离散型趋势.pptVIP

这三组数据的均数都是30，集中水平是一样的，但是三组的分布不一样，也就是离散程度不同。A和B的数据分布均匀，但B的散布范围大于A；C的数据分布不均匀，两头分散，中间集中，散布范围与A相同。因此，要全面把握数据的分布特点，不仅需要了解数据的集中位置，还要了解数据的离散状况。 离散趋势指标（续） 2 四分位数间距（quartile range，Q）：上节已经接触到百分位数的概念。四分位数间距定义是Q=P75-P25 实际上，就是中间一半变量值的全距，反映了居中数值50%个体的散布范围。与全距相比，稳定性较好，因它舍去了两头不太稳定的变量值的影响。可以用于各种类型的连续性变量资料，但主要用于偏态分布数据的描述，与中位数的数据相对应。试计算以下资料中伤寒患者潜伏期的四分位数间距。 四分位数间距 首先找到P75所在的组段，即累计频数百分比超出75%的组段，在本例为”10～ “组段，故L=10，f75=40，i=2，n=178， 代入公式： 然后找到P25所在组段，本例为”6～ “组段，故L=6，f25=36，i=2，n=178， 代入公式： Q=P75-P25=10.33-6.08=4.25（天） 离散趋势指标（续） 3 方差（variance）：极差和四分位数间距因代表性差，一般只用于偏态分布等不适合计算算术均数的资料的变异程度大小，对于正态分布的资料，可以考虑每一个观察值与均数的差值，这样就可以避免极差和四分位数间距的缺陷。 那么能否用每一个观察值与均数之差的总和，即 来表示变异程度的大小呢？ 方 差 因此，考虑把每个观察值的离均差 平方后再求和，即 ，称离均差平方和，这样就避免了正负相消的问题。但离均差平方和的大小除了与变异程度大小有关外，还与观察值的个数有关。观察值的个数越多，则 就越大。用 除以观察值的个数所得到的值就称为离均差的平方，简称均方，又称为方差（variance）。方差就是表示变异程度较好的指标，方差愈小，说明观察值的变异程度愈小。 样 本 方 差 标准差的计算方法 测定了5名健康成人血糖值分别为5.86、5.32、4.05、4.95、3.83（mmol/L） 本例 ， ，n=5，代入公式： 标准差的计算方法 表2-1 某山区100名健康成年男性身高测量结果 表2-3 100名健康成年男性身高的均数计算（加权法） 标准差的应用 1.表示一组观察值的离散程度。两组或多组观察值在单位相同，均数相等或近似的条件下，标准差较大的那一组，说明观察值的离散程度较大，即观察值围绕均数的分布较离散，均数的代表性较差；反之，均数的代表性好。在医学文献上常用均数加减标准差（ ）的形式，表示资料的平均水平和离散程度。 标准差的应用 2.用标准差计算变异系数，当两组观察值单位不同，或两组均数相差较大时，不能直接用标准差比较其离散程度的大小，这是则要用变异系数（coefficient of variation，CV）作比较。其计算公式为： 例：测得某地56名7岁男童身高均数为121.16cm，标准差为4.32cm；胸围均数为57.71cm，标准差为2.82cm，试比较两个指标的变异程度。 从标准差来看，该人群身高的变异大于胸围的变异，但这可能只是一种假象，因为身高的均数远大于胸围的均数。标准差反映的是各观察值与均数之间平均的绝对差值，但对于不同的指标而言，相同的差值意义却不同。当两均数相差较大时，相对指标比绝对指标能更好地反映变异程度大小。 本例，分别求的身高和胸围的变异系数为： 身高：CV1=4.31/121.76×100%=3.56% 胸围：CV2=2.82/57.71×100%=4.89% 即胸围的变异程度大于身高的变异程度。 标准差的应用 3.用标准差估计观察值的频数分布情况，当观察值呈正态分布时，可用均数说明其平均水平，标准差说明其离散程度，两者结合起来，反映正太曲线下面积分布的规律，能够对观察值频数分布情况做出概括的估计。这在医学上颇为常用，如用于估计医学参考值范围。 4.用标准差计算标准误 1、在处理性质相同的一组资料时，各观察值同加（或同减）一个不等于0的常数后（ B ） A 均数不变，标准差改变 B 均数改变，标准差不变 C 两者均改变 D 两者均不改变 2、用均数与标准差相结合可全面描述下列哪种资料的特征（