健康统计分析与应用
人群健康调查与统计分析
人群健康调查与统计分析近年来，随着生活水平的提高，人们越来越重视健康问题。
然而，如何进行全面、科学的调查和分析，从而制定合理的健康政策，仍然是一个值得研究的问题。
一、调查方法人群健康调查有很多方法，如门诊、问卷、面谈等等。
其中，问卷调查是最常用的一种方法。
通过问卷调查我们可以得出小样本人群的信息，从而了解他们的健康状况、饮食习惯、运动情况等方面的情况。
在编制问卷时，需要充分考虑到问卷内容的科学性和可行性，避免出现问题导致数据的不准确性。
二、调查重点在制定调查重点时，需要考虑到不同阶段的人群有不同的健康需求，而且不同阶段的人群可能有不同的健康风险因素。
因此，我们可以将调查重点分为以下几个方面：1、儿童和青少年的健康问题：儿童和青少年是国家的未来和希望，他们的健康问题需要引起足够的重视。
在调查中，需要关注他们的生长发育情况、营养状况、体育锻炼和心理健康等方面的问题。
2、成年人和老年人的健康问题：成年人和老年人面临的健康问题更加复杂和多样化。
在调查中，需要关注他们的慢性病患病率、心血管疾病风险、骨质疏松等老年人特有的健康问题等方面的问题。
3、特殊人群的健康问题：特殊人群包括孕妇、残疾人和重大疾病患者等。
在调查中，需要关注他们的孕期保健、残疾人康复和护理、重大疾病的治疗和康复等方面的问题。
三、统计分析方法在获得了足够的数据后，需要进行统计分析。
常用的统计分析方法包括描述性统计和推论性统计等。
1、描述性统计：描述性统计旨在对已有的数据进行整理和归纳，包括计算平均数、中位数、众数、标准差等指标，从而对人群的健康状况进行描述和总结。
通过描述性统计，可以分析人群的健康问题的发生率、患病率、死亡率等，从而为制定政策提供依据。
2、推论性统计：推论性统计旨在对未知的总体参数进行推断和估计，包括假设检验、方差分析、回归分析等方法。
通过推论性统计，可以分析不同因素与健康问题的相关性，从而为制定政策提供更为具体和深入的依据。
医疗健康大数据的分析及应用
医疗健康大数据的分析及应用随着科技的发展和医疗技术的进步，医疗健康大数据在世界各地得到越来越广泛的应用。
医疗健康大数据是指在各个医疗领域中，医疗机构、医生、病人和公众通过各种方式产生的海量数据，这些数据可以包括医疗诊断、人口统计、医疗费用等等方面的数据。
医疗健康大数据通过汇集、整合、分析和挖掘，可以为医生提供更加准确和高效的诊断和治疗方案，为病人提供更加全面和个性化的健康管理建议，也可以为政府提供更加科学和合理的医疗政策和规划。
一、医疗健康大数据的来源医疗健康大数据的来源主要包括以下几个方面：1. 电子病历：医疗机构在病人就诊时会生成电子病历，这些病历包含了病人的基本信息、病情描述、诊断结论等等，这些数据可以用来分析和预测某些疾病的发生和流行趋势。
2. 医保数据：医保系统记录了病人在医疗过程中的费用、药品使用情况、住院时间等等，这些数据可以用来分析和优化医疗资源的分配和使用情况。
3. 疾病监测数据：不同的疾病具有不同的传染性和流行趋势，通过监测和分析某些疾病的发生和流行情况，可以及时采取应对措施，有效地遏制疫情的扩散。
4. 人口统计数据：不同的年龄、性别、职业等等人群具有不同的健康状况和需求，通过分析不同人群的健康数据，可以为政府制定更加科学的医疗政策和规划提供依据。
二、医疗健康大数据的应用场景1. 疾病风险评估：通过分析大量的病例数据和人口统计数据，可以预测某些疾病的发生和高风险人群，为病人提供更加全面和个性化的健康管理建议，从而降低疾病的发生和流行。
2. 临床诊断辅助：基于大数据分析技术，可以对患者的临床数据进行自动分析和诊断，为医生提供更加准确和高效的诊断和治疗方案，从而提高医疗服务质量和效率。
3. 个性化治疗方案：通过挖掘病人的基因组、表观组和病理组等数据，可以为病人提供更加个性化和精准的治疗方案，从而提高治疗效果和患者的生存质量。
4. 医疗资源管理：通过分析医保数据和人口统计数据，可以优化医疗资源的分配和使用情况，提高医疗服务的效率和效果，减少医疗资源浪费。
健康管理中的健康数据分析与利用
健康管理中的健康数据分析与利用在现代社会中，人们越来越注重健康管理，并逐渐意识到健康数据分析与利用对于促进健康起着重要的作用。
健康数据分析与利用可以帮助人们更好地了解自身健康状况，制定科学的健康管理计划，并提供个性化的康复和干预措施。
本文将探讨健康管理中健康数据分析与利用的重要性以及其中涉及的方法和技术。
一、健康数据的收集和整理健康数据的收集是健康管理的第一步。
现如今，人们可以通过智能手环、健康应用程序以及医疗器械等各种设备来收集各类与健康相关的数据，如步数、心率、血压等。
这些数据可被整理成电子健康记录，为健康管理提供基础。
二、健康数据的分析健康数据的分析是健康管理的关键环节。
通过对健康数据的分析，可以发现潜在的健康问题、预测疾病风险，甚至提前发现一些潜在的健康危机。
常见的健康数据分析方法包括统计学分析、机器学习和人工智能技术等。
1. 统计学分析统计学分析是健康数据分析中最常用的方法之一。
通过对大量的健康数据进行统计，可以得到一些常见疾病的患病率、死亡率等信息，从而为公共卫生政策制定提供依据。
同时，统计学分析也可用于找出不同因素对健康的影响，如年龄、性别、生活习惯等，有助于人们了解自身的健康状况。
2. 机器学习和人工智能技术随着人工智能的发展，机器学习和人工智能技术在健康数据分析中的应用也越来越广泛。
通过对大量的健康数据进行训练，机器学习和人工智能技术可以帮助提取出数据中的规律和模式，从而实现更准确的疾病预测和诊断。
例如，可以通过对心电图数据进行机器学习，来判断一个人是否患有心脏病。
三、健康数据的利用健康数据的利用是健康管理中最重要的一环。
通过对健康数据的利用，可以制定个性化的健康管理计划，提供针对性的康复和干预措施，从而使个体的健康水平得到有效提升。
1. 个性化的健康管理计划健康数据分析可以帮助人们了解自身的健康状况，以及潜在的健康风险和问题。
根据分析结果，医生或健康管理师可以制定出个性化的健康管理计划，包括针对性的生活方式指导、体检建议等。
统计分析在医学领域中的应用
统计分析在医学领域中的应用统计学是以数理方法为基础、对大量现象进行搜集、整理、分析、解释和预测的一门学科，逐渐成为各个领域中的基础和支撑，医学领域也不例外。
统计分析在医学研究领域中被广泛运用，为疫情分析、疾病治疗、药物研发等方面的决策提供有效支持。
本文将从医学研究的角度论述统计分析在医学领域中的应用。
一、统计分析在疫情分析中的应用2020年爆发的新冠病毒疫情在全球范围内造成了巨大的影响，我们了解疫情发展情况主要依靠各种数据图表展示和分析，其中大部分内容都是来自统计分析。
疫情数据的采集、整理和呈现需要统计学的方法，这些数据能够准确地反映疫情的发展情况，帮助人们及时掌握疫情形势并做出相应的反应。
通过统计分析确定疾病流行的趋势、各种疫苗的有效性等，实现有效的疾病控制和治疗。
二、统计分析在疾病治疗中的应用统计学在医学领域中的应用很大程度上是为了衡量或预测治疗的有效性。
通过对有关病例信息的收集和整理，然后将数据转化为有用的信息，为医学科学家和医生提供证据，让他们能够更加自信地作出有关治疗方式的决策。
例如，对于某种疾病的治疗方案，我们可以通过对数据的分析，进一步明确不同药物的疗效，针对不同类型的患者开出更有效的药方。
三、统计分析在药物研发中的应用药物研发是一个漫长而昂贵的过程，然而，使用统计学方法可能有助于早期识别可能不起作用的药物，从而节省时间和资源，为制药公司提供更强的利益和回报。
通过在患者身上进行药物实验和收集交叉引用数据，制药公司可以在制定下一步研究的同时使用统计方法对已有数据进行分析和总结。
制药公司根据现有的药物研究数据，使用统计学方法推出新的研究方向和成果，对研发成本、时间、效果等方面都提供了有力的支持。
结论统计学在现代医学领域中的应用远远不止于此，从医学研究的角度，还可以应用在疾病的预防、发病和转归的调查、医学大数据分析和挖掘等方面。
总之，统计方法提供了一些基本工具，使我们能够更好地了解医学世界，并在制药、药物治疗、疾病控制、病因研究等方面为人类疾病的治愈和健康作出贡献。
统计分析在医学科研中的应用
统计分析在医学科研中的应用医学科研的本质是解决人类健康问题，而统计分析是医学科研的重要工具之一。
统计分析可以使医学研究者通过对数据的分析和解释发掘有用的信息和关系，从而更好地推动医学研究的进展。
本文将从患者随访研究、临床试验、生存分析、质量控制等几个方面介绍统计分析在医学科研中的具体应用。
一、患者随访研究患者随访研究是评价某些慢性疾病的有效性和生存率的一种指标，主要是通过对患者随访的时间和结果进行分析，得出某种疾病的有效性和治疗效果。
统计分析在患者随访研究中具有重要意义，可以帮助研究者评估患者随访过程中的质量，确定事件发生的时间，计算生存率、存活时间、复发率和再次治疗率等指标。
例如，有一项针对胃食管反流病（GERD）患者的随访研究中，研究者通过统计分析得出，手术治疗的患者比药物治疗的患者长期效果更好，患者的症状和生命质量得到了明显的改善。
这说明，随访研究通过统计分析的支持，能够帮助研究者深入了解某种疾病的治疗效果、生存时间和质量。
二、临床试验临床试验是一种为了检测新药物和治疗方法的效果而进行的实验，在临床试验的设计和分析过程中，统计学扮演着非常重要的角色。
统计分析在临床试验中的应用包括样本量的统计学计算、随机化分配治疗和对照组等以及测试不同变量之间的关系。
举例来说，一项针对头颈癌治疗的临床试验中，研究者运用统计分析得出结论：加入吉司达比（一种癌症药物）的治疗方案，能够显著提高患者的无复发生存率。
临床试验的统计分析帮助研究者在实验设计和结果解释方面更加准确和合理。
三、生存分析生存分析是评估疾病或其他事件所需时间的过程，生存分析可以用来预测治疗方法的长期有效性、评估和预测疾病发展的风险以及评估特定人群或疾病的生存时间。
在医学科研中，生存分析可以应用于癌症、心血管疾病、流行病学研究和慢性疾病等方面。
例如，一项慢性肾病的生存分析研究中，通过统计分析得出：在人口中普遍存在的常见的成年人临床状态下，高血压、白蛋白水平和年龄是与肾病进展并发症、死亡风险和疾病进展的显著相关因素之一。
统计方法在心理健康研究中的应用
统计方法在心理健康研究中的应用在当今社会，心理健康问题日益受到关注。
无论是个人的情绪困扰、心理障碍，还是社会层面的心理压力和心理健康促进，都成为了研究的重要领域。
而统计方法在心理健康研究中发挥着至关重要的作用，它为我们理解和解决心理健康问题提供了有力的工具和依据。
首先，让我们来谈谈描述性统计方法在心理健康研究中的应用。
描述性统计主要包括均值、中位数、众数、标准差、方差等指标。
这些指标能够帮助我们对研究对象的基本特征有一个直观的了解。
比如，在研究一组抑郁症患者的症状严重程度时，通过计算症状量表得分的均值和标准差，我们可以知道这组患者的平均症状水平以及症状的离散程度。
再比如，研究不同年龄段人群的焦虑水平，通过比较各个年龄段的中位数和众数，可以发现焦虑水平的集中趋势和常见表现。
相关性分析也是心理健康研究中常用的统计方法之一。
它可以帮助我们了解不同变量之间的关系。
例如，我们想探究工作压力与心理健康之间的关联，通过相关性分析，可以确定工作压力的大小与心理健康指标（如抑郁、焦虑得分）之间是否存在显著的正相关或负相关。
这有助于我们进一步理解心理问题产生的原因和影响因素。
回归分析在心理健康研究中的应用同样广泛。
它可以帮助我们建立变量之间的预测模型。
比如，我们可以通过回归分析，以个体的生活事件、性格特点、社会支持等因素为自变量，以心理健康状况为因变量，建立回归方程。
这样一来，我们就能够根据个体的相关特征，预测其心理健康的风险或状况。
此外，因子分析在心理健康研究中也具有重要意义。
在面对众多复杂的心理测量指标时，因子分析可以将这些指标归结为几个主要的因子。
例如，在对一系列心理健康量表的数据进行分析时，通过因子分析，可以将众多的量表项目归结为几个反映不同心理维度的因子，如情绪调节因子、认知风格因子等，从而使研究结果更加清晰和易于理解。
接下来，我们要提到的是方差分析。
在比较不同群体（如不同性别、不同职业）的心理健康状况时，方差分析可以帮助我们确定这些群体之间是否存在显著差异。
健康数据采集与分析在公共卫生中的应用
健康数据采集与分析在公共卫生中的应用近年来，随着信息技术的快速发展和智能设备的普及，健康数据采集与分析在公共卫生领域中的应用越来越受到重视。
通过对大量的健康数据进行采集和分析，可以为公共卫生政策制定和疾病防控提供重要依据，有助于提升公众健康水平。
一、健康数据采集的方式为了获得准确和全面的健康数据，目前常见的数据采集方式主要有以下几种。
1. 传感器和设备数据采集：随着智能手环、智能手表等智能设备的普及，人们的运动、睡眠、心率等健康数据可以通过这些设备进行采集，以此了解个体的基本健康状况。
2. 健康调查问卷：针对特定群体，可以通过设计问卷来收集他们的健康相关信息。
问卷可以包括疾病史、生活方式、饮食习惯等内容，以全面了解个体和群体的健康状况。
3. 医疗档案数据：医疗机构和医生的记录中包含了大量的个体的健康信息，这些数据可以通过医疗信息系统来进行采集，并进行分析，以便更好地掌握人群的健康状况。
二、健康数据分析的方法采集到的健康数据需要进行分析，以从中获取有价值的信息。
1. 数据挖掘和机器学习：通过对大量的健康数据进行挖掘和学习，可以发现数据中的隐藏规律和关联性。
例如，可以通过分析大量的运动数据，得出什么样的运动方式对心血管健康最有益等结论，为公众提供科学的运动指导。
2. 统计分析：通过统计方法对健康数据进行分析，可以了解个体和群体的平均水平、分布情况等。
例如，可以通过统计分析了解某个地区某种疾病的发病率、死亡率等，为公共卫生政策提供参考。
3. 数据可视化：将健康数据以图表等形式直观地展示出来，可以帮助公众更好地理解数据。
通过直观的图形和图表，公众可以更容易地掌握自身的健康状况，从而采取正确的健康管理与预防措施。
三、健康数据采集与分析的应用1. 疾病监测与预防：通过采集和分析健康数据，可以及时监测疾病的发生和传播情况，预测疾病的趋势，以便及早采取控制措施。
例如，在突发传染病疫情中，可以通过大数据分析及时了解疫情的动态，及时制定防控策略。
医疗数据分析中的统计学应用有哪些
医疗数据分析中的统计学应用有哪些在当今的医疗领域，数据的重要性日益凸显。
医疗数据的分析不仅有助于提高医疗服务的质量和效率，还能为医学研究和公共卫生政策的制定提供有力的支持。
而统计学作为数据分析的重要工具，在医疗领域发挥着不可或缺的作用。
那么，医疗数据分析中的统计学应用究竟有哪些呢？首先，统计学在疾病的监测和预测方面有着广泛的应用。
通过收集和分析大量的病例数据，包括疾病的发病率、患病率、死亡率等指标，我们可以了解疾病的流行趋势和分布特征。
例如，对于季节性流感，我们可以利用时间序列分析方法来预测其在未来一段时间内的发病高峰，从而提前做好防控准备。
此外，利用空间统计学方法，还可以分析疾病在不同地区的分布差异，找出可能的危险因素，为针对性的防控措施提供依据。
其次，在临床研究中，统计学更是至关重要。
临床试验是评估新药物、新治疗方法有效性和安全性的重要手段。
在试验设计阶段，统计学原理被用于确定样本量、设置对照组、选择随机化方法等，以确保试验结果的科学性和可靠性。
在数据分析阶段，统计学方法可以帮助我们判断治疗效果是否具有统计学意义，以及评估不同治疗方案之间的差异。
例如，常用的 t 检验、方差分析等方法可以比较两组或多组数据的均值是否存在显著差异；生存分析方法则可以用于评估患者的生存时间和生存率，为肿瘤等慢性疾病的治疗效果评估提供重要依据。
再者，统计学在医疗质量评估中也发挥着重要作用。
医疗机构的服务质量和医疗效果是公众关注的焦点。
通过对医疗过程中的各种数据进行分析，如住院时间、手术并发症发生率、患者满意度等，我们可以评估医疗机构的绩效，并发现存在的问题和改进的方向。
例如，利用控制图等统计工具，可以对医疗质量指标进行实时监测，一旦发现异常波动，及时采取措施进行干预。
另外，在疾病的诊断方面，统计学也有一定的应用。
基于大量的临床数据和实验室检测结果，我们可以利用统计学方法建立诊断模型。
例如，通过逻辑回归分析，可以确定哪些临床症状、体征和实验室指标对于某种疾病的诊断具有重要意义，并建立相应的诊断方程。
- 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
2
x
N
2
s
x x
n 1
2
s
2
x x
n 1
2
n 1
自由度：随机变量能自由取值的个数
1、直接法
s
x x n
2
2
n 1
2、间接法（频数表法）
s
fx n f 1
2
fx
2
4、变异系数
• 适用于两组单位不同或均数相差较悬殊的资料 其离散度进行比较时
i p25 L (n 25% f L ) f 25
3、标准差与方差
• 适用于正态分布资料
• 标准差：描述一组数据的离散趋势，标准差越大 说明数据越分散。
s
x x n
2
2
n 1
• 如：平均数与标准差分别从两个方面来描述计
量资料的特征。
x
N
11%
29%
28% 32%
A型 B型 0型 AB型
某民族血型构成
线图（line graph):用线段的上升或下降来表示事物 在时间上的变化趋势
120 100 80 60 40 20 0 80 81 82 83 84 85 86 87
某市1980—1987年产妇产褥感染死亡率（1/10万）
直方图（histogram):用矩形面积表示连续变量的频数分布。
10.4 统计推断（均数的抽样误差）
• 标准误：
x
n
s Sx n
10.4 统计推断（总体均数的估计）
点值估计： x 区间估计： • 95%的可信区间
X t0.05,v S x
X u0.05 S x
X 1.96 S x
10.4 统计推断（均数的假设检验）
1、样本均数与总体均数比较：t检验
多变量：线性多元相关与回归分析、
logistic回归分析、cox回归、生存分析、因
子分析、判别分析、聚类分析等。
变量与变量分类
变量：用于描述（表达）个体特征的统计指标
变量值：用于表示变量的数值大小或性质
变量分类：自变量、因变量、外变量
自变量：是引起因变量变化的变量（实验因素）
因变量：受自变量影响的变量（结果、效应） 外变量：干扰变量、混杂变量
概念是学习的重要基础。
二、同质与变异
同质：性质相同的事物
变异：同质研究对象间，相同指标各不相 等的情况
一群同质研究对象间，不同个体的变异可以称为 离散趋势，可以用标准差、变异系数、方差、四分 位数间距、极差（全距）来表达
二、总体与样本
总体：根据研究目的而确定的所有同质观 察单位的全体。可分为有限总体与无限总体。
x1 x2 x3 ..... xn x n x x
n
fx x f
f1 x1 f 2 x2 f k xk f1 f 2 f k
2、几何平均数
• 适用于对数正态分布、等比级数资料
G n x1 x2 x3 xn lg x1 lg x2 lg x3 lg xn G lg n
六、频率与概率
频率：某个事件的发生率。f=m/n
概率:是随机事件发生的可能性的大小的一 个度量单位。 频率与概率的关系：多次反复测量的频率， 其数值相对稳定的后，此时的频率就是概率。
概率值：用P值来表示，概率值一般在[ 1]。
七、何谓大、小概率
肯定（绝对、必然）事件：P=1
不可能事件：P=0
十三、常用的统计图
条图 圆图 直方图
线图
散点图 统计地图
条图（bar graph)：用等宽的直条长短来代表 按性质分类的资料各类别的数值大小。
45 40 35 30 25 20 15 10 5 0 甲 乙 丙
三城市某种传染病发病率（‰）比较
圆图（circle graph):用途与百分条图相同，表示事 物内部各部分的构成情况。
c+d n=a+b+c+d
c/(c+d)
(ad bc) 2 n 2 (a b)(c d )( a c)(b d )
n 2 ( ad bc ) n 2 2 (a b)(c d )( a c)(b d )
2.3.2
甲法 阳性 阴性 合计
配对x2检验
行列表的x2检验
无效 b d f b+d+f 合计 a+b c+d e+f n 有效率% a/(a+b) c/(c+d) e/(e+f)
2 A 2 n 1 n n R C
C 1R 1
十二、其他的统计方法
双变量：线性（或非线性）相关与回归
算术平均数 几何平均数 中位数
离散趋势
指标
极差 四分位数间距 方差/标准差 变异系数
统计推断
总体均数估计
假设检验
方法
t检验 u检验 F检验
10.1 统计描述（集中趋势）
• 平均数：描述一组数据的平均水平（集中趋势）
描述集中趋势的指标有:
算术平均数 几何平均数 中位数
1、算术平均数
• 适用于正态分布与对称分布资料
占的比重或分布。
事物内部某一组成部分的观察单位数 构成比 100 % 事物内部各个组成部分的观察单位总数
常用来表示疾病或死亡的顺位、位次或所占比重。 由于构成比之和为 100% ，故各构成比之间是相互制约 的，其比重的增减互有影响。
比（ratio）
又称相对比，是 A，B 两个有关指标之比， 说明 A 是 B 的若干倍或百分之几，通常用倍 数或分数表示。 比 =A÷B （或 × 100% ） 如：男性人口与女性人口比例，医护人员 与床位比等。
构成比（proportion） 比（ratio），也叫相对比
率（rate）
又称频率指标, 用以说明某现象发生的频 率或强度。
发生某现象的观察单位数 率 K 可能发生该现象的观察单位总数
K 为比例基数，常以百分率（% ）、千分率（‰ ）等。
构成比（proportion）
称构成指标，说明某一事物内部各组成部分所
( x )2 2 2
max
f(x)
0
µ
10.3 正态分布及应用
• 正态分布的特点： 1、均数处最高； 2、中间高、两边低、左右对称 3、两个参数：均数及标准差 4、总面积为100%,且有规律性。
10.3
正态分布及应用
• 医学参考值范围：
正常值范围 95%正常值范围： X 1.96S 99%正常值范围： X 2.58 S
2、分类资料的统计推断
率的抽样误差与标准误
总体率的估计
假设检验（u检验与卡方检验）
2.1 率的抽样误差与标准误
样本率：P
总体率：
p
1
n
Sp
P1 P n
2.2 总体率的估计
点值估计：P=
区间估计：[大样本：np和n(1-P)>5]
P S PU 0.05 P S PU 0.01
样本：是从总体中随机抽取部分观察单位， 构成的集合。 抽样：从总体中随机抽取部分观察单位的 过程。
三、为什么要抽样研究？
一般情况下总体均是无限的，或是一个有 限的数量极大的总体
没有时间、精力、金钱去研究总体 抽样研究可以省时、省力、省钱
四、统计量与参数
统计量：用以描述样本特征的统计指标。
③等级资料：将观察单位按某种属性或类别的不同
程度分组计数所得到的资料。又称半计量半计数资 料。有序分类变量资料
九、统计工作的基本步骤
设计：目的
搜集资料：客观、真实；资料来源
整理资料：系统化、条理化
分析资料：统计描述、统计分析（参
数估计与假设检验）
十
数值变量资料的统计
集中趋势
指标
统计描述 数值 变量 资料 统计
x 0 t sx
d sd n
n 1
2、配对设计资料的比较：t检验
t
n 1
3、两样本均数的比较,小样本: t检验
x1 x2 t s x1 x2
n1 n2 2
十一、分类资料的统计描述
相对数：两个指标的比
绝对数：不具可比性
1、常用的相对数
率（rate）：
1
3、中位数
• 适用于非正态分布资料、频数分布的一端或两 端无确切数据的资料、总体分布不清楚的资料
M x n1
2
1 M x n x n 1 2 2 2
• 如：2、4、12、43、32、34
中位数（可用于偏态资料）
参数：用以描述总体特征的统计指标。 习惯称呼：总体参数、样本统计量
五、抽样误差与抽样研究
抽样误差：由于抽样而产生的样本统计量 与总体参数之间的差异。 抽样研究：从总体中随机的抽取部分观察 单位构成样本，研究样本的特征，根据样本 的信息，来推测总体特征。
样本推测总体包括：参数进行估计与假设 检验。
乙法 合计 阴性 b d b+d a+b c+d n=a+b+c+d
阳性 a c a+c
2
(b c) (b c)
2
b c 40
C 1R 1
2
2
( b c 1) (b c)
b c 40
2.3.3
组别 A组 B组 C组 合计 有效 a c e a+c+e