医学统计学总结

医学统计学总结（精选8篇）

篇1：医学统计学总结

1、同一资料的标准差是否一定小于均数？

答：均数是描述定量资料集中趋势的指标，而标准差是描述定量资料离散程度的指标，二者反映的是资料分布特征的两个不同方面。

2、极差、四分位间距、标准差、变异系数的适用范围有何异同？

答：这四个指标的相同点在于均用于描述计量资料的离散程度。不同点为：极差可用于各种分布的资料，一般常用于描述单峰对称分布小样本资料的变异程度，或用于初步了解资料的变异程度。若样本含量相差较大，则不宜用极差来比较资料的离散程度。四分位间距：适用于描述偏态分布资料、两端无确切值或分布不明确资料的离散程度。标准差常用于描述对称分布，特别是正态分布或近似分布资料的离散程度。变异系数适用于比较计量单位不同或均数相差悬殊的几组资料的离散程度。

3、x2检验用于什么？

答：x检验用于：推断两个及两个以上总体率或构成比是否有差别，两个分类变量间有无相关关系，多个率的趋势检验，以及两个率的等效检验等。此外，也用于频数分布的拟合优度检验。

4、四格表的U检验和x2检验有何联系？

答：（1）相同点：四格表的u检验的根据是正态近似原理（n足够大，∏和1-∏均不太小）。能用四格表的u检验进行两个率比较检验的资料，都可以用x检验。四格表的双侧u检验与x检验是完全等价的，两个统计量的关系为u= x，u20.05/2= u20.05/1.u检验和卡方检验都存在连续性矫正问题（2）不同点：①正态分布可以确定单、双侧检验界值，满足正态近似条件时，可以使用四格表的单侧u检验。②满足四格表u检验的资料，计算两率之间的95%可信区间，尚可分析两率之差有无实际意义。③x2检验还可以用于配对设计四格表，但这时推断∏1，∏2是否有差别的x2公式不同。5．参数检验和非参数检验的区别何在？各有何优缺点? 答：区别：参数检验，其应用条件是已知总体的分布类型，对总体参数进行估计或检验。非参数检验，不依赖总体分布的具体形式，目的在于检验总体分布是否不同。（2）参数检验优点是符合应用条件时，检验效能较高。缺点是对资料要求严格，不能用于等级数据、一端或两端有不确切数据，此外，还要求资料的分布类型已知和总体方差齐等条件。非参数检验优点是应用范围广，计算简便，对资料的要求不高；缺点是若对符合参数检验条件的资料用非参数检验，则会降低检验效能。如需检验出同样大小的差异，非参数检验往往需要更大的样本含量。

6.对同一资料，又出自同一研究目的，用参数检验和非参数检验所得不一致时，宜以何者为准?答：两者各有使用条件，究竟取哪种结论，要根据资料是否满足该种检验方法的应用条件进行选择。在符合参数检验的条件时，可接受参数检验的结论，而资料不符合参数检验的条件时，应以非参数检验的结论为佳。如总体分布为极度偏态或其他非正态分布，或者两总体方差不齐时，此时宜采用秩和检验的结果。7.非参数检验适用于哪些情况？

答：①等级资料②偏态资料。当观察资料成偏态或极度偏态而又未经任何变量变换，或虽经变量变换但仍未达到正态或近似正态分布时③总体分布类型未知的资料④要比较的各组资料方差不齐⑤一端或两端有不确定数据。

8.两样本比较的秩和检验，当n1＞n2＞10时采用u检验，这时检验是属于参数检验还是非参数检验？为什么？答：两组比较的秩和检验，当n很大时，可利用秩和T的分布随n增大渐进正态分布的性质，进行u检验，此时利用的并非原始数据，而是经秩变换后的数据，故仍属非参数检验。9.直线回归分析中应注意哪些问题？

答：做回归分析一定要有专业意义，不能将毫无联系的两个变量作直线回归分析；回归分析之前首先应绘制散点图，考查x与y之间有无直线趋势以及是否存在异常点；考虑是否满足建立线性回归模型的基本假定；直线回归方程的应用与图示一般以自变量x的取值范围为限；两变量的直线关系不一定是因果关系，也可能是伴随关系。

10.简述直线回归与直线相关的区别与联系。

答：区别：①资料要求不同：直线回归中因变量y是来自正态总体的随机变量，而r既可以是来自正态总体中的随机变量，也可以是严密控制、精确测量的变量；相关分析则要求x,y是来自双变量正态分布总体的随机变量，②分析目的不同：直线回归用于说明两变量间依存变化的数量关系；直线相关用于说明变量间的直线相关关系。联系：①方向一致：对一组数据计算，r与b，它们的正负号是一致的。②假设检验等价：对同一样本r和b的假设检验得到的t值相等。③用回归解释相关：由r2=SS回/SS总可知，若回归平方和越接近总平方和，则r越接近于1。

11.简述直线相关、秩相关的区别与联系。

答：区别：①资料要求不同：直线相关要求x、y是来自双变量正态总体的随机变量；秩相关适用于不服从双变量正态分布或总体分布类型未知以及用等级表示的原始数据。②相关意义不同：直线相关表示两变量的直线相关关系存在，秩相关表示两变量的相关关系。联系：相关系数的取值范围相同；秩相关是将原始数据进行秩变换，以秩次计算直线相关系数。

12.均数的可信区间和参考值范围有何不同？

222

22答：均数的可信区间：按一定的概率100（1-α）%（即可信度）估计总体均数所在的范围，得到的范围亦称可信区间。参考值范围：医学参考值范围指包括绝大多数正常人的人体形态、功能和代谢产物等各种生理及生化指标常数，也称正常值。由于存在着个体差异，生物医学数据并非常数，而是一定范围内波动，故采用医学参考值范围作为判定正常和异常的参考标准。

13秩和检验的优缺点是什么? 答：①不受总体分布限制，适用面广②适用于等级资料及两端无确定值的资料③易于理解，易于计算。缺点：是对分布类型的广泛适应性，使其很难充分利用资料提供的信息，有时会导致检验效能降低。14在t检验和u检验时，何种情况下采用单侧检验？

答：单侧检验的备择假设带有方向性，如：m＞m0,实际中只可能出现一种情况。双侧检验的备择假设中包含不等号（如：m≠m0），实际上包括两种情况：m＞m0或m＜m0，无方向性。15.均数、几何均数和中位数的适用范围是什么？

答：均数适用于描述单峰对称分布，特别是正态分布或近似正态分布资料的集中趋势。（由于均数易受到极端值的影响，故不适用于描述偏态分布资料的集中趋势，只是需采用几何均数或中位数。）几何均数对于原始观察值呈偏态分布，但经过对数变换后呈正态分布或近似正态分布的资料，易用几何均数描述其集中趋势。常用于等比级资料或对数正态分布资料。中位数可用于各种分布的资料。对于正态分布资料，中位数等于均数；对于对数正态分布资料，中位数等于几何均数。由于中位数不受极端值的影响，主要用于偏态分布资料，两端无确切值或分布不明确的资料。16.标准差和标准误有何区别与联系，他们的用途是什么？

答：标准差：是描述对称分布，特别是正态分布或近似正态分布资料离散趋势（变异程度）的常用指标。总体标准差用δ表示，样本标准差用s表示。标准误：样本均数的标准差称为标准误。样本均数⊙的总体均数为H，各⊙围绕H的离散程度，可以用样本均数的标准差来描述。用途：标准差用途：①表示变量分布的离散程度②结合均数计算变异系数③结合样本含量计算标准误④结合均数描述分布特征。标准误用途：表示每个样本均数间的变异程度，描述样本均数的抽样误差，即样本均数与总体均数的接近程度，也可称为样本均数的标准差。17.统计图制作的一般原则？

答：首先，根据资料性质和分析目的正确选用适当的统计图。其次，除圆图外，一般用直角坐标系的第一象限的位置表示。最后，绘制图形应注意准确、美观，给人以清晰的印象。18.各种统计图适合于何种资料? 答：描述某连续变量的频数分布宜选用直方图；分析、比较独立的或不连续的多个组或多个类别的统计量宜选用条图，分析某指标随时间或其它连续变量变化而变化的趋势宜选用线图，描述或比较不同事物内部构成时用圆图或百分比条图等。

19.为什么要做r和b的假设检验？

答：b:即使从总体回归系数β等于零的总体中作随机抽样，由于抽样误差的存在，其样本回归系数b也不一定全为零。因此，求得一个样本回归系数时，首先，需考虑线性方程是否成立？并进行回归系数β是否为零的检验。以推断自变量x与应变量y见是否有直线关系存在。

r:假定从总体相关系数þ=0的总体中随机抽样，由于存在抽样误差，所得样本相关系数r不一定全为零。故此，求得一个样本相关系数r值后，仍需进行总体相关系数þ是否为零的假设检验。

20.服从二项分布的条件是什么？

答：凡具有贝努力试验序列3个特点的变量，一般可认为服从二项分布①每次试验的结果只能是两种互斥的结果中的一种（A或者非A）②各次试验的结果互不影响，即各次试验独立③在相同试验条件下，各次试验中出现某一结果A具有相同的概率∏（非A的概率1-∏）。

21.相关系数和回归系数有什么区别和联系？

答：直线的斜率称为回归系数，直线相关系数也称积距相关系数，说明具有直线关系的两变量间的相关方向与密切程度。它们的联系——方向一致即r与b正负一致，假设检验等价。区别：资料要求不同，回归系数方程要求服从正态分布，x精确测量严格控制Ⅰ型回归，相关方程要求x，y双重复正态Ⅱ型回归。22多个样本均数间的比较为什么不能用t检验？

答：多个样本均数的两两比较又称多重比较，其目的是推断究竟哪些总体均数之间存在差别，由于涉及的对比组数大于2，若仍用前述的t检验对两个对比组做比较，会使犯第Ⅰ类错误的概率增大，即可能吧本来无差别的两个总体均数判为有差别，因此，多重比较不宜用t检验分别作两两比较。

23对同一资料，有出自同一研究目的，用参数检验和非参数检验所得结果不一致时，宜以何者为准？答：参数检验要求其总体分布为正态分布，总体方差齐性，非参数检验常用解决那些总体分布未知的统计问题，对于同一资料，又出自同一研究目的，采用参数研究还是非参数检验取决于资料的类型。24.为什么要进行抽样研究？抽样时为什么会产生抽样误差？

答：计量资料的总体中所含的样本数量巨大，要获取资料的总体均数、标准差等数据十分困难，因此医学科学研究中通常采用的抽样研究方法，是指从总体中随机抽取一个样本，用样本信息推断总体特征，这种分析方法称为统计推断。但通常情况下，样本均数（x拔）不可能与总体均数μ正好相等，这种由个体变异产生的，随机抽样引起的样本统计量与总体参数间的差异称为抽样误差。25.相关系数的意义？

答：相关系数r没有单位，取值范围为-1≤r≤1。两变量相关的方向用r的正负号表示，即r＞0表示正相关；r＜0表示负相关。相关系数r的大小表示密切程度，r绝对值越接近1，表示两变量间相关关系密切程度越高。∣r∣=1表示完全相关，∣r∣=0表示无直线相关。26.方差分析的应用条件？

答：①各样本是相互独立的随机样本②各样本来自正态分布③各样本方差相等，即方差齐。

27.χ2检验要注意的问题（注意事项）？

答：① 计算χ2 值时必须用绝对数。而不能用相对数，因为χ2 值的大小与频数大小有关。②χ2 检验要求理论频数不宜太小，一般认为不宜有1/5以上格子理论频数小于5，或一个格子的理论频数小于1。对理论频数太小有三种处理方法：A 增大样本例数 B 删除理论数太小的行或列 C 合并③当多个样本率（或构成比）比较的χ2 检验结论为拒绝检验假设，只能认为各总体率（或总体构成比）之间总的说来有差别，但不能说它们彼此间都有差别。或某两者间有差别。

28.非参数检验适用哪些情况？

答：①等级顺序资料。②偏态资料。当观察资料成偏态或极度偏态分布而又未经变量变换未达到正态或近似正态分布时，宜用非参数检验。③未知分布类型资料④要比较的各组资料变异度相差较大，方差不齐，且不能变换达到齐性。⑤初步分析。有些医学资料由于统计工作量过大，可采用非参数统计方法进行初步分析，挑选其中有意义者再进一步分析⑥对于一些特殊情况，如从几个总体所获得的数据，往往难以对其原有总体分布作出估计，在这种情况下可用非参数统计方法。

29.为什么秩和检验的编秩在不同对比组间出现相同数据要给予“平均秩次”，而同一组的相同数据不必计算“平均秩次”？

答：因为在不同对比组，不取平均秩次会加大或减小某一组的秩和；而在同一组内，出现相同数据不编平均秩次，该组秩和不受影响。

30.怎样正确使用单侧检验和双侧检验？

答：根据专业知识推断两个总体是否有差别时，是甲高于乙，还是以高于甲，当两种可能都存在时，一般选双侧；若根据专业知识，如果甲不会低于乙，或研究者仅关心其中一种可能时，可选用单侧。一般来讲，双侧检验较稳妥故较多用，在预实验有探索性质时，对结果的考虑以思路较宽为好，也用双侧检验。单侧检验，应以专业知识为依据，他充分利用了另一侧的不可能性，故检出效率高，但应慎用。

31.回归系数：直线的斜率b,也称回归系数。统计学意义是自变量x改变一个单位时，应变量y平均变化b个单位。32.相关系数：也称pearson积距相关系数，说明具有直线相关的两变量间相关方向与密切程度。33.直线回归分析中应注意的问题？

答：①做直线回归一定要有实际意义②回归分析之前首先应绘制散点图。③考虑建立线性模型的基本假定④取值范围，避免外延。⑤两变量间有直线关系不一定是因果关系。34.相关分析应用中应注意的问题？

答：①资料要求x、y都应来自双变量正态总体的随机变量。②进行相关分析前，应先绘制散点图，有线性趋势时，才可进行相关分析。③满足应用条件的同一份双变量资料，回归系数b与相关系数r的正负号一致，假设检验等价。④相关分析时，小样本资料经t检验只能推断两变量间有无直线关系，而不能推断其相关的密切程度。要推断两样本间相关的程度，样本含量必须足够大，当r有统计学意义时，但r2较小时，下结论要慎重。35.方差分析的应用条件? 答：①各样本是相互独立的随机样本②各样本来自正态分布③各样本方差相等，即方差齐。

36.二项分布：贝努力试验序列中结果A出现次数的概率分布就是～。

37.率的标准化法：为解决因内部构成不同而导致分组率比较的结果与和纪律比较结果的矛盾，选定一个共同的标准人口或标准人口构成，分别计算两组的标准化率，这种方法称～。

38.抽样误差：由个体变异产生的，随机抽样引起的样本统计量与总体参考数间的差异称～

篇2：医学统计学总结

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 c2 2)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 c

23)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

篇3：医学统计学总结

1 非预防医学专业医学统计学教学概况

1.1 非预防医学专业学生学习医学统计学心理特点

以三峡大学医学院为例, 非预防医学专业包括临床医学专业、中医专业、影像专业、护理专业。据笔者观察, 这些专业学生学习医学统计学主要有以下心理特点。

1.1.1 学习目的是为获得学分

医学统计学作为医学生的必修课程, 所占学时和学分比重较大。但是大多数非预防医学专业学生认为医学统计学并非专业课程, 在其未来工作中很少会用到统计学知识。此外, 由于科研经历比较少, 绝大多数本科生无法切实感受到统计学知识的重要性。据了解, 大多数学生修这门课程是为了获得学分, 而非出于对统计学知识的渴求。

1.1.2 学习目的是为学好一门课程

有部分学生学习刻苦, 对所学的每门课程都会认真对待, 一视同仁, 兴趣对其学习态度的影响往往较小。这部分学生对医学统计学既不排斥也不热爱, 按部就班地完成学习任务。

1.1.3 在学习过程中产生畏难和厌烦心理

医学课程教学内容大多形象化、具体化, 以识记为主。医学课程的学习使得学生形象思维能力得到良好训练, 而对统计学的抽象概念和逻辑推理难以理解。另外, 有部分中医和护理专业学生在高中阶段是文科生, 数学基础及抽象思维和逻辑推理能力较薄弱。这使学生容易对医学统计学产生畏难心理, 甚至感到厌烦。这部分学生在医学统计学学习过程中, 学习态度有比较明显的变化, 需要教师多加关注和指导[2]。

1.2 医学统计学现行教学安排及教学效果

医学统计学教学包括理论课和实验课两部分。理论课主要讲授统计学理论知识, 实习课主要针对理论课上所讲授的知识点进行习题练习。

由于医学统计学涉及的理论知识较多, 讲解理论所需时间较长, 因此, 学生在理论课上往往直接进入对统计学相关概念和方法的学习之中, 几乎没有时间通过案例体会医学统计学知识的重要性。实验课通常采取的教学模式是:教师结合《实习指导》上的习题引导学生把理论知识再复习一遍, 然后学生做习题, 教师批阅并给出成绩。此部分成绩即为期末考试的实验成绩。这个过程中, 虽然学生会接触到一些案例, 但仅限于实习指导上的习题。这些习题基本上是已经整理好的资料, 学生只需选用相应公式进行计算, 而不需要对数据资料进行设计、分析和整理, 不利于对统计学知识的深入理解和统计思维的培养。甚至有学生抄袭他人作业, 导致部分学生虽然实验成绩很好但是理论考试成绩很差, 或考试成绩很好但却不会实际运用现象[3,4]。

2 对策

综上所述, 在非预防医学专业医学统计学教学过程中, 如何转变学生学习态度, 激发其学习兴趣, 并最终改善教学现状是一个亟待解决的问题。为此, 笔者结合教学实践提出以下两点建议。

2.1 通过科研实践, 培养学生学习兴趣, 转变学习态度

在医学统计学教学中, 将理论知识穿插在实例中进行讲解, 让学生带着问题听课, 提高教学效率。在实施过程中, 教师可以将以往实验课上针对不同理论知识做练习题的教学模式调整为利用整个实验课时完成一个简单的科研实践 (如人群调查) , 包括课题设计、数据收集、数据整理和分析。教师参与课题设计实施全过程, 课题完成后, 学生要上交一份包括统计学分析结果和结论的调查报告。

在该教学模式中, 学生是中心, 教师对课堂的设计和引导作用较常规教学更为重要。为确保教学顺利进行, 教师应做到以下3点: (1) 提前设计好课题, 使课题涵盖传统实验课上所涉及的全部统计学知识。 (2) 注重理论与实践相结合, 尽量做到实验内容与学生今后的科研和临床工作需要相对应。 (3) 合理安排教学时间。首先, 避免理论课和实验课脱节;其次, 合理安排实验课时间, 带领学生在有限的时间内完成预定的实践任务, 避免因时间不够影响课题完成质量等。

2.2 成立学习小组, 激发学生学习热情, 提高学习效果

在科研实践中, 如果不能有组织地开展调查和分析, 部分学生就有可能对教师布置的作业置之不理, 达不到预期效果。针对这个问题, 最有效的解决方法是成立学习小组, 以小组为单位完成任务[4]。教师则可以通过收集每个小组的反馈信息, 了解学生对案例的分析情况及其在案例分析过程中存在的问题, 进而有针对性地帮助学生分析问题、解决问题。

成立学习小组有很多优点: (1) 促进学生在合作中取长补短。每个学生知识、能力参差不齐, 通过小组学习可以使学生了解他人具备的知识、能力和经验, 在合作中增长知识, 拓宽思维, 培养能力。 (2) 促进学生对知识的理解和掌握。由于课时限制, 非预防医学专业学生学习的通常仅限于教材上典型的统计方法, 而对非典型统计方法几乎没有机会接触。学生在小组学习过程中, 自行查阅资料, 拓宽了信息渠道, 为接触更多的统计学知识提供了机会。 (3) 促进学生多种能力的提高。在小组学习过程中, 需要展开小组分工、讨论和汇总等一系列活动, 学生在这个过程中可以锻炼协作能力、表达能力和总结能力等, 这对学生全面素质的培养具有积极意义。

在以小组为单位进行学习时, 小组成员的主动性、对知识的渴求程度和理解能力不同, 因此, 教师需要注意以下两个问题: (1) 小组中有些学生热情积极, 通常在小组讨论中起到主导作用, 而有些学生比较腼腆, 往往一言不发, 甚至在遇到难题时, 有的学生会将难题推给别人, 坐享他人讨论的结果。 (2) 班级学生较多, 一般有40人左右, 导致实验课上小组划分和监控有一定困难。笔者认为教师可以通过确定学习小组组长的方法解决上述问题。比如, 在根据“组间同质、组内异质”的原则确定小组后, 要求组内成员轮流担任小组长, 确保每个学生都有机会在小组讨论中发挥作用;另外, 通过督促小组长, 使小组长督促组员, 将教师对全班学生的监控转化成对小组长的监控[5]。

在非预防医学专业医学统计学教学中开展科研实践, 成立学习小组, 充分发挥教师组织、引导、启发和协调的作用;以学生为主体, 不断发现问题、解决问题。将统计学理论知识融入科研实践, 能够激发学生学习兴趣, 促进学生对知识的理解和应用, 培养学生协作与表达能力, 是值得推广的医学统计学教学方法。

摘要：医学统计学是一门应用学科, 其核心内容在于运用统计学基本原理和方法, 解决医学科研中的实际问题, 教学重点是对基本统计方法的正确理解与应用。但目前医学统计学教学中存在“学不能致用”现象, 主要表现为学生在科研或临床工作中遇到问题时仍然无从下手。针对这一问题, 笔者结合实际教学体会, 探讨其影响因素, 并提出建议, 以期提高教学效果, 使学生学以致用。

关键词：非预防医学专业,医学统计学,小组学习

参考文献

[1]孙振球, 徐勇勇.医学统计学[M].北京:人民卫生出版社, 2005.

[2]杨伟品.浅谈如何提高非预防医学专业学生学习预防医学课程的兴趣[J].卫生职业教育, 2013, 31 (18) :66-67.

[3]张兵.案例教学在统计学教学中的运用[J].湖北经济学院学报:人文社会科学版, 2007, 7 (11) :183-184.

[4]伍亚舟, 易东, 张彦琦, 等.案例教学法在医学统计学教学中的应用[J].基础医学教育, 2011, 13 (7) :635-638.

篇4：医学统计学总结

一、宣传、强调医学统计学在医学教育中的重要性，特别在医学科研中的重要性

我们利用课堂、网站、橱窗中介绍医学统计学的重要性。医学统计学是运用概率论与数理统计的原理及方法，结合医学实际，研究数字资料的收集、整理、分析与推断的一门学科。在高等医学院校，医学统计学是医学各相关专业、各层次学生的一门必修课程。在医学科研中医学统计学的应用非常广泛。医学统计工作的基本步骤包括统计设计、收集资料、整理资料和分析资料。医学研究的基本步骤大致包括立题设计、实验（或调查）、实验结果的收集与记录、资料整理和资料分析等。可见，医学统计学贯穿了医学科研的始终。医学研究中的实验设计、资料收集、分析、推断等都离不开医学统计学思维。因此在医学统计学课堂上潜移默化地培养医学生科研能力具有特别重要的意义。医学统计学是方法学，正如法国哲学家迪卡尔所说：“最有价值的知识是关于方法的知识”。

二、改进传统教学方法，让学生接触、了解、学习科学研究的方法

医学统计学是建立在数理统计基础上的一门逻辑性较强的应用学科，教材中出现了大量的公式，部分公式显得复杂，容易让学生产生畏难情绪，望而止步。

传统的医学统计学教学模式如“填鸭灌输式”或“知识继承型”教学很难激发学生的学习兴趣，不利于学生掌握该门课程的基本理论和基本技能。学生没有正确理解统计学中的概念含义以及概念之间的联系和区别。主要靠死记硬背来应付考试；缺乏分析和解决实际问题的能力，在分析医学问题时不知道如何正确应用统计学原理和方法，甚至对资料的设计类型、性质和分析目的都是模棱两可的。这种“单向性、机械性”教学模式极大影响了教学效果，更不利于医学生科研能力的培养。本文就改革医学统计学传统的教学模式、激发医学生学习兴趣谈谈以下几点体会：

（一）以经典案例入手，问题为先导，学生为中心，培养医学生学习兴趣

在医学统计学教学中我们采用“问题式教学”，引导学生积极思考、互动，融入课堂教学中，通过3年的教学实践证明该方法有利于培养学生的兴趣、统计学思维以及科研能力的培养。具体做法如下：

1.强调绪论的重要性，引起学生的高度重视

绪论是医学生第一次接触医学统计学，兴趣的培养尤为重要。在绪论课上我们主要通过几个问题来引导学生。比如：①通过2年多的医学学习，你们认为怎样才能使自己成为最棒的医生?②怎样才能最快的提高自己的医疗水平？③怎样了解到某一研究方向的最新进展？很多同学都没有认真思考过这些问题，让学生在课堂上展开讨论，最后教师给出参考答案，进一步引导学生如何查找、阅读、分析文献？最后让学生阅读一篇带有统计学相关的文章，最终让学生明白学习医学统计学的重要性以及涉及到的相关学科知识比如数学、科研设计、流行病学、循证医学等。

2.多用经典案例，培训医学生科研思维

在教学中，不直接解释基本概念，而是给出一些经典实验例证，让学生身临其境去思考：如果他们碰到了这些问题该如何解决？以学生为中心，发挥其主动性。例如一个经典实验：坏血症的治疗——医学历史上第一次有效控制的干预试验，当时英国对这病采用的治疗方案有6种：1）苹果汁；2）桔子和柠檬；3）醋；4）泻药；5）硫酸丹剂；6）大蒜和芥子。如何评价6种治疗方案的有效性？1747年5月20日，Lind医生将12名病情相同（似）的患者带到一艘船上。分为6组，每组两人，分别给予下列6种干预：A组：每天饮1夸脱苹果汁；B组：服25滴硫酸丹剂，每天3次；C组：服2匙醋，每天3次；D组：每天饮约半品脱海水，服缓和的泻药；E组：每天食2个桔子，一个柠檬；F组：每天服由大蒜、芥子等成份组成的干药。其中，Lind医生的试验将病情最重的2名患者分到D组：泻药是当时流行的治病方法。当6月16日船返回英国Plymouth港时，所有患者的病情都有好转。其中E组恢复的最快、最好。B组有一人病情较登船时好转。

Lind医生的试验并没有得出明确的结论，直到160年后，通过动物实验才真正从科学意义上解释了E组疗效最好的真正原因。坏血病的对症治疗是补充维生素C。对于这样一个实例，请同学们思考：为何要设计成6组?为何要在同一条船上作该实验？通过同学们的思考可以看出，通过医学统计学设计，再通过实验研究，能够揭示出事物原有的一些规律，统计学设计对科研成败起着至关重要的作用。用现代统计学的观点看，Lind医生的干预试验有两点符合统计学要求：一是设有对照组：6个干预相互比较；二是质量控制：所有患者在同一条船上，便于监督服药和观察病情。无对照试验和质量控制不严而导致研究结果“失真”的例子，在现代医学研究中也常发生。

通过这个例子，引导医学生学习医学统计学的兴趣，同时培养其科研的意识，使其意识到医学统计学不是数学，而是提高医学科研能力的必需工具，医学统计学的思维贯穿科研的整个过程。

3.结合经典案例提炼概念，让学生在实例中学习概念

根据上面的例子进一步提问：上述实验中坏血病患者有多少人？怎样确诊患者所患疾病？实验中为何只选了12个患者等问题，让学生逐渐体会什么是总体、样本、同质、变异等问题。学生学习的主动性就被调动起来。

（二）结合医学统计学教学大纲和教学内容，进行案例式预习教学

目前，很多医学生对涉及诊疗直接相关的学科特别感兴趣，比如：药学、内科学等。因此在讲授每堂课前，给学生一篇相关的典型论著，让学生用几分钟时间阅读，然后提问。这样学生在整个课堂中都带着问题学习，在讲解完该课统计学知识后，让学生再结合文献进行分析，学习怎样设计怎样分析，有缺陷否？增加实践经验。学生通过这种方法学习后，增强学生学习兴趣，同时有利于自学的培养，更有利于学生阅读科研论文，提升统计分析能力，从而达到培养其科研能力。

在整个医学统计学理论教学结束之前，再组织学生开展一两次课堂讨论。课前摘选1～2篇医学文献让学生预习，课堂上组织学生讨论并评价其统计设计和分析方法的优缺点，特别是作者如何利用良好的设计防止偏倚，控制误差，以及其如何在论文中进行相应的表达。训练学生运用所学知识评价文献中统计分析方法与结果的能力。训练学生根据实际资料选择合适的统计方法，提高他们对文献的阅读理解能力，同时还可锻炼学生的表达能力。从而引导学生学会阅读论文、评价论文。

采取以经典实例中问题为中心的教学方法，在讲授单个统计学方法及典型例题的基础上，摘选一些医学期刊论著中的不典型实例，进一步分析、强调各种统计学方法的范围、应用条件及注意事项，将重点放在各种统计学方法比较和互相联系的讲解上，在列举大量实例时。充分发掘调动医学生日常的生活经验去体验、理解统计学的各种概念与原理。这样，由浅入深，由简而繁，以提高学生灵活运用和综合运用统计学知识解决实际问题的能力。

三、加强实验设计内容的教学力度

实验设计是学生学好统计学的关键之一，更是提高统计分析、科研能力的重要手段。目前，本科教学中该部分安排为自学内容，不利于学生对统计学的理解和进一步的学习。加强科研设计、资料搜集和整理等方法的能力培养，使学员学会对某项研究能作出合理的设计，对一份完整的科研资料中各个不同的统计要求能选择合适的统计处理方法。

四、在课堂教学中，引入教师的科研经验也非常重要

很多学生对老师的科研活动很关心，教师在教学中可以不断地举自己工作、科研中遇到的实例，如何就一个研究内容进行科研设计、方案实施、数据收集、整理到最后统计分析，让学生用已学的知识进行思考，让学生的思维得到锻炼，同时使学生能体会到科研并不神秘，激发学生更大的热情。

综上所述，学生作为接受知识的对象，其可塑性很大。上课时，教师应尽量避免唱“独脚戏”，要注意与学生的互动，适时地提出问题，积极调动学生的思维，让学生参与到课程中来。平等式的、互动式的教学比一言堂、满堂灌输式的教学更加受学生的欢迎。学生通过统计学教学，通过参加教师的科研课题，通过阅读科研论文等了解了科学研究的整体过程，指导他建立起一整套正确的科研方法，包括查阅文献——立题——调研——科研设计——实际操作——整理资料——数据处理到撰写论文的整个过程，培养科学的思维方法及独立思考、解决问题的能力，培养学生的严谨的科学态度，并让学生对医学统计学、科学研究产生兴趣和激情，从而培养其科研能力。

目前，我们的教育模式要真正达到让学生主动构建知识，实现自主学习、自我更新、自我创造的学习目标，就得让学生尽早接触、了解、学习科学研究的方法，培养学生的科研能力。这对于培养适应21世纪医学创新人才具有重要的理论和实践意义。

基金项目：泸州医学院资助课题（泸医教[2006]21号）。

篇5：医学统计学统计方法总结

一、描述性分析

集中趋势：对称——算术均数偏态——中位数等比——几何均数 离散趋势：对称——方差、标准差偏态——四分位数间距

均数悬殊或单位不同的资料比较——变异系数

二、统计推断（根据样本推断总体）1.参数（均数）估计总体方差未知——总体方差已知——

参考值范围：单双侧正态分布——

XuS

(xt/2v

snsn,xt/2v

s

sn))

(xu/2,xu/2

n

XuSXuS

偏态分布——百分位数法

二者的含义、用途 2.假设检验

（1）均数的比较（正态）

单个样本、配对（与两独立样本的区别）两样本（方差齐——t检验

方差不齐——校正t检验或秩和检验或变量转换）多样本：方差齐完全随机设计方差分析随机区组设计方差分析

方差不齐——秩和检验或变量转换

非正态：秩和检验或变量转换

F—+—>t

两两比较：SNK任两个对比

LSD一对或几对比较

Dunnet 实验与对照组比较

t——>FF=t

2(2)方差比较

两个方差：F检验（正态）

多个方差：Bartlett（正态）

Levene检验

假设检验注意事项

计数资料

一、描述性分析

频率或严重程度——率

比重或构成——构成比

一指标为另一指标的若干倍或百分比——相对比

应用注意：不能以比代率、可比性、样本率不能直接对比

率或构成比比较：

1.若某因素内部构成不同并且影响比较，进行标化

二、统计推断

1.参数估计

二项分布率的估计：查表或正态法

泊松分布均数估计：查表或正态法

2.假设检验

单个样本率：直接法或二项分布U检验泊松分布U检验（率很小）两样本率的比较：四格表2检验（校正）

二项分布U检验（n大、np>5,n(1-p)>5）

泊松分布U检验（（率很小）

精确概率法

多个率或构成比比较：2检验(理论数不能小于1或小于的理论数

不能多于5分1)

两两比较：

任两个对比、实验与对照组比较

等级资料：-----效应比较

秩和检验

两变量关系：

1.定量（计量资料）正态pearson相关 回归

非正态秩相关

2．无序分类定性

3.有序分类定性2检验和列联相关系数

（1）单向有序分组有序、指标无序卡方检验分组无序、指标有序秩和检验

（2）双向有序

篇6：医学统计总结

计量资料

一．统计描述

频数分布：

1.频数分布表

2.频数分布图 可以用来判断计量资料的分布类型，以便于进一步做统计分析和处理外，还可以进行病因研究和疾病预防控制。

集中趋势的描述：

1.算术平均数 反映一组呈对称分布的变量值在数量上的平均水平。

2.几何平均数 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，常适

用于免疫学指标

3.中位数 将n个变量值从大到小排列，位置居于中间的那个数。适用于各种分布类型，尤其是偏态分布和一端或两端无确切数值的资料。

4.百分位数PX常用于确定单峰偏态分布资料的医学参考值范围（要求样本含量要足

够大）；

离散趋势的描述：

1.极差 常用来说明传染病、食物中毒等的最短和最长潜伏期；一组变量值的最大值与

最小值之差。

2.四分位数间距 是由第3四分位数P75和第1四分位数P25相减而得，记为QR。

3.方差和标准差 方差就是离均差平方和除以N。

标准差就是方差的平方根。

4.变异系数 用于观察指标不同时和均数相差较大时，记为CV。用于两种或多种不同

性质变量变异程度的直观比较；在实验方法学研究中，用来表示方法的精密度。

二．统计推断

单因素

单样本（单组设计）一个样本指标和一个已知的总体指标做比较

1.样本含量较小n<60且样本来自正态分布的总体时——单样本t检验

2.样本含量较大时——u检验

3.样本来自的总体不服从正态分布——Wilcoxon符号秩检验

两相关样本（配对设计）两同质受试对象配成对子分别接受两种不同处理；同一受试对

象分别接受两种不同处理；同一受试对象接受处理前后。

1.两样本差值服从正态分布——配对t检验

2两样本差值不服从正态分布——配对样本比较的Wilcoxon符号秩检验

当n≤50时，查T界值表。

当>50时。可用正态近似法作——u检验

两独立样本（成组设计）适用于完全随机设计两样本的比较

1.两样本含量较小n1≤60或（和）n2≤60，两样本的总体均服从正态分布且总体方差

相等，——两独立样本t检验

2.两样本含量较小n1≤60或（和）n2≤60，两样本的总体均服从正态分布但总体方差

不相等，——两独立样本 t’检验或秩转换的非参数检验

3.两样本的总体有一不服从正态分布或总体方差不相等——两独立样本的Wilcoxon秩

和检验当n1≤10和n2－n1≤10时，查T界值表。

当n1>10或n2－n1>10时，可用正态近似法作——u检验

多个独立样本（单因素多水平设计）

1.完全随机设计资料的方差分析

多个样本的总体均服从正态分布且总体方差相等——单向分类的方差分析

多个样本的总体有一服从正态分布或总体方差不相等——Kruskal-Wills H检

验或进行变量变换后采用单向分类的方差分析Kruskal-Wills H检验当样本个数g=3和每个样本例数≤5时，查H界值表。

当g=3且最小样本例数>5或g>3时，则H近似服从

χ2分布，查χ2界值表。

2.随机区组设计资料的方差分析

对于正态分布且方差齐的资料——双向分类的方差分析

对于分正态分布或（和）方差不齐的资料——Friedman M检验或进行变量变换

后采用双向分类的方差分析。

Friedman M 检验 当n≤15和g≤15时，查M界值表。

当n>15或g>15时，可用卡方近似法，查χ2界值表。

实际上，当g>4或者g=4且n>5或者g=3且n>9时，就可用

χ2近似法，查χ2界值表。

多个独立样本间的多重比较

多个样本均服从正态分布且方差齐

1.LSD-t检验 适用于一对或几对在专业上有特殊意义的样本均数间的比较。

2.Dunnett-t检验 适用于g－1个实验组与一个对照组均数差别的多重比较。

3.SNK-q检验 适用于多个样本均数两两之间的全面比较。

多个独立样本有一不服从正态分布或方差不齐的两两比较—— Nemenyi法检验

多个相关样本有一不服从正态分布或方差不齐的两两比较——q检验

多因素

随机区组设计

SS总=SS处理+SS区组+SS误差

1.观察指标呈正态分布——ANOVA

多个样本均数两两之间的全面比较——SNK-q检验

2.观察指标不呈正态分布——Friedman M检验

当n≤15和g≤15时，查M界值表。当n>15或g>15时，可用卡方近似法，查χ2界值表。

实际上，当g>4或者g=4且n>5或者g=3且n>9时，就可用

χ2近似法，查χ2界值表。

多个相关样本两两比较的q检验

析因设计——方差分析

完全随机的析因设计 SS总=SSA+SSB+SSAB+SSE

随机区组的析因设计 SS总=SSA+SSB+SSAB+SSE+SS区组

正交设计 是非全面实验，g个处理组是各因素个水平的部分组合。适用于寻找疗效好的药物配方，医疗仪器多个参数的优化组合，生物体的培养条件等。

当以筛选各因素各水平最佳组合条件为目的时——直接分析，算一算

当需对实验结果进行统计推断时——方差分析

重复测量设计——方差分析

计数资料

一．统计描述

1.绝对数 如某病的出院人数、治愈人数、死亡人数等，通常不具有可比性。

2.强度相对数 说明某现象发生的频率或强度又称为率。

率=某时期内发生某现象的观察单位数/同期可能发生某现象的观察单位数×比例基数

3.结构相对数 表示事物内部某一部分的个体数与该事物各部分个体数的总和之比，用来说明各构成部分在总体中所占的比重和分布，又称为构成比。构成比=某一组成部分的观察单位数/同一事物各组成部分的观察单位数×100%

4.相对比 简称比，是两个有关指标之比，说明两指标的比例关系。

相对比=甲指标/乙指标×100%

二．统计推断

样本率与总体率的比较

当n较大、p和1－p均不太小，如np和n（1－p）均大于5时——u检验 两样本率的比较

当n1与n2均较大，且p1、1－p1与p2、1－p2均不太小，如n1p1、n1（1－p1）与n2p2、n2（1－p2）均大于5时——u检验

当n≥40且所有的T≥5时——χ2检验的基本公式或专用公式，当P≈ɑ时，改用四格表资料的Fisher确切概率法。

当n≥40但有1≤T≤5时——χ2检验的校正公式或Fisher确切概率法。

当n<40或T<1时——用四格表资料的Fisher确切概率法。

配对四格表资料的χ2检验

当b+c≥40时——一般公式

当b+c<40时——校正公式

多个样本率的比较 ——R×C表的χ2检验

多个样本率间的多重比较——χ2分割法

两个样本构成比比较—— R×C表的χ2检验

等级资料

等级资料两独立样本比较——两独立样本的Wilcoxon秩和检验

等级资料两相关样本比较——两相关样本的Wilcoxon符号秩检验

篇7：医学统计学

C．总体中有意义的一部分

1、measurement date2、coefficient of variation(变异系数)

3、sampling error（抽样误差）

4、linear correlation coefficient（直线相关系数）

5、population（总体）

D．总体中有价值的一部分E．总体中有代表性的一部分

5、以下检验方法属非参数法的是。

A．T检验B．t检验C．u 检验D．F检验E．以上都是

6、样本含量的确定下面哪种说法合理。

A．样本越大越好B．样本越小越好C．保证一定检验效能条件下尽量增大样本含量D．保证一定检验效能条件下尽量减少样本含量E．越易于组织实施的样本含量越好

7、对计数资料进行统计描述的主要指标是。

A．平均数B．相对数C．标准差D．变异系数E．中位数

1、用样本推论总体，具有代表性的样本指的是

A．总体中最容易获得的部分个体B．在总体中随意抽取任意个体 C．挑选总体中的有代表性的部分个体D．用配对方法抽取的部分个体 E．依照随机原则抽取总体中的有代表性部分个体

2、计量资料,计数资料和等级分组资料的关系是。A．计量资料兼有计数资料和等级分组资料的一些性质B．计数资料兼有计量资料和等级分组资料的一些性质

8、由两样本均数的差别推断两总体均数的差别，得到此差别具有统计意义的结论是指

A．两样本均数差别有显著性B．两总体均数差别有显著性

C．两样本均数和两总体均数的差别都有显著性

D．其中一个样本均数和它的总体均数差别有显著性

9、说明某现象发生强度的指标为。A．构成比B．相对比C．定基比D．环比E．率

10、配对设计的秩和检验中，其H0假设为。A．差值的总体均数为0B．差值的总体中位数为0C．μd≠0D．Md≠0

C．等级分组资料兼有计量资料和计数资料的一些性质 D．计数资料有计量资料的一些性质E．等级分组资料又称半计数资料

3、总体率95%可信区间的意义是。

A．95%的正常值在此范围B．95%的样本率在此范围

C．95%的总体率在此范围D．总体率在此范围内的可能性为95%E．样本率在此范围内的可能性为95%

4、为了由样本推断总体,样本应该是。

命题组组长签字：第页（本试卷共4页）

E．μ1≠μ211、单因素方差分析中，不正确的计算公式是。A．SS组内=SS总-SS组间B．v总=v组间-v组内C．MS组间=SS组间/v组间D．MS组内=SS组内/v组内E．F=MS组内/MS组间

12、方差分析中，组内变异反映的是。A．测量误差B．个体差异

C．随机误差，包括个体差异及测量误差D．抽样误差E．系统误差

13、对统计图中的的坐标有如下规定。

A．所有统计图的纵坐标都必须从零点开始B．所有统计图坐标中都不能有折断线

C．条图、线图、直方图的纵坐标必须从零开始D．线图、直方图的纵坐标必须从零开始E．条图、直方图的纵坐标必须从零开始

14、制统计图时要求。

A．标题应说明图的主要内容，一般在图的上方B．纵横两轴应有标目，一般不注单位C．纵轴尺度必须从零开始

D．直条图和线图，其长宽比例一般取5：7E．以上都不对

15、下列关于医学参考值范围描述中，不正确的是

A．排除了有关疾病等因素对所研究指标有影响的正常人的解剖、生理、生化 等数据的波动范围

B．没有任何疾病的人的解剖、生理、生化等数据的波动范围C．习惯确定只包含95%或99%的人的界值来源：D．根据专业知识确定取单侧界限或双侧界限E．资料为正态分布时，可用正态近似法计算

16、各观察值均加(或减)同一数后A．均数改变,标准差不变B．均数不变,标准差改变

C．两者均不变D．两者均改变

E．根据实际资料而定

17、统计工作的步骤为

A．统计研究调查、搜集资料、整理资料、分析资料B．统计资料收集、整理资料、统计描述、统计推断C．统计研究设计、搜集资料、整理资料、分析资料D．统计研究调查、统计描述、统计推断、统计图表E．统计研究设计、统计描述、统计推断、统计图表

18、两个样本率判别的假设检验，其目的是。A．推断两个样本率有无差别B．推断两个总体率有无差别

C．推断两个样本率和两个总体率有无差别

D．推断两个样本率和两个总体率的差别有无统计意义E．推断两个总体分布是否相同

19、假设检验过程中，下列哪一项不可以由研究者事先设定。A．所比较的总体参数B．单侧或双侧检验C．检验水准D．P值E．以上都不对 20、统计资料的类型包括。

A．频数分布资料和等级分类资料B．多项分类资料和二项分类资料C．正态分布资料和频数分布资料

D．数值变量资料和等级资料E．数值变量资料和分类变量资料

21、有关离散度指标意义中，描述不正确的是。A．数值越大，说明个体差异越大B．数值越大，说明观察值的变异度越大C．数值越小，说明平均数的代表性越好D．数值越小，说明平均数的代表性越差E．应与平均数结合起来进行分析

22、秩和检验和t检验相比，其优点是。

A．计算简便，不受分布限制B．公式更为合理C．检验效能高D．抽样误差小E．第二类错误概率小

23、总体标准差描述的是。

A．所有个体值对总体均数的离散程度B．某样本均数对总体均数的离散程度C．所有样本均数对总体均数的离散程度D．某些样本均数对总体均数的离散程度

E．所有某个含量相同的样本均数对总体均数的离散程度

24、比较身高和体重两组数据变异度大小宜采用。A．变异系数B．方差

C．极差D．标准差E．四分位数间距

25、当样本例数相同时，两组计量资料的成组t检验与配对t检验相比，一般情况下为

A．成组t检验效率高一些B．配对t检验效率高一些C．两者效率相等

D．大样本时两者效率一致E．与两组样本均数的大小有关

26、样本的两变量(X,Y)的相关系数r=0时,说明。（B）A．两变量不存在任何关系

B．两变量间不存在直线关系,但不排除存在某种曲线关系

C．两变量间存在相互关系的可能性很小D．两变量必然存在某种曲线关系E．两变量间的关系不能确定

27、在标准差与标准误的关系中。A．二者均反映抽样误差大小

B．总体标准差增大时，总体标准误也增大

C．样本例数增大时，样本标准差和标准误都减小

D．可信区间大小与标准差有关，而参考值范围与标准误有关E．总体标准差一定时，增大样本例数会减小标准误

28、说明两个有关联的同类指标之比为。

A．率B．构成比C．频率D．相对比E．频数

29、下列观测结果属于等级资料的是（D）

A．收缩压测量值B．脉搏数 C．住院天数D．病情程度 E．四种血型

30、收集资料不可避免的误差是

A.随机误差B.系统误差 C.过失误差D.记录误差 E．仪器故障误差

31、算术均数与中位数相比，其特点是

A．不易受极端值的影响B．能充分利用数据的信息C．抽样误差较大D．更适用于偏态分布资料E．更适用于分布不明确资料

32、描述一组对称（或正态）分布资料的变异程度，用（A）较好

A标准差B 方差C 离均差平方和D 变异系数E以上都可以

33、变异系数主要用于

A．比较不同计量指标的变异程度B.衡量正态分布的变异程度

C.衡量测量的准确度D.衡量偏态分布的变异程度

E.衡量样本抽样误差的大小

34、正态曲线下，从均数μ到μ+1.0σ的面积

A、45%B、90%C、95.00%D、47.5%E、34.14%

35、方差分析的基本思想和要点是

A．组间均方大于组内均方B．组内均方大于组间均方 C．不同来源的方差必须相等D．两方差之比服从F分布 E．总变异及其自由度可按不同来源分解

36、多组均数比较的方差分析，如果P0.05，则应该进一步做的是 A．两均数的t检验B．区组方差分析C．方差齐性检验D．q检验 E．确定单独效应

37、两样本均数比较,检验结果P>0.05说明（D）

A.两总体均数的差别较小B.两总体均数的差别较大C.支持两总体无差别的结论D.不支持两总体有差别的结论E.可以确认两总体无差别

38、计算标准化死亡率的目的是（D）

A.减少死亡率估计的偏倚B.减少死亡率估计的抽样误差 C.便于进行不同地区死亡率的比较D.消除各地区内部构成不同的影响 E.便于进行不同时间死亡率的比较

39、标准化后的总死亡率：

A、仅仅作为比较的基础，它反映了一种相对水平B、它反映了实际水平

C、它不随标准的选择变化而变化 D、它反映了事物实际发生的强度 E、它反映了实际率的水平

240、利用检验公式不适合解决的实际问题是（C）

A.比较两种药物的有效率B.检验某种疾病与基因多态性的关系 C.两组有序试验结果的药物疗效D.药物三种不同剂量显效率有无差别 E.两组病情“轻、中、重”的构成比例

41、对医学计量资料成组比较, 相对参数检验来说，非参数秩和检验的优点是（A）A.适用范围广B.检验效能高 C．检验结果更准确D.充分利用资料信息 E.不易出现假阴性错误

42、对于计量资料的比较,在满足参数法条件下用非参方法分析,可能产生的结果是（B）

A.增加Ⅰ类错误B.增加Ⅱ类错误C.减少Ⅰ类错误D.减少Ⅱ类错误 E.两类错误都增加

43、对于两组资料的比较，方差分析与t检验的关系是（E）A.t检验结果更准确B.方差分析结果更准确 C.t检验对数据的要求更为严格D.近似等价 E.完全等价

44、四格表如有一个实际数为0（C）A、就不能作χ2检验

B、就必须用校正χ2检验

C、还不能决定是否可作χ2检验 D、肯定可作校正χ2检验 E、肯定不可作校正χ2检验

45、行×列表的χ2检验中，P<0.05说明（D）A、被比较的几个样本率之间的差异均有显著性 B、样本率间的差异没有显著性

C、任意两个率之间的差异均有显著性 D、至少某两个样本率间的差异有显著性 E、只有两个样本率间的差异有显著性

46、两数值变量相关关系越强，表示（B）

A.相关系数越大B.相关系数的绝对值越大 B.回归系数越大C.回归系数的绝对值越大 E.相关系数检验统计量的t值越大

47、t分布比标准正态分布（D）

A、中心位置左移，但分布曲线相同 B、中心位置右移，但分布曲线相同 C、中心位置不变，但分布曲线峰高

D、中心位置不变，但分布曲线峰低，两侧较伸展 E、中心位置右移，但分布曲线峰高

三、判断题（10分）

1、相关系数r=0.98，说明两变量密切正相关（对）

2、构成比资料可以选用圆图和条图（错）

3、标准差和标准误都是反映变异程度大小的指标（错）

4、多个样本均数的两两比较可以用成组的t检验（错）

5、正常值范围属于统计描述，可信区间的估计属于统计推断（对）

6、、数值变量资料的标准差一定比均数小（错）

7、等级资料比较宜用秩和检验。（对）

8、两变量的相关分析中,若散点图的散点完全在一条直线上，则r=1（错）

9、对统计图中的的坐标所有统计图的纵坐标都必须从零点开始（错）

10、非参数统计进行假设检验要求的条件是总体是正态分布（错）

四、简答题（25分）

1、医学参考值范围和可信区间的区别（5）

2、非参数检验的适用条件（5）

3、标准正态分布曲线下的面积规律（5）

4、标准差与标准误有何区别?（5分）

5、描述数值变量集中趋势的指标有哪些？适用条件分别是什么？（5分）

五、作图（10分）

某药治疗老年慢性气管炎的近期疗效结果如下：

1、单纯型共221例，其中按病情分为重、中、轻，分别观察了136例、54例、31例；疗效：治愈60人、显效98人、好转51人、无效12人，有效率94.6％。

篇8：医学统计学总结

一、《医学统计学》的教学实践

我们在学习医学统计学初期、接触基本概念和原理时, 可以尽量将这些概念与原理用通俗、形象、稍微夸张的生活实例联系起来, 以“讲故事”的形式将基本概念和原理进行对比和剖析, 让看似艰深枯燥的概念原理变得有血有肉、亲近可人, 让逻辑思维方法在潜移默化中植入学生的脑海。

(一) 教学案例之一。

讲定量资料的集中趋势指标———平均数时, 很多同学不能理解为什么平均数有3种 (算术均数、几何均数、中位数) , 为什么不只是小学数学里学过的平均数 (算术均数) 就行了, 这是因为他们还没有理解集中趋势和平均数的内涵, 不理解这个前提, 很多同学就对后面要讲的3种平均数公式、符号、适用条件等内容就失去了兴趣, 或者勉强听下去也是一知半解、似懂非懂, 严重影响学习积极性。针对这种情况, 教师可以给同学们举一个例子:某地报道该地人均月收入为5000元, 当地百姓都质疑, 互相打听多数人实际只有1000、2000元月收入, 怎么就变成5000元了呢?原来当地有一些百万富翁、千万富翁, 他们的收入非常高, 就把当地总收入抬高了, 一平均就使月收入水平大大提高了, 所以这5000元就是指的是小学数学里学过的平均数, 也就是算术均数的概念, 但是这个数值不能反映人们的实际感觉, 不能反映大多数人的月收入情况, 统计学里面讲的平均数指的就是大多数人所在的水平, 也就是大多数人集中的位置的数值才是平均数, 所以不是简单绝对平均就可以的, 要具体情况具体分析, 不同类型资料选用的平均数是不一样的。这样用来源于生活的但经过加工夸张的例子讲解以后, 同学们会会心一笑, 在轻松幽默的气氛中对集中趋势和平均数的概念有深刻形象的理解, 提高学习兴趣和自信, 为后面的学习内容做了很好的铺垫。

(二) 教学案例之二。

学习假设检验的基本思想和步骤时, 许多同学对于“小概率思想”和假设检验的结论方式不能理解, 小概率思想是指小概率事件 (P≤0.01或P≤0.05) 在一次试验或一次抽样中基本上不会发生, 即认为概率P=0, 可以跟同学们讲这样的故事:某先生走路途中被绊倒, 起来一看, 绊倒他的竟然是一块金砖, 他欣喜若狂, 赶快打电话给妻子报告, 妻子会说:不可能, 你被一块金砖绊倒的可能性为0。被金子绊倒的可能性确实微乎其微, 是个小概率事件, 而你走一次路被绊倒的可能性就更小, 就可以直接说这个事情 (走路被金砖绊倒) 不可能发生, 即P=0, 这个就是小概率思想。但是你不能太绝对, 还是有可能会发生的, 下结论要委婉, 妻子的结论在绝大多数时候是正确的, 但是在某些时候可能是错误的, 像这位先生就真的发生了这个事, 所以要委婉地下结论:可以认为……尚不能认为……。

(三) 教学案例之三。

在解释“同质”和“变异”的概念时, 可以强调“大同小异”, 可以沿用生物学里的“遗传”和“变异”的概念, “同质”就类似”遗传”的意思, 如“龙生龙, 凤生凤, 老鼠生来会打洞”, 这样用“遗传相似”的概念来解释“同质”, 指的就是研究对象的影响因素一致或大体一致, 而变异也像生物学里“变异”类似, 每个生物体都是有差异的, “世上没有两片相同的树叶”、“一母生九子, 连母十个样”。在认真解释的基础上再如此用通俗形象的俚语来类比解释抽象的概念, 效果很好。

(四) 教学案例之四。

在讲解“极差 (R) ”时, 其公式是最大值减去最小值, 我们可以联想到比赛时评委打分, 都会“去掉一个最高分, 去掉一个最低分”, 再将剩下的分数平均, 这样可以避免两个极端值的影响, 或以姚明或潘长江的特殊身高会影响到其所在队伍的平均身高值这样的例子来说明R不太稳定、较少应用的特征。

(五) 教学案例之五。

在讲解一些指标的计算公式时, 有时用基本公式, 有时要用加权法、频数表法公式, 可以用商店里八宝粥原料的价钱的制定为例来解释, 八宝粥由好几种价格不一的食材混合起来, 八宝粥原料的定价过程就是加权法的原理, 这样同学们就会很容易理解。

二、《医学统计学》的教学体会

许多学生在一接触到医学统计学时都会很不适应, 它重在逻辑思维, 与其他的基础医学和临床医学科目的思维方法和学习方法截然不同, 许多同学都反映医学统计学枯燥、艰深、难于理解, 令他们无所适从, 以致早早失去学习兴趣, 作为老师, 应该要降低学科“门槛”, 在初期刚接触基本概念和原理时应用大量通俗、幽默的生活实例和语言来进行转化, 避免其产生畏难和厌学情绪, 让医学统计学贴近生活, 而不再是高高在上、遥不可及的“摘不到的星辰”。

其实, 统计学本就来源于我们日常生活, 人们从生活、卫生工作中发现了统计学的原理和规律, 再应用统计学来探究生活中的规律, 我们医学生在学习统计学时也不应将其游离于生活以外。医学统计学不只是枯燥的数字和公式, 将日常生活事例融入到学习之中, 以开放、轻松、欢乐的心态来教、学医学统计学, 寓教于乐、寓学于乐, 应该是一个更健康积极而富有成效的教学和学习体验。

参考文献

[1].顾相伶.护理专业医学统计学教学改革探讨[J].企业家天地, 2011, 36 (7) :67～68

[2].吴笑雪.高职医学统计学教学改革探讨[J].科教文汇, 2009, 22 (5) :24～25