医学统计学常用的名词概念论文

《医学统计学常用的名词概念论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、医学统计学常用的名词概念论文.freel次，则比值m/n称为随机事件A在n次试验中出现的频率。当试验重复很多次时，随机事件A的频率m/n就会在某个固定的常数P附近摆动，而且n愈大摆动的幅度愈小。这种规律性称之为统计规律性。频率的稳定性说明随机事件发生的可能性大小是随机事件本身固有的、不随人们意志为转移的客观属性，所以在医学科研中，当n充分大时，就以频率作为概率的近似值，记住P(A)即由此可见，频率是就样本而言的，而概率总是从总体的意义上说的。这样，概率就为预计某一事件发生的可能性大小，提供了衡量的尺度。例如：某病患者40名，用某疗法治疗后，其

2、中35人痊愈，治愈者占治疗人数的35/40，这是频率。因为数量少，这个频率可能波动较大。假如经过长期的大量观察，比如数百、数千例，得到治愈率为70％，我们就可以说，该疗法治愈某病的概率近似值为70％。又如：某院妇产科在一个月内出生婴儿30名，其中男婴18名，占新生儿数的18/30，这叫频率。大量统计表明，人口中男女的比例基本上是1:1。这是个较稳定的常数，即概率的近似值。于是，在婴儿分娩前，我们就可用它作为尺度，预计是男的概率为1/2(0.5或50％)，是女的概率也为1/2(0.5或50％)。通过以上讨论，可以知道：如果某事件是必然事件，则有

3、m=n，所以必然事件的概率等于1；如果某事件是不可能事件，则有m=0，所以不可能事件的概率等于0；如果某事件是随机事件，则有0三、随机变量简单地说，是指随机事件的数量表现。例如一批注入某种毒物的动物，在一定时间内死亡的只数；某地若干名男性健康成人中，每人血红蛋白量的测定值；等等。另有一些现象并不直接表现为数量，例如人口的男女性别、试验结果的阳性或阴性等，但我们可以规定男性为1，女性为0，则非数量标志也可以用数量来表示。这些例子中所提到的量，尽管它们的具体内容是各式各样的，但从数学观点来看，它们表现了同一种情况，这就是每个变量都可以随机地取得不

4、同的数值，而在进行试验或测量之前，我们要预言这个变量将取得某个确定的数值是不可能的。按照随机变量可能取得的值，可以把它们分为两种基本类型：①离散型随机变量，即在一定区间内变量取值为有限个，或数值可以一一列举出来。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。②连续型随机变量，即在一定区间内变量取值有无限人’或数值无法一一列举出来。例如某地区男性健康成人的身长值、体重值，一批传染性肝炎患者的血清转氨酶测定值等。四、误差误差是指实际观察值与客观真值之差、样本指标与总体指标之差。误差可分为系统误差和随机误差。（一）系统误差

5、在实际观测过程中，由于仪器未校正、测量者感官的某种障碍、医生掌握疗效标准偏高或偏低等原因，使观察值不是分散在真值两侧，而是有方向性、系统性或周期性地偏离真值。这类误差可以通过实验设计和技术措施来消除或使之减弱，但不能靠概率统计办法来消除或减弱。（二）随机误差或称偶然误差，是指排除了系统误差后尚存的误差。它受多种因素的影响，使观察值不按方向性和系统性而随机地变化。随机误差服从正态分布，可以用概率统计方法处理。在随机误差中，最重要的是抽样误差。我们从同一总体中随机抽取若干个大小相同的样本，各样本平均数（或率）之间会有所不同。这些样本间的差异，同时

6、反映了样本与总体间的差异。它是由于从总体中抽取样本才出现的误差，统计上称为抽样误差（或抽样波动）。抽样误差在医学生物实验中最主要的来源是个体的变异。所以这是一种难以控制的、不可避免的误差。但抽样误差是有一定规律的。研究和运用抽样误差的规律’是根据样本估计总体时所必须领会的基本概念之一，也是医学统计学的重要内容之一。随机误差中还包括重复误差。它是由于对同一受试对象或检样采用同一方法重复测定时所出现的误差。如用天平称同一个烧杯的重量，重复测定多次，其结果会有某些波动。控制重复误差的手段主要是改进测定方法，提高操作者的熟练程度。重复是摸清实验误差大

7、小的手段，以便分析和减少实验误差。五、假设检验亦称显著性检验，其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。生物现象的个体差异是客观存在，以致抽样误差不可避免，所以我们不能仅凭个别样本的值来下结论。当遇到两个或几个样本均数（或率）、样本均数（率）与已知总体均数（率）有大有小时，应当考虑到造成这种差别的原因有两种可能：一是这两个或几个样本均数（或率）来自同一总体，其差别仅仅由于抽样误差即偶然性所造成；二是这两个或几个样本均数（或率）来自不同的总体，即其差别不仅由抽样误差造成，而主要是由实

8、验因素不同所引起的。假设检验的目的就在于排除抽样误差的影响，区分差别在统计上是否成立，并了解事件发生的概率。进行假设检验时，要先建立检验假设（即上述第一种可能，符号