计量资料的统计学方法
医学统计学计量资料的统计描述
正确应用集中趋势指标
• 算数均数：适用于单峰对称分布资料； • 几何均数：适用于变量值呈等比级数关系和呈对
数正态分布的资料； • 中位数和百分位数：适用于任何分布的资料，但
在样本含量较少时不稳定，越靠两端越不稳定； • 中位数在抗极端值的影响方面，比均数具有较好
• 计算公式： Q= QU － QL ＝ P75 － P 25 • 意义： Q值越大，说明变异程度越大。
• 特点：包括了居于中间位置50%的变量值，该指
标比全距稍稳定，但仍未考虑每个观察值。
某传染性疾病的潜伏期（天）
平均偏差（mean difference）
• 定义：各观察值偏离平均数的绝对平均差距 • 计算公式：
差、标准差。
极差(range)
• 表示法：R • 定义：一组资料中最大值与最小值之差。
• 计算公式： R = max－min
• 意义：反映个体变异范围的大小。R越大，变异度（离
散程度）越大， R甲=188-142=46、R乙=166-158=8
• 优点：计算简便，概念清晰，如说明传染病、食物中毒 的最长、最短潜伏期等
125.5296
若应用算术均数为：
问题：
• 为什么表达该资料的平均水平宜用几何均 数？
• 几何均数适用条件是什么？ • 何种情况不宜计算几何均数？ • 利用频数表计算几何均数时应注意什么？
几何均数的应用
• 几何均数适用于变量值呈等比级数关系和呈对数 正态分布的资料；有些呈轻度偏态分布的资料经 过对数变换后呈对称分布的资料。
• 算术均数 • 几何平均数 • 中位数 • 众数
算术均数（mean）
常用统计学方法ppt课件
三、率（构成比）的统计分析
两样本率或构成比的比较用四格表2 配对设计时用配对2 多组率或构成比比较用行×列2
四格表2检验
1.当n≥40，且T≥5时，直接计算 2值
基本公式 χ2＝
(Ａ－Ｔ)2 ∑─────
Ｔ
专用公式
( a d－b c ) 2 n χ2＝ ───────────
(a＋b)(c＋d)(a＋c)(b＋d)
学习内容：
一、研究资料类型 二、均数的统计分析 三、率（构成比）的统计分析
一、研究资料类型
➢ 计量资料 ➢ 计数资料 ➢ 等级资料
计量资料：用定量方法对每个观察 单位某指标测量数值大小的资料。
常用表达方法：±s 常用统计方法：t检验
u检验 方差分析
计数资料：将观察单位按属性分组， 清点各观察单位个数的资料。 常用表达方法：率、百分构成等 常用统计方法：2检验
➢ 对同一受试对象分别给予两种处理， 推断两种处理效果有无差别；
➢ 对同一受试对象处理前、后比较，推 断该处理有无作用。
t检验：
样本均数与总体均数比较（P106）； 配对设计计量资料比较（P107）； 两样本均数比较（P108）。
u检验：
两大样本均数比较（P109）
方差分析（ANOVA）：
多个样本均数比较（P109）
等级资料：将观察单位按属性的 不同程度分组，再清点各观察单 位个数的资料。 常用统计方法：秩和检验等
二、均数的统计分析
➢ 成组设计：
两小样本均数比较用t检验；
两大样本均数比较用u检验； 三个以上样本均数比较用方差分析。 对同对和两个受试对象分别给予两种 处理，推断两种处理效果有无差别；
2.当n≥40，且有1≤T＜5时，计算校正的 2值
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。
计量资料和计数资料的统计方法
计量资料和计数资料的统计方法计量资料和计数资料是统计学中常见的两种数据类型，它们在统计分析中有着不同的处理方法和应用场景。
本文将分别介绍计量资料和计数资料的统计方法，并探讨其在实际问题中的应用。
一、计量资料的统计方法计量资料是指可以用数值表示的数据，例如身高、体重、温度等。
统计学中常用的计量资料分析方法有描述统计和推断统计。
1. 描述统计描述统计是对收集到的数据进行总结和描述的方法。
常用的描述统计量有平均值、中位数、众数、标准差、方差等。
平均值是计量资料最常用的描述统计量，它可以反映数据的集中趋势。
中位数和众数则可以反映数据的位置和分布情况。
标准差和方差则可以衡量数据的离散程度。
2. 推断统计推断统计是基于样本数据对总体进行推断的方法。
在推断统计中，常用的统计分析方法有假设检验和置信区间估计。
假设检验用于验证关于总体的某个参数的假设，例如总体均值是否等于某个特定值。
置信区间估计则可以给出总体参数的一个区间估计，例如总体均值的置信区间。
二、计数资料的统计方法计数资料是指不连续的、以计数形式出现的数据，例如人数、次数、事件发生次数等。
计数资料的统计方法主要包括频数分布、列联表分析和卡方检验。
1. 频数分布频数分布是计数资料最常用的分析方法之一，它将数据按照不同的取值进行分类，并统计每个类别的频数。
通过频数分布可以直观地了解数据的分布情况和特征。
2. 列联表分析列联表分析是用于分析两个或多个分类变量之间关系的方法。
通过构建列联表可以清晰地展示不同变量之间的交叉频数，并计算各个格子的期望频数和卡方值。
列联表分析可以帮助我们判断两个变量之间是否存在相关性。
3. 卡方检验卡方检验是用于检验两个或多个分类变量之间是否存在显著差异的统计方法。
卡方检验基于计数资料的频数分布和列联表，通过计算观察频数与期望频数的差异，并进行假设检验来判断变量之间是否独立。
三、计量资料和计数资料的应用计量资料和计数资料在实际问题中具有广泛的应用。
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
第2讲 计量资料的基本统计分析方法
149 138 156
148
165 148 149
158
160 139 135
163
119 168 148
138
174 160 138
156
137 120 133
134
152 151 150
140
154 121 132
152
140 146 153
132
122 135 140
148
133 145 145 146 123 140
常用指标：算术均数、中位数等。
（一）算术均数(mean)
1. 定义：简称均数，符号为 数记为μ）。定义公式为
x （相应的总体均
x x n
2.均数的应用与特点
算术均数适合于对称分布的资料 ,如分布均匀的 小样本数据或近似正态分布的大样本数据； 算术均数容易受极端值的影响。
（二）中位数（median）
中位数将变量值一分为二，一半比它小，一半比它大。符号为
将一组变量值按大小顺序排列，位次居中的变量值即为中位数。
M、 M d 。
1. 中位数的计算
x( n 1 ) / 2 Md xn / 2 x1 n / 2 2 n为奇数 n为偶数
2. 中位数的应用与特点
中位数将频数等分为二，所以中位数适合各种类型 的资料，尤其适合于大样本偏态分布的资料。 由于中位数总处在居中的位置上，因而它不受特大 或特小值的影响。
3.16228 4.74342 2.91548
丙组 3 乙组 2 甲组 1
0 20 24 28 32 36 40
（三）方差与标准差的应用
方差或标准差属同类变异指标，它们多用来描 述均匀分布或近似正态分布的资料，大、小样本均 可，其中以标准差的应用最广，通常与均数结合使 用。比如在许多医学研究报告中常用
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
2计量资料统计分析
(
xxi2
( x)2
xi )2 n
x2 (
x)2 n
n 1
n 1n 1
n 1
式中n－1称为自由度
（四）标准差
1、直接法：
S (x x)2
n 1
x2
( x)2
n
n 1
例：三组同年龄、同性别儿童的体重（kg） 甲组 26 28 30 32 34 乙组 24 27 30 33 36 丙组 26 29 30 31 34
5
3.85
125
96.15
156~
3
2.31
128
98.46
160~164
2
1.54
130
100.00
合计
130 100.00
—
—
二、集中趋势指标
包括：算术均数、几何均数、中位数 意义：
1. 反映一组同质变量值的平均 水平或分布的集中位置。
2. 作为一组资料的代表值，便 于组间的分析比较。
（一）算术均数
G
lg
1
lg
10
lg
100
lg
1000 5
lg
10000
lg
100000
lg 13 1000
5个人的平均血清抗体效价为1：1000
2、加权法
G
lg
1
f lg f
x
lg 1
f1
lg
x1
f2 f1
lg x2 f2 fk
fk
lg
xk
3、几何均数的应用
- 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)。
计量资料的统计学方法
首先，计量资料的统计学方法包括描述统计和推断统计。
描述
统计用于总结和展示数据的特征，包括均值、中位数、标准差、频
数分布等。
这些统计量可以帮助我们了解数据的集中趋势、离散程
度和分布形态。
推断统计则用于从样本数据中推断总体的特征，包
括参数估计和假设检验。
参数估计可以帮助我们对总体参数（如均值、比例）进行估计，而假设检验则可以帮助我们对总体参数的假
设进行检验。
其次，计量资料的统计学方法还包括回归分析和方差分析。
回
归分析用于研究自变量和因变量之间的关系，可以帮助我们预测因
变量的取值。
常见的回归分析包括简单线性回归和多元线性回归。
方差分析则用于比较多个总体均值是否相等，可以帮助我们判断不
同组别之间的差异是否显著。
此外，计量资料的统计学方法还包括相关分析和时间序列分析。
相关分析用于研究两个变量之间的相关关系，可以帮助我们了解它
们之间的相关性强弱和方向。
时间序列分析则用于研究时间序列数
据的特征和规律，包括趋势、季节性和周期性等，可以帮助我们进
行未来的预测和规划。
综上所述，计量资料的统计学方法涵盖了描述统计、推断统计、回归分析、方差分析、相关分析和时间序列分析等多个方面，可以
帮助我们全面深入地理解和解释数据的特征和规律。
在实际应用中，研究者可以根据具体问题的特点和要求选择合适的统计方法进行分
析和解释。