统计名词解释 print.docVIP

统计名词解释 变异（variance） 描述一个总体中不同个体之间的差异 总体 population 根据研究目的确定的所有同质个体构成的全体 样本 sample 在总体中随机抽取的部分具有代表性的个体 误差（error） 泛指观测值与真实值之间的差异，或样本统计量与总体参数之间的差异 系统误差 仪器未调零，标准试剂未校正，医生掌握疗效标准的偏高、偏低等因素导致的观察结果倾向性的偏大、偏小，是必须避免的 随机测量误差 由各种偶然因素造成的同一对象多次测量所得结果不同，是无倾向性的，必须控制在一定的范围内。 随机误差 常用标准差，方差等来度量 抽样误差 由抽样不同引起的样本统计量与总体参数间的差异（须进行分析），常用标准误来度量 样本统计量 根据样本计算得出的某些数值特征称为统计量。统计量有众数，平均数，中位数等等描述总体特征的概括性数字量度，它是研究者想要了解的总体的某种特征值 　标准误反映的是样本均数之间的变异即样本均数的标准差，是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度标准误用来衡量抽样误差。标准误越小，表明样本统计量与总体参数的值越接近，样本对总体越有代表性，用样本统计量推断总体参数的可靠度越大。因此，标准误是统计推断可靠性的指标。 按一定的概率或可信度 1-α 用一个区间来估计总体参数所在的范围,该范围通常称为参数的可信区间或者置信区间 confidenceinterval,CI ,预先给定的概率 1-α 称为可信度或者置信度 confidencelevel ,常取95%或99%. 当检验拒绝了实际上成立的，错误称为第一类错误，其概率用α表示。 其概率用β表示1－β称为检验效能或把握度构成比（constituent rate） 事物内部各个部分所占总体的比重，通常以100%为比例基数。公式为： 相对比（relative ratio） 两个有关联指标之比，用以描述两者的对比水平，常用 R 表示。 率的标准化（standardization） 是为了在比较两个不同人群的患病率、发病率、死亡率等资料时，消除其内部构成（如年龄、性别、工龄、病程长短等）的影响。 线性相关（linear correlation） 若一个变量X由小到大（或由大到小），另一变量Y亦相应地由小到大或由大到小，则两个变量的散点图呈直线趋势，我们称这种现象为共变，也就是这两个变量之间有“相关关系”。 线性回归（linear regression） 一个直线方程来描述两个变量间依存变化的近似的线性数量关系，即线性回归关系，这样得出的直线方程叫做线性回归方程。 统计表 statistical table 是表达统计分析结果中数据和统计指标的表格形式。 统计图 statistical graph 用点、线、面等各种几何图形来形象化表达统计数据。 直条图 bar chart 用相同宽度的直条长短表示相互独立的某统计指标值的大小。 构成图： 圆图 pie chart 是以圆形总面积作为100%，将其分割成若干个扇面表示事物内部各构成部分所占的比例 百分比条图 percentage chart 也是一种构成图，用矩形条子的长度表示100%，而用其中分割的各段表示各构成部分的百分比。 线图 line chart 是用线段的升降来表示指标的连续变化趋势，适用于描述一个变量随另一个变量变化的趋势。通常纵坐标是因变量或统计指标，横坐标是解释变量。 直方图（histogram） 用直条矩形面积代表各组频数，各矩形面积总和代表各组频数的总和。它主要用于表示连续变量频数分布情况。 箱图 （box plot） 用于比较两组或多组资料的集中趋势和离散趋势，箱图的中间横线表示中位数，箱子的长度表示四分位数间距，两端分别是P75 和P25，箱图最外面两端连线表示最大值和最小值，或P5 和P95 ，异常值另作标记。 散点图（scatter chart）用点的密集程度和变化趋势来表示两指标之间的直线相关关系。 敏感度 即真阳性率，实际患病者被待评价的诊断方法诊断为患者的概率。 特异度 即真阴性率，实际未患病者且被待评价的诊断方法诊断为非患者的概率。 总符合率 即总的正确率（π），待评价的诊断方法诊断结果与金标准的诊断结果符合的程度。敏感度与特异度之和 误诊率 假阳性率（α） 实际未患病者被待评价的诊断方法诊断为患者的概率。 漏诊率 假阴性率（β） 实际患病者被待评价方法诊断为非患者的概率。 Youden指数 扣除了误诊率，漏诊率后的值。 比数积 敏感度* 特异度 阳性预测值（PV+） 表示被待评价的诊断方法诊断为阳性的病例实际未患者的概率 阴性预测值（PV-） 表示被待评价的诊断法犯法诊断为阴性的病例实际未患