实验结果的统计分析.pptVIP

实验室数据的统计分析与应用浙江大学公共卫生学院流行病与卫生统计学教研室沈毅误差理论和测定结果表达

任何物理量不可能测量的绝对准确，必然存在着测定误差。误差是测量结果与真值的接近程度。真值是未知的，随认识水平和科学技术水平的提高而逐步逼近于真值。在监测过程中尽量减少误差，并在测量和处理数据中采用数理统计的方法。测量误差的分类

（1）系统误差，系统误差是由较确定的原因引起的，可校正和消除。（2）随机误差，随机误差是由不确定原因引起的，不可避免和消除。（3）过失误差，过失误差是指一种显然与事实不符的误差，必须避免和剔除。随机误差的统计规律性相同条件下多次测量与随机误差的分布特征，例：120次测定（1）最大正误差、最大负误差的“有界性”（2）绝对值小的误差出现的次数比绝对值大的误差出现的次数多，“单峰性”（3）正负误差出现次数大致相等，“对称性”（4）测量次数增加，误差减小，“补偿性”。120次测量结果计算机绘制频数分布图WINDOWS，OFFICE，EXCELL输入120个值，单列。横坐标次数，纵坐标浓度，折线图。从小到大排列，分组。直方图，频数分布图。样本异常值的判断和处理??????异常值的判断和处理原则??????样本异常值是指样本中的个别值，其数值明显偏离它所在样本的其余观测值。??????异常值可能仅仅是数据中固有的随机误差的极端表现，也可能是过失误差。??异常值检验的显著性水平?，推荐的?值为１％。异常值的处理

??????Ａ、异常值保留在样本中参加其后的数据统计计算。??????Ｂ、允许剔除异常值，即把异常值从样本中排除。??????Ｃ、允许剔除异常值并追加适宜的观测值代入样本。Ｄ、在找到实际原因时修正异常值。处理规则为：（1）对于任何异常值，若无充分的技术上的原因，则不得剔除或修正。（2）异常值中除有充分的技术上的或实验上的理由外，在统计上表现为高异常，才允许剔除或修正。简单的坏值极其剔除原则（１）拉依达原则??????如果某个测量值Ｘd的离差Ｕd满足:?Ud?3???????就认为Ｘd是含有过失误差的坏值，须剔除，误差绝对值大于3?的概率为0.26％.（２）肖维勒准则??????如果某个测量值Ｘd的离差Ｕd满足:?Ud?Wn???????坏值Xd应剔除。单个异常值的检验——

狄克松检验准则一组观测值中单个异常值的检验有多种方法，狄克松（Dixon）法是应用最广泛的一种，由于该法简便且适用于小样本观测值的检验，故已成为国际标准化组织（ISO）和美国材料试验协会（ASTM）的推荐方法。狄克松检验法适用于一组观测值的一致性检验和剔除一组观测中的异常值。狄克松检验的要点如下：测量结果的区间估计

样本平均值不可能完全等于总体平均值，不能用点估计。总体平均值的置信区间要以一定的概率来估计总体均值含在某个区间之中，则这一区间称为置信区间，一般为95%置信区间。实验室数据的分类一般可以分为定性数据和定量数据两大类：1．定性数据（qualitativedata）将事物按其不同的属性加以归类，从而得知每一类事物的数量，这种数据就称为定性数据或分类数据（categoricaldata），又称计数资料（countingdata）。在实验室工作中，最常见的分类数据有检查结果为阳性、阴性等。这类数据又可分为：（1）二项分类数据（binarydata）：这是一种最简单的数据类型，即把每一个体分配到两种可能的类别中之一类里。例如将某病人按其性别划为“男”性或“女”性，将某病人的婚姻状况划为“已”婚或“未”婚等。在问卷调查中常见有“是”、“否”两种答案的问题，如询问对方“你是否吸烟？”，对方只要在“是”和“否”两个答案中选择符合自己情况的一个即可。因此，按“是”与“否”答案进行统计的数据亦属二项分类数据。(2）多项分类数据（polytomousdata）：是对具有多类属性的事物进行分类所得到的数据。婚姻状况可以细分为：未婚、在婚、离异、丧偶及再婚等；吸烟状况可以细分为：不吸烟、偶尔吸烟、有时吸烟及经常吸烟等；血型一般可分为A型、B型、AB型和O型四个型别。这些都属于多项分类数据。必须指出的是，有的属性指标其分类是无序的，例如上述的婚姻状况，血型等