卫生统计学课件定量资料的描述

1、卫生统计学课件定量资料的描述定量资料基本概念与特点集中趋势描述指标离散程度描述指标偏态与峰态分布特征正态性检验方法及应用场景非参数统计方法简介与应用举例contents目录01定量资料基本概念与特点用数值大小表示观察结果，一般有度量衡单位。定量资料定义根据观察值是否连续可分为连续型变量和离散型变量。定量资料分类定量资料定义及分类定量资料中的观察值，也称为变量值，可以是连续的或离散的。描述定量资料中数值变量的分布情况，常用指标有极差、四分位数间距、方差、标准差和变异系数等。数值变量与离散程度离散程度数值变量正态分布定义一种连续型概率分布，具有钟形曲线特征，由均数和标准差决定其分布形状。正态分布意义在医学研究中，许多定量资料的分布都服从或近似服从正态分布。正态分布是描述定量资料分布规律的重要工具，也是进行统计分析的基础。了解正态分布的特点和意义，有助于正确选择统计分析方法，并对分析结果进行合理解释。正态分布及其意义02集中趋势描述指标 算术均数定义所有观察值相加后除以观察值个数所得的商，用X表示。性质反应一组观察值的平均水平，对极端值敏感。应用范围适用于对称分布，特别是正态分布的资料。n个

2、观察值连乘积的n次方根，用G表示。定义适用于免疫学的抗体滴度、细菌学中的细菌数等经对数转换后呈对称分布的医学资料，在医学研究中常适用于免疫学的指标。性质反映一组经对数转换后呈对称分布的变量值在数量上的平均水平，在医学研究中常适用于免疫学的指标。应用范围几何均数中位数定义中位数性质众数定义众数性质中位数和众数将一组观察值从小到大按顺序排列，位于中间位置的数，用M表示。一组观察值中出现次数最多的数，用Mo表示。对于偏态分布资料，中位数具有较好的代表性；不受极端值影响；缺乏敏感性。常用于描述偏态分布变量的集中趋势；一组观察值可以没有众数或有多个众数；缺乏唯一性。03离散程度描述指标一组数据的最大值与最小值之差，反映数据的波动范围。极差上四分位数与下四分位数之差，反映中间50%数据的离散程度。四分位数间距极差与四分位数间距方差各数值与其均数离差平方的平均数，反映数据的离散程度。标准差方差的算术平方根，用于描述数据分布的离散程度。方差与标准差变异系数及其意义变异系数标准差与均数的比值，用于比较不同单位或不同波动范围的数据的离散程度。意义消除单位和（或）平均数不同对两个或多个资料变异程度比较的影响

3、。04偏态与峰态分布特征特点频数分布不对称，呈现明显的偏态。偏态分布可分为正偏态和负偏态，正偏态时均数大于中位数，负偏态时均数小于中位数。集中趋势指标（如均数、中位数）受极端值影响较大。定义：偏态分布是指频数分布不对称，集中位置偏向一侧的分布。偏态分布及其特点峰态分布及其特点定义：峰态分布是指频数分布曲线的尖峭或扁平程度。特点峰态反映数据分布的尖峭或扁平程度。峰度系数是描述峰态的统计量，正常峰度系数为3，大于3为尖峭峰，小于3为扁平峰。尖峭峰表示数据分布较集中，扁平峰表示数据分布较分散。对集中趋势指标的影响偏态分布时，均数受极端值影响较大，中位数相对稳定。因此，在分析偏态资料时，使用中位数作为集中趋势指标更为合适。对离散程度指标的影响峰态分布影响数据的离散程度。尖峭峰表示数据分布较集中，离散程度较小；扁平峰表示数据分布较分散，离散程度较大。因此，在分析数据时，需要考虑峰态对离散程度指标的影响。对统计推断的影响在进行统计推断时，如果数据呈现偏态或峰态分布，可能会导致假设检验的结果不准确。因此，在进行统计推断前，需要对数据的分布形态进行检验，并根据实际情况选择合适的统计方法。偏态和峰态对数

4、据分析影响05正态性检验方法及应用场景通过绘制数据的直方图，观察数据分布形态，若呈现钟型或近似钟型，可初步判断为正态分布。直方图利用P-P图或Q-Q图，将数据分布与理论正态分布进行比较，若点基本在一条直线上，则数据近似服从正态分布。P-P图与Q-Q图图形法直观判断正态性数值法精确检验正态性适用于大样本数据，通过比较经验分布函数与理论分布函数的差异，判断数据是否服从正态分布。Kolmogorov-Smirnov检验计算数据的偏度和峰度，若偏度接近0且峰度接近3，则数据近似服从正态分布。偏度与峰度检验适用于小样本数据，通过计算W统计量并与临界值比较，判断数据是否服从正态分布。Shapiro-Wilk检验原理：基于假设检验的思想，首先提出数据服从正态分布的假设，然后构造合适的统计量并计算其值，最后根据统计量的值及显著性水平做出判断。步骤1.提出假设：H0：数据服从正态分布；H1：数据不服从正态分布。2.选择检验方法：根据样本量大小和数据特点选择合适的检验方法。3.计算统计量并查表得P值：根据所选的检验方法计算相应的统计量，并查找对应的临界值或P值。4.做出判断：若P值小于显著性水平，则拒绝H

5、0，认为数据不服从正态分布；否则接受H0，认为数据服从正态分布。正态性假设检验原理及步骤06非参数统计方法简介与应用举例非参数统计方法的概念非参数统计方法是相对于参数统计方法而言的，它不依赖于总体分布的具体形式，而是通过样本数据本身的信息来进行统计推断。非参数统计方法的特点非参数统计方法具有广泛的适用性和稳健性，对于不符合正态分布或其他特定分布的数据，也能进行有效的统计分析。非参数统计方法与参数统计方法的比较与参数统计方法相比，非参数统计方法不需要对总体分布做出假设，因此对数据的分布要求较为宽松。但是，非参数统计方法的检验效能相对较低，对于大样本数据，其检验效果可能不如参数统计方法。非参数统计方法概述单样本非参数检验的概念01单样本非参数检验是用于推断单个总体分布特征的统计方法，它通过对单个样本数据的分析来得出关于总体的结论。单样本非参数检验的方法02常见的单样本非参数检验方法包括符号检验、符号秩次检验、游程检验等。这些方法主要通过对样本数据的符号、秩次或游程等信息进行分析，来推断总体的分布特征。单样本非参数检验的应用举例03例如，在医学研究中，可以使用单样本非参数检验方法来比较某种药

6、物对患者的治疗效果是否显著。单样本非参数检验方法010203两独立样本非参数检验的概念两独立样本非参数检验是用于比较两个独立总体分布特征的统计方法，它通过对两个独立样本数据的分析来得出关于两个总体的结论。两独立样本非参数检验的方法常见的两独立样本非参数检验方法包括Mann-WhitneyU检验、Kolmogorov-Smirnov检验等。这些方法主要通过对两个独立样本数据的秩次或分布函数等信息进行分析，来推断两个总体的分布特征是否存在差异。两独立样本非参数检验的应用举例例如，在市场调研中，可以使用两独立样本非参数检验方法来比较不同产品在不同消费群体中的受欢迎程度是否存在差异。两独立样本非参数检验方法要点三多组独立样本非参数检验的概念多组独立样本非参数检验是用于比较多个独立总体分布特征的统计方法，它通过对多个独立样本数据的分析来得出关于多个总体的结论。要点一要点二多组独立样本非参数检验的方法常见的多组独立样本非参数检验方法包括Kruskal-WallisH检验、Friedman检验等。这些方法主要通过对多个独立样本数据的秩次或分布函数等信息进行分析，来推断多个总体的分布特征是否存在差异。多组独立样本非参数检验的应用举例例如，在教育学研究中，可以使用多组独立样本非参数检验方法来比较不同教学方法对学生成绩的影响是否存在差异。要点三多组独立样本非参数检验方法感谢观看THANKS

《卫生统计学课件定量资料的描述》由会员灯火****19分享，可在线阅读，更多相关《卫生统计学课件定量资料的描述》请在金锄头文库上搜索。