医学统计学（扬州大学）第二章 资料的描述统计分析.docVIP

第二章 资料的描述统计分析 通过试验或调查收集的原始数据资料，一般具有“大量”和“杂乱无章”的特点，不能直接考察其潜在的特征。所以首先要进行描述统计分析，使人们对资料特征有大致的了解。数据资料的描述统计分析包括资料整理和特征数计算两个内容。资料只有经过整理和计算特征数，才能从中提取有用的信息，系统地、准确地反映现象的特征和规律性。资料整理是对原始资料审核、分组、汇总、描述和归纳，使之条理化和便于统计分析和推断的形式的工作过程。 统计整理的主要内容： （1）数据资料的审核与订正，主要是检查数据中是否有在记录和登记过程中的人为错误、是否有异常数据存在，如小数点错位、数字末尾少写或多写一个0等，有无由于测量仪器的系统偏差，保证数据的可靠性。 （2）统计数据的分组与汇总，以显示研究对象内部结构、类型和特征。 （3）由原始数据或汇总资料计算各种数据资料的数字特征。 （4）用统计表或统计图展示资料，以便通过简单形式直观反映资料的基本特征和变化趋势。 2.1异常数据的判断和处理 异常数据是指观察数据中存在的过大或过小的值。异常数据可能只是数据中内在随机变异性的一种极端表现，也可能是因为试验过程中出现的操作错误或条件改变所导致。对于前一种异常数据，必须予以保留并与其他数据一起参与统计分析过程。对于后一种数据，必须舍弃或修正。因此一个过大或过小的值是否为真的异常值，需要首先进行判断，判断的方法是进行测验。如果数据服从正态分布，检验的方法有格拉布斯（Grubbs）、奈尔、迭克生（Dixon）、平均绝对离差、标准误差检验等方法。这里主要介绍格拉布斯检验方法。 格拉布斯检验 格拉布斯检验用于总体方差未知的异常值检验，检验的统计量为T 或 式中是样本数据的平均数，S是样本标准差，x(1) 是样本内最小次序观察可疑极端值，x(n) 是样本内最大次序观察可疑极端值。 根据样本数据的个数以及显著性概率值，查格拉布斯去异常值数据的临界值表，得临界值，当最小值或最大值对应的统计量T大于临界值时，判断该值异常，剔除该值。剔除异常值后，需要对剩下的数据重新进行异常值检验，即重复进行以上过程，直到没有异常值为止。 表2.1 格拉布斯去异常值数据的临界值（TG）表 样本容量 显著水平 样本容量 显著水平 0.05 0.01 0.05 0.01 3 1.15 1.15 22 2.76 3.06 4 1.48 1.50 23 2.78 3.09 5 1.71 1.76 24 2.80 3.11 6 1.89 1.97 25 2.82 3.13 7 2.02 2.14 26 2.84 3.15 8 2.13 2.27 27 2.86 3.17 9 2.21 2.39 28 2.88 3.18 10 2.29 2.48 29 2.89 3.19 11 2.34 2.56 30 2.91 3.20 12 2.41 2.64 31 2.92 3.25 13 2.46 2.70 32 2.94 3.27 14 2.51 2.76 33 2.95 3.29 15 2.55 2.81 34 2.97 3.30 16 2.59 2.85 35 2.98 3.32 17 2.62 2.89 36 2.99 3.33 18 2.65 2.93 37 3.00 3.34 19 2.68 2.97 38 3.01 3.36 20 2.71 3.00 39 3.03 3.37 21 2.73 3.03 40 3.04 3.38 2.2 资料的分类 统计资料是指反应事物、现象或过程的数据资料，包括原始资料和次级资料。与一般资料相比，统计资料有如下特点：（1）数字性：一般资料有数字形式，也有文字形式，但统计资料都应是数字形式（或可转换为数字形式）；（2）大量性：统计资料是大量相象或对同类相象观察所取得的数据资料，而不是个别相象的少量或个别数据；（3）具体性：统计资料是已经实现事实的记载，而不是拟议中的数据资料，故各种质量标准或技术规范等资料不是统计资料。 资料的分类是统计归纳的基础，根据资料的收集方法及数据的取值特性，通常可将资料分为以下类型。 2.2.1 连续性资料 连续性资料(continuous data)是指在一定范围内可取任何实数值的数据资料，例如动物个体的体重、奶牛的产奶量、羊的产毛量等指标（变量）进行测定所得到的数据，它们通常是用度量衡等计量工具测量后得到的，因而也称为计量资料。连续性资料的连续性受实际测定规模和测量工具精度的限制，实际得到的资料并不是完全连续的，也就是说这种连续性只是理论上的。 2.2.2 离散性资料 离散性资料(discrete data)是在一定范围内只取有限种可能值的数据资料。又可进一步分为 （1）计数资