第3讲实验误差及其控制2011.ppt

第三讲 实验误差及其控制 第一节 误差分析与控制 数据的获得及处理过程中不可避免的产生误差，误差偏大，作出的统计结论将违背研究的真实性和可靠性，分析并控制数据的误差。 一、误差的基本概念 1. 误差: 测定值与真实值之差 2．真值： 真值（ ）即真实值，是指在一定条件下，被测量客观存在的实际值。 真值通常是个未知量，由于误差的客观存在，真值一般是无法测得的。 测量次数无限多时，它们的均数极为接近真值，故真值可定义为无限多次测定值的均数。 6．误差的表达与评价：通常用精密度、准确度和精确度来表达与评价。 （1）精密度（重复性） ：表示测定结果中随机误差大小的程度。它是指在规定条件下对被测定值进行多次测定时，各次测定值结果之间离散的程度。 同一方法重复测定同一样品，测定值的一致程度。 精密度高则离散程度小，重复性大，随机误差小。 （2）准确度（测定值与真实值的接近程度） ：表示测定结果中系统误差大小的程度。它是指在规定条件下，多次测定数据的平均值与真值符合的程度。准确度高则测定值接近真值程度高，系统误差小。 是准确的程度，指对同一事物的观察值与该事物真实值符合程度的大小（测定值与真实值的一致程度）。受系统误差控制，受随机误差影响。 （3）精确度（精密度与准确度的综合指标） ：表示测定结果中系统误差与随机误差的综合大小的程度。它是指测定值结果的重复性及接近真值的程度。对于测定结果来说，精密度高，准确度不一定高；而准确度高，精密度也不一定高；只有精密度和准确度都高时，精确度才高。 随机误差（random error）又称偶然误差，是一类恒定的、随机变化的误差，由多种尚无法控制的因素所引起. 随机误差：随机测量误差、抽样误差 特征：单峰性、对称性、有界性、抵偿性 产生原因： 抽样误差：由于个体差异造成 随机测量误差：由于一些暂时的，无法控制的微小因素或未知因素造成。 c. 非线性系统误差 　 测定时间延续而呈曲线变化或周期性变化 　 糖皮质激素分泌：上午8－10点分泌高峰，午夜12点最低。 　 月经周期－雌激素变化 有效数字 控制实验误差的几种常用方法 ? 1．减少环境误差 检查仪器的使用条件是否得到满足，如温度、压 力是否符合要求，电磁场或光线有无干扰等 仪器设备使用状态是否满足设计要求，如水平、铅直、拉伸等状态是否调整好，光学仪器透镜器件等有否调整到共轴等高，电源电压供给是否达到要求值等。 总 结 系统误差可校正； 随机误差可控制； 过失误差可避免。 第二节 数据的缺失值 获得的实验数据首先应进行预处理，了解数据的基本特征。如： （1）数据的范围？（极差） （2）数据是连续资料还是离散资料？（分布类型） （3）均值、标准差是什么？（几何均数，算数均数、中位数等） （4）有无缺失值？数据的分布如何？ （5）对多变量数据还要了解变量之间的相关性等。 解决这些问题的最简便方法是将这些原始数据放入SPSS软件的数据窗口，可根据需要逐一解决上述问题。 除数据的缺失值外，上面提到的统计概念都已叙述，这里只讨论数据的缺失值问题。 一、缺失值的概念 实验数据的缺失是数据分析中最常见的问题之一。 缺失数据可能的来源：仪器设备的原因或实验人员出错等。 流行病学的研究中缺失数据的原因：例如患者拒绝继续参加研究、治疗失败或成功、不良事件、患者搬家等，并不都与研究治疗相关。出现不同程度的数据不完整，或漏了一个或几次随访评价。即使完成了研究方案，仍可能有些数据未收集到。 整理数据时，弄清产生缺失数据的原因比掌握缺失数据的多少更重要。 只有搞清楚产生缺失值的原因，才有可能避免缺失值的产生。 如果缺失值的数量很多，则数据分析结果的解释总是会出现问题。 二、缺失值对数据分析的影响 简单从统计分析中排除有缺失结果数据来处理缺失值，会产生如下问题。  1．精密度下降 样本含量和分析结果的变化直接影响数据分析结论的精密度。样本含量越大则精密度越大，变异越小。缺失值的数量越大则精密度降低越明显。  数据不完整者出现离群值的可能性增大（治疗失败导致脱落、治疗效果非常好导致失访）。这些数据不完整者的缺失会导致数据资料的变异被低估，使治疗结果的可信区间变窄。 2．偏倚 缺失数据是导致偏倚的重要原因。虽然统计学精密度的降低主要与缺失值的数量相关，但在估计、评价治疗作用时偏倚的风险取决于缺失、治疗和结果三者之间的关系：  如果缺失值仅仅与治疗相关（治疗组与其他组相比观察缺失的可能性更大）而与未观察指标的实际值不相关（较差的结果与较好结果相比缺失的可能性更大），则理论上预期缺失值不会导致偏倚。 如果未测定的观察指标与结果的实际值相关