医学统计学基础与应用.pptx

医学统计学基础与应用欢迎学习医学统计学基础与应用课程。本课程将带您深入了解统计学在医学研究和临床实践中的重要应用。作者：

课程概述医学统计学定义医学统计学是应用统计学原理和方法解决医学研究问题的学科。它帮助医学工作者科学分析健康数据。重要性它是医学研究的基石。没有统计学，现代循证医学无法存在。它使医学结论更加可靠。课程目标掌握基本统计方法。能够独立分析医学数据。理解医学文献中的统计内容。培养批判性思维。

医学统计学的基本概念总体与样本总体是研究问题涉及的所有个体集合。样本是从总体中抽取的一部分个体。良好样本应具有代表性。样本统计量用于推断总体参数。变量类型定量变量：可测量的数值变量，如身高、体重、血压等。定性变量：描述特征或属性的变量，如性别、血型、疾病诊断等。

描述性统计（一）均数所有观测值的算术平均值。代表数据的平均水平。容易受极端值影响。中位数将数据按大小排序后处于中间位置的值。不受极端值影响。反映数据的中心位置。众数数据中出现频率最高的值。可能有多个众数。适用于分类数据。

描述性统计（二）方差反映数据分散程度的统计量。计算每个观测值与均值差的平方和的平均值。单位是原始数据单位的平方。标准差方差的平方根。与原始数据单位相同。反映数据的波动程度。通常用σ表示。四分位数间距数据的第75百分位数减去第25百分位数。反映数据中间50%的分散程度。对异常值不敏感。

概率分布（一）正态分布呈钟形曲线。由均值和标准差确定。大多数生物学指标近似服从正态分布。二项分布描述n次独立重复试验中成功次数的概率分布。例如疾病发生与否的二分类结果。

概率分布（二）1t分布样本量小时用于替代正态分布。比正态分布尾部更厚。自由度增加时接近正态分布。2卡方分布用于方差分析和列联表分析。非对称右偏分布。随自由度增加趋向对称。3F分布两个卡方变量比值的分布。用于方差齐性检验和方差分析。非负右偏分布。

抽样理论简单随机抽样每个个体被选中的概率相等。避免选择偏倚。1分层抽样按特定特征将总体分层后再抽样。提高代表性。常用于不同疾病亚型研究。2整群抽样以自然形成的群体为单位抽样。节省资源。可能降低精确度。3系统抽样按固定间隔选择样本。操作简便。可能引入周期性偏倚。4

参数估计1点估计用单一数值估计总体参数。如用样本均值估计总体均值。提供最佳猜测但不含精确度信息。2区间估计提供可能包含参数真值的区间。如95%置信区间。表明估计的不确定性程度。3估计量特性无偏性：期望值等于参数真值。一致性：样本量增加时估计更精确。有效性：方差最小。

假设检验的基本原理1建立假设原假设H?：通常表示无差异。备择假设H?：通常表示有差异。2确定检验统计量根据研究问题和数据类型选择合适的统计量。3设定显著性水平通常为α=0.05。表示误拒真假设的最大可接受概率。4计算P值观察到的结果或更极端结果出现的概率。Pα时拒绝原假设。

t检验（一）单样本t检验比较一个样本均值与已知总体均值的差异。应用：比较特定人群的血压与全国平均水平。公式：t=(x?-μ)/(s/√n)独立样本t检验比较两个独立样本均值间的差异。应用：比较两种药物治疗效果。要求两组数据独立且近似正态分布。

t检验（二）配对样本t检验比较同一样本在不同条件下的测量值。利用受试者自身作为对照。应用实例比较患者治疗前后的血糖水平。评估减肥干预前后的体重变化。

方差分析（一）单因素方差分析比较三个或更多组的均值差异。例如比较多种治疗方案的效果。F值=组间方差/组内方差。大F值表明组间差异显著。多因素方差分析同时考察多个因素及其交互作用。例如评估药物和剂量对疗效的共同影响。可减少实验次数。能检测因素间的交互作用。

方差分析（二）重复测量方差分析适用于同一受试者在不同时间点或条件下的多次测量。考虑个体间差异。方差齐性检验使用Levene检验验证各组方差相等的假设。是方差分析的重要前提条件。多重比较当方差分析发现总体差异显著时，使用事后检验确定具体哪些组间存在差异。应用实例比较多种抗高血压药物的效果。分析不同年龄组患者对同一治疗的反应差异。

卡方检验独立性检验检验两个分类变量是否相互独立。使用列联表分析。例如检验性别与特定疾病发生率是否相关。拟合优度检验检验观察频数与理论频数的一致性。例如检验等位基因频率是否符合哈迪-温伯格平衡。应用实例分析吸烟与肺癌的关联。检验新药与安慰剂组的不良反应发生率差异。评估治疗方案与患者满意度的关系。

非参数检验（一）1何时使用非参数检验当数据不符合正态分布。样本量小。数据为等级或名义变量。存在极端异常值。2秩和检验Mann-WhitneyU检验。替代独立样本t检验。比较两独立样本的分布位置。基于数据排序而非原始值。3符号检验评估配对样本的方向性差异。仅考虑差值的正负号。适用于无法精确量化但可比较大小的