公共卫生统计学.pptxVIP

公共卫生统计学汇报时间：2024-01-25汇报人：AA

目录绪论描述性统计方法推断性统计方法线性回归与相关分析时间序列分析与预测技术公共卫生领域应用实例探讨

绪论01

定义公共卫生统计学是应用数理统计学的原理和方法，研究公共卫生领域中的数量表现和数量关系，揭示其内在规律，为公共卫生实践提供科学依据的一门学科。特点公共卫生统计学具有广泛的应用性、鲜明的实践性和严密的逻辑性等特点。它不仅是公共卫生专业的重要基础课程，也是从事公共卫生实践和研究工作的必备工具。公共卫生统计学定义与特点

公共卫生统计学重要性描述公共卫生现象通过收集、整理、分析公共卫生数据，揭示公共卫生现象的数量表现和数量关系，为认识和理解公共卫生问题提供客观依据。评价公共卫生干预措施效果通过比较干预前后的数据变化，评价公共卫生干预措施的效果，为改进和完善干预措施提供科学依据。预测公共卫生趋势通过分析历史数据和当前数据，预测未来公共卫生问题的发展趋势，为制定有效的预防和控制策略提供参考。促进公共卫生决策科学化通过提供客观、准确的数据支持，帮助决策者制定科学、合理的公共卫生政策和措施，提高决策的科学性和有效性。

发展历史公共卫生统计学起源于19世纪中叶，随着医学和公共卫生的发展而逐渐发展壮大。经历了从描述性统计到分析性统计、再到预测性统计的发展历程。现状目前，公共卫生统计学已经成为公共卫生领域的重要分支学科之一，广泛应用于疾病预防控制、健康促进、卫生政策制定等方面。同时，随着大数据和人工智能等技术的不断发展，公共卫生统计学也面临着新的机遇和挑战。公共卫生统计学发展历史及现状

描述性统计方法02

01频数分布表用于展示数据的分布情况，包括分组、频数、频率等。02直方图通过矩形面积表示各组频数的多少，直观展示数据的分布情况。03组数选择分组过少可能导致信息损失，分组过多则可能产生数据分布的误导。频数分布与直方图

010203适用于数值型数据，反映数据的平均水平。算术平均数适用于顺序数据，将数据分为两半，表示中等水平。中位数适用于分类数据，表示出现次数最多的类别。众数集中趋势度量

离散程度度量极差最大值与最小值之差，简单反映数据的波动范围。方差与标准差衡量数据偏离平均数的程度，适用于数值型数据。四分位数间距上四分位数与下四分位数之差，反映中间50%数据的离散程度。

数据以平均数为中心对称分布，如正态分布。对称分布数据分布偏向一侧，包括左偏态和右偏态。偏态分布数据分布的尖峭或扁平程度，如尖峰分布和扁平分布。峰态分布通过箱线图等方法识别异常值，并分析其对数据分布的影响。异常值识别数据分布形态描述

推断性统计方法03

用样本统计量来估计总体参数，如样本均值、样本比例等。点估计区间估计最大似然估计根据样本数据计算出一个区间，以一定置信水平包含总体参数的真值。通过最大化似然函数来求解参数估计值，适用于多种分布类型。030201参数估计方法

根据样本信息对总体参数或分布做出推断，判断原假设是否成立。原理提出原假设和备择假设、选择检验统计量、确定拒绝域、计算p值并做出决策。步骤假设检验原理及步骤

03协方差分析在控制其他变量的影响下，研究两个或多个变量之间的关系，如研究收入和教育水平对职业成功的影响。01单因素方差分析研究一个控制变量对观测变量的影响，如不同药物对治疗效果的影响。02多因素方差分析研究多个控制变量对观测变量的影响，如不同药物和剂量对治疗效果的影响。方差分析应用举例

非参数检验不依赖于总体分布的具体形式，通过比较样本数据的秩或分布形态来进行统计推断。常见方法卡方检验、Mann-WhitneyU检验、Kruskal-WallisH检验等。应用场景适用于总体分布未知或不符合正态分布假设的情况，如医学研究、社会科学等领域的数据分析。非参数检验方法简介

线性回归与相关分析04

回归系数的估计采用最小二乘法等方法，对回归系数进行估计，得到回归方程的斜率和截距。模型的检验通过F检验、t检验等方法，对回归方程进行显著性检验，判断自变量对因变量的影响是否显著。建立一元线性回归模型通过收集样本数据，确定自变量和因变量，建立一元线性回归方程。一元线性回归模型建立与检验

回归系数的估计采用最小二乘法等方法，对多元线性回归方程的系数进行估计。模型的检验通过F检验、t检验、拟合优度检验等方法，对多元线性回归方程进行显著性检验和拟合效果评价。建立多元线性回归模型引入多个自变量，建立多元线性回归方程，描述因变量与多个自变量之间的线性关系。多元线性回归模型建立与检验

通过皮尔逊相关系数、斯皮尔曼等级相关系数等方法，计算自变量和因变量之间的相关系数。根据相关系数的大小和符号，判断自变量和因变量之间的相关方向和程度。相关系数计算及其意义解读相关系数的意义解读相关系数的计算

偏相关和复相关概念介绍偏相