千文網(wǎng)小編為你整理了多篇相關的《醫(yī)學統(tǒng)計學統(tǒng)計方法總結》，但愿對你工作學習有幫助，當然你在千文網(wǎng)還可以找到更多《醫(yī)學統(tǒng)計學統(tǒng)計方法總結》。

第一篇：醫(yī)學統(tǒng)計總結

研究生三班王穎（穎）學號 20130307

計量資料

一．統(tǒng)計描述

頻數(shù)分布：

1.頻數(shù)分布表

2.頻數(shù)分布圖 可以用來判斷計量資料的分布類型，以便于進一步做統(tǒng)計分析和處理外，還可以進行病因研究和疾病預防控制。

集中趨勢的描述：

1.算術平均數(shù) 反映一組呈對稱分布的變量值在數(shù)量上的平均水平。

2.幾何平均數(shù) 反映一組經(jīng)對數(shù)轉換后呈對稱分布的變量值在數(shù)量上的平均水平，常適

用于免疫學指標

3.中位數(shù) 將n個變量值從大到小排列，位置居于中間的那個數(shù)。適用于各種分布類型，尤其是偏態(tài)分布和一端或兩端無確切數(shù)值的資料。

4.百分位數(shù)PX常用于確定單峰偏態(tài)分布資料的醫(yī)學參考值范圍（要求樣本含量要足

夠大）；

離散趨勢的描述：

1.極差 常用來說明傳染病、食物中毒等的最短和最長潛伏期；一組變量值的最大值與

最小值之差。

2.四分位數(shù)間距 是由第3四分位數(shù)P75和第1四分位數(shù)P25相減而得，記為QR。

3.方差和標準差 方差就是離均差平方和除以N。

標準差就是方差的平方根。

4.變異系數(shù) 用于觀察指標不同時和均數(shù)相差較大時，記為CV。用于兩種或多種不同

性質變量變異程度的直觀比較；在實驗方法學研究中，用來表示方法的精密度。

二．統(tǒng)計推斷

單因素

單樣本（單組設計）一個樣本指標和一個已知的總體指標做比較

1.樣本含量較小n

2.樣本含量較大時——u檢驗

3.樣本來自的總體不服從正態(tài)分布——Wilcoxon符號秩檢驗

兩相關樣本（配對設計）兩同質受試對象配成對子分別接受兩種不同處理；同一受試對

象分別接受兩種不同處理；同一受試對象接受處理前后。

1.兩樣本差值服從正態(tài)分布——配對t檢驗

2兩樣本差值不服從正態(tài)分布——配對樣本比較的Wilcoxon符號秩檢驗

當n≤50時，查T界值表。

當>50時?？捎谜龖B(tài)近似法作——u檢驗

兩獨立樣本（成組設計）適用于完全隨機設計兩樣本的比較

1.兩樣本含量較小n1≤60或（和）n2≤60，兩樣本的總體均服從正態(tài)分布且總體方差

相等，——兩獨立樣本t檢驗

2.兩樣本含量較小n1≤60或（和）n2≤60，兩樣本的總體均服從正態(tài)分布但總體方差

不相等，——兩獨立樣本 t’檢驗或秩轉換的非參數(shù)檢驗

3.兩樣本的總體有一不服從正態(tài)分布或總體方差不相等——兩獨立樣本的Wilcoxon秩

和檢驗當n1≤10和n2－n1≤10時，查T界值表。

當n1>10或n2－n1>10時，可用正態(tài)近似法作——u檢驗

多個獨立樣本（單因素多水平設計）

1.完全隨機設計資料的方差分析

多個樣本的總體均服從正態(tài)分布且總體方差相等——單向分類的方差分析

多個樣本的總體有一服從正態(tài)分布或總體方差不相等——Kruskal-Wills H檢

驗或進行變量變換后采用單向分類的方差分析Kruskal-Wills H檢驗當樣本個數(shù)g=3和每個樣本例數(shù)≤5時，查H界值表。

當g=3且最小樣本例數(shù)>5或g>3時，則H近似服從

χ2分布，查χ2界值表。

2.隨機區(qū)組設計資料的方差分析

對于正態(tài)分布且方差齊的資料——雙向分類的方差分析

對于分正態(tài)分布或（和）方差不齊的資料——Friedman M檢驗或進行變量變換

后采用雙向分類的方差分析。

Friedman M 檢驗 當n≤15和g≤15時，查M界值表。

當n>15或g>15時，可用卡方近似法，查χ2界值表。

實際上，當g>4或者g=4且n>5或者g=3且n>9時，就可用

χ2近似法，查χ2界值表。

多個獨立樣本間的多重比較

多個樣本均服從正態(tài)分布且方差齊

1.LSD-t檢驗 適用于一對或幾對在專業(yè)上有特殊意義的樣本均數(shù)間的比較。

2.Dunnett-t檢驗 適用于g－1個實驗組與一個對照組均數(shù)差別的多重比較。

3.SNK-q檢驗 適用于多個樣本均數(shù)兩兩之間的全面比較。

多個獨立樣本有一不服從正態(tài)分布或方差不齊的兩兩比較—— Nemenyi法檢驗

多個相關樣本有一不服從正態(tài)分布或方差不齊的兩兩比較——q檢驗

多因素

隨機區(qū)組設計

SS總=SS處理+SS區(qū)組+SS誤差

1.觀察指標呈正態(tài)分布——ANOVA

多個樣本均數(shù)兩兩之間的全面比較——SNK-q檢驗

2.觀察指標不呈正態(tài)分布——Friedman M檢驗

當n≤15和g≤15時，查M界值表。當n>15或g>15時，可用卡方近似法，查χ2界值表。

實際上，當g>4或者g=4且n>5或者g=3且n>9時，就可用

χ2近似法，查χ2界值表。

多個相關樣本兩兩比較的q檢驗

析因設計——方差分析

完全隨機的析因設計 SS總=SSA+SSB+SSAB+SSE

隨機區(qū)組的析因設計 SS總=SSA+SSB+SSAB+SSE+SS區(qū)組

正交設計 是非全面實驗，g個處理組是各因素個水平的部分組合。適用于尋找療效好的藥物配方，醫(yī)療儀器多個參數(shù)的優(yōu)化組合，生物體的培養(yǎng)條件等。

當以篩選各因素各水平最佳組合條件為目的時——直接分析，算一算

當需對實驗結果進行統(tǒng)計推斷時——方差分析

重復測量設計——方差分析

計數(shù)資料

一．統(tǒng)計描述

1.絕對數(shù) 如某病的出院人數(shù)、治愈人數(shù)、死亡人數(shù)等，通常不具有可比性。

2.強度相對數(shù) 說明某現(xiàn)象發(fā)生的頻率或強度又稱為率。

率=某時期內發(fā)生某現(xiàn)象的觀察單位數(shù)/同期可能發(fā)生某現(xiàn)象的觀察單位數(shù)×比例基數(shù)

3.結構相對數(shù) 表示事物內部某一部分的個體數(shù)與該事物各部分個體數(shù)的總和之比，用來說明各構成部分在總體中所占的比重和分布，又稱為構成比。構成比=某一組成部分的觀察單位數(shù)/同一事物各組成部分的觀察單位數(shù)×100%

4.相對比 簡稱比，是兩個有關指標之比，說明兩指標的比例關系。

相對比=甲指標/乙指標×100%

二．統(tǒng)計推斷

樣本率與總體率的比較

當n較大、p和1－p均不太小，如np和n（1－p）均大于5時——u檢驗 兩樣本率的比較

當n1與n2均較大，且p1、1－p1與p2、1－p2均不太小，如n1p1、n1（1－p1）與n2p2、n2（1－p2）均大于5時——u檢驗

當n≥40且所有的T≥5時——χ2檢驗的基本公式或專用公式，當P≈ɑ時，改用四格表資料的Fisher確切概率法。

當n≥40但有1≤T≤5時——χ2檢驗的校正公式或Fisher確切概率法。

當n

配對四格表資料的χ2檢驗

當b+c≥40時——一般公式

當b+c

多個樣本率的比較 ——R×C表的χ2檢驗

多個樣本率間的多重比較——χ2分割法

兩個樣本構成比比較—— R×C表的χ2檢驗

等級資料

等級資料兩獨立樣本比較——兩獨立樣本的Wilcoxon秩和檢驗

等級資料兩相關樣本比較——兩相關樣本的Wilcoxon符號秩檢驗

等級資料多個獨立樣本比較——多個獨立樣本的Kruskal-Wills H檢驗

第二篇：醫(yī)學統(tǒng)計方法小結

統(tǒng)計方法小結

首次分享者：yanyan 已被分享22次 評論(0)復制鏈接 分享 轉載 刪除

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(tài)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(tài)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(tài)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(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tài)分布資料或方差不齊，則作Kruskal Wallis的統(tǒng)計檢驗。如果Kruskal Wallis的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tǒng)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(yōu)度檢驗）。2.四格表資料

1)n>40并且所以理論數(shù)大于5，則用Pearson c2

2)n>40并且所以理論數(shù)大于1并且至少存在一個理論數(shù)

3)n￡40或存在理論數(shù)

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(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗 4.R×C表資料的統(tǒng)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 c2

3)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(shù)小于5的格子數(shù)行列表中格子總數(shù)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(tài)近似的U檢驗。2.兩個樣本比較：用正態(tài)近似的U檢驗。

配對設計或隨機區(qū)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(tài)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(tài)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(tài)分布，并且方差齊性，則作隨機區(qū)組的方差分析。如果方差分析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計檢驗。如果Fredman的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tǒng)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(lián)性分析

六、兩個變量之間的關聯(lián)性分析 1.兩個變量均為連續(xù)型變量

1)小樣本并且兩個變量服從雙正態(tài)分布，則用Pearson相關系數(shù)做統(tǒng)計分析 2)大樣本或兩個變量不服從雙正態(tài)分布，則用Spearman相關系數(shù)進行統(tǒng)計分析 2.兩個變量均為有序分類變量，可以用Spearman相關系數(shù)進行統(tǒng)計分析

3.一個變量為有序分類變量，另一個變量為連續(xù)型變量，可以用Spearman相關系數(shù)進行統(tǒng)計分析

七、回歸分析

1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，則直線回歸（單個自變量的線性回歸，稱為簡單回歸），否則應作適當?shù)淖儞Q，使其滿足上述條件。2.多重線性回歸：應變量（Y）為連續(xù)型變量（即計量資料），自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。

1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

3.二分類的Logistic回歸：應變量為二分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)非配對的情況：用非條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用 2)配對的情況：用條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

4.有序多分類有序的Logistic回歸：應變量為有序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

5.無序多分類有序的Logistic回歸：應變量為無序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

八、生存分析資：要求資料記錄結局和結局發(fā)生的時間（如；死亡和死亡發(fā)生的時間）

1.用Kaplan-Meier方法估計生存曲線 2.大樣本時，可以壽命表方法估計

3.單因素可以用Log－rank比較兩條或多條生存曲線 4.多個因素時，可以作多重的Cox回歸

1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

第三篇：醫(yī)學統(tǒng)計學各種資料比較選擇方法小結

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(tài)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(tài)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(tài)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(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tài)分布資料或方差不齊，則作Kruskal Wallis的統(tǒng)計檢驗。如果Kruskal Wallis的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tǒng)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(yōu)度檢驗）。2.四格表資料

1)n>40并且所以理論數(shù)大于5，則用Pearson c2 2)n>40并且所以理論數(shù)大于1并且至少存在一個理論數(shù)

3)n￡40或存在理論數(shù)

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(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗

4.R×C表資料的統(tǒng)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 c2 3)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(shù)小于5的格子數(shù)行列表中格子總數(shù)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(tài)近似的U檢驗。2.兩個樣本比較：用正態(tài)近似的U檢驗。

配對設計或隨機區(qū)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(tài)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(tài)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(tài)分布，并且方差齊性，則作隨機區(qū)組的方差分析。如果方差分析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計檢驗。如果Fredman的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)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(tǒng)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(lián)性分析

六、兩個變量之間的關聯(lián)性分析 1.兩個變量均為連續(xù)型變量

1)小樣本并且兩個變量服從雙正態(tài)分布，則用Pearson相關系數(shù)做統(tǒng)計分析 2)大樣本或兩個變量不服從雙正態(tài)分布，則用Spearman相關系數(shù)進行統(tǒng)計分析 2.兩個變量均為有序分類變量，可以用Spearman相關系數(shù)進行統(tǒng)計分析

3.一個變量為有序分類變量，另一個變量為連續(xù)型變量，可以用Spearman相關系數(shù)進行統(tǒng)計分析

七、回歸分析

1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，則直線回歸（單個自變量的線性回歸，稱為簡單回歸），否則應作適當?shù)淖儞Q，使其滿足上述條件。

2.多重線性回歸：應變量（Y）為連續(xù)型變量（即計量資料），自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

3.二分類的Logistic回歸：應變量為二分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)非配對的情況：用非條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用 2)配對的情況：用條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用 4.有序多分類有序的Logistic回歸：應變量為有序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

5.無序多分類有序的Logistic回歸：應變量為無序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

第四篇：醫(yī)學統(tǒng)計常見資料統(tǒng)計方法歸類

醫(yī)學統(tǒng)計常見資料統(tǒng)計方法歸類

計量資料：

一、統(tǒng)計描述： frequencies（均數(shù)、中位數(shù)、4分位間距）

二、統(tǒng)計推斷：t

1．t檢驗： 適用于兩計量數(shù)據(jù)間平均水平的比較(compaire means)

1）一個樣本和一個總體比較：單個樣本t檢驗One Sample T Test

2）兩個樣本：

（1）完全隨機分組—成組資料比較：兩獨立樣本t檢驗(Independent Sample T Test)要求：樣本來自正態(tài)總體、方差齊

（2）配對設計的兩樣本資料：配對t檢驗(Paired Sample T Test)往往是：A）治療前后數(shù)據(jù)比較

B）同一個樣本用兩種不同方法處理后的數(shù)據(jù)間比較

2．方差分析：適用于兩個及兩個以上計量數(shù)據(jù)間平均水平的比較(compaire means)

1）單因素的方差分析：往往是隨機分組的多個均數(shù)間比較One-Way ANOVA

2）雙因素方差分析：除了組別因素外還有配伍因素（用SPSS中一般線性模型）

3．非參數(shù)檢驗：適用于資料總體分布類型不清，或者偏態(tài)資料，或者方差不齊的情況下

比較計量資料間總體分布的差異。(nonparametric tests)

1）配對計量資料：兩相關樣本非參數(shù)（秩和）檢驗2 –related sample test

2）成組的兩樣本資料兩獨立樣本非參數(shù)（秩和）檢驗2-independent sample test

3）多組資料的比較多個獨立樣本非參數(shù)（秩和）檢驗 K-independent sample test

計數(shù)資料：

卡方檢驗：適用于兩個率或構成比間以及多個率或構成比間比較

1． 四格表卡方檢驗：兩個率或構成比間比較差異（descriptive statistics--crosstabs）

1）非校正卡方：條件：n>40 , T>5Pearson Chi-Square

2)校正卡方 ：條件：n>40 , 1

3)確切概率計算卡方：條件：n

4）配對資料卡方：條件：配對設計的資料McNemar Test

2.行列表卡方檢驗：

1）條件：少于1/5的格子的理論數(shù)小于5Pearson Chi-Square

2）若不滿足以上條件：可以（1）增加樣本含量（2）合理合并（3）刪除該行或列

3）卡方分割：

等級資料：

非參數(shù)檢驗：

成組的兩樣本資料兩獨立樣本非參數(shù)（秩和）檢驗

多組資料的比較多個獨立樣本非參數(shù)（秩和）檢驗

雙變量計量資料： 相關回歸分析(一元回歸、相關X與Y的問題)

生存隨訪資料：生存分析 1）大樣本：壽命表2）小樣本：LogRank Test

第五篇：醫(yī)學統(tǒng)計學統(tǒng)計方法總結

計量資料：

一、描述性分析

集中趨勢：對稱——算術均數(shù)偏態(tài)——中位數(shù)等比——幾何均數(shù) 離散趨勢：對稱——方差、標準差偏態(tài)——四分位數(shù)間距

均數(shù)懸殊或單位不同的資料比較——變異系數(shù)

二、統(tǒng)計推斷（根據(jù)樣本推斷總體）1.參數(shù)（均數(shù)）估計總體方差未知——總體方差已知——

參考值范圍：單雙側正態(tài)分布——

X?u?S

(x?t?/2v

snsn,x?t?/2v

s

sn))

(x?u?/2,x?u?/2

n

X?u?SX?u?S

偏態(tài)分布——百分位數(shù)法

二者的含義、用途 2.假設檢驗

（1）均數(shù)的比較（正態(tài)）

單個樣本、配對（與兩獨立樣本的區(qū)別）兩樣本（方差齊——t檢驗

方差不齊——校正t檢驗或秩和檢驗或變量轉換）多樣本：方差齊完全隨機設計方差分析隨機區(qū)組設計方差分析

方差不齊——秩和檢驗或變量轉換

非正態(tài)：秩和檢驗或變量轉換

F—+—>t

兩兩比較：SNK任兩個對比

LSD一對或幾對比較

Dunnet 實驗與對照組比較

t——>FF=t

2(2)方差比較

兩個方差：F檢驗（正態(tài)）

多個方差：Bartlett（正態(tài)）

Levene檢驗

假設檢驗注意事項

計數(shù)資料

一、描述性分析

頻率或嚴重程度——率

比重或構成——構成比

一指標為另一指標的若干倍或百分比——相對比

應用注意：不能以比代率、可比性、樣本率不能直接對比

率或構成比比較：

1.若某因素內部構成不同并且影響比較，進行標化

二、統(tǒng)計推斷

1.參數(shù)估計

二項分布率的估計：查表或正態(tài)法

泊松分布均數(shù)估計：查表或正態(tài)法

2.假設檢驗

單個樣本率：直接法或二項分布U檢驗泊松分布U檢驗（率很?。﹥蓸颖韭实谋容^：四格表?2檢驗（校正）

二項分布U檢驗（n大、np>5,n(1-p)>5）

泊松分布U檢驗（（率很?。?/p>

精確概率法

多個率或構成比比較：?2檢驗(理論數(shù)不能小于1或小于的理論數(shù)

不能多于5分1)

兩兩比較：

任兩個對比、實驗與對照組比較

等級資料：-----效應比較

秩和檢驗

兩變量關系：

1.定量（計量資料）正態(tài)pearson相關 回歸

非正態(tài)秩相關

2．無序分類定性

3.有序分類定性?2檢驗和列聯(lián)相關系數(shù)

（1）單向有序分組有序、指標無序卡方檢驗分組無序、指標有序秩和檢驗

（2）雙向有序

屬性相同屬性不同Kappa檢驗 線性趨勢秩相關

第六篇：醫(yī)學統(tǒng)計學名詞解釋概念總結

醫(yī)學統(tǒng)計學名詞解釋概念總結

醫(yī)學統(tǒng)計學: 是用統(tǒng)計學原理和方法研究生物醫(yī)學問題的一門學科。他包括了研究設計、數(shù)據(jù)收集、整理、分析以及分析結果的正確解釋和表達。 統(tǒng)計描述：用統(tǒng)計指標、統(tǒng)計圖表對資料的數(shù)量特征及分布規(guī)律進行客觀的描述和表達。

統(tǒng)計推斷：在一定的置信度和概率保證下，用樣本信息推斷總體特征：

①參數(shù)估計：用樣本的指標去推斷總體相應的指標

②假設檢驗：由樣本的差異推斷總體之間是否可能存在的差異

同質：一個總體中有許多個體，他們之所以共同成為人們研究的對象，必定存在共性，我們說一些個體處于同一總體，就是指他們大同小異，具有同質性。

總體（population）是根據(jù)研究目的確定的同質的觀察單位的全體，更確切的說，是同質的所有觀察單位某種觀察值（變量值）的集合。總體可分為有限總體和無限總體?？傮w中的所有單位都能夠標識者為有限總體，反之為無限總體。

樣本：從總體中隨機抽取部分觀察單位，其測量結果的集合稱為樣本（sample）。樣本應具有代表性。所謂有代表性的樣本，是指用隨機抽樣方法獲得的樣本。

隨機抽樣：隨機抽樣（random sampling）是指按照隨機化的原則（總體中每一個觀察單位都有同等的機會被選入到樣本中），從總體中抽取部分觀察單位的過程。隨機抽樣是樣本具有代表性的保證。

變異：在自然狀態(tài)下，個體間測量結果的差異稱為變異（variation）。變異是生物醫(yī)學研究領域普遍存在的現(xiàn)象。嚴格的說，在自然狀態(tài)下，任何兩個患者或研究群體間都存在差異，其表現(xiàn)為各種生理測量值的參差不齊。

（1）計量資料：對每個觀察單位用定量的方法測定某項指標量的大小，所得的資料稱為計量資料（measurement data）。計量資料亦稱定量資料、測量資料。.其變量值是定量的，表現(xiàn)為數(shù)值大小，一般有度量衡單位。

（2）計數(shù)資料：將觀察單位按某種屬性或類別分組，所得的觀察單位數(shù)稱為計數(shù)資料（count data）。計數(shù)資料亦稱定性資料或分類資料。其觀察值是定性的，表現(xiàn)為互不相容的類別或屬性。

（3）等級資料：將觀察單位按測量結果的某種屬性的不同程度分組，所得各組的觀察單位數(shù)，稱為等級資料（ordinal data）。

概率：概率(probability)又稱幾率，是度量某一隨機事件A發(fā)生可能性大小的一個數(shù)值，記為P（A），P（A）越大，說明A事件發(fā)生的可能性越大。0P（A）1。

頻率：在相同的條件下，獨立重復做n 次試驗，事件A 出現(xiàn)了m 次，則比值m/n 稱為隨機事件A 在n 次試驗中出現(xiàn)的頻率(freqency)。當試驗重復很多次時P（A）= m/n。

隨機誤差（random error）又稱偶然誤差，是指排除了系統(tǒng)誤差后尚存的誤差。它受多種因素的影響，使觀察值不按方向性和系統(tǒng)性而隨機的變化。誤差變量一般服從正態(tài)分布。隨機誤差可以通過統(tǒng)計處理來估計。

抽樣誤差（sampling error ）是指樣本統(tǒng)計量與總體參數(shù)的差別。在總體確定的情況下，總體參數(shù)是固定的常數(shù)，統(tǒng)計量是在總體參數(shù)附近波動的隨機變量。

系統(tǒng)誤差：系統(tǒng)誤差(systematic error)是指由于儀器未校正、測量者感官的某種偏差、醫(yī)生掌握療效標準偏高或偏低等原因，使觀察值不是分散在真值的兩側，而是有方向性、系統(tǒng)性或周期性地偏離真值。系統(tǒng)誤差可以通過實驗設計和完善技術措施來消除或使之減少。

隨機變量：隨機變量（random variable）是指取指不能事先確定的觀察結果。隨機變量的具體內容雖然是各式各樣的，但共同的特點是不能用一個常數(shù)來表示，而且，理論上講，每個變量的取值服從特定的概率分布。

參數(shù)：參數(shù)（paramater）是指總體的統(tǒng)計指標，如總體均數(shù)、總體率等?？傮w參數(shù)是固定的常數(shù)。多數(shù)情況下，總體參數(shù)是不易知道的，但可通過隨機抽樣抽取有代表性的樣本，用算得的樣本統(tǒng)計量估計未知的總體參數(shù)。

統(tǒng)計量：統(tǒng)計量（statistic）是指樣本的統(tǒng)計指標，如樣本均數(shù)、樣本率等。樣本統(tǒng)計量可用來估計總體參數(shù)?？傮w參數(shù)是固定的常數(shù)，統(tǒng)計量是在總體參數(shù)附近波動的隨機變量。

頻數(shù)表（frequency table）用來表示一批數(shù)據(jù)各觀察值或在不同取值區(qū)間的出現(xiàn)的頻繁程度（頻數(shù)）。

算術均數(shù)（arithmetic mean）描述一組數(shù)據(jù)在數(shù)量上的平均水平?？傮w均數(shù)用μ表示，樣本均數(shù)用X 表示。

幾何均數(shù)（geometric mean）用以描述對數(shù)正態(tài)分布或數(shù)據(jù)呈倍數(shù)變化資料的水平。記為G。

《醫(yī)學統(tǒng)計學名詞解釋概念總結》全文內容當前網(wǎng)頁未完全顯示，剩余內容請訪問下一頁查看。