论文资料-医学统计学总结重点笔记复习资料word可编辑

论文资料-医学统计学总结重点笔记复习资料word可编辑内容摘要：

近与标准正态分布；当ν 趋向∞ ， t 分布的极限分布是标准正态分布。 置信区间和参数估计 （名解 2 选 1） 置信区间 ：在 统计学 中，一个 概率样本 的置信区间（ Confidence interval）是对这个样本的 某个总体参数 的 区间估计。 置信区间展现的是这个参数的真实值有一定 概率 落在测量结果的周围的程度。 给出的是被测量参数的测量值的可信程度。 对于具有特定的发生概率的随机变量，其特定的价值区间 一个确定的数值范围（“一个区间”）。 在一定 置信水平 时，以测量结果为中心，包括总体均值在内的可信范围。 该区间包含了参数θ真值的可信程度。 参数的置信区间可以通过 点估计 量构造，也可以通过 假设检验 构造。 参数估计： 指用样本指标值（统计量）估计总体指标值（参数）。 参数估计有两种方法： 点估计和区间估计。 可信区间与参考值范围的不同点（简答） 应注意：可信区间与参考值范围的意义、计算公式和用途均不同。 95％参考值范围是指同质总体内包括 95％个体值的估计范围，而总体均数 95％可信区间是指按 95％可信度估计的总体均数的所在范围。 可信区间用于估计总体参数，总体参数只有一个。 参考值范围用于估计变量值的分布范围，变量值可能很多甚至无限。 若指标服从正态分布， 95％参考值范围的公式是： 177。 总体均数 95％可信区间的公式是：。 前者用标准差， 后者用标准误。 前者用 ，后者用α为 ，自由度为 v的 t界值。 t 检验的应用条件和类型（填空） t 检验的应用条件：要求各样本来自 相互独立 的 正态总体 且 各总体方差齐。 t 检验的类型： 单样本 t检验 ， 独立 t 检验 ， 配对 t检验 配对设计和完全随机设计（名解 2选 1） 完全随机设计 （ pletely random design）：完全随机设计仅涉及一个处理因素（但可为多水平），故又称单因素（ oneway）设计。 它是将受试对象按随机化的方法分配到各个处理组中，观察实验效应，临床试验中的随机对照试验也属于此类设计。 配对设计 （ paired design） ：是将受试对象按一定条件匹配成对，再随机分配每对中的两个受试对象到不同处理组。 配对的因素是影响实验效应的主要非处理凶素。 假设检验的基本求解步骤或者注意事项。 （简答 2选 1） 假设检验的基本步骤 ，确定检验水准α 假设有零假设（ H0）和备择假设（ H1）两个，零假设又叫作无效假设或检验假设。 H0 和 H1的关系是互相对立的，如果拒绝 H0，就要接受 ，假设检验有单、双侧检验两种。 检验水准用α表示，通常取 或 说明了该检验犯第一类错误的概率。 这里的检验方法，是指参数检验方法，有 u 检验、 t 检验和方差分析三种，对应于不同的检验公式。 对双样本资料，要注意区分成组设计和配对设计的资料类型。 如果资料里有 配成对子 字样，或者是对同一对象用两种方法来处理，一般就可以判定是配对设计资料。 P值并作出统计结论 u 检验得到的是 u 统计量或称 u 值， t 检验得到的是 t 统计量或称 t 值。 方差分析得到的是 F 统计量或称 F值。 将求得的统计量绝对值与界值相比，可以确定 P 值。 当α＝ 时， u 值要和 u 界值 相比较，确定 P 值。 如果 u＜ ，则 P＞ ，如 u＞ ，则 P＜ 值 要和某自由度的 t 界值相比较，确定 P 值。 如果 t 值＜ t 界值，故 P＞ ，如 t＞t 界值，则 P＜ ，单侧检验的 t 界值 要小于双侧检验的 t 界值，因此有可能出现算得的 t 值大于单侧 t 界值，而小于双侧 t 界值的情况，即单侧检验显著，双侧检验未必就显著，反之，双侧检验显著， 单侧检验必然会显著。 即单侧检验更容易出现阳性结论。 当 P＞ 时，接受零假设，认为差异无统计学意义， 或者说二者不存在质的区别。 当 P＜ ，拒绝零假设，接受备择假设，认为差异有统 计学意义，也可以理解为二者存在质的区别。 但即使检验结果是 P＜ 甚至 P＜ ，都不说明差异相差很大，只表示更有把握认为二者存在差异。 假设检验时应注意的事项 （一）要有严密的抽样研究设计；样本必须是从同质总体中随机抽取的；要保证组间的均衡性和资料的可比性。 （二）根据现有的资料的性质、设计类型、样本含量大小正确选用检验方法。 （三）对差别有无统计学意义的判断不能绝对化，因检验水准只是人为规定的界限，是相对的。 差别有 统计学意义时，是指无效假设 h0 被接受的可能性只有 5%或不到 5%，甚至不到 1%，根据小概率事件一次不可能拒 h0，但尚不能排除有 5%或 1%出现的可能，所以可能产生第一类错误；同样，若不拒绝 h0，可能产生第二类错误。 （四）统计学上差别显著与否，与实际意义是有区别的。 如应用某药治疗高血压，平均降低舒张压 ，并得出差别有高度统计学意义的结论。 从统计学角度，说明该药有降压作用，但实际上，降低 是无临床意义。 因此要结合专业作出恰如其分的结论。 第一类错误与第二类错误（名解 2 选 1） Ⅰ型错误又称第一 类错误（ type Ⅰ error）： 拒绝了实际上成立的 ，为“弃真”的错误，其概率通常用 表示。 可取单尾也可取双尾，假设检验时研究者可以根据需要确定 值大小，一般规定 ＝ 或 ＝ ，其意义为：假设检验中如果拒。