医学统计数值变量的描述性统计.pptVIP

第二章 数值变量的描述性统计 山东大学公共卫生学院 刘云霞 主要内容 §2.1 频数分布 §2.2 集中趋势 §2.3 离散趋势 §2.4 正态分布及其应用 §2.1 频数分布 频数分布表的概念 频数分布表的编制方法 频数分布的特征 频数分布的类型 频数分布表的用途 例2.1某地2004年抽样调查 100名男大学生的身高(cm) 一、频数分布表的概念 当样本含量 n 较大时，为了解样本中观察值的分布规律和便于指标计算，可编制频数分布表，简称频数表（frequency table）。 频数：对某一随机现象进行重复观察，或测量大量个体的某项特征，其中某个或某一组变量值出现的次数。 频数表：将各变量值与其相应的频数列成表格形式即为频数表。 二、频数表的编制 编制频数表时不可能把所有的变量值及其相应频数都列出来，特别是当样本例数 n 较大时，此时需要根据变量的取值范围划分为若干个组段，再汇总各组段的频数。 具体步骤如下：以例2.1资料为例。 全距(或极差，range)是最大值与最小值之差，用 R 表示。 例2.1中，最大值为183.5cm，最小值为162.9cm， 故R =183.5-162.9=20.6（cm）。 组段数：根据样本含量的多少确定，一般设8～13个组段。 组距：各组段的起点和终点分别称为下限和上限，相邻两组段的下限之差(或每一组段的上、下限之差)称为组距。一般取等距分组，常用全距的1/10取整做组距。某组段(下限+上限)/2为组中值。 划分组段：各组段应是连续的，不能有交叉或重叠。第一组段应包括最小值；最末组段应包括最大值，并同时写出其下限与上限。 例2.1中，全距的1/10为 20.6/10 = 2.06，组距取整为2.0cm ；最小值为162.9cm，故第一组段的下限为162cm，第二组段的下限为164cm，依次类推，最末组段为182cm?184cm，包含最大值183.5cm 。 3. 列出频数表 采用计算机或划记法将原始数据汇总，得出各组段的观察例数，即频数，把各组段（或各观察值）及其相应的频数列表即为频数表 。 注意：最末组段应写出上、下限，其余组段只包含下限，不包含上限。 三、频数分布的特征 频数分布的两个重要特征： 1. 集中趋势（central tendency）：身高向中央部分集中，以中等身高居多(172cm?组段)，此为集中趋势。反映集中位置或平均水平。 2. 离散程度（tendency of dispersion）：由中等身高到较矮或较高的频数分布逐渐减少，反映了身高的离散程度。 对于数值变量资料，应用集中趋势和离散程度二者结合起来分析其分布规律。 四、频数分布的类型 对称分布：指频数分布的集中位置在中间，左右两侧大致对称。 偏态分布：指频数分布不对称，集中位置偏向一侧：集中位置偏向数值小的一侧，称为正偏态分布； 集中位置偏向数值大的一侧，称为负偏态分布。 如有害化学物质在正常人体内的分布为正偏态分布；冠心病、大多数恶性肿瘤等慢性病患者的年龄分布为负偏态分布。 不同的分布类型应选用不同的统计分析方法。 五、频数表的用途 频数表可以揭示资料分布类型和分布特征，以便选取适当的统计方法； 便于进一步计算指标和进行统计分析； 便于发现资料中的某些特大或特小的可疑值。 当样本含量特别大时，可以频率估计概率。 作为资料的陈述形式。在文献报告中，用频数表既可直观地反映被研究事物的分布特征，又便于作进一步的分析研究。 §2.2 集中趋势 平均数是一类用于描述数值变量资料集中趋势的指标，反映一组同质观察值的平均水平或中心位置。 统计上的平均数包括均数、几何均数、中位数、众数、调和均数等。 一、均数 均数(mean)是算术均数(arithmetic mean)的简称。 定义：指所有观察值的代数和除以观察值的个数。 符号：样本均数用 表示，总体均数用 (miu)表示。 应用： 用于反映一组同质观察值的平均水平，应用 甚广。 适用于正态或近似正态分布的数值变量资料。 计算方法：直接法 加权法 直接法：用于样本含量 n 较小时，公式为： 式中，希腊字母 (sigma)表示求和； 为各观察值；n为样本含量，即观察值的个数。 例2.2 某地随机抽取10名18岁健康男大学生身高(cm)分别为168.7，178.4，170.0，170.4，172.1，167.6，172.4，170.7，177.3，169