医学统计学基本知识
临床医学统计学知识点
临床医学统计学知识点统计学在临床医学中扮演着至关重要的角色，它通过收集、分析和解释数据，帮助医生做出准确的诊断和治疗方案。
本文将介绍一些临床医学中常用的统计学知识点。
1. 样本与总体在临床医学中，样本指的是从总体中抽取出来的一部分个体或数据。
总体是指研究对象的全体。
通过对样本的研究分析，可以推断总体的特征。
在医学研究中，样本的选择要具有代表性和随机性，以保证研究结果的可靠性。
2. 平均数、中位数、众数在统计学中，平均数指的是将一组数据相加后除以数据的个数所得到的值，用来表示数据的集中趋势。
中位数是按照数据大小排列后位于中间位置的值，众数是数据中出现次数最多的数值。
在临床医学中，这些统计指标常用于描述疾病的发病率、临床表现等。
3. 标准差、方差标准差和方差是衡量数据的离散程度的指标。
标准差是方差的平方根，它表示数据偏离平均值的程度。
在临床医学中，标准差和方差常用于评估治疗效果的稳定性和数据的稳定性。
4. t检验、方差分析t检验和方差分析是常用的统计方法，用于比较两组或多组数据之间的差异性。
在临床医学中，这两种方法可以帮助医生判断治疗方案的有效性，疾病的进展情况等。
5. 敏感度、特异度敏感度和特异度是评价诊断检测方法准确性的重要指标。
敏感度指的是在疾病存在的情况下，检测方法能够正确识别出疾病的能力；特异度指的是在疾病不存在的情况下，检测方法能够正确排除疾病的能力。
在临床医学中，敏感度和特异度的值越高，说明诊断方法越准确。
6. 风险比、相对危险度风险比和相对危险度是疾病发病风险的评估指标。
风险比表示两组人群中发病率的比值，相对危险度表示一组人群某种因素的风险相对于另一组的倍数。
在临床医学研究中，这两种指标可以帮助医生评估疾病的危险程度和相关因素的作用程度。
7. 生存分析、回归分析生存分析和回归分析是用于评估疾病预后和危险因素的统计方法。
生存分析可以分析患者的生存时间和生存率，回归分析可以研究疾病发生的相关因素。
医学统计学基础知识与数据分析方法
医学统计学基础知识与数据分析方法一、引言医学统计学是指将统计学应用于医学领域，通过收集、整理、分析和解释医学数据来揭示疾病的风险因素、发病机制以及治疗效果。
在现代医学中，统计学在研究设计、数据收集和分析等方面起着重要作用。
本文将介绍医学统计学的基础知识和常用的数据分析方法。
二、基础知识1. 数据类型在医学研究中常见的数据类型包括连续型变量和分类变量。
连续型变量指的是可以取各种数值的变量，如身高、体重等；而分类变量则是指只能取有限个数值的变量，如性别、血型等。
2. 描述性统计描述性统计是对数据进行总结和描述的方法，常包括均值、标准差、百分比等指标。
均值是指一组数据的平均值，用于表示该组数据的集中趋势；标准差则反映了该组数据的离散程度；百分比则可以表示某一类别在总体中所占的比例。
三、单样本假设检验单样本假设检验是判断一个总体参数是否符合某个给定的值。
在医学研究中，常用于比较新药物或治疗方法是否显著优于标准治疗方法。
通过计算得到的检验统计量与参考值进行比较，以判断是否拒绝原假设。
四、双样本假设检验双样本假设检验用于比较两个相互独立的总体参数是否有显著差异。
其中，t 检验适用于比较两组连续型变量的均值差异；而卡方检验则适用于比较两组分类变量之间的关联性。
五、回归分析回归分析是根据自变量对因变量的影响程度进行估计和预测的一种方法。
在医学研究中，常用线性回归分析来探究各种因素对某一结果指标的影响。
通过建立回归模型，可以了解各个自变量对因变量的贡献程度，并对未来趋势进行预测。
六、生存分析生存分析是应用于考察时间到达某一事件（如死亡、复发等）发生时概念对群体进行分析的方法。
生存分析中常用的方法包括卡普兰-梅耶曲线（Kaplan-Meier curve）、对数积累风险（log-rank test）等，用于评估不同因素对生存率的影响。
七、配对数据分析在某些研究中，可能存在一组相关性极高或具有特殊关联的样本数据。
此时需要进行配对数据分析，如配对t检验和McNemar检验。
医学统计学的基本内容
第一章医学统计学的基本内容第一节医学统计学的含义1、医学统计学定义医学统计学（statistics）作为一门学科的定义是：关于医学数据收集、表达和分析的普遍原理和方法。
2、医学统计学研究方法：通过大量重复观察，发现不确定的医学现象背后隐藏的统计学规律。
3、医学统计推论的基础：在一定条件下,不确定的医学现象发生可能性，即概率。
第二节、统计学的几个重要概念一．资料的类型1、计量资料（数值变量）：对每一观察对象用定量的方法，测定某项指标所得的资料。
一般有度量衡单位，每个对象之间有量的区别。
2、计数资料（分类变量）：对观察对象按属性或类型分组计数所得的资料。
每个对象之间没有量的差异，只有质的不同。
3、等级资料（有序分类变量）：对观察对象按属性或类型分组计数，但各属性或类型之间又有程度的差别。
注意：不同类型的资料采用的统计分析方法不同；三类资料类型可以相互转化。
二、总体根据研究目的所确定的同质的所有观察对象某项变量值的集合1、有限总体：只包括在确定时间、空间范围内的有限个观察对象。
2、无限总体：没有时间、空间范围的限制，观察对象的数量是不确定的，无限的三、样本从总体中随机抽取部分观察对象，其某项变量值的集合。
从总体中随机抽取样本的目的是: 用样本信息来推断总体特征。
四、随机事件可以发生也可以不发生，可以这样发生也可以那样发生的事件。
亦称偶然事件。
五、概率描述随机事件发生可能性大小的数值，记作Ｐ，其取值范围0≤P≤1，一般用小数表示。
Ｐ＝0，事件不可能发生必然事件（随机事件的特例）；Ｐ＝1，事件必然发生；Ｐ→0，事件发生的可能性愈小；Ｐ→1，事件发生的可能性愈大六、小概率事件习惯上将Ｐ≤0.05或Ｐ≤0.01 的随机事件称小概率事件。
表示某事件发生的可能性很小。
七、参数和统计量参数：总体指标，如总体均数、总体率，一般用希腊字母表示统计量：样本指标，如样本均数、样本率，一般用拉丁字母表示八、学习医学统计学的方法1、重点掌握“四基”：基本知识、基本概念、基本原理和基本方法；2、重视统计方法在实际中应用，重视实习和综合训练；注意学习每种统计方法的应用范围、应用条件，大多数公式只要求了解其意义和使用方法，不用记忆和探究数理推导。
医学统计学护理知识点总结
医学统计学护理知识点总结一、基本统计学概念1.总体和样本总体是指某一特定性质的全部个体的集合，而样本则是从总体中选取的一部分个体。
在临床实践中，医护人员常常需要根据样本数据来对总体进行推断。
2.参数和统计量参数是总体的特征值，统计量是样本的特征值。
统计量通常用来估计参数，比如样本平均值用来估计总体均值。
3.变量和常量变量是指在研究对象中取值不同的特征，可以分为定量变量和定性变量。
定量变量是以数字表示的，比如身高、体重；定性变量是以类别表示的，比如性别、婚姻状况。
常量是指在研究对象中取值不变的特征。
4.测量水平测量水平分为名义尺度、顺序尺度、区间尺度和比率尺度。
名义尺度是指仅代表对象分类的变量，如性别；顺序尺度是指变量的数值表示有序的关系，但不能准确比较差异，如疼痛程度的分级；区间尺度是指能够比较大小和进行加减运算，但没有绝对零点的变量，如体温；比率尺度是指能进行所有数学运算并有绝对零点的变量，如年龄、收入。
5.描述统计和推断统计描述统计是根据样本数据对总体进行描述和概括，它使用一些常见的指标，如平均值、标准差、百分比等。
推断统计是根据样本数据对总体的特征进行推断，如参数估计和假设检验。
二、概率论基础1.随机事件和概率随机事件是指在一定条件下可以出现也可以不出现的事件，它的出现是偶然的。
概率是描述随机事件发生可能性大小的一个数，通常用P(A)表示事件A发生的概率，概率的取值范围是0≤P(A)≤1。
2.独立事件和相关事件独立事件是指两个事件的发生互不影响，事件A和事件B同时发生的概率等于事件A发生的概率乘以事件B发生的概率，P(A∩B)=P(A)×P(B)。
相关事件是指两个事件的发生互相影响，事件A和事件B同时发生的概率不等于事件A发生的概率乘以事件B发生的概率。
3.概率分布概率分布是随机变量取值和相应概率的对应关系，包括离散型随机变量的概率分布和连续型随机变量的概率分布。
常见的离散型随机变量有二项分布、泊松分布等；常见的连续型随机变量有正态分布、t分布、F分布等。
医学统计学知识点
医学统计学知识点医学统计学是应用统计学原理和方法于医学领域的一门学科，通过对医学数据的收集、整理、分析和解释，可以帮助医学研究者和临床医生更好地理解和应用医学知识。
本文将介绍一些医学统计学中的重要知识点。
一、数据的类型在医学统计学中，我们常常需要处理各种类型的数据，其中最常见的数据类型包括：1. 定性数据：也称为分类数据，指描述事物性质或属性的数据，如性别、疾病类型等。
2. 定量数据：也称为连续数据，指可以用数字进行度量的数据，如身高、体重、血压等。
3. 二分类数据：指只有两种可能取值的数据，如阳性/阴性、生/死等。
4. 多分类数据：指有多种可能取值的数据，如血型、既往医疗史等。
二、描述统计学1. 描述性统计：描述性统计是对数据进行整理、总结和描述的过程，主要包括以下指标：- 频数与频率：频数是指某一数值在数据集中出现的次数，频率是频数与数据总数的比值。
- 中心趋势指标：包括均值、中位数和众数，用于描述数据的集中程度。
- 离散程度指标：包括标准差、方差和四分位差等，用于描述数据的分散程度。
2. 绘图方法：绘图是描述性统计的重要手段之一，常用的绘图方法包括：- 饼图：用于展示分类数据的比例关系。
- 条形图：用于展示不同类别之间的数量关系。
- 箱线图：用于展示数据的分布情况和异常值。
- 散点图：用于展示两个变量之间的相关性关系。
三、推断统计学推断统计学是从样本中得出总体特征的方法，通过对样本数据的分析来进行推断。
其中的重要概念和方法包括：1. 总体与样本：总体是我们研究的对象的全体，样本是从总体中选取的一部分。
2. 参数与统计量：参数是总体的特征值，统计量是样本的特征值，通过统计量来估计参数。
3. 抽样分布：抽样分布是样本统计量的概率分布，常用的抽样分布包括正态分布和t分布。
4. 假设检验：假设检验是通过对样本数据进行统计推断，判断总体参数是否满足某个假设。
5. 置信区间：置信区间是对总体参数的一个范围估计，常用于估计总体均值和总体比例。
医学统计学基础知识项操作
医学统计学基础知识项操作医学统计学是医学研究中基本而重要的学科之一。
医学统计学基础知识项操作是学习医学统计学必不可少的内容之一。
本文将介绍医学统计学基础知识项操作的相关内容。
一、医学统计学基础知识医学统计学是研究人类健康与疾病的数量特征及其与相关因素之间关系的一门科学。
它研究的内容涉及医学、公共卫生学、疾病预防控制、临床医学研究等多个领域。
医学统计学的基础知识包括统计学中的概率、抽样、假设检验、方差分析、线性回归等。
这些是医学统计学的基础，也是进行医学统计学分析的基础。
二、医学统计学基本概念（一）总体和样本在医学统计学中，总体是指所有被研究对象的集合，样本是从总体中选出的一部分。
医学研究需要从人群中抽取样本，通过对样本的研究来推断总体的情况。
（二）平均数、中位数与众数在医学统计学中，常用的中心趋势指标是平均数、中位数和众数。
平均数是所有数据之和除以数据总数，中位数是所有数据排序后的中间值，众数是数据中出现次数最多的数。
在医学研究中，这些指标常常用于描述某种疾病的患者的生物学特征、临床表现等。
（三）方差和标准差方差是指所有数据与平均数的离差平方和除以数据总数所得到的值。
标准差是方差的平方根，它是用于描述多个数据值的分散程度的指标。
在医学研究中，方差和标准差常用来描述群体的变异程度，从而帮助医学研究人员推断总体的情况。
（四）假设检验假设检验是用来检验两个样本之间是否有明显的差异的统计方法。
医学研究中常常需要进行假设检验。
在假设检验中，需要确立原假设和备择假设，并计算假设检验值。
通过比较假设检验值和某个临界值来判断原假设是否成立。
三、医学统计学分析方法（一）双样本t检验双样本t检验是用于比较两个样本平均数差异的方法。
它适用于两个样本均为正态分布，并且样本之间方差相等的情况。
（二）方差分析方差分析是用于比较两个或多个样本平均数是否存在显著差异的方法。
它适用于多个样本，但是假设样本均为正态分布且方差相等的情况。
医学统计学知识点汇总
医学统计学知识点汇总医学统计学是指应用统计学原理和方法进行医学研究设计、数据分析和结果解释的学科。
医学统计学的知识点非常丰富，包括统计学基础知识、研究设计、样本量计算、控制方法、参数估计、假设检验和数据分析等方面。
以下是医学统计学知识点的一些精华汇总。
1.统计学基本概念：包括基本统计量（均值、中位数、众数）、数据类型（定量数据、定性数据）、数据的描述方法（频数分布表、直方图等）。
2.研究设计：包括随机对照试验、队列研究、病例对照研究等，了解不同研究设计的优缺点及适用场景。
3.样本量计算：确定研究样本量是保证研究结果可靠性的重要一环，需要根据研究目的、效应量和统计显著性水平确定样本量。
4.控制方法：包括随机分组、盲法、配对设计等，用于减少实验误差和避免偏倚。
5.参数估计：常用的参数估计方法有点估计和区间估计。
点估计是通过样本数据得到总体参数的一个点估计值，区间估计是对总体参数的一个区间估计。
6.假设检验：假设检验是用来判断样本数据与总体假设之间的差异是否显著的统计方法。
常用的假设检验方法有t检验、卡方检验、方差分析等。
7.数据分析：包括描述性统计分析和推断性统计分析。
描述性统计分析用来描述研究变量的基本情况，推断性统计分析用来推断样本数据与总体数据之间的关系。
8.相关分析：用来分析变量之间的关联程度，包括皮尔逊相关系数和斯皮尔曼等级相关系数等。
9. 回归分析：用来分析因变量与自变量之间的关系，包括线性回归分析和 logistic回归分析等。
10.生存分析：用来分析时间到达事件发生的概率，包括生存曲线的绘制、生存率的估计和影响因素的分析等。
11. 多变量分析：用来分析多个自变量对因变量的影响，包括多元方差分析、多元回归分析和多元Logistic回归分析等。
12. Meta分析：用于综合多个独立研究结果，对总体效应进行定量分析和综合评价。
以上是医学统计学的一些精华知识点的汇总。
医学统计学的应用非常广泛，不仅在医学研究中需要应用统计学的原理和方法，也在临床实践中需要对医学统计学知识有一定的了解和应用。
医学统计知识点整理
医学统计学知识点整理第一节统计学中基本概念一、同质与变异同质：统计研究中，给观察单位规定一些相同的因素情况。
如儿童的生长发育，规定同性别、同年龄、健康的儿童即为同质的儿童。
变异：同质的基础上个体间的差异。
“同质”是相对的，是客观事物在特定条件下的相对一致性，而“变异”则是绝对的μ.δ.πX.S.p1.2.变量：确定总体之后，研究者应对每个观察单位的某项特征进行观察或测量，这种特征能表现观察单位的变异性，称为变量。
一、数值变量资料又称为计量资料、定量资料：观测每个观察单位某项指标的大小而获得的资料。
表现为数值大小，带有度、量、衡单位。
如身高（cm）、体重(kg)、血红蛋白（g）等。
二、无序分类变量资料又称为定性资料或计数资料：将观察对象按观察对象的某种类别或属性进行分组计数，分组汇总各组观察单位后得到的资料。
分类：二分类：+ -；有效，无效；多分类：ABO血型系统特点：没有度量衡单位，多为间断性资料【例题单选】某地A、B、O、AB血型人数分布的数据资料是( )A.定量资料B.计量资料C.计数资料D.等级资料分组统计描述：是利用统计指标、统计表和统计图相结合来描述样本资料的数量特征及分布规律。
统计推断：是使用样本信息来推断总体特征。
统计推断包括区间估计和假设检验。
第四节统计表与统计图★一、统计表统计表的基本结构与要求标题：高度概括表的主要内容，时间、地点、研究内容，位于表的上方，居中摆放，左侧加表的序号。
标目：横标目和纵标目。
线条：通常采用三线表和四线表的形式。
没有竖线或斜线。
数字：表内数字一律用阿拉伯数字。
同一指标，小数位数应一致，位次对齐。
无数字用“—”表示。
暂缺用“…”表示。
“0”为确切值。
备注：位于表的下面，通常是对表内数字的注解和说明，必要时可以用“*”等标出。
一张统计表的备注不宜太多。
二、制表原则1.（7理分布。
【例题填空】描述某地十年间结核病死亡率的变化趋势宜绘制_________图。
- 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)。
医学统计学基本知识
•总体（population）
指同质的研究对象中所有观察单位研究指标变量值的集合。
总体通常限定于特定的时间与空间范围之内，且为有限数量的观察单位，称为有限总体；有时总体是假设的，没有时间和空间限制，观察单位数是无限的，称为无限总体。
•样本（sample）
医学实践与研究中，要直接研究无限总体通常是不可能的，即使是有限总体，由于人力、物力、时间、条件等限制，要对其中每个观察单位进行研究或观察，有时也是不可能的，也不必要。
而只是从总体中随机抽取部分观察单位，其变量实测值构成样本，目的用样本指标推断总体特征。
这种推断不要经过严谨的实验设计，以样本的可靠性和代表性为基础。
样本的可靠性：主要是使样本中每一观察单位确属同质总体。
样本的代表性：使样本能充分反映总体的实际情况，要求抽样遵循随机化原则，目的是使每个观察单位被抽得的机会相等，避免主观取舍及偏性；还要保证足够的样本量，即保证足够的观察单位个数。
•参数（parameter）
统计学上描述总体变量的特征称为参数。
如总体均数、中位数和众数等
体参数称为样本指标。
如以样本均数（）推算总体均数（m），以样本标准差（s）推算总体标准差（s）等，值得注意的是，选择统计量作为参数估计值时，通常选择无偏、有效且一致的估计量，即对总体变量渐进无偏估计量。
计量资料（measurement data）
又称定量资料（quantitative data）或数值变量（numerical variable）资料。
为测定每个观察单位某项指标的大小而获得的资料。
其变量值是定量的，表现为数值大小，一般有度量衡单位。
计数资料（enumeration data）
又称定性资料（qualitative data）或无序分类变量（unordered categorical variable）资料。
为将观察单位按某属性或类别分组计数，分组汇总各组观察单位数后而得到的资料。
其变量值是定性的，表现为互不相容的属性或类别，如试验结果的阴阳性，家族史的有无等等。
分两种情形：
（1）二分类：如检查某单位工作人员血清的乙型肝炎表面抗原，以每个工作人员为观察单位，结果可报告为乙型肝炎表面抗原阴性或阳性两类。
两类间相互对立，互不相容。
（2）多分类：如观察某人群的血型分布，以人为观察单位，结果可分为A型、B型、AB型与O型，为互不相容的四个类别。
等级资料（ranked data）
又称半定量资料（semi-quantitative data）或有序分类变量（ordered categorical variable）资料。
为将观察单位按某种属性的不同程度分成等级后分组计数，分类汇总各组观察单位数后而得到的资料。
其变量值具有半定量性质，表现为等级大小或属性程度。
如观察某人群某血清反应，以人为观察单位，根据反应强度，结果可分-、±、+、++、+++、++++六级。
误差（error）
泛指实测值与真值之差，按其产生的原因和性质可粗分为随机误差（random error）与非随机误差（nonrandom error）两大类，后者又可分为系统误差（systematic error）与非系统误差（nonsystematic error）两类。
随机误差
是一类不恒定的、随机变化的误差，由多种尚无法控制的因素引起。
例如，在实验过程中，在同一条件下对同一对象反复进行测量，虽极力控制或消除系统误差后，每次测量结果仍会出现一些随机变化即随机测量误差,以及在抽样过程中由于抽样的偶然性而出现的抽样误差。
随机误差是不可避免的，在大量重复测量中，它可出现或大或小、或正或负的呈一定规律性的变化。
但由于造成随机误差的影响因素太多、太复杂，以至无法掌握
其具体规律。
随着科学的发展与社会进步，有些随机误差可能会逐渐被认识而得以控制。
随机误差呈正态分布，可用医学统计学的方法进行分析。
系统误差
是实验过程中产生的误差，它的值或恒定不变，或遵循一定的变化规律，其产生的原因往往是可知的或可能掌握的。
例如，可能来自于受试者抽样不均匀，分配不随机，可能来自于不同实验者个人感觉或操作上的差异，可能来自于不标准的仪器，也可能来自于外环境非实验因素的不平衡等。
因而应尽可能设法预见到各种系统误差的具体来源，力求通过周密的研究设计和严格的技术措施加以消除或控制。
非系统误差
在实验过程中由研究者偶然的失误而造成的误差。
例如，仪器失灵、超错数字、电错小数点、写错单位等，亦称为过失误差（gross error）。
这类误差应当通过认真检查核对予以清除，否则将会影响研究结果的准确性。
基本统计量
平均数（average）
是统计中应用最广泛、最重要的一个指标体系，用来说明一组变量值的集中趋势、中心位置或平均水平。
它常作为一组资料的代表值，使资料产生简明概括的印象，又便于进行组间的比较。
平均数的应用是以同质为基础的。
但同质也是相对的。
因此，同质是要根据研究目的来决定的。
不同质的事物，需在合理分组的基础上，分别求平均数，才可分析比较，否则是毫无意义的。
常用的平均数有算术平均数、几何平均数、中位数和百分位数及众数等，前三种较为常见。
均数是算术平均数（arithmetic mean）的简称，总体均数用希腊字母m 表示，样本均数用拉丁字母表示，是一组变量值的数值上的平均，即算术平均数是获得结果之和除以结果个数。
标准差
标本方差
总体方差
标准差表示结果分布的宽度。
在质量控制误差限（控制限）通常是建立在实验室自己结果的标准差基础上。
标准差的应用：
（1）表示变量值的离散程度。
标准差越大，变量值分布越散，均数的代表性越差，即s越大，代表性越小，反之亦然。
但当资料的度量单位不同或均数相差较大时，两组资料的标准差不能直接相比。
（2）结合均数描述正态分布特征。
根据正态分布曲线下面积的规律，可以通过±s的倍数形式来概括描述变量值的分布，对这组资料的频数分布做出概括性的估计。
（3）根据正态分布原理，应用于求正常值范围，即±1.96s计算出总体观察值的95%的变量值所在范围的界限，确定出医学参考范围；还可用制定的范围做质量控制。
（4）标准差还可以用来计算变异系数及结合样本含量计算标准误。
极差
极差（range, 简记R）:是一组数值中最大值与最小值的差值。
单位
与变量值相同。
极差越大，变异度越大，各变量值离均值越远，数据
越分散，均数的代表性越差，反之亦然。
极差是最简单的一种离散趋势指标，应用广泛。
但以极差反映变异度，较为粗略。
因为：（1）除了最大和最小值外，不能反映其它数据的
变异度；（2）当样本含量不同时，样本含量越大，遇到较大或较小
极端值的机会就加大，极差可能越大，故样本含量悬殊时不宜比较其
极差；（3）既使样本含量不变，极差的抽样误差亦较大。
变异系数
变异系数（Coefficient of variation, 简记为CV）：是标准差与
平均值之比用百分数表示，计算公式为：
极差、标准差与变量值的单位相同，而变异系数是相对比的，没有单
位，更便于资料间的分析比较。
常用于：（1）比较均数相差悬殊的几组资料的变异度，如相同度量衡单位指标的不同时间的纵向比较。
（2）比较度量衡单位不同的多组资料的变异度，即做相同时间不同指标的横向比较。
（3）变异系数还常用于比较多个样品重复测定的误差。
准确度（accuracy）是测量结果中系统误差与随机误差的综合, 表示测量结果与真值的一致程度。
准确度不能以数字表达，它往往以不准确度来衡量。
以不准确度的数据表达。
精密度(precision)表示测量结果中的随机误差大小的程度。
精密度是指在一定条件下进行多次测定时, 所得测定结果之间的符合程度。
测量过程应该足够精密, 才能在使用时达到最少的重复测量次数。
非常精密的测量系统仅需要一次测量就能满足要求。
精密度差的测量系统即使增加重复次数也不会明显改善精密度。
精密度无法直接衡量，往往以不精密度表达，常用标准差（s)或变异系数(CV%)表示，较小的标准差表示有较高的精密度。
可用一个样本的重复测定结果,或由多个样本多次重复测定所得的信息合并在一起来估计精密度。
准确度与精密度关系
准确度与精密度虽然概念不同，但是两者却有密切的关系。
准确度是由系统误差和随即误差所决定的。
而精密度是由随机误差决定的。
在检测过程中，虽然有很高的精密度，但并不能说明试验结果准确。
只有在消除了系统误差之后，精密度和准确度才是一致的。
此时精密度越高，准确度也就越高。