医学统计学讲义(二)要点.pptVIP

正态分布（Normal Distribution） u变换 标准正态变换 目的 标准正态分布曲线下面积规律 双侧95%或99%面积（1.96与2.58） 单侧95%或99%面积（1.645与2.32） 正态性检验（Normality test） 符合正态概率密度函数 矩法 偏度系数与峰度系数 W检验或D检验 原始目测法 P-P plot Q-Q plot 正态分布的应用 其他分布的理论基础 其他分布的极限分布 质量控制 3S原则 估计参考值范围 制定正常参考值范围 参考值范围—绝大多数正常人的某指标值在一定的范围内 可作为判定正常或异常的参考标准 单双侧问题 计算方法 应用 参考值范围的计算 正态分布法 双侧1-α参考值范围 单侧1-α参考值范围 百分位数法 双侧1-α参考值范围 单侧1-α参考值范围 参数估计（Parameter Estimation） 抽样误差（Sampling Error） 概念 计算 主要结论 比较 概念 由于抽样所导致的样本信息（来自同一总体的各样本均数或样本率）之间的差异以及样本信息与总体信息（样本均数与其总体均数或样本率与其总体率）之间的差异。 计算 抽样误差的大小就是运用样本均数或率的标准差进行反映的，也叫标准误。 结论 只要抽样，则必定存在抽样误差 标准误越小，意味着抽样误差越小；反之，则大 抽样误差的大小反映的就是样本统计量对总体参数的偏离程度 尽量减少抽样误差的最佳方法——增大样本含量 重要概念的比较（一） 标准差 标准误 相同 均为反映离散程度的统计指标 不同 定义 单个原始观测值对均数 样本均数对总体均数 公式 数值 若至少2次抽样，前者一定大于后者 应用 描述离散程度 制定总体参数95%的可信区间 制定正常参考值范围 应用于假设检验 计算CV 重要概念的比较（二） t分布 标准正态分布 相同 图形形态大致一致，均以0为中心，单峰对称，且曲线 下总面积为1；若自由度趋于无穷时，前者退化为后者。 不同 参数 无 形态 由自由度决定的一组曲线 一条曲线 面积 随自由度变化 常量 变换 分布 抽样误差的分布 原始测量值的分布 查表 t界值表 u界值表 表示 应用 估计总体参数的可信区间 估计参考值范围 参数估计（Parameter Estimation） 概念 分类计算 注意事项 重要概念比较 概念 用样本统计量指标估计总体参数指标的过程 分类计算 点估计 （Point Estimation） 用样本统计量直接反映总体参数 区间估计（Interval Estimation） 利用样本信息给出一个区间，并同时给出重复试验时该区间包含总体均数的概率 未知，按小样本t分布原理 已知，按大样本正态近似法原理 未知但n足够大，按按大样本正态近似法原理 总体率的区间估计 大样本的估计 二项分布 Poisson分布 小样本的估计 　　　查相应的可信区间估计用表 注 意 事 项 CI的涵义 CI计算公式的适用情况 CI与CL CI的两个要素 准确度（Accuracy） 反映CI包含总体均数的概率大小 精密度（Precision） 反映在CI的长度或宽度上 实际中要兼顾两者，以95%CI最为常用 在固定准确度的前提下，提高精密度的唯一方法是增加样本含量 可信区间 参考值范围 以双侧95%为例， 估计总体均数的95%CI 估计95%变量值的变异 说明该随机区间包含 参考值范围 总体参数的可能性 假设检验 hypothesis test 基本思想 检验步骤 注意事项 常用检验方法 思想 反证法 原理 小概率事件原理 目的 围绕总体参数 性质 概率性 基点 基于原假设H0开展的研究 建立零假设与被择假设，确定检验水准与单双侧； 根据资料类型，实验设计方法，分析目的与假设，选择相应的检验方法，并计算相应的统计量； 确定P值； 作出统计学结论和专业学结论。 P值——由H0所规定的总体作随机抽样，获得等于及大于（或等于及小于）依据现有样本信息所计算得出的检验统计量的概率。 作用——根据事后概率P与事先概率 比较，视其是否为小概率事件。 拒绝H0，接受H1，下“有差别”的结论 不拒绝H0，下“根据目前实验结果， 尚不能得出有差别”的结论 作结论时，应注意 均以H0为基点 同时兼备统计学与专业学两种结论 只能得出基于风险概率的结论 Ⅰ类错误 本质为拒绝实际上成立的H0 犯该类错误的最大概率为 “弃真”、“假阳性”、“误诊” Ⅱ类错误 本质为不拒绝实际上不成立的H0 犯该类错误的最大概率为 “存伪”、“假阴性”