2023年医学统计学知识点

第一章绪论1、记录学,是关于数据收集、整理、分析、表达和解释的普遍原理和方法。2、研究对象:具有不拟定性结果的事物。3、记录学作用:可以透过偶尔现象来探测其规律性，使研究结论具有科学性。4、记录分析要点:对的选用记录分析方法，结合专业知识作出科学的结论。5、医学记录学基本内容：记录设计、数据整理、记录描述、记录推断。６、医学记录学中的基本概念(1)同质与变异同质，指根据研究目的所拟定的观测单位其性质应大体相同。变异，指总体内的个体间存在的、绝对的差异。记录学通过对变异的研究来探索事物。(2)变量与数据类型变量,是反映实验或观测对象生理、生化、解剖等特性的指标。变量的观测值,称为数据分为三种类型:定量数据，也称计量资料,指对每个观测单位某个变量用测量或其他定量方法准确获得的定量结果。（如身高、体重、血压、温度等)定性数据,也称计数资料，指将观测单位按某种属性分组计数的定性观测结果。涉及二分类、无序多分类。(进一步分为二分类和多分类,如性别分为男和女，血型分为A、B、O、AＢ等)有序数据，也称半定量数据或等级资料，指将观测单位按某种属性的不同限度或顺序提成等级后分组计数的观测结果，具有半定量性质。记录方法的选用与数据类型有密切的关系。（３)总体与样本总体,指根据研究目的拟定的所有同质观测单位的全体，涉及所有定义范围内的个体变量值。样本，是从研究总体中随机抽取部分有代表性的观测单位,对变量进行观测得到的数据。抽样，是从研究总体中随机抽取部分有代表性的观测单位。参数,指描述总体特性的指标。记录量，指描述样本特性的指标。(4)误差误差，指观测值与真实值、记录量与参数之间的差别。可分为三种:系统误差,也称记录偏倚，是某种必然因素所致，不是偶尔机遇导致的,误差的大小通常恒定，具有明确的方向性。随机测量误差，是偶尔机遇所致,误差没有固定的大小和方向。抽样误差,是抽样引起的记录量与参数间的差异。抽样误差重要来源于个体的变异。记录学重要研究抽样误差。(5)概率概率，是描述某事件发生也许性大小的量度。必然事件，事件肯定发生,概率P(Ｕ)=1;随机事件,事件也许发生,也许不发生，概率介于0≤P(Ａ)≤1;不也许事件,事件肯定不发生，概率Ｐ(∮)＝０；小概率事件,事件发生的也许性很小,概率P(A)≤０.０5、或P（A)≤0.0１。医学科研中，Ｐ(A）≤0.05作为事物差别有记录意义，Ｐ(A）≤0.01作为事物差别有高度记录意义。第二章定量数据的记录描述定量数据的记录描述方法:频数表、直方图、记录指标。（1）频数分布频数分布的目的:了解数据的分布范围、集中位置以及分布形态等特性，以便根据资料分布情况选择合适的记录方法。频数分布的用途：①作为陈述资料的形式；②便于观测数据的分布类型；③便于发现数据中特大或特小的可疑值;④当样本量大时，可用各组段的频率作为概率的估计值。计算全距(raｎｇe，Ｒ）:是一组数据的最大值与最小值之差。Ｒ=Maｘ-Miｎ拟定组数与组距样本量在１00例左右，组数选择8~15之间,一般取1０组左右。组距≈全距/组数拟定组限第一组段必须涉及最小值，最后一组段必须涉及最大值。最后一组段涉及最大值,且一般情况下应包含该组段上限,其余各组段区间左闭右开。计算各组段频数(freｑuencｙ):即计算各组段内观测值的个数。计算各组段频率（perceｎt):即计算各组段频数与总观测值个数之比，用百分数表达。计算累计频数（cｕmｕlativefrｅqｕency）和累计频率（cumｕlativeｐｅrｃｅnt）:累计频数是由上至下将频数累加；累计频率是由上至下将频率累加。(2）直方图直方图,是以垂直条段代表频数分布的一种图形。(3）频数分布表的用途１、作为称述资料的形式，可以代替原始资料，便于进一步分析。2、便于观测数据的分布类型。资料分布类型分为:对称分布和偏态分布。在记录分析时常需要根据资料的分布形式选择相应的记录分析方法，因此对数据分布形式的鉴定非常重要。3、便于发现资料中某些远离群体的特大或特小值。4、当样本含量比较大时，可用各组段的频率作为概率的估计值。集中趋势的记录指标平均数，是描述一组观测值集中位置或平均水平的记录指标,常作为一组数据的代表值用于分析和进行组间的比较。常用的有算术均数、几何均数、中位数、百分位数等。算术均数,等于一个变量所有观测值的和除以观测值个数。总体均数用希腊字母μ表达,样本均数用符号Χ拔表达。算术均数合用于对称分布的资料，如分布均匀的小样本数据或近似正态分布的大样本数据。算术均数易受极端值的影响,并且受极大值的影响大于受极小值的影响。几何均数几何均数(geoｍetricｍeａn，G)，等于一个变量所有ｎ个观测值的乘积的n次方根。几何均数合用于取对数后近似呈对称分布的资料,特别是右偏态分布数据。医学研究中常用于比例数据。【注】计算几何均数的观测值不能小于或等于０,由于无法求对数。中位数中位数(ｍｅdｉan，M）,是在按大小顺序排列的变量的所有观测值中，位于正中间的一个或两个数值。当数据呈偏态分布、或频数分布两端无拟定数值，均宜采用中位数描述集中趋势。中位数的拟定取决于它在数据序列中的位置，因此对极端值不敏感。百分位数百分位数（pｅrcentｉle），是一个位置指标,它将一组变量值排列后划分为若干相等部分的分割点数值。用Px表达，Ｘ用百分数表达。表达在按照升序排列的数据中,其左侧(≤Px)的观测值个数在整个样本中所占比例为X%，其右侧（≥Px）的观测值个数在整个样本中所占比例为(1００－X)%。百分位数不管资料分布类型均可计算,在实际工作中常用于拟定医学参考值范围;在假设检查中用作拒绝或不拒绝检查假设的界值。百分位数并非由所有观测值综合计算得来,因此，它不如均数和标准差精确；然而中间部分的百分位数因不受资料中个别极端数据的影响,具有较好的稳定性。小结指标意义合用场合均数个体的平均值对称分布，特别是正态分布资料。几何均数平均倍数取对数后对称分布。中位数位次居中的观测值①非对称分布；②半定量资料；③末端无确切数值；④分布不明。变异限度的记录指标变异指标,又称离散指标,用以描述一组计量资料各观测值之间参差不齐的限度。变异指标越大,观测值之间差异愈大，说明变异限度越大;反之亦然。常用的有极差、四分位数间距、方差、标准差和变异系数。极差极差（range，R)，等于一个变量所有观测值中最大值与最小值之间的差值。R＝Ｍax－Miｎ缺陷:①没有运用观测值的所有信息,不能反映其它数据的离散度；②各样本含量大小悬殊时，不宜比较其极差；③极差的抽样误差也较大,所以不够稳定。极差仅合用于对未知分布的小样本资料作粗略的分析。四分位数间距四分位数,是记录学对特殊的三个百分位数P２5％、P5０%和P7５%的统称四分位数间距（ｑuaｒtｉleraｎgｅ,Q）,等于第三四分位数与第一四分位数之间的差值。Q=P75%-P25%缺陷:①没有运用观测值的所有信息,不能反映其它数据的离散度；四分位数间距仅用来描述大样本偏态资料的变异情况。方差方差（ｖaｒiａｎｃe），是描述一个变量的所有观测值与总体均数的平均离散限度的指标。总体方差用σ2表达，样本方差用S２表达。标准差标准差（standarddeviatｉｏｎ,Ｓ）,是描述一个变量的所有观测值与均数的平均离散限度的指标。总体标准差用σ表达,样本标准差用S表达。标准差方差或标准差属同类变异指标，它们多用来描述均匀分布或近似正态分布的资料，大、小样本均可，其中以标准差的应用最广,通常与均数结合使用。比如在许多医学研究报告中常用X拔±Ｓ的形式表达资料。变异系数变异系数(coｅffiｃieｎtoｆvariation，CV)，是一个度量相对离散限度的指标。CV是无量纲的指标,可以用来比较几个量纲不同的指标变量之间的离散限度的差异，或比较量纲相同但均数相差悬殊的变量之间的离散限度的差异。小结指标意义合用场合极差观测值的取值范围不拘分布形式，概略分析。四分位数间距居中半数观测值的极差①非对称分布;②半定量资料；③末端无确切数值;④分布不明。标准差

(方差）观测值距离均数的平均限度对称分布,特别是正态分布资料。变异系数变异限度大小的对比①不同量纲的变量间比较；②量纲相同但数量级相差悬殊的变量间比较。第三章正态分布与医学参考值范围正态分布，是一种连续型随机变量常见而重要的分布。正态曲线，是一条高峰位于中央,两侧逐渐下降并完全对称,曲线两端永远不与横轴相交的钟型曲线。假如随机变量X的分布服从概率密度函数和概率分布函数称连续型随机变量Ｘ服从正态分布,记为X~N(μ,σ２)。π为圆周率，

e为自然对数的底值，ﻫσ为总体标准差，ﻫμ为总体均数。正态分布的特性1、正态分布是单峰分布,以X=μ为中心,左右完全对称，正态曲线以X轴为渐近线,两端与X轴不相交。２、正态曲线在X=μ处有最大值,其值为f(μ）=1／(μ√2π)；X越远离μ，f（X)值越小,在X＝μ±σ处有拐点，呈现钟形。3、正态分布完全由参数μ和σ决定。μ是位置参数,决定正态曲线在Ｘ轴上的位置。在σ一定期，μ增大，曲线沿横轴向右移动;μ较小,曲线沿横轴向左移动。σ是形状参数，决定正态曲线的分布形态。σ越大，曲线的形状越“矮胖”,表达数据分布越分散;σ越小，曲线的形状越“瘦高”，表达数据分布越集中。正态曲线下面积分布规律１、服从正态分布的随机变量在某一区间上的曲线下面积与其在同一区间上取值的概率相等。２、曲线下的总面积为1或1００%，以μ为中心左右两侧面积各占50%,越靠近μ处曲线下面积越大，两边逐渐减少。3、所有的正态曲线，在μ左右的任意个标准差范围内面积相同。一些特殊情况，在μ±σ范围内的面积约为６８．２7%,在μ±1.96σ范围内的面积约为9５.00%,在μ±2.５８σ范围内的面积约为99.00％。标准正态分布对任意一个服从N(μ,σ2）分布的随机变量X，经Z＝X-μ/σ变换都可以转为μ=0、σ=1的标准正态分布，也称随机变量的标准化变换。标准正态分布的应用实际应用中，经z变换可把求解任意一个正态分布曲线下面积的问题，转化成标准正态分布曲线下相应面积的问题。正态分布的应用1、制定医学参考值范围2、质量控制3、正态分布是很多记录方法的理论基础医学参考值范围医学参考值范围,指正常人的解剖、生理、生化、免疫及组织代谢产物的含量等各种数据的波动范围。医学参考值范围,习惯上是包含９5％的参照总体的范围。制订的注意事项ａ、抽取足够例数的同质“正常人”样本★“正常人”的定义，样本量(n>120），随机化。b、拟定具有实际意义的统一测量标准★指标的测量方法等要有规定，控制测量误差。c、根据指标的性质拟定是否要分组★根据实际情况、专业知识。d、根据指标含义决定单、双侧范围★单侧下限，过低异常;单侧上限,过高异常;双侧，过高、过低均异常。e、选择适当的百分范围★绝大多数人，一般８0%、90%、９5%、9９%；★减少误诊，取较大范围;减少漏诊,取较小范围。ｆ、估计参考值范围★根据资料分布类型：正态分布法、百分位数法。第四章定性数据的记录描述相对数,是两个有关的绝对数之比，也可以是两个记录指标之比。计算相对数的意义重要是把基数化作相等，便于互相比较。相对数重要用于定性资料的记录描述。常用的指标有频率、构成比、相对比。频率频率(ｒatｅ）,表达在一定范围内某现象的发生数与也许发生的总数之比，说明某现象出现的频率或概率。总体率用π来表达，样本率用Ｐ来表达。需要注意的是，率在更多情况下是一个具有时间概念的指标,即用于说明在一段时间内某现象发生的强度或频率。构成比构成比,表达某事物内部各组成部分在整体中所占的比重。构成比之和应为100%，某一构成部分的增减会影响其他构成部分相应的减少或增长;而某一部分率的变化并不影响其他部分率的变化,且其平均率不能简朴地将各率相加后平均求得。相对比相对比,是A、B两个有关联指标之比，用以描述两者的对比水平。相对危险度(relativerisｋ，RＲ)，用于流行病学中队列研究资料。比数比(ｏddsrａtiｏ,OR），用于流行病学中病例对照研究资料。小结指标计算公式合用场合频率n/N估计总体中某一结局发生的概率或也许性构成比n１/N,n2/N,…,nk/N估计总体中所有也许结局所占的比例或比重相对比A/B估计两个指标的相对大小构成比表达某事物内部各部分所占的比例或比重,频率是表白某现象发生的频率或概率。构成比的分子中的个体一定是分母中的一部分，而相对比则不一定；构成比是同一类事物的数值之比，相对比可以是任意两个数值之比。相对数的使用注意ａ、区别构成比和频率★频率,强度相对数；构成比，结构相对数。b、使用相对数时分母不宜过小★如分母太小，用绝对数表达,如“3例中死亡1例”。c、注意相对数的可比性★研究对象要同质，方法要相同，观测时期要一致等。d、考虑存在抽样误差★对总体进行推断应作记录学检查。率的标准化标准化率，是为了在比较两个不同人群的患病率、发病率、死亡率等资料时,消除内部构成(如年龄、性别、工龄、病程长短等）不同而不能直接比较所产生的影响。标准化率仅用于互相比较,不代表实际水平；当标准构成不同时,标准化率一般也不相同。标准构成的选取★从外部取一个公认的标准构成比，如全国范围或全省范围的数据、国际间比较时取世界通用标准。★将几个组的观测例数合并，计算出合并的构成比,以其作为标准构成比。★取某一个组的构成比为标准构成比。医学中常用相对数指标死亡率,又称粗死亡率,表达某年某地每千人中的死亡人数。反映本地居民总体死亡水平。对不同地区的死亡率进行比较时，应注意不同地区人口年龄或性别构成的影响。若年龄或性别构成存在差异,需先将死亡率标化后再进行比较。年龄别死亡率,表达某年某地某年龄组每千人口中的死亡数。死因别死亡率，表达某年某地每１0万人中因某种疾病死亡的人数。反映各类病伤死亡对居民生命的危害限度。死亡(因)构成，也称相对死亡比，表达所有死亡人数中，死于某死因者占总死亡数的比例。反映各种死因的相对重要性。疾病记录指标发病率,表达在一定期间内,一定人群中某病新发生的病例出现的频率。反映疾病对人群健康影响和描述疾病分布状态的一项测量指标。患病率，也称现患率，表达某一时点某人群中患某病的频率。反映病程较长的慢性病的发生或流行情况。病死率，表达某期间内,某病患者中因某病死亡的频率。反映该疾病的严重限度和医疗水平。治愈率,表达接受治疗的病人中治愈的频率。第五章登记表与记录图登记表,把反映某事物的数量特性以及互相关系的记录数字用表格的形式归纳起来。特点：①避免冗长的文字叙述、减少篇幅；②便于表达事物间的内在联系和区别;③便于分析、比较并易于发现和纠正错误。编制原则a、重点突出，简朴明了★一张表表达一个中心内容或主题。b、主谓分明,层次清楚★定语在标题内，主语作为横标目,谓语作为纵标目。ｃ、数据表达规范、文字和线条从简结构a、标题★位于登记表的最上部，应涉及表的编号。b、标目★纵标目的示相应一列（或数列）的内容；横标目的示相应行的内容。c、线条★不宜太多,一般为三线表；★不允许使用竖线与斜线。ｄ、数字★一律使用阿拉伯数字；★同一指标的小数位数应一致,位次要对齐；★数值为零时应写“０”，缺省用“…”表达,不存在或不需要用“—”表达。e、备注★不是登记表的必须项目,需要时才用；★位于登记表的最下部，表格之外,用“*”号标出。记录图记录图,是指用几何图形(点、线段、直条等)显示记录指标的大小、对比关系或变化趋势。特点：与登记表相比，记录图更加直观，更便于比较和分析。但它不能确切地显示数字大小,因此常与登记表一并使用。常用的记录图有：条图、圆图、百分条图、线图、直方图等。制作原则a、根据资料性质、分析目的选用适当的记录图b、一个图表达一个中心内容或主题。c、图形应准确、美观。结构ａ、标题★位于记录图的下方,应涉及图的编号。b、图域★一般用直角坐标系第一象限的位置表达图域。c、标目★纵标目和横标目,表达纵轴和横轴数字刻度；★一般有度量衡单位。d、图例★对图中不同颜色或图案代表的指标进行注释;★图例放在横标目与标题之间，或放在图域中。e、刻度★刻度数值从小到大,纵轴由下向上,横轴由左向右。描述定量数据的记录图直方图,用于表达连续变量频数分布情况。线图,合用于描述一个变量随另一个变量变化的趋势。半对数线图，用来比较事物之间相对的变化速度。箱图，合用于比较多组资料的集中趋势和离散趋势。一般选用五个描述记录量(Min、P25、Ｍ、P7５、Max）来绘制。误差条图，合用于比较多组资料的均值和可信区间。散点图,用点的密集限度和变化趋势来表达两指标之间的直线或曲线关系。条图，合用于各组资料之间指标的比较。圆图,描述一组构成比资料。百分条图，描述多组构成比资料小结图形重要目的说明条图比较各组之间的记录指标的差别一个坐标轴为组名称,另一个坐标轴为频率;多个指标变量可放在一个图中圆图描述变量的构成比没有坐标轴；用图例区分各部分百分条图比较多个指标变量的构成比一个坐标轴为各变量名称,另一个坐标轴刻度为０~1０0%;用图例区分各部分线图描述一个变量随另一个变量变化的趋势两个变量的观测值必须一一相应；横轴为自变量,纵轴为因变量半对数线图同上因变量的变异较大时使用;其他同上箱图比较一个变量在多个组上的分布一个坐标轴为组名称，另一个坐标轴为该变量的取值散点图描述两个指标变量之间的直线相关关系两个变量的观测值可以不一一相应;横轴为自变量,纵轴为因变量第六章参数估计抽样误差:由个体差异和抽样导致的样本记录量与总体参数的差异。涉及：样本记录量与总体参数间的差异，样本记录量间的差异。具有如下特点：1、各样本均数未必等于总体均数;各样本均数间存在差异；3、样本均数的分布围绕着总体均数呈现中间多、两边少、左右基本对称，近似服从正态分布;4、样本均数的变异范围较之原变量的变异范围小;5、随着样本含量的增大，样本均数的变异范围逐渐缩小。均数的标准误标准误(ｓｔaｎdａｒderｒor，ＳE），指样本记录量的标准差。均数的标准误（stanｄardｅrｒorofmean,ＳEＭ），指样本均数的标准误。它反映样本均数间的离散限度，反映样本均数与相应总体均数间的差异，说明了均数抽样误差的大小。在ｎ一定的情况下,标准误与标准差呈正比，说明当总体中各观测值变异较小时，抽到的Ｘ拔与μ也许相差较小,X拔用估计μ的可靠限度高；反之，当总体中各观测值变异较大时,可靠限度较低。标准误与样本含量的平方根呈反比,说明在同一总体中随机抽样，n越大，标准误越小。率的抽样误差率的标准误（staｎdａrderrｏrofrate,ＳEＲ)，指样本率的标准误。它反映样本率间的离散限度，反映样本率与相应总体率间的差异,说明了率抽样误差的大小。总体率标准误用σｐ表达,样本率标准误用Ｓp表达。总体均数的估计概述点估计（poinｔｅstimatioｎ），是用样本记录量直接作为其总体参数的估计值。区间估计（iｎterｖalestimａtion)，是按预先给定的概率（1-α)所拟定的包含未知总体参数的一个范围。点估计:优点：表达简朴缺陷:未考虑抽样误差，无法评价参数估计的准确限度可信区间在区间估计中,预先给定的概率（１-α)，称为可信度（confidencelevｅl),常取95%或99%。通过可信度，计算得到的区间范围,称为可信区间(coｎfidｅnceintｅrval,CI)。可信区间由两个数值界定的可信限(ｃonfiｄencｅlｉｍit，CL）构成,较小的数值为下限（lowerlimit,L)，较大的数值为上限（ｕpperlimｉt,U),一般表达为L～U。可信度为9５%可信区间的涵义：若反复１0０次样本含量相同的抽样，每个样本均按同一方法构建9５%可信区间,则理论上平均有９5个可信区间包含了总体均数，只有5个可信区间未包含。可信区间估计的优劣:准确性,反映可信度１-α的大小,其值越接近1越好。精确性,用可信区间的宽度ＣU-ＣL衡量，宽度越小越好。t分布t分布:重要用于总体均数的区间估计和t检查等。ν为自由度(degreeｏfｆreｅｄoｍ,df)，指可以自由取值的变量个数。t分布的特点:1、t分布图是一簇曲线,曲线的形态变化与自由度有关。2、随ν的增大，曲线越来越接近标准正态分布曲线；3、当ν→∞时，ｔ分布的极限分布就是标准正态分布。4、t分布的密度曲线下面积有一定的规律性。在ｔ界值表中,横标目为自由度，纵标目为尾部概率。一侧尾部面积称为单侧概率（one-tａileｄpｒobaｂility），两侧尾部面积之和称为双侧概率（two-tailｅdｐｒobability）。从t界值表中看出:在相同自由度时,│t│值越大,概率P越小。小结估计绝大多数观测对象某项指标的分布范围估计绝大多数观测对象某项指标的分布范围估计总体均数用途n越大，参考值范围越稳定n越大，CI越小；n→∞，CI→0样本量

的作用正态分布：±zα/2S(双侧）偏态分布：Px~P100-x(双侧）σ未知：σ已知或σ未知但n>60：计算

公式“正常人”的解剖，生理，生化等某项指标的波动范围。个体值的波动范围按预先给定的概率拟定的未知参数μ的也许范围。总体均数的波动范围含义参考值范围总体均数的可信区间区别点两总体均数差值的区间估计在实际工作中,经常需要估计两总体均数之差μ1－μ2的大小，需估计两总体均数差值的可信区间。总体率的区间估计小样本率的区间估计：在样本例数较小,且样本率接近1或0时，运用二项分布可估计其总体率的(1-α）可信区间。当ｎ≤50,样本例数ｎ和阳性例数X≤n/2时,直接查表得到９5%和99%可信区间。当阳性例数Ｘ>n/2时,用n－X查表，获得总体阴性率可信区间，再用1减去总体阴性率可信区间，既为总体阳性率可信区间。大样本率的区间估计在样本例数较大,且p和1－p均不太小，如ｎｐ与ｎ(1－ｐ)均大于5时,样本率p的抽样分布近似正态分布,可按正态分布近似法求总体率的(1-α)可信区间。两总体率差值的区间估计设两样本率分别为p１和p2，当n1与ｎ2均较大，且p1,1－ｐ1及p2,1－ｐ2均不太小，如n1p1、ｎ1(1-p1)、n２p２、n2(1-p2)均大于5时，可采用正态近似法对两总体率差值进行可信区间估计。第七章假设检查假设检查(ｈypothesｉstesting）也称显著性检查(siｇｎificａnｃetest），是用来判断样本与样本,样本与总体的差异是由抽样误差引起还是本质差别导致的记录推断方法。假设检查的基本思想反证法思想:先提出假设,再用适当的记录方法拟定假设成立的也许性大小，如也许性小,则认为假设不成立。小概率事件:是指在一次实验中基本上不大会发生的事件。假设检查的基本环节建立假设无效假设（ｎullhyｐotheｓis)，记为H0,指需要检查的假设,即μ１＝μ2。拟定检查水准检查水准(lｅvｅlofatest)也称为显著性水准（siｇnｉficanceleｖeｌ)，是预先规定的判断小概率事件的概率尺度，记为α。实际中一般取α=0.05或α=0.01。c、选择检查方法，计算记录量根据资料类型、研究设计方案和记录推断的目的,选择适当的检查方法和计算公式。如：ｔ检查、u检查、F检查、χ2检查。拟定P值,作出记录推断结论P值（probabｉlityvａｌuｅ)，指由Ｈ０所规定的总体做反复随机抽样，获得等于及大于当前检查记录量的概率。拟定Ｐ值的方法：依据检查记录量的自由度、检查水准，查检查记录量相应的界值表,通过检查界值,得到与检查记录量相相应的P值范围。如:u0.05/2=1．96相应的P值为0.05。拟定P值,作出记录推断结论假设检查规定：假如一次实验结果P≤α，拒绝H0，结论为“差别有记录学意义”。Ｐ≥α，不拒绝H0，结论为“差别没有记录学意义”。P值的习惯表述：P>0.０5称“不显著”（ｎｏｔsｉgniｆiｃant）;P≤0.0５称“显著”(siｇniｆicant)；Ｐ≤0.01称“非常显著”(hｉgｈlｙsignｉficａnt）。假设检查中两类错误假设检查是运用小概率反证法思想,从问题的对立面(H0)出发间接判断要解决的问题(H１）是否成立，然后在假定H0成立的条件下计算检查记录量,最后根据P值判断结果，此推断结论具有概率性，因而无论拒绝还是不拒绝H0，都也许犯错误。检查效能(powerｏftest），指当两总体确有差别，按α水准，假设检查能发现其差别的能力。记为1－β。α愈小，β愈大；α愈大,β愈小。若要同时减小Ⅰ型错误和Ⅱ型错误,唯一方法是增长样本量。第七章单样本t检查（oｎesamｐlet-teｓt）,合用于样本均X拔与已知均数μ0的比较,目的是检查样本均数μ０所代表的未知总体均数μ是否与已知总体均数μ0有差别。已知总体均数μ0一般指理论值、标准值或通过大量观测所得到的稳定值。配对样本均数ｔ检查(pairedｔ－tｅsｔ），合用于配对设计的计量资料两相关样本均数的比较，目的是检查两相关样本均数所代表的未知总体均数是否有差别。配对设计（paireddesｉｇn），是将受试对象按某些重要特性相近的原则配成对子，每对中的两个个体随机地给予两种解决。配对设计解决分派方式：将同一受试对象解决前后的结果进行比较;同一受试对象随机分派接受不同解决；同一标本的两个部位测试同一指标;两个同质受试对象分别接受两种解决。两独立样本均数t检查(twｏindependentsａmplesｔ-test），合用于完全随机设计两独立样本均数的比较,目的是检查两独立样本均数所代表的未知总体均数是否有差别。完全随机设计（completelyraｎｄoｍdｅsiｇｎ）:从某研究总体随机抽取一定数量的研究对象，将其随机分派到两组，接受不同的解决后，测量某指标后进行组间比较。两独立样本均数t检查规定两样本所代表的总体方差相等，即方差齐性注意事项:a、假设检查结论对的的前提★作假设检查用的样本资料，必须能代表相应的总体，各对比组具有良好的组间均衡性。b、检查方法的选用及其合用条件★根据分析目的、研究设计、资料类型、样本量大小等选用适当的检查方法。c、双侧检查与单侧检查的选择★根据研究目的和专业知识予以选择,一般选用双侧检查。ｄ、假设检查的结论不能绝对化★列出概率的确切数值或给出范围,注明采用单侧检查还是双侧检查。e、对的理解P值的记录意义第八章方差分析方差分析,能用于两个或两个以上样本均数的比较,还可分析两个或多个研究因素的交互作用以及线性回归方程的假设检查等。基本思想是：分析变异，也就是分解变异，即将数据总的变异分解为解决因素引起的变异和随机误差引起的变异，通过对两者进行比较作出解决因素有无作用的记录推断。应用条件各组样本是互相独立的随机样本各组样本都来自正态总体。各组总体方差相等，即方差齐性。完全随机设计的方差分析完全随机设计，是按一个解决因素随机分组，记录分析解决因素各个水平组间均数差别有无记录学意义。变异的分解自由度分解估计方差(均方）F记录量的计算F分布及拟定P值随机区组设计的方差分析随机区组设计(ｒandomizedblockｄeｓｉgn),是先按对实验结果有影响的非研究因素将受试对象配成若干个区组,再分别将各区组内的受试对象随机分派到解决水平不同的各个组。多个样本均数的两两比较经方差分析,若各组的均数差别无记录学意义,则不需要作进一步的记录解决，但是当方差分析结果为P<α时，只说明各组总体均数不相同或不全相同,不能说明各组总体均数间有差别。假如要分析哪两组间均数有差别，需进行多组均数间的多重比较。多个样本均数两两比较方法选择策略第九章卡方检查方差齐性检查的作用：Bartletｔ检查法重要合用于正态分布资料的方差齐性检查问题。卡方检查常用于推断两个总体率(或构成比）之间有无差别。χ２值反映了实际频数与理论频数的吻合限度。若假设成立,实际频数与理论频数的差值较小,χ2值也较小;若假设不成立，实际频数与理论频数的差值较大,χ2值也较大。配对四格表资料的卡方检查计数资料的配对设计常用于两种检查方法、培养方法、诊断方法的比较。特点是对样本中各观测单位分别用两种方法解决，然后观测两种解决方法的某两分类变量的计数结果R×Ｃ列联表资料的卡方检查用于多个样本率的比较、两个或多个构成比的比较。基本数据为：⑴多个样本率比较时，有R行２列；⑵两个样本构成比比较时，有2行C列；⑶多个样本构成比比较时，有Ｒ行C列。采用Bonfｅrｒoni法进行多个样本率的两两比较,环节如下:①对需要比较的行×列表资料进行χ2分割,变成多个四格表;②对每个四格表进行χ2检查；③采用(α‘=α/比较次数）计算调整的水准,其中α为事先拟定的水准;④以α‘调整作为检查检查水准，作出结论。Ｒ×Ｃ列表表χ2检查注意事项：若有１/5以上的格子出现１≤T<５,则增大样本含量,以达成增大理论频数的目的;结合专业,删去理论频数太小的格子相应的行或列；结合专业,将理论频数太小的行或列与性质相近的行或列合并;用双向无序Ｒ×C表资料的Fishｅr确切概率法。b、多个样本率比较,若记录推断为拒绝H０，接受Ｈ１,只能认为各总体率或构成比之间总的来说有差别。若要进一步了解哪两者之间有差别，可用卡方分割法,或者调整检查水准。c、对于单向有序的Ｒ×Ｃ表资料,在比较各解决组的效应有无差别时,应当用秩和检查。第十章非参数秩和检查参数检查,是基于随机样本来自某已知分布的总体，推断两个或两个以上总体参数是否相同的方法。常用的方法有:t检查、方差分析。特点重要有:①对总体参数进行估计或检查是重要目的；②规定总体分布已知;③记录量有明确的理论依据；④有严格的使用条件,规定总体分布符合正态分布、总体方差齐性、数据间互相独立。非参数检查（noｎpaｒameｔrｉctesｔ)，是在不考虑总体参数和分布类型的情况下，对总体的参数和分布位置进行检查的方法。常用的方法有:秩和检查、符号检查。特点重要有:①合用范围广，可应用于总体分布类型未知的计量资料、偏态分布的资料、等级资料、不满足参数检查条件的资料等；②受限条件少,更适合一般情况;③具有较好的稳健性;④方法简便,易于理解和掌握。秩和检查（ｒanｋsｕmtest