医学统计学小结.ppt

线性相关系数 相关系数是说明具有直线关系的两个变量间相关密切程度和相关方向的统计量。 皮尔森(Pearson)相关系数的计算公式为： 相关系数r没有测量单位，其数值为-1≤≤+1 相关系数的显著性检验方法有两种: 1.按自由度直接查附表11的界值表，得到P 值。 2.用假设检验法，计算统计量 ，其公式为： 线性回归方程的显著性检验-方差分析 检验的基本思想: 如果 X 与 Y 之间无线性回归关系， 则 SS回归 与 SS剩余 都是其它随机因素对Y的影响，由此描写变异的 MS回归 与 MS剩余 应近似相等，总体回归系数β=0，反之，β≠0。于是，可用 F 检验对 X 与 Y 之间有无回归关系进行检验。 * * * * * 小 结 统计学基本步骤 设计 资料 搜集 整理 分析 调查设计 实验设计 资料来源 质量控制 审核 合理分组 描述性统计 统计推断 一、统计资料的类型 1. 计量资料 2. 计数资料 3. 等级资料 4. 三类资料间关系 二、统计学基本概念 同质与变异 总体与样本 3. 参数与统计量 4. 误差 5. 概率 统计描述 计量资料 中心趋势 （集中位置） 离散趋势 (变异程度) 算术均数 几何均数 中位数 百分位数 全距 四分位数间距 方差，标准差 变异系数 计数资料 率 比 相对比 构成比 注意事项 应用条件？ 标准化 正态分布、标准正态分布 正态分布的特点? 曲线下面积规律? 正态分布 N（?,?2） 标准正态分布 N(0,1) 参考值范围估计 百分位数法和正态分布法 1.百分位数法：适用于任何分布类型的资料，尤其是偏态分布资料，要求样本含量比正态分布法要多（不低于100）。 2.正态分布法: 首先要对资料进行正态性检验，且要求样本含量足够大（n≥100）。 总体 样本 抽取部分观察单位 统计量 参 数 统计推断 统计推断 Statistical Inference 如：样本均数 样本标准差S 样本率 P 如：总体均数 总体标准差 总体率 内容： 参数估计(estimation of parameters) 包括：点估计与区间估计 2. 假设检验（test of hypothesis) 均数的抽样误差 由抽样造成的样本均数与总体均数的差异称为抽样误差。对于抽样研究，抽样误差不可避免。 抽样误差的分布 理论上可以证明：若从正态总体 中，反复多次随机抽取样本含量固定为n 的样本，那么这些样本均数 也服从正态分布，即 的总体均数仍为 ，样本均数的标准差为 。 抽样分布 抽样分布示意图 中心极限定理: 当样本含量很大的情况下，无论原始测量变量服从什么分布， 的抽样分布均近似正态。 抽样分布 抽样分布示意图 标准误（Standard Error） 样本均数的标准差称为标准误。样本均数的变异越小说明估计越精确，因此可以用标准误表示抽样误差的大小： 实际中总体标准差 往往未知，故只能求得样本均数标准误的估计值 ： 总体均数的估计 总体均数的点估计（point estimation）与区间估计 参数的估计 点估计：由样本统计量 直接估计 总体参数 区间估计：指按预先给定的概率，计算出一个区间，使它能够包含未知的总体均数。事先给定的概率 称为可信度，通常取 1-α=0.95。 可信区间的计算 σ已知时 σ未知时 假设检验 小概率事件（P≤α） 反证法（假定H0成立，然后根据样本 结果推论是否为小概率事件，如果是 则拒绝H0 ，否则不拒绝。） 假设检验的基本思想：首先对所需要比较的总体提出一个无差别的假设，然后通过样本数据去推断是否拒绝这一假设。其实质是判断观察到的“差别”是抽样误差引起还是总体上的不同，目的是评价两个不同的参数或两种不同处理引起效应不同的证据有多强，这种证据的强度用概率P 度量和表示。 假设检验的三个基本步骤 ① 建立假设和确定检验水准，通常选α=0.05 ② 选择检验方法和计算检验统计量 ③ 确定P 值和做出统计推断结论 所有的假设检验都按照这三个步骤进行，各种检验方法的差别在于第②步计算的检验统计量不同。 假设检验的两类错误 P值与α的区别 P值为H0成立的前提下，比样本