卫生统计方法在医学中的应用.pptxVIP

卫生统计方法在医学中的应用;卫生统计学方法在医学中的应用;主要内容;卫生统计学基本概念;卫生统计学基本概念;卫生统计学基本概念;卫生统计学基本概念;卫生统计学基本概念;卫生统计学基本概念;统计描述---定量资料;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;定量资料的统计描述;离散趋势统计指标 1.极差:一组变量值最大值与最小值之差。 极差不能反映所有数据的变异大小，且受样本含量的影响较大，N大，极差值相差也大，故其稳定性较差。 2.四分位数间距： 四分位数是把全部变量值分为四部分的百分位数，即第1四分位数（QL=P25）、第2四分位数（M=P50）、第3四分位数（QU=P75）。四分位数间距是由第3四分位数和第1四分位数相减而得，记为QR。它一般和中位数一起描述偏态分布资料的分布特征。;定量资料的统计描述;定量资料的统计描述;三、定性资料的统计描述;常用的相对数指标;常用的相对数指标;常用的相对数指标;常用的相对数指标;率的标准化;率的标准化;率的标准化;五. 常用统计图表 ;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;常用统计图表;图6-1 假设检验示意图; 七. t检验 ;配对设计资料的t检验 实施的形式主要有： (1)将受试对象配成特征（主要非处理因素）相近的对子，同对的两个受试对象随机分别接受不同处理； (2)同一样品分成两份，随机分别接受不同处理（或测量）。 ;检验假设为 H0 :μd= 0， H1 :μd≠0 当成立时，检验统计量 ;两组独立样本资料的t检验 将受试对象随机分配成两个处理组，每一组随机接受的一种处理。一般把这样获得的两组资料视为代表两个不同总体的两份样本，据以推断它们的总体均数是否相等。 在实际工作中按完全随机设计的两样本比较来对待。此类比较分为两种情况。 ;两样本所属总体方差相等 检验假设为 H0:μ1=μ2， H1:μ1≠??2 已知当H0成立时，检验统计量 自由度=n1+n2-2 ;两样本所属总体方差不等（Satterthwaite近似法） 检验假设为 H0:μ1=μ2， H1:μ1≠μ2 采用(6-5)式的统计量t’作检验。 ;假设检验与区间估计的关系 ;置信区间可提供假设检验没有提供的信息 置信区间在回答差别有无统计学意义的同时，还可以提示差别是否具有实际意义在图6-2中，置信区间(1)～(3)均不包含原假设H0，意味着相应的差异具有统计学意义。(1)还提示差异具有实际意义；(2)提示可能具有实际意义；(3)提示实际意义不大。图中的(4)与(5)均无统计学意义，但(4)提示样本量不足。(5)属于可以接受原假设的情况。 ;;假设检验的功效 ; 表6-3 推断结论和两类错误 ;假设检验的功效 1-β称为假设检验的功效（power of a test）。其意义是，当所研究的总体与H0确有差别时，按检验水平α能够发现它（拒绝H0）的概率。如果1-β=0.90，则意味着当H0不成立时，理论上在每100次抽样中，在α的检验水准上平均有90次能拒绝H0。一般情况下对同一检验水准α，功效大的检验方法更可取 ;应用假设检验需要注意的问题 ★在抽样研究中，研究设计、搜集数据和统计分析是一个整体。每一种假设检验方法都是与相应的研究设计相联系的 ★应用检验方法必需符合其适用条件 ★当样本量一定时，第Ⅰ类错误的概率α变小，第Ⅱ类错误的概率β就变大。 ★正确理解P值的意义。 ;八. ?2检验;完全随机设计两组频数分布?2检验;完全随机设计两组频数分布?2检验;完全随机设计两组频数分布?2检验;完全随机设计两组频数分布?2检验;完全随机设计两组频数分布?2检验;完全随机设计两组频数分布?2检验;完全随机设计多组频数分布?2检验 ;配对设计下两组频数分布的?2检验 ;配对设计下两组频数分布的?2检验;?2检验要注意的问题 ;九.基于秩次的非参数检验;基于秩次的非参数检验;基于秩次的非参数检验;基于秩次的非参数检验;常见秩和检验方法;基于秩次的非参数检验;直线相关;直线相关;第79页/共114页;直线相关;直线相关;直线相关;直线相关; ;第85页/共114页;秩相关;直 线 相 关;直 线 相 关;线性相关应用中应注意的问题;简单回归分析;一、直线回归方程