数据分析的统计方法选择小结3200字.docx

    数据分析的统计方法选择小结3200字    完全随机分组设计的资料一、 两组或多组计量资料的比较1.两组资料：1)大样本资料或服从正态分布的小样本资料(1)若方差齐性，则作成组t检验(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验2.多组资料：1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较二、 分类资料的统计分析1.单样本资料与总体比较1)二分类资料：(1)小样本时：用二项分布进行确切概率法检验；(2)大样本时：用U检验2)多分类资料：用Pearson c2检验（又称拟合优度检验）2. 四格表资料1)n>40并且所以理论数大于5，则用Pearson c22)n>40并且所以理论数大于1并且至少存在一个理论数<5，则用校正 c2或用Fisher’s 确切概率法检验3)n￡40或存在理论数<1，则用Fisher’s 检验3. 2×C表资料的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH c2或成组的Wilcoxon秩和检验2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验3)行变量和列变量均为无序分类变量(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验4. R×C表资料的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH c23)列变量和行变量均为有序多分类变量，可以作Spearman相关分析4)列变量和行变量均为无序多分类变量，(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验三、 Poisson分布资料1.单样本资料与总体比较：1)观察值较小时：用确切概率法进行检验。

2)观察值较大时：用正态近似的U检验2.两个样本比较：用正态近似的U检验配对设计或随机区组设计四、 两组或多组计量资料的比较1.两组资料：1)大样本资料或配对差值服从正态分布的小样本资料，作配对t检验2)小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验2.多组资料：1)若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较2)如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredman的统计检验如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较五、 分类资料的统计分析1.四格表资料1)b+c>40，则用McNemar配对 c2检验或配对边际c2检验2)b+c￡40，则用二项分布确切概率法检验2.C×C表资料：1)配对比较：用McNemar配对 c2检验或配对边际c2检验2)一致性问题（Agreement）：用Kap检验变量之间的关联性分析六、 两个变量之间的关联性分析1.两个变量均为连续型变量1)小样本并且两个变量服从双正态分布，则用Pearson相关系数做统计分析2)大样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析2.两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析3.一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearman相关系数进行统计分析七、 回归分析1.直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。

2.多重线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用3.二分类的Logistic回归：应变量为二分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量1)非配对的情况：用非条件Logistic回归(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用2)配对的情况：用条件Logistic回归(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。

1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用八、 生存分析资：要求资料记录结局和结局发生的时间（如；死亡和死亡发生的时间）1.用Kaplan-Meier方法估计生存曲线2.大样本时，可以寿命表方法估计3.单因素可以用Log－rank比较两条或多条生存曲线4.多个因素时，可以作多重的Cox回归1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用第二篇：三重积分的计算方法小结 5000字鞍山师范学院学报２００７－０４，９（２）：６０一６３三重积分的计算方法小结杨玉敏（鞍山师范学院数学系，辽宁鞍山１１４００７）摘要：三重积分的计算是数学分析中的难点，结合教学本文较全面地给出了三重积分计算中的若干处理方法，对学习者有一定的指导意义．关键词：三重积分；对称性；坐标变换：０１７２．２：Ａ文章篇号：１００８—２４４１（２００ｒ７）０２ＪＤ０６０“ＭｅｔｈｏｄｓｏｆＣａｃｕｌａｔｉｏｎｏｆＴｒｉｐｌｅＩｎｔｅｇｒａｌＹＡＮＧＹｕ．ｍｉｎ（Ｄ印硎脚ｍ矿胁矶ｅ蒯｝妇，Ａｗ如耳ⅣＤ肌以珈而ｅ巧妙，Ａ瑚Ｊｊｌａ乃“∞凡垤１１４００７，蕊讹）Ａｂｓｔｒａｃｔ：ＴｈｅｃａｌｃｕｌａｔｉｏｎｏｆｔｒｉｐｌｅｉｎｔｅｇｒａｌｉｓｔｌｌｅｄｉｍｃｕｌｔｙｉｎＭａｔｈｅｍａｔｉｃｓａｎａｌｙｓｉｓ．Ｉｎ山ｉｓｐａｐｅｒ，ｕｎｉｆｙｉｎｇｔｅａｃｈｉｎｇ，ｗｅ西ｖｅｉｎ８ｔｒｕｃｔｉＶｅｍｅｔ｝ｌｏｄｓｏｆｔ｝ｌｅｃａｌｃｕｌａｔｉｏｎｏｆｔｒｉｐｌｅｉｎｔｅｇｍｌｆｏｒｌｅａｍｅｒ．Ｋｅｙｗｏｒｄｓ：％ｐｌｅｉｎｔｅｇｒａｌ；Ｓｙｍｍｅ田；Ｃ００ｒｄｉｎａｔｅａｌｔｅｍａｔｅ三重积分的计算是初学者的一个难点．计算三重积分即要将它化成累次积分，教材中给出了计算公式、换元法和定限法，但要具体地实现这一点，既要有较强的几何直观能力，以便于将积分体表示成适当的形式，又需要灵活选择计算公式和方法，以便于计算［１，２｜．其中的方法和技巧学生难以把握，为了更快更好地培养学生在这方面的能力，作者在教学中总结出三重积分计算中的若干处理方法．１在直角坐标系下将三重积分转化成三次累次积分进行计算［１，２］当空间积分区域是由长方体、四面体或任意体形成时，将三重积分转化成累次积分．例１皿（１＋茁＋），＋石）一３山，Ｑ：由茗＋ｙ＋ｚ＝１，茁＝ｏ，），＝ｏ及＝＝ｏ所成．解积分闭区域在ｘｏｙ面的投影是一个三角形区域Ｄ＝｛ｏ蔓菇ｓｌ，０５ｙｓｌ一髫｝，０≤ｚｓ１一茗一），，故三重积分珂（１＋州㈦－３ｄ叫’１。

出，１‘５１＋州㈦ｑ出＝丢（?以一扣２坐标变换法［１?２］（１）当积分区域是柱面、锥面，或由柱面、锥面、旋转抛物面与其它曲面所围成的形体，被积函数为砜石２＋广）；砜孝）；砜ｙ２＋ｚ２），砜手）；）灭戈２＋ｚ２），）八÷）－计算三重积分一般采取的是柱坐标变换收稿日期：２００５一０６—２８万　   -全文完-。