaplan-Meier生存曲线、Cox比例风险模型等。
在临床研究中，生存分析方法常用于评估不同治疗方案对患者生存时间的影响。
通过绘制Kaplan-Meier生存曲线，可以比较不同治疗组的生存曲线是否有显著差异。
医学统计学中的研究方法
医学统计学中的研究方法引言：医学是一门需要基于科学研究进行决策的学科，而统计学作为一种强有力的工具，对于医学研究来说具有重要的意义。
本文将介绍医学统计学中常用的研究方法，包括横断面研究、纵向研究以及随机对照试验，并探讨它们的优缺点及适用场景。
横断面研究：横断面研究是医学统计学中最基础的一种研究方法。
它通过在某一时间点上对人群进行观察和数据收集，来描述一种疾病或现象的患病率、分布情况等。
这种研究方法的优点是成本低廉、研究时间较短，能够提供关于人群特征和患病情况的横截面信息。
但是，它的缺点也很明显，因为它无法获得时间与暴露因素之间的因果关系，只能提供相关性的信息。
纵向研究：与横断面研究相反，纵向研究是在一定时间内追踪观察同一组人群的研究方法。
这种研究方法能够更好地揭示时间与暴露因素之间的因果关系，对于观察疾病的自然进展、治疗效果的评估以及预防措施的制定具有重要的意义。
纵向研究的优点在于能够提供更具科学依据的因果关系，但是由于时间跨度长、样本流失率高等缺点，也增加了研究的复杂性和成本。
随机对照试验：随机对照试验是医学统计学中最可靠的一种研究方法，它通过将研究对象随机分组，对某一因素进行对照比较，以确保研究结果的有效性和可靠性。
随机对照试验通常包括实验组和对照组，实验组接受某种干预措施，对照组则接受常规治疗或安慰剂。
通过在两组之间对比结果的差异，可以评估干预措施的有效性。
这种研究方法的优点是能够控制混杂因素、确保研究结果的可比性，但是其实施过程相对复杂，需要大规模的样本和严格的随机分组。
总结：医学统计学中的研究方法多种多样，每种方法都有其特点和适用场景。
横断面研究适用于初步了解病情的分布情况和相关性；纵向研究能够揭示时间与暴露因素的因果关系；而随机对照试验则是评估治疗干预措施效果最可靠的方法。
在实际研究中，常常需要根据研究问题和资源限制来选择适合的研究方法。
医学统计学作为医学研究的重要工具，为医学决策提供了可靠的科学依据，对于改善医疗质量和推动医学进步具有重要的意义。
- 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)。
307.5
322.5 337.5 352.5 367.5 382.5 397.5
11
22 24 27 20 15 11
3382.5
7095.0 8100.0 9517.5 7350.0 5737.5 4372.5
1040119.0
2288138.0 2733750.0 3354919.0 2701125.0 2194594.0 1738069.0
375~
390~ 405~ 420~435
15
11 8 1
10.00
7.33 5.33 0.67
(frequency table)，如表
9-2。所绘的图形见图9-1。
合计
150
100.00
9
资料的分布类型： 1. 对称分布或正态分布； 2. 偏态分布：高峰在左侧或右侧； 3. 不规则分布：分布很散，无明显高峰
15 L:中位数组段下限值,ΣfL:小于L的累计频数,i:中位数组距 .
表9-5 308名6岁以下儿童尿铅值的频数分布(中位数计算)
尿铅值 (mmol/L) (1) 人数 f (2) 累计频数 Σf (3) 累计频率 (%) (4)=(3)／n
M(X 50% ) L i f50%
0～
25～
27
表9-4 某地34名儿童接种麻疹疫苗后血清血凝抑制抗体滴度
抗体滴度(i) 人数fi 滴度倒数Xi lg10(Xi) fi×lg10(Xi)
(1)
1:2.5 1:5.0
(2)
3 7
(3)
2.5 5.0
(4)
0.3979 0.6990
(5)=(2)×(4)
1.1937 4.8930
1:10.0
1:20.0 1:40.0 合计
尿酸浓度 (μmol/L) 270~ 285~ 300~ 315~ 频数 2 9 11 22 频率(%) 1.33 6.00 7.33 14.67
包含的观察例数，即为频
数，如表9-2的第 (2)栏。
330~
345~ 360~
24
27 20
16.00
18.00 13.33
将各组段及其相应的频数
列成表格，即为频数表
组段的划分
270~ 285~ 300~ 315~ 330~ 345~ 360~ 375~ 390~ 405~ 420~435
1
2
3
4
5
6
7
8
9
10
11
8
(3)列频数表：按上述组段 序列制成表的形式，采用 划记法或计算机将原始数 据汇总，得出各组段中所
表9-2 2002年某市150名20~29岁 正常男子的尿酸浓度的频数分布
假设检验:是利用样本的实际资料来检验事先对总体某 些数量特征所作的假设是否成立。
统计描述 参数估计 统计分析 统计推断 假设检验
4
第一节
数值型变量资料的统计描述
例9.1 2002年某市150名20~29岁正常男子的 尿酸浓度(μmol/L) ，资料见表9-1。如何进行统 计描述？
三、绘制统计表和统计图
7
一、编制频数分布表：制表步骤： (1)求极差或全距(range)：R=Xmax － Xmin 本例， R=428.7－278.6＝150.1(μmol/L)。 (2)决定组数、组段数和划分组距(class interval)： 根据样本含量的多少确定组数，一般设8～15组。 组段数=取整(极差/组数)。 本例：组段数=取整(150.1/10)=15.0115 划分组距：每组段的起点和终点分别称为下界和上界。 组距：本组内的上界和下界之差。
(一) 全距(range)或极差：R=Xmax － Xmin
10
二、计算平均值—代表平均资料的平均水平 1.平均值的种类： (一) 算术均值(arithmetic mean，average):常用 表 示样本均值，希腊字母μ表示总体均值。适用于对称分 布的数值型变量资料。 其计算方法有： ①直接法: χi (I=1,2,…,n)为第i个观察; 4个观察值:1,3,5,7. M=4.
①直接法: 设n 为观察值的个数,有公式(9-5)及(9-6)
n为奇数：M X ( n1)/ 2 n为偶数时：M [ X n / 2 X （n / 2） 1 ]
②频数表法: χi 为第i组的组中值(或观察值), fi 为第i组例 i 数: M(X50% ) L n 50% f L (9-7) f50%
G n x1 x2 xn
1
(9 3)
lg x1 lg x2 lg xn 1 lg xi lg ) lg ( n n
②加权法: χi 为第i组的组中值(或观察值), fi 为第i组例数: 1 f1 lg x1 f 2 lg x2 f k lg xk 1 f i lg xi G lg lg (9 4) f1 f 2 f k fi 13
5
表9-1
362.6 364.2 368.7 372.5 405.9 329.8 327.6 316.6 388.2 376.2 371.0 348.5
2002年某市150名20~29岁正常男子的尿酸浓度(μmol/L)
285.9 338.1 378.2 335.6 316.3 312.0 358.9 348.7 329.4 344.6 413.6 406.6 300.2 316.9 346.1 341.1 338.7 313.6 289.4 401.6 321.1 308.6 348.7 357.6 333.6 332.7 278.6 371.0 402.6 338.7 366.2 334.6 320.4 347.0 392.7 338.7 334.0 324.0 318.3 355.9 379.4 328.6 387.4 308.9 313.5 428.7 401.0 341.6 288.8 282.6 323.2 362.7 329.6 291.3 298.4 367.0 339.8 369.1 313.6 349.8 338.5 369.8 322.6 368.1 354.6 329.7 408.7 345.6 409.4 311.4 366.8 289.4 341.9 398.7 382.1 332.4 331.4 361.8 389.8 401.6 387.4 376.3 387.2 366.2 344.6 338.7 322.6 405.6 349.6 392.4 362.5 357.1 378.5 349.4 319.7 357.5 3375 308.9 309.6 328.8 419.5 414.9 354.9 304.6 392.0 289.2 329.4 298.4 298.3 392.1 352.0 358.8 324.6 319.7 352.7 338.5 352.7 366.8 357.5 336.8
150～
175~ 合计
12
5 308
303
308
98.38
100.00
25 M(X50% ) 50 308 50% 81 69.21(mmol / L) 95
16
三、计算标准差---反映资料的离散程度。 数值变量数据的频数分布有集中趋势和离散程度两个主要 特征，只有两者相结合，才能全面地认识事物。 反映资料的离散程度的统计量(统计指标)有：
405~
420~435 合计
412.5
427.5
8
1 150
3300.0
427.5 52470.0
1361250.0
182756.3 18518738.0
fi xi 52470 x 349.8( mol / L) f i 150
12
(二) 几何均值(geometric mean,G) 适用条件: 等比级数资料. 原始观察值呈偏态分布、但数 据经过对数变换后呈正态分布或近似正态分布的资料。如 医学实践中某些疾病的潜伏期、抗体滴度、平均效价等。 其计算方法有： ①直接法: χi 为第i个观察对象的观察值
54
27
81
8.77
26.30
n 50% f L
50～
75～ 100～ 125～
95
55 39 21
176
231 270 291
57.14
75.00 87.66 94.48
L: 中位数组段下限值, ΣfL:小于L的累计频数, i: 中位数组距, f50%:中位数组频数.
L=50, ΣfL=81, i=25 f50%=95
血清血凝抑制抗体的几何平均滴度为1:10.206。 X=(2.5×3+5.0 ×7+10.0×14+20.0 ×6+40.0 ×4)/34=13.6 (算术平均滴度为1:13.6) 14
(三) 中位数(median， M): 将观察值按大小排序后，位次居中的观察值。M=X(P=50%) 在全部观察值中小于M的观察值个数与大于M的观察值个 数相等。由于M不受个别特小或特大观察值的影响，适用 于分布不规则或分散度很高的资料.
1
14
6 4 34
10.0
20.0 40.0
1.0000
1.3010 1.6021
14.0000
7.8062 6.4084 34.3013
1.1937 4.8930 14.0000 7.8062 6.4084 1 34.3013 G lg lg 3 7 14 6 4 34 lg 1 1.0089 10.206
x
x1 x2 x3 xn xi x n n n
i i 1
x
(9 1)
②加权法: χi 为第i组的组中值, fi 为第i组的例数: