统计学学习笔记.doc

统计学 学习笔记 （一）—— 学统计学需要理由吗？我承认，我学统计学是出于很实际的目的的。其实在本科的时候已经学习了《概率论与统计学》，可惜以应试为目标的学习成果，最后统统都还给老师了。这次正儿八经地从头开始学习，鞭策我的根本动力就是要在项目中运用到。??? 不过之所以没有直接去读SPSS帮助文档，快速上手做统计，还是有另外的考虑的：作为一个以Computer Science为专业的IT民工，还是比较想究其所以然的，总得了解一下为什么统计学值得花这么多时间吧！??? 本系列说白了就是一统计学学习笔记，主要的学习书目为：《爱上统计学》，《漫画统计学》，《医用统计方法》。其他的等用到了再补充。预期的学习方向：医学统计学。总目标：记录医学相关的统计学知识要点以及学习心得。尽量做到有理有据，有图有真相。“真相”主要是以数据集stroke_clean.sav（脑中风数据）为例，图来自SPSS的操作截图。 统计学：一门关于数据的学科 ????统计学?：描述一系列可用于描述、整理和解释资料或数据的统计工具和技术。[爱上统计学，p6]??? 可以看出，数据是统计学的根本。要是没有数据，或者没有针对数据的需求，那么统计学也就不需要了。但不是所有的数据都可以作为统计学方法的输入的。 确认数据种类 ??? 数据有无数多。各种各样的，千奇百怪的。??? 那么统计学对什么样的数据感兴趣呢？总不能所有都要涉及吧？主要是以下几类数据[SPSS，漫画统计学，医用统计方法]（图1）：1.??? 数值型（度量型，scale）：数据是连续的；数据之间间隔相等，可测量；可区分大小。如年龄age。也称为连续型、数值数据、定量数据。2.??? 序列型（序号型，ordinal）：数据不是连续的；数据之间不可测量；但可区分大小。如治疗结果result。3.??? 字符型（名义型，nominal）：数据不是连续的；数据之间不可测量；不可区分大小。如消凝药物clotsolv。 4.??? 布尔型（boolean）：数据只有两个取值；数据之间不可测量；不可区分大小。如性别gender。 ??? 后面三种可以被称为分类数据。 图1：数据类型示例 统计学 学习笔记 （二）—— 掌握数据的整体状态 数据的集中趋势掌握数据的整体状态 ??? 如果只是看到一堆数据，杂乱无章地排在一起，人很难看出它们到底反应了什么信息。而各种数据分析技术的发展，却要求我们在分析之前就能对数据从整体上尽可能把握特性，从而为后面的分析方法的选择及分析结果的理解提供可靠的依据。??? 统计学中对于一组数据的整体状态，提供了多方位多角度的衡量指标。从数值的角度，可以从两个方面进行描述：数据的集中趋势（central tendency），数据的变异性（variability）。从图示的角度，可以通过数据组的频数分布（frequency distribution）及直方图来形象地描绘数据组内数值的分布状态。 ? 数据的集中趋势 ??? 数据的集中趋势很好理解，通俗地说，就是看看这组数据大概讲什么的。比如对于图2中的age数据，一眼看去，都在50以上，大概能够猜到这组数据主要讲的是老年人。但具体如何，在数据量大的情况下，就需要有一些确切的指标来表明其整体状态。这些指标最常见的就是均值（算术均值）、中值和众数；另外在医学统计学中，也经常会用到几何均值。 图2：年龄数据示例 ????均值?（算术均值，mean，arithmetic mean）：数据组中所有数值的总和除以该组数值的个数。指的就是数值的中间点。 ??? 均值作为数据的集中趋势量数在统计学中受关注最多，这儿也详细列举了一些均值的重要特性 [Arithmetic_mean, /wiki/Arithmetic_mean]：???? 将数据组中每个数值减去均值后的结果相加，和等于0。可以把某个数值减去均值的结果看作是这个数值到均值的距离。???? 均值是最能反映数据的集中趋势的单一指标，如果考虑到均值可以使每个数值减去均值后的平方和最小这个情况。???? 对于正态分布来说，其均值与中值和众数相等。???? 均值对极值很敏感。当极值比较大的时候，会使得均值对数据组集中趋势量数的代表性减弱。????中值?（median）：数据组中所有数值的中点。数值个数的中间点（见图3[median, /articles/how-to-analyze-data-using-the-average/]）。中值对极值不敏感。当数据组中存在一个或多个极值的时候，相比均值，中值能够更好地反映数据组的集中趋势量数。 ? 图3：中值示意 ????众数?（mode）：出现次数最多的数值。见图4[mode, /articles/how-to-analyze-dat