第一篇：醫學統計學總結

1、同一資料的標準差是否一定小于均數？

答：均數是描述定量資料集中趨勢的指標，而標準差是描述定量資料離散程度的指標，二者反映的是資料分布特征的兩個不同方面。

2、極差、四分位間距、標準差、變異系數的適用范圍有何異同？

答：這四個指標的相同點在于均用于描述計量資料的離散程度。不同點為：極差可用于各種分布的資料，一般常用于描述單峰對稱分布小樣本資料的變異程度，或用于初步了解資料的變異程度。若樣本含量相差較大，則不宜用極差來比較資料的離散程度。四分位間距：適用于描述偏態分布資料、兩端無確切值或分布不明確資料的離散程度。標準差常用于描述對稱分布，特別是正態分布或近似分布資料的離散程度。變異系數適用于比較計量單位不同或均數相差懸殊的幾組資料的離散程度。

3、x2檢驗用于什么？

答：x檢驗用于：推斷兩個及兩個以上總體率或構成比是否有差別，兩個分類變量間有無相關關系，多個率的趨勢檢驗，以及兩個率的等效檢驗等。此外，也用于頻數分布的擬合優度檢驗。

4、四格表的U檢驗和x2檢驗有何聯系？

答：（1）相同點：四格表的u檢驗的根據是正態近似原理（n足夠大，∏和1-∏均不太小）。能用四格表的u檢驗進行兩個率比較檢驗的資料，都可以用x檢驗。四格表的雙側u檢驗與x檢驗是完全等價的，兩個統計量的關系為u= x，u20.05/2= u20.05/1.u檢驗和卡方檢驗都存在連續性矯正問題（2）不同點：①正態分布可以確定單、雙側檢驗界值，滿足正態近似條件時，可以使用四格表的單側u檢驗。②滿足四格表u檢驗的資料，計算兩率之間的95%可信區間，尚可分析兩率之差有無實際意義。③x2檢驗還可以用于配對設計四格表，但這時推斷∏1，∏2是否有差別的x2公式不同。5．參數檢驗和非參數檢驗的區別何在？各有何優缺點? 答：區別：參數檢驗，其應用條件是已知總體的分布類型，對總體參數進行估計或檢驗。非參數檢驗，不依賴總體分布的具體形式，目的在于檢驗總體分布是否不同。（2）參數檢驗優點是符合應用條件時，檢驗效能較高。缺點是對資料要求嚴格，不能用于等級數據、一端或兩端有不確切數據，此外，還要求資料的分布類型已知和總體方差齊等條件。非參數檢驗優點是應用范圍廣，計算簡便，對資料的要求不高；缺點是若對符合參數檢驗條件的資料用非參數檢驗，則會降低檢驗效能。如需檢驗出同樣大小的差異，非參數檢驗往往需要更大的樣本含量。

6.對同一資料，又出自同一研究目的，用參數檢驗和非參數檢驗所得不一致時，宜以何者為準?答：兩者各有使用條件，究竟取哪種結論，要根據資料是否滿足該種檢驗方法的應用條件進行選擇。在符合參數檢驗的條件時，可接受參數檢驗的結論，而資料不符合參數檢驗的條件時，應以非參數檢驗的結論為佳。如總體分布為極度偏態或其他非正態分布，或者兩總體方差不齊時，此時宜采用秩和檢驗的結果。7.非參數檢驗適用于哪些情況？

答：①等級資料②偏態資料。當觀察資料成偏態或極度偏態而又未經任何變量變換，或雖經變量變換但仍未達到正態或近似正態分布時③總體分布類型未知的資料④要比較的各組資料方差不齊⑤一端或兩端有不確定數據。

8.兩樣本比較的秩和檢驗，當n1＞n2＞10時采用u檢驗，這時檢驗是屬于參數檢驗還是非參數檢驗？為什么？答：兩組比較的秩和檢驗，當n很大時，可利用秩和T的分布隨n增大漸進正態分布的性質，進行u檢驗，此時利用的并非原始數據，而是經秩變換后的數據，故仍屬非參數檢驗。9.直線回歸分析中應注意哪些問題？

答：做回歸分析一定要有專業意義，不能將毫無聯系的兩個變量作直線回歸分析；回歸分析之前首先應繪制散點圖，考查x與y之間有無直線趨勢以及是否存在異常點；考慮是否滿足建立線性回歸模型的基本假定；直線回歸方程的應用與圖示一般以自變量x的取值范圍為限；兩變量的直線關系不一定是因果關系，也可能是伴隨關系。

10.簡述直線回歸與直線相關的區別與聯系。

答：區別：①資料要求不同：直線回歸中因變量y是來自正態總體的隨機變量，而r既可以是來自正態總體中的隨機變量，也可以是嚴密控制、精確測量的變量；相關分析則要求x,y是來自雙變量正態分布總體的隨機變量，②分析目的不同：直線回歸用于說明兩變量間依存變化的數量關系；直線相關用于說明變量間的直線相關關系。聯系：①方向一致：對一組數據計算，r與b，它們的正負號是一致的。②假設檢驗等價：對同一樣本r和b的假設檢驗得到的t值相等。③用回歸解釋相關：由r2=SS回/SS總可知，若回歸平方和越接近總平方和，則r越接近于1。

11.簡述直線相關、秩相關的區別與聯系。

答：區別：①資料要求不同：直線相關要求x、y是來自雙變量正態總體的隨機變量；秩相關適用于不服從雙變量正態分布或總體分布類型未知以及用等級表示的原始數據。②相關意義不同：直線相關表示兩變量的直線相關關系存在，秩相關表示兩變量的相關關系。聯系：相關系數的取值范圍相同；秩相關是將原始數據進行秩變換，以秩次計算直線相關系數。

12.均數的可信區間和參考值范圍有何不同？

222

22答：均數的可信區間：按一定的概率100（1-α）%（即可信度）估計總體均數所在的范圍，得到的范圍亦稱可信區間。參考值范圍：醫學參考值范圍指包括絕大多數正常人的人體形態、功能和代謝產物等各種生理及生化指標常數，也稱正常值。由于存在著個體差異，生物醫學數據并非常數，而是一定范圍內波動，故采用醫學參考值范圍作為判定正常和異常的參考標準。

13秩和檢驗的優缺點是什么? 答：①不受總體分布限制，適用面廣②適用于等級資料及兩端無確定值的資料③易于理解，易于計算。缺點：是對分布類型的廣泛適應性，使其很難充分利用資料提供的信息，有時會導致檢驗效能降低。14在t檢驗和u檢驗時，何種情況下采用單側檢驗？

答：單側檢驗的備擇假設帶有方向性，如：m＞m0,實際中只可能出現一種情況。雙側檢驗的備擇假設中包含不等號（如：m≠m0），實際上包括兩種情況：m＞m0或m＜m0，無方向性。15.均數、幾何均數和中位數的適用范圍是什么？

答：均數適用于描述單峰對稱分布，特別是正態分布或近似正態分布資料的集中趨勢。（由于均數易受到極端值的影響，故不適用于描述偏態分布資料的集中趨勢，只是需采用幾何均數或中位數。）幾何均數對于原始觀察值呈偏態分布，但經過對數變換后呈正態分布或近似正態分布的資料，易用幾何均數描述其集中趨勢。常用于等比級資料或對數正態分布資料。中位數可用于各種分布的資料。對于正態分布資料，中位數等于均數；對于對數正態分布資料，中位數等于幾何均數。由于中位數不受極端值的影響，主要用于偏態分布資料，兩端無確切值或分布不明確的資料。16.標準差和標準誤有何區別與聯系，他們的用途是什么？

答：標準差：是描述對稱分布，特別是正態分布或近似正態分布資料離散趨勢（變異程度）的常用指標?？傮w標準差用δ表示，樣本標準差用s表示。標準誤：樣本均數的標準差稱為標準誤。樣本均數⊙的總體均數為H，各⊙圍繞H的離散程度，可以用樣本均數的標準差來描述。用途：標準差用途：①表示變量分布的離散程度②結合均數計算變異系數③結合樣本含量計算標準誤④結合均數描述分布特征。標準誤用途：表示每個樣本均數間的變異程度，描述樣本均數的抽樣誤差，即樣本均數與總體均數的接近程度，也可稱為樣本均數的標準差。17.統計圖制作的一般原則？

答：首先，根據資料性質和分析目的正確選用適當的統計圖。其次，除圓圖外，一般用直角坐標系的第一象限的位置表示。最后，繪制圖形應注意準確、美觀，給人以清晰的印象。18.各種統計圖適合于何種資料? 答：描述某連續變量的頻數分布宜選用直方圖；分析、比較獨立的或不連續的多個組或多個類別的統計量宜選用條圖，分析某指標隨時間或其它連續變量變化而變化的趨勢宜選用線圖，描述或比較不同事物內部構成時用圓圖或百分比條圖等。

19.為什么要做r和b的假設檢驗？

答：b:即使從總體回歸系數β等于零的總體中作隨機抽樣，由于抽樣誤差的存在，其樣本回歸系數b也不一定全為零。因此，求得一個樣本回歸系數時，首先，需考慮線性方程是否成立？并進行回歸系數β是否為零的檢驗。以推斷自變量x與應變量y見是否有直線關系存在。

r:假定從總體相關系數t=0的總體中隨機抽樣，由于存在抽樣誤差，所得樣本相關系數r不一定全為零。故此，求得一個樣本相關系數r值后，仍需進行總體相關系數t是否為零的假設檢驗。

20.服從二項分布的條件是什么？

答：凡具有貝努力試驗序列3個特點的變量，一般可認為服從二項分布①每次試驗的結果只能是兩種互斥的結果中的一種（A或者非A）②各次試驗的結果互不影響，即各次試驗獨立③在相同試驗條件下，各次試驗中出現某一結果A具有相同的概率∏（非A的概率1-∏）。

21.相關系數和回歸系數有什么區別和聯系？

答：直線的斜率稱為回歸系數，直線相關系數也稱積距相關系數，說明具有直線關系的兩變量間的相關方向與密切程度。它們的聯系——方向一致即r與b正負一致，假設檢驗等價。區別：資料要求不同，回歸系數方程要求服從正態分布，x精確測量嚴格控制Ⅰ型回歸，相關方程要求x，y雙重復正態Ⅱ型回歸。22多個樣本均數間的比較為什么不能用t檢驗？

答：多個樣本均數的兩兩比較又稱多重比較，其目的是推斷究竟哪些總體均數之間存在差別，由于涉及的對比組數大于2，若仍用前述的t檢驗對兩個對比組做比較，會使犯第Ⅰ類錯誤的概率增大，即可能吧本來無差別的兩個總體均數判為有差別，因此，多重比較不宜用t檢驗分別作兩兩比較。

23對同一資料，有出自同一研究目的，用參數檢驗和非參數檢驗所得結果不一致時，宜以何者為準？答：參數檢驗要求其總體分布為正態分布，總體方差齊性，非參數檢驗常用解決那些總體分布未知的統計問題，對于同一資料，又出自同一研究目的，采用參數研究還是非參數檢驗取決于資料的類型。24.為什么要進行抽樣研究？抽樣時為什么會產生抽樣誤差？

答：計量資料的總體中所含的樣本數量巨大，要獲取資料的總體均數、標準差等數據十分困難，因此醫學科學研究中通常采用的抽樣研究方法，是指從總體中隨機抽取一個樣本，用樣本信息推斷總體特征，這種分析方法稱為統計推斷。但通常情況下，樣本均數（x拔）不可能與總體均數μ正好相等，這種由個體變異產生的，隨機抽樣引起的樣本統計量與總體參數間的差異稱為抽樣誤差。25.相關系數的意義？

答：相關系數r沒有單位，取值范圍為-1≤r≤1。兩變量相關的方向用r的正負號表示，即r＞0表示正相關；r＜0表示負相關。相關系數r的大小表示密切程度，r絕對值越接近1，表示兩變量間相關關系密切程度越高。∣r∣=1表示完全相關，∣r∣=0表示無直線相關。26.方差分析的應用條件？

答：①各樣本是相互獨立的隨機樣本②各樣本來自正態分布③各樣本方差相等，即方差齊。

27.χ2檢驗要注意的問題（注意事項）？

答：① 計算χ2 值時必須用絕對數。而不能用相對數，因為χ2 值的大小與頻數大小有關。②χ2 檢驗要求理論頻數不宜太小，一般認為不宜有1/5以上格子理論頻數小于5，或一個格子的理論頻數小于1。對理論頻數太小有三種處理方法：A 增大樣本例數 B 刪除理論數太小的行或列 C 合并③當多個樣本率（或構成比）比較的χ2 檢驗結論為拒絕檢驗假設，只能認為各總體率（或總體構成比）之間總的說來有差別，但不能說它們彼此間都有差別。或某兩者間有差別。

28.非參數檢驗適用哪些情況？

答：①等級順序資料。②偏態資料。當觀察資料成偏態或極度偏態分布而又未經變量變換未達到正態或近似正態分布時，宜用非參數檢驗。③未知分布類型資料④要比較的各組資料變異度相差較大，方差不齊，且不能變換達到齊性。⑤初步分析。有些醫學資料由于統計工作量過大，可采用非參數統計方法進行初步分析，挑選其中有意義者再進一步分析⑥對于一些特殊情況，如從幾個總體所獲得的數據，往往難以對其原有總體分布作出估計，在這種情況下可用非參數統計方法。

29.為什么秩和檢驗的編秩在不同對比組間出現相同數據要給予“平均秩次”，而同一組的相同數據不必計算“平均秩次”？

答：因為在不同對比組，不取平均秩次會加大或減小某一組的秩和；而在同一組內，出現相同數據不編平均秩次，該組秩和不受影響。

30.怎樣正確使用單側檢驗和雙側檢驗？

答：根據專業知識推斷兩個總體是否有差別時，是甲高于乙，還是以高于甲，當兩種可能都存在時，一般選雙側；若根據專業知識，如果甲不會低于乙，或研究者僅關心其中一種可能時，可選用單側。一般來講，雙側檢驗較穩妥故較多用，在預實驗有探索性質時，對結果的考慮以思路較寬為好，也用雙側檢驗。單側檢驗，應以專業知識為依據，他充分利用了另一側的不可能性，故檢出效率高，但應慎用。

31.回歸系數：直線的斜率b,也稱回歸系數。統計學意義是自變量x改變一個單位時，應變量y平均變化b個單位。32.相關系數：也稱pearson積距相關系數，說明具有直線相關的兩變量間相關方向與密切程度。33.直線回歸分析中應注意的問題？

答：①做直線回歸一定要有實際意義②回歸分析之前首先應繪制散點圖。③考慮建立線性模型的基本假定④取值范圍，避免外延。⑤兩變量間有直線關系不一定是因果關系。34.相關分析應用中應注意的問題？

答：①資料要求x、y都應來自雙變量正態總體的隨機變量。②進行相關分析前，應先繪制散點圖，有線性趨勢時，才可進行相關分析。③滿足應用條件的同一份雙變量資料，回歸系數b與相關系數r的正負號一致，假設檢驗等價。④相關分析時，小樣本資料經t檢驗只能推斷兩變量間有無直線關系，而不能推斷其相關的密切程度。要推斷兩樣本間相關的程度，樣本含量必須足夠大，當r有統計學意義時，但r2較小時，下結論要慎重。35.方差分析的應用條件? 答：①各樣本是相互獨立的隨機樣本②各樣本來自正態分布③各樣本方差相等，即方差齊。

36.二項分布：貝努力試驗序列中結果A出現次數的概率分布就是～。

37.率的標準化法：為解決因內部構成不同而導致分組率比較的結果與和紀律比較結果的矛盾，選定一個共同的標準人口或標準人口構成，分別計算兩組的標準化率，這種方法稱～。

38.抽樣誤差：由個體變異產生的，隨機抽樣引起的樣本統計量與總體參考數間的差異稱～

第二篇：醫學統計學總結

醫學統計學總結

一、兩組或多組計量資料的比較1.兩組資料： 1)大樣本資料或服從正態分布的小樣本資料(1)若方差齊性，則作成組t檢驗(2)若方差不齊，則作t’檢驗或用成組的Wilcoxon秩和檢驗 2)小樣本偏態分布資料，則用成組的Wilcoxon秩和檢驗 2.多組資料： 1)若大樣本資料或服從正態分布，并且方差齊性，則作完全隨機的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。2)如果小樣本的偏態分布資料或方差不齊，則作Kruskal Wallis的統計檢驗。如果Kruskal Wallis的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

二、分類資料的統計分析1.單樣本資料與總體比較 1)二分類資料：(1)小樣本時：用二項分布進行確切概率法檢驗；(2)大樣本時：用U檢驗。2)多分類資料：用Pearson c2檢驗（又稱擬合優度檢驗）。2.四格表資料 1)n>40并且所以理論數大于5，則用Pearson c2 2)n>40并且所以理論數大于1并且至少存在一個理論數<5，則用校正c2或用Fisher’s 確切概率法檢驗 3)n￡40或存在理論數<1，則用Fisher’s 檢驗 3.2×C表資料的統計分析 1)列變量為效應指標，并且為有序多分類變量，行變量為分組變量，則行評分的CMH c2或成組的Wilcoxon秩和檢驗 2)列變量為效應指標并且為二分類，列變量為有序多分類變量，則用趨勢c2檢驗 3)行變量和列變量均為無序分類變量(1)n>40并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n￡40或理論數小于5的格子數>行列表中格子總數的25%，則用Fisher’s 確切概率法檢驗 4.R×C表資料的統計分析 1)列變量為效應指標，并且為有序多分類變量，行變量為分組變量，則CMH c2或Kruskal Wallis的秩和檢驗 2)列變量為效應指標，并且為無序多分類變量，行變

量為有序多分類變量，作none zero correlation analysis的CMH c

23)列變量和行變量均為有序多分類變量，可以作Spearman相關分析 4)列變量和行變量均為無序多分類變量，(1)n>40并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n￡40或理論數小于5的格子數>行列表中格子總數的25%，則用Fisher’s 確切概率法檢驗

三、Poisson分布資料1.單樣本資料與總體比較： 1)觀察值較小時：用確切概率法進行檢驗。2)觀察值較大時：用正態近似的U檢驗。2.兩個樣本比較：用正態近似的U檢驗。配對設計或隨機區組設計

四、兩組或多組計量資料的比較 1.兩組資料： 1)大樣本資料或配對差值服從正態分布的小樣本資料，作配對t檢驗 2)小樣本并且差值呈偏態分布資料，則用Wilcoxon的符號配對秩檢驗 2.多組資料： 1)若大樣本資料或殘差服從正態分布，并且方差齊性，則作隨機區組的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。2)如果小樣本時，差值呈偏態分布資料或方差不齊，則作Fredman的統計檢驗。如果Fredman的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用Wilcoxon的符號配對秩檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

五、分類資料的統計分析1.四格表資料 1)b+c>40，則用McNemar配對c2檢驗或配對邊際c2檢驗 2)b+c<40，則用二項分布確切概率法檢驗 2.C×C表資料： 1)配對比較：用McNemar配對c2檢驗或配對邊際c2檢驗 2)一致性問題（Agreement）：用Kap檢驗 變量之間的關聯性分析

六、兩個變量之間的關聯性分析 1.兩個變量均為連續型變量 1)小樣本并且兩個變量服從雙正態分布，則用Pearson相關系數做統計分析 2)大樣本或兩個變量不服

第三篇：醫學統計學知識點總結

知識點

1.統計學是應用概率論和數理統計的基本原理和方法，研究數據的搜集、整理、分析、表達和解釋的一門學科。

2.醫學統計學是應用統計學的基本原理和方法，研究醫學及其有關領域數據信息的搜集、整理、分析、表達和解釋的一門學科。

3.統計軟件包是對資料進行各種統計處理分析的一系列程序的組合。4.統計工作的基本步驟：研究設計、搜集資料、整理資料和分析資料。

5.科研結果的好壞取決于研究設計的好壞，研究設計是統計工作中的基礎和關鍵，決定著整個統計工作的成敗。

6.統計分析包括統計描述和統計推斷。統計描述是對已知的樣本（或總體）的分布情況或特征值進行分析表述；統計推斷是根據已知的樣本信息來推斷未知的總體。7.醫學原始資料的類型有：計量資料、計數資料、等級資料。

8.計量資料是用定量的方法對每一個觀察單位的某項指標進行測定所得的資料。

9.計數資料是把觀察單位按某種屬性（性質）或類別進行分組，清點各組觀察單位數所得資料。

10.等級資料是把觀察單位按屬性程度或等級順序分組，清點各組觀察單位數所得資料。各屬性之間有程度的差別。等級資料的等級順序不能任意顛倒。11.同質：是指所研究的觀察對象具有某些相同的性質或特征。

12.變異：是同質個體的某項指標之間的差異，即個體變異或個體差異性。13.總體是根據研究目的確定的同質研究對象的總體。樣本是總體中具有代表性的一部分個體。

14.抽樣研究是通過從總體中隨機抽取樣本，對樣本信息進行分析，從而推斷總體的研究方法。抽樣誤差是由隨機抽樣造成的樣本指標與總體指標之間、樣本指標與樣本指標之間的差異，其根源在于總體中的個體存在變異性，只要是抽樣研究，就一定存在抽樣誤差，不能用樣本的指標直接下結論。

15.統計學的主要任務是進行統計推斷，包括參數估計和假設檢驗。16.概率是某隨機事件發生可能性大?。ɑ驒C會大?。┑臄抵刀攘?。概率的取值為0≤P≤1。小概率事件是指P≤0.05的隨機事件。

17.頻數表和頻數分布圖的用途：(1)揭示計量資料的分布類型。(2)揭示計量資料分布的重要特征—集中趨勢與離散趨勢。(3)便于發現特大或特小的可疑值。(4)作為陳述資料的形式。例數大時，可以頻率估計概率。（5）便于資料的進一步統計分析。18.均數應用于計量資料的正態分布或近似正態分布資料。19.當資料呈正態分布時，均數位于分布的中心。

20.每個觀察值都加一個常數a，則均數為原均數加常數a；每個觀察值都乘以一個常數b，則均數為原均數的b倍。

21.幾何均數應用于對數正態分布或近似正態分布資料，也可用于呈倍數關系的等比資料。在醫院中主要用于抗原（體）滴度資料。

22.計算幾何均數的資料一般不能有觀察值為0，也不能同時包含正負觀察值。

23.中位數可用于描述任何分布類型計量資料的集中趨勢，但對于正態分布或近似正態分布的資料，中位數不利于進一步的統計分析，故對正態分布或近似正態分布資料應首選均數描述其集中趨勢。

24.中位數適用于描述偏態分布資料、一端或兩端無確定數據的資料和分布不明資料的集中趨勢。

25.極差與四分位數間距可用于描述計量資料的離散程度，但都比較粗略，而四分位數間距較極差穩定，他們用于描述偏態分布資料。

26.中位數M是一個特殊的百分位數，即第50百分位數P50,。百分位數是一種位置指標，樣本的第X百分位數記為Px，它表示將全部觀測值X1、X2，?，Xn由小到大依次排列后位于第X百分位置的數值。

27.方差和標準差用于描述正態分布計量資料的離散程度。

28.均數與標準差結合用于全面描述正態分布計量資料的集中趨勢與離散趨勢。

29.變異系數描述的是相對離散程度，無度量衡單位。用于單位不同，或雖單位相同，但均數相差較大的資料間變異程度的比較。

30.正態分布是橫軸上方以均數處最高的單峰對稱分布，以均數為中心，左右兩側對稱。正態分布N（μ，σ2）中有兩個參數：總體均數μ和總體標準差σ。μ是位置參數，σ是變異度參數。

31.正態分布曲線下的面積是1，其分布有一定的規律，x±1.64s內的面積為90%，x±1.96s內的面積為95%，x±2.58s內的面積為99%。32.常用相對數有：率、構成比、相對比。

33.率是說明某現象發生的頻率或強度。某一分率的改變不影響其他分率變化。

34.構成比是表示某事物內部各組成部分所占的比重或分布。某一部分構成比的改變將影響其他構成比的變化。

35.相對比表示兩個有關事物指標，用以說明一個指標是另一個指標的幾倍或幾分之幾。兩個指標可以是絕對比、相對數或平均數。

36.應用相對數注意事項：(1)計算相對數時分母應該有足夠數量即例數不能太小。(2)計算合計率或平均率時，不能把n個率相加后除以n，應該絕對數相加后再計算相對數。（3）正確區分構成比與率，分析時不能以構成比代替率。(4)相對數的比較應注意其可比性。對比組之間除了被研究的因素不同以外，其他相對數造成影響的因素應可能在構成比代替率。(5)樣本率或樣本構成比在比較時應做假設檢驗。

37.常用的標準化方法有直接標準化法、間接標準化法和反推標準法，簡稱直接法、間接法和反推法。

38.一般選擇“標準”的方法有兩種：（1）選擇具有代表性的，較穩定的、數量較大的人群作為“標準”；（2）互相比較資料中任選一組數據作“標準”。

39.標準化死亡比（SMR）是被標化組的實際死亡數與預期死亡數之比，若SMR＞1，表示被標化組死亡率高于標準組；若SMR＜1，表示被標化組死亡率低于標準組； 40.計算標準化率的步驟：⑴根據資料所具備的條件選用直接法或間接法；⑵選定標準構成；⑶選擇公式計算標準化率。

41.應用標準化法的注意事項：(1)標準化法只適用于內部構成不同影響到總率比較的情況；

(2)由于選擇的標準不同，算出的標準化率也不同，但比較的結論一致；(3)標準化后的標準化率，已經不再反映當時當地的實際水平，它只表示相互比較的資料間的相對水平；(4)樣本標準化率也存在抽樣誤差，也需要進行假設檢驗。

42.發病率是計算一定期間內某人群中的新發病例數，而患病率是計算調查時點被調查人群中的現患病例數。

43.在一定期間內某人可能發病一次以上而成為多個病例，所以發病率可能會大于100%;；而患病率不會出現大于100%的情況。

44.發病率高的疾病稱為多發??；患病率高的疾病稱為常見病。患病率高，發病率也高的疾病稱為常見多發病。

45.統計表一般由標題、標目、線條、數字和備注等部分組成。統計表的編制應：⑴重點突出，簡單明了，一張統計表至應包括一個中心內容；⑵主謂分明，層次清楚；⑶結構完整，有自明性。

46.常用的統計圖有條圖、圓圖、百分條圖、直方圖、線圖、半對數線圖、散點圖、箱式圖和統計地圖等。

47.單個構成比的描述，可選用圓圖或百分條圖；多個構成比的描述和比較，宜選用百分條圖。

48.普通線圖適用于描述某項指標隨某個連續型數值變量變化而變化的幅度（絕對變化趨勢）；半對數線圖適用于描述某項指標隨某個連續型數值變量變化而變化的速度（相對變化趨勢）。

49.箱式圖通常選用5個描述統計量來繪制，即最小值、下四分位數（P25）、中位數（M）、上四分位數（P75）、最大值；可用于描述某個連續型數值變量的分布特征，也可用于比較不同類別之間某個連續型數值變量分布特征的差異。

50.均數抽樣誤差是抽樣產生的由于個體差異所導致的樣本均數與樣本均數之間、樣本均數與總體均數之間的差異。

51.標準誤是樣本均數的標準差，是描述均數抽樣誤差大小的指標。增加樣本含量可減小樣本均數的標準誤，從而降低抽樣誤差。

52.參數估計是指用樣本指標（統計量）來推斷總體指標（參數）。估計方法有點估計和區間估計，區間估計是按預先給定的概率1－α，由樣本指標確定的包含總體參數的一個范圍。

53.可信區間是指總體均數可能所在的范圍。用于推斷總體參數所在的范圍?？傮w均數95%可信區間的意義為：總體均數在x±t0.05，νSx或x±1.96Sx范圍內的可能性為95%。

54.在抽樣研究中，由于有抽樣誤差存在，不能直接通過比較樣本均數與樣本均數之間、樣本均數與總體均數之間的大小得出結論，要進行假設檢驗。55.假設檢驗的基本思想包括小概率思想和反證法思想。56.假設檢驗是先對總體作出某種假定（檢驗假設），然后根據樣本信息來推斷其是否成立的一類統計方法的總稱。用于推斷總體參數是否相等。

57.假設檢驗的基本步驟：⑴建立檢驗假設，確定檢驗水準；⑵計算檢驗統計量；⑶確定P值，作出統計判斷。

58.單樣本t檢驗的目的是推斷樣本均數所代表的總體均數與已知總體均數是否相同，它要求樣本取自正態總體。

59.配對設計包括：⑴兩個受試對象按某特征相同或相近配成對子，分別給予不同的處理；⑵同一受試對象給予不同處理或處理前后比較。它可以降低抽樣誤差，提高統計效率。60.配對t檢驗適用于配對設計的計量資料的比較，且要求差值服從正態分布。

61.完全隨機設計可以將一批同質受試對象隨機分配到各組，也可以是隨機抽取幾組不同的受試對象，觀察其實驗效應。

62.完全隨機設計兩樣本均數比較的t檢驗是推斷計量資料的兩個總體均數之間有無差別的假設檢驗方法，要求樣本來自正態總體，且兩總體方差相等（方差齊）。

63.方差齊性檢驗的適用條件是兩樣本均來自正態分布的總體，方差齊性檢驗中的檢驗統計量F服從F分布，有兩個自由度，分子的自由度（較大方差）和分母的自由度（較小方差）。F值越大，P值越小。

64.兩個樣本均數比較，方差不齊時刻選擇：⑴近似t′檢驗；⑵通過一定的變量變換以達到方差齊；⑶選用非參數統計，如秩和檢驗等。65.Z檢驗適用于大樣本資料的假設檢驗。

66.第Ⅰ類錯誤：檢驗假設H0本來是成立的，經過檢驗后被拒絕了，即“棄真”。其發生的的概率為α，為已知。

67.第Ⅱ類錯誤：檢驗假設H0本來是不成立的，經過檢驗后被接受了，即“存偽”。其發生的概率為β，屬未知數。68.假設檢驗的注意事項：⑴要有嚴密的研究設計；⑵選用的假設檢驗方法應符合應用條件；⑶有統計學意義不等于有實際意義；⑷結論不能絕對化；⑸正確理解P值與差別有無統計意義；⑹平衡Ⅰ類錯誤和Ⅱ類錯誤。69.方差分析是一種以分析數據的變異為基礎，以F值為檢驗統計量的計量資料的假設檢驗方法，主要用于推斷計量資料單因素k水平（k≧3）或多因素不同水平總體均數間的差異性，其前提條件為資料服從正態分布，各組方差齊。

70.隨機區組設計資料的總變異被分解為3個部分，即處理組間變異、區組間變異和誤差。區組變異和誤差兩部分相當于單因素方差分析的組內變異。

71.兩兩比較的方法很多，常用q檢驗、LSD—t檢驗等；q檢驗適用于探索性研究，對每兩個樣本均數都進行檢驗；LSD—t檢驗適用于事先有明確假設的證實性研究。72.常用數據變換的方法有對數變換、平方根變換、平方根反正弦變換、倒數變換。

273.X檢驗是一種以Χ2分布為基礎，以Χ2值為檢驗統計量的計數資料的假設檢驗方法。

274.X值反映實際頻數（A）和理論頻數（T）的符合程度。

275.X檢驗的主要用途：⑴推斷兩個或兩個以上總體率（或構成比）之間有無差別；⑵兩變量間有無相關關系；⑶檢驗頻數分布的擬合優度。

2276.四格表X檢驗的注意事項：(1)當n≥40，T≥5時，用四格表x檢驗的基本公式或專用22公式計算X 值；(2)當n≥40，1≤T<5時，需要用校正公式計算X 值；(3)當n<40或2T

2277.行×列表資料X檢驗的注意事項：(1)行×列表X檢驗允許有1／5的基本格子的理論頻數小于5大于1，但不能有理論頻數小于1。⑵如果有1／5以上格子的理論頻數小于5大于1，或有一個格子的理論頻數小于1，可采用以下處理方法：①增加樣本含量：可以增大理論頻數；②將理論頻數太小的行或列與性質相近的鄰行或鄰列中的實際頻數合并；③刪去理論頻數太小的格子所對應的行或例。

78.依次增減四格表中某個格子（一般選用行合計與列合計均為最小的那個格子）的數據，可列出周邊合計不變條件下各種組合的四格表（一般可列出最小周邊合計數加1個四格表）。

79.非參數檢驗是一類不依賴于總體分布類型的檢驗，即在應用中可以不考慮被研究對象為何種分布以及分布是否已知，檢驗假設中沒有包括總體參數的一類統計方法。80.秩和檢驗的適用范圍：⑴未加精確測量的資料（包括等級資料）；⑵偏態分布且無法轉化為正態分布的資料；⑶分布不清的資料。

81.配對資料的秩和檢驗用于配對設計計量資料差值的比較和單一樣本與總體中位數的比較。

82.直線相關是分析服從正態分布的兩個隨機變量x和y有無線性相關關系的一種統計分析方法。

83.相關系數是描述兩個變量間線性相關關系的密切程度與方向的統計指標。相關系數的符號表示兩變量的線性相關的方向。其特點為：⑴相關系數r沒有單位；⑵取值范圍在﹣1和1之間；⑶r為正表示正相關，r為1表示完全正相關；r值為負表示負相關，r為﹣1表示完全負相關；⑷r絕對值越接近1，表示兩個變量間相關關系密切程度越高；越接近0，則相關關系越不密切。

84.相關分析的前提條件：兩個隨機變量；散點圖呈線性相關；服從雙變量正態分布。85.在有相關關系時，根據r值判斷兩變量相關的密切程度：⑴｜r｜≥0.7，兩變量有高度相關關系；⑵0.7＞｜r｜≥0.4，兩變量有中度相關關系；⑶｜r｜＜0.4，兩變量有低度相關關系。

86.直線回歸分析的前提條件：⑴線性：兩個變量間存在線性關系；⑵獨立性：任意兩個觀察值互相獨立；⑶正態性：應變量y是服從正態分布的隨機變量；⑷方差齊：給定x后，應變量y的方差相等。

87.等級相關應用范圍：⑴不服從雙變量正態分布或偏態分布；⑵總體分布類型未知；⑶原始數據是等級變量。

88.對同一資料，相關系數t檢驗與回歸系數t 檢驗效果相同。

89.決定系數r2決定回歸效果的好壞，r2越接近1，回歸的效果越好。

90.直線回歸方程：y＝a＋bx其中a為回歸直線在Y軸上的截距：⑴a＞0表示直線與縱軸的交點在原點的上方；⑵a＜0則交點在原點的下方；⑶a=0則回歸直線通過原點；b為回歸系數，即直線的斜率：⑴b＞0表示直線從左下方走向右上方，即 y隨 x的增大而增大；⑵b＜0表示直線從左上方走向右下方，即 y隨 x的增大而減?。虎莃=0表示直線與 x軸平行，即x與 y無直線關系；⑷b的統計學意義是x每增（減）一個單位，y平均改變b個單位。

91.實驗設計的特點：⑴研究者能人為設置處理因素；⑵受試對象接受何種處理因素或水平是由隨機分配而定的。

92.醫學實驗設計包括處理因素或研究因素，受試對象和實驗效應三個基本要素。

93.常用對照的形式為空白對照、安慰劑對照、實驗對照、標準對照、自身對照、相互對照及歷史對照等。

94.隨機化包括隨機抽樣和隨機分組，隨機抽樣指保證總體中的每一個個體都有同等的機會被抽出來作為樣本；隨機分組指保證樣本中的每一個個體都有同等的機會被分配到實驗組或對照組。

95.實驗設計的基本原則：對照、隨機、重復、均衡。

96.重復是指研究樣本要有一定的數量，即在保證研究結果具有一定可靠性的條件下，確定最少的樣本例數。

97.均衡原則又稱齊同對比原則，指實驗組和對照組或各實驗組之間，除了處理因素以外，其他一切條件應盡可能相同或一致。

98.完全隨機設計又稱隨機對照試驗，屬于單因素研究設計。

99.樣本含量估計需要確定四個基本因素：α、1－β、σ、δ。α、δ與樣本含量成反比，σ（或s）、1－β與樣本含量成正比。

100.劑量反應是實驗物質引起實驗動物總體中產生某種反應的劑量。

第四篇：醫學統計學重點總結

簡述標準差與標準誤的聯系與區別?

標準差和標準誤都是變異指標，但它們之間有區別，也有聯系。區別: ①概念不同；標準差是描述觀察值(個體值)之間的變異程度；標準誤是描述樣本均數的抽樣誤差；②用途不同；標準差常用于表示變量值對均數波動的大小，與均數結合估計參考值范圍，計算變異系數，計算標準誤等。標準誤常用于表示樣本統計量(樣本均數，樣本率)對總體參數(總體均數，總體率)的波動情況，用于估計參數的可信區間，進行假設檢驗等。③它們與樣本含量的關系不同: 當樣本含量 n 足夠大時，標準差趨向穩定；而標準誤隨n的增大而減小，甚至趨于0。聯系: 標準差，標準誤均為變異指標，如果把樣本均數看作一個變量值，則樣本均數的標準誤可稱為樣本均數的標準差；當樣本含量不變時，標準誤與標準差成正比；兩者均可與均數結合運用，但描述的內容各不相同。

試述正態分布的特征?

服從正態分布的變量的頻數分布由υ、σ 完全決定。

(1)υ 是正態分布的位置參數，描述正態分布的集中趨勢位置。正態分布以 x =υ為對

稱軸，左右完全對稱。正態分布的均數、中位數、眾數相同，均等于υ。

(2)σ描述正態分布資料數據分布的離散程度，σ越大，數據分布越分散，σ越小，數

據分布越集中。σ也稱為是正態分布的形狀參數，σ越大，曲線越扁平，反之，σ越小，曲

線越瘦高。

簡述直線相關與直線回歸的聯系與區別?

答:

1、區別: ①在資料要求上，回歸要求因變量y 服從正態分布，自變量x是可以精確測量和嚴格控制的變量，一般稱為Ⅰ型回歸；相關要求兩個變量x、y服從雙變量正態分布。這種資料若進行回歸分析稱為Ⅱ型回歸。②在應用上，說明兩變量間依存變化的數量關系用回歸，說明變量間的相關關系用相關。

2、聯系: ①對一組數據若同時計算r與b，則它們的正負號是一致的；②r與b的假設檢驗是等價的，即對同一樣本，二者的t值相等。③可用回歸解釋相關。

.簡述假設檢驗的基本步驟及其兩類錯誤

① 建立假設：包括: H0，稱無效假設；H1: 稱備擇假設；② 確定檢驗水準：檢驗水準用α表示，α一般取0.05；③ 計算檢驗統計量：根據不同的檢驗方法，使用特定的公式計算；④確定P值：通過統計量及相應的界值表來確定P值；⑤推斷結論：如P＞α，則接受H0，差別無統計學意義；如P≤α，則拒絕H0，差別有統計學意義。Ⅰ型錯誤又稱第一類錯誤（type Ⅰ error）：拒絕了實際上成立的的錯誤，其概率通常用，為“棄真”，表示。Ⅱ型錯誤又稱第二類錯誤（type Ⅱ error）：不拒絕實際上不成立的表示。為“存偽”的錯誤，其概率通常用

3.簡述標準差的意義和用途?

標準差是描述變量值離散程度常用的指標，主要用途如下: ①描述變量值的離散程度。兩組同類資料(總體或樣本)均數相近，標準差大，說明變量值的變異度較大，即各變量值較分散，因而均數代表性較差；反之，標準差較小，說明變量異度較小，各變量值較集中在均數周圍，因而均數的代表性較好。②結合均數描述正態分布特征；③結合均數計算變異系數CV；④結合樣本含量計算標準誤。

抽樣誤差:由于總體中存在個體變異，隨機抽樣所得樣本僅僅是總體的一部分，從而造成樣本統計量與總體參數之間的差異，稱抽樣誤差。

第一類錯誤:拒絕了實際上是成立的H0所產生的錯誤，即“棄真”，其概率大小為α。

第二類錯誤:接受了實際上不成立的H0所產生的錯誤，即“存偽”，其概率大小用β表示，一般β是未知的，其大小與α有關。

構成比: 又稱構成指標。它說明一事物內部各組成部分所占的比重或分布。

構成比=（某一組成部分的觀察單位數／同一事物各組成的觀察單位總數）×100%。

率:又稱頻率指標。它說明某現象發生的頻率或強度。

率=（發生某現象的觀察單位數／可能發生該現象的觀察單位總數）×K。

率的標準化法: 采用一個共同的內部構成標準,把兩個或多個樣本的不同內部構成調整為共同的內部構成標準, 以消除因內部構成不同對總率產生的影響，使算得的標準化率具有可比性

計量資料: 用定量方法對每個觀察對象測定某項指標量的大小，所得的資料稱為計量資料。

計數資料: 先將觀察單位按某種屬性或類別分組，然后清點各組的觀察單位數所得資料，稱為計數資料。等級資料: 將觀察單位按某種屬性的不同程度分組，所得各組的觀察單位數，稱為等級資料。

小概率事件：我們把概率很接近于0（即在大量重復試驗中出現的頻率非常低）的事件稱為小概率事件。P值：P 值即概率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的P 值反應結果真實程度，一般以P ≤ 0.05 認為有統計學意義，P ≤0.01 認為有高度統計學意義，其含義是樣本間的差異由抽樣誤差所致的概率等于或小于0.05 或0.01。

描述數據分布集中趨勢的指標 算術均數、幾何均數、中位數。

描述數據分布離散程度的指標 極差、四分位數間距、方差、標準差、變異系數。

同質：影響研究指標的主要因素易控制的因素基本上相同。

可信區間:在參數估計時，按一定可信度估計所得的總體參數所在的范圍。

率:又稱頻率指標。它說明某現象發生的頻率或強度。

非參數檢驗:在統計推斷中,不依賴于總體的分布形式, 直接對總體分布位置是否相同進行檢驗的方法相關系數: 說明兩變量間相關關系的密切程度與相關方向的指標，用r表示。

回歸系數b: 即回歸直線的斜率,它表示當X變動一個單位時,Y平均改變b個單位。

偏回歸系數bi: 在其它自變量保持恒定時,Xi每增(減)一個單位時y平均改變bi個單位。

決定系數: 相關系數或復相關系數的平方,即r或R。它表明由于引入有顯著性相關的自變量,使總平方和減少的部分,r或R越接近1, 說明引入相關變量的效果越好

醫學參考值范圍：指絕大多數正常人的解剖、生理、生化、免疫及組織代謝產物的含量等各種波動范圍。2222

第五篇：醫學統計學大題總結

醫學統計學

簡答題

1.隨機區組方差分析的填表(需要自己畫表)。

2.兩樣本均數比較時，為何要做統計檢驗。

3.什么是率的標準化？如何選取標準構成比？

4.在比較樣本均數與總體均數，兩樣本均數比較時，可信區間與t檢驗的區別關系。

5.什么是兩類錯誤？請說明其含義和如何控制錯誤。

6.兩個樣本率為什么要做統計檢驗。

7.列方差分析表。

8.醫學參考值有哪些方法？及需滿足什么條件？

9.以t檢驗和秩和檢驗說明參數檢驗與非參數檢驗的優缺點。

10..線性相關與回歸的區別與聯系。