●【抽样误差】由抽样引起的样本统计量与总体参数间的差别。原因：个体变异＋抽样

表现：样本统计量与总体参数间的差别、不同样本统计量间的差别。抽样误差是有规律的

●【可信区间CI】区间估计是按一定的概率或者可信度1-，用一个区间估计总体参数所在的范围CI，这个范围成为可信度为1-的可信区间，置信区间。

影响：可信度、个体差异、样本含量 两要素：可信度1-、可靠性；精确性

可信度为95%的CI涵义：每100个样本计算95%的CI，平均有95%的CI包含了总体参数。95%，指方法本身，而非某个区间。该区间包含总体参数，可信度为95%

●【总体和样本】根据研究目的确定的同质的所有观察单位的某种变量值的集合。

样本是指在研究总体中随机抽出一部分个体进行观察或测量，这些个体的测量值构成的集

●【参数和统计量】描述总体特征的指标，不变的，固定的，未知的

统计量：描述样本特征的指标，变化的，已知的，有误差的

●【概率和小概率原理】描述某随机事件发生可能性大小的度量，记做P，取值0＜P＜1

小概率原理：P≤0.05，该事件发生的可能性很小，进而认为在一次抽样中不可能发生

●【随机】机会均等、随机抽样、随机分组、实验顺序随机

●【变异系数CV】离散系数，标准差S、均数之比。用来衡量单位不同的多组资料的变异度、比较均数相差悬殊的多组资料的变异度

●【相关系数】两个有直线关系的变量间相关关系的密切程度与相关方向的指标，记做r，-1≤r≤1，正、负相关，其绝对值越大表示关系越密切，越接近于0相关越不密切

●【回归系数】b回归直线的斜率,自变量增加一个单位，应变量的平均改变量

●【标准误】样本统计量的标准差，衡量抽样误差的大小

●【偏倚】实验中某些非实验因素的干扰所形成的系统误差，歪曲了处理因素的真实效应

●【一类错误、二类错误】【检验效能】1－ 就是对真实的H1作出肯定结论之概率

实际情况 假设检验的结果

拒绝 H0 不拒绝 H0

H0 成立 I 型错误() 推断正确

H0 不成立 把握度(1-) II 型错误()

●【假设检验中的P值】从 H0 总体中随机获得等于或大于现有统计量值的概率。P是 H0 成立时，获得现有差别以及更大的差别的概率。拒绝H0时所冒的风险

●【的含义】1在假设检验之前人为规定2犯第一类错误的概率3说明拒绝H0所冒的风险不可超过 4若取 = 0.05水准，得P ≤。按误差不超过5％的条件拒绝H0而接受H1

●【假设检验】首先建立假设检验，假设下随机抽样，计算得该统计量及其极端情形的概率，如概率小，拒绝假设，如概率不是小概率则接受。

1建立假设(在假设的前提下有规律可循)2确定检验水准(确定最大允许误差)3计算检验统计量(样本与总体有多大的偏离)4计算概率P (该样本是否支持零假设)5结论(根据小概率原理)P＞0.05,不拒绝H0；P≤0.05,拒绝H0接受H1

统计学结论：P≤, 差异有统计学意义；P>, 差异无统计学意义

专业的结论：专业上有差别，假设检验拒绝H0：结果有效，可以下专业结论；

无差别，不拒绝H0：下无差别的结论；有差别，不拒绝H0：增大样本含量，减少二类误

无差别，拒绝H0：改进试验，减少误差。

意义：1分辨多个样本是否分别属于不同的总体，并对总体作出适当的结论

2分辨一个样本是否属于某特定总体

●【参考值范围】正常值范围，是绝大多数正常人的某观察指标所在的范围。绝大多数：90%，95%，99%等。确定参考值范围的意义：用于判断正常与异常。正常人：排除了影响所研究的指标的疾病和有关因素的同质的人群 确定原则：选定同质的正常人作为研究对象、控制检测误差、判断是否分组、单双侧问题、选择百分界值、确定可疑范围

●【统计推断】由样本信息推断总体的性质，参数估计+假设检验

●【非参数检验】在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。适用于①等比②偏态③分布型未知④变异系数大方差不齐⑤开口

●【同质与变异】同一总体或样本中的观察单位在所选取指标方面具有相同的性质。

变异是指在同质的基础上各观察单位(或个体)之间的差异

●【定量资料】以定量值表达每个观察单位的某项观察指标，如血脂、心率等。数据连续

分类、计数：以定性方式表达每个观察单位某项指标，表现为互不相容的类别或属性

等级资料：以等级表达每个观察单位的某项观察指标，如疗效分级、血粘度、心功能分级

●【配对设计】将实验单位按一定条件配成对子，再将每对中的2个实验单位随机分配到2个处理组中。条件相近、对内同质

●【构成比】说明某一事物内部各组成部分所占比例。

某一组分部分的观察单位数/同一事物各组成部分的观察单位数

●【剩余标准差】扣除了X的影响后,Y方面的变异；引进回归方程后, Y方面的变异

●【参数估计】从总体中抽取的样本估计总体分布中包含的未知参数的方法。点、区间估计

●【医学统计学】以医学理论为指导，应用概率论与数理统计的有关原理和方法，研究医学资料的搜集、整理、分析和推断的一门科学

●标准差、标准误：1意义：个体差异大小，即离散程度；抽样误差大小，即样本统计量和总体参数的接近程度 2用途：估计参考值范围、表现观察值的波动范围；抽样误差的大小，估计可信区间 3随着样本含量的增多，逐渐趋于稳定；逐渐减少

标准差： 标准误： 均数的标准误与标准差成正比

●定量资料描述：集中趋势：均数、几何均数、中位数、百分位数

离散程度：极差、四分位数间距、方差、标准差、变异系数

●描述集中趋势的指标、其适用范围

1均数：正态或近似正态分布2几何均数：等比数列或对数正态分布资料3中位数：资料是偏态分布的；分布不规则；一端或两端有不确定数据（开口资料）时

●中心极限定理从均值为μ、标准差为σ的任意一个总体中独立随机抽取样本量为n的样本，当n充分大时，样本均值的分布近似服从均值为μ、标准差为的正态分布

●正态分布的特征：两个参数，位置参数(均数)和变异度参数(标准差)；高峰在均数处；均数两侧完全对称；正态曲线下的面积分布有一定的规律 ±1.64 90%；±1.96 95%；±2.58 99% 正态分布应用：估计频数分布、质量控制、确定临床参考值范围

●质量控制的意义：监控日常工作、科研过程、生产过程中误差的变化，分析变化的趋势是否出现异常，从而引起警觉和注意，以便分析原因，并及时采取措施。

●t检验、假设检验、单因素方差分析的前提：正态性、独立性、方差齐性

方差齐性检验、方差不齐时的近似t检验、大样本时均数比较的u检验

●假设检验、可信区间：1在相同的α之下，若假设检验拒绝H0(p< α)，那么可信度为(1- α)的可信区间必然不包括总体参数；反之成立。2可信区间和假设检验是对同一问题所作的不同结论，效果等价。3可信区间比假设检验能回答更多的内容。

●四格表卡方检验应用条件：n＞40，T＞5，卡方；n＞40，1＜T≤5，校正卡方检验；n≤40或T≤1，确切概率法 配对四格表的分析方法选择条件：b+c>40；20<b+c≤40用校正2 ；b+c<20,二项分布直接计算概率

●正确应用相对数：1计算相对数的分母不宜过小2不能以构成比代替率3对观察单位数不等的几个率，不能直接相加求平均率4计算率注意资料的同质性，对比时注意可比性

●相关关系的正确应用：1相关关系不等于因果关系2相关系数只度量变量间的线性关系3极端值可能影响相关系数4注意相关关系成立的数据范围5警惕虚假相关6在相关分析前，需作散点图，从散点图的趋势判断是否可以作线性相关分析7识别离群值、排除间杂性

●回归系数和回归方程的意义： b斜率；a截距、X为0时Y的估计值；Y^给定X时Y的估计值；Y-Y^残差、点到直线的纵向距离

●直线回归、相关 r密切程度、方向，b数量关系

联系：均表示线性关系、符号相同 共变方向一致、假设检验结果相同

区别：1 r 没有单位，b有单位2应用：相关表示相互关系、回归表示依存关系

3对资料的要求：当X和Y都是随机的，可以进行相关和回归分析；当Y是随机X控制，理论上只能作回归而不能作相关分析。

●回归关系的正确应用1要有实际意义2充分利用散点图，判断线性趋势、离群值3当样本含量较大时，统计学检验的作用减小4回归关系可以内插，不宜外延5应用条件：线性、独立、给定X时Y正态分布、等方差

●实验研究的基本要素 处理，对象，效应 基本原则 随机、对照、重复

随机：抽样、分组、实验顺序，客观性；对照：对等、同步、专设，均衡度

重复：可靠性：整个实验重复、多个实验单位重复、同一实验单位重复观察

●影响样本含量的因素：数据种类、个体变异、组间差别、指标间的相关程度、设计方法、各组例数的分配、I II型错误、研究的质量

●最小样本含量估计：：I类误差，常取0.05 ；：II 类误差，常取0.20，0.10；1- ：把握度；：标准差，个体变异；：临床上能接受的最小差别；实验组、对照组的比例不超过1:4 ~ 4:1

●完全随机设计分析思路：1疗前两组比较，以分析可比性；2各组疗前疗后差值分别比较，分别确定各自的变化值；3两组疗前疗后差值相互比较，分析两组的效果是否相同 t P

●析因设计：单独作用：其他因素的水平固定时，同一因素不同水平间的差别

主效应：该因素的各个水平在其他因素的所有水平上的平均数的差异

交互作用：某因素各水平的单独作用随另一因素水平变化而变化，则两因素间存在

●研究设计类型：完全随机、配对、随机区组、拉丁方、析因、交叉

●不宜用t 检验对多组均数进行比较

如果用 t 检验进行多个样本均数的两两比较，则会增加犯I类错误的概率。经检验得到拒绝H0,认为两组之间有差别的结论可能犯I类错误的概率为，不犯I类错误的概率为1- . 每次判断均不犯I类错误的概率为(1- )k, k为比较的次数，上例=0.05, k=3，则均不犯错误的概率为( 1- 0.05)3 =0.86. 至少有一次判断犯I类错误的概率为1-(1- )k

●方差分析的基本思想:按实验设计的类型，将全部观察值间的变异分解成两个或多个组成部分，然后将各部分的变异与随机误差进行比较（每个部分的变异可由某因素的作用来解释），以判断各部分的变异是否具有统计学意义，从而推断不同样本所代表的总体均数是否相同

●方差分析的应用条件及用途：1各样本是相互独立的随机样本2样本来自正态分布总体3各总体方差相等，即方差齐 应用：1两个或多个样本的均数间的比较2分析两个或多个因素间的交互作用3回归方程的线性假设检验4多元线性回归分析中偏回归系数的假设检验等

●标准正态分布u分布与t分布：相同点：集中位置都为0，都是单峰分布，是对称分布，标准正态分布是t分布的特例（自由度是无限大时） 不同点：t分布是一簇分布曲线，t 分布的曲线的形状是随自由度的变化而变化，标准正态分布的曲线的形状不变，是固定不变的，因为它的形状参数为1

●秩和检验的应用：可用于任意分布的资料

1等级资料2计量资料中：极度偏态资料或个别数值偏离过大、各组离散度相差悬殊、资料中含有不确定值大于5年 <0.001、1:1024以上、分布类型尚未确知3兼有等级和定量性质

●完全随机设计：单向分组，单因素，多水平

配对设计：总体同质性差、按某种条件配对、对内随机。异体配对、自身配对

随机区组设计：总体同质性差，部分同质性好，区组控制，区组内随机，是配对设计的扩展；同质性较好时，可以同时考虑两个因素的分析(不考虑交互作用)

●参考值范围：标准差 可信区间：标准误

●方差齐 变换：对数、平方根、倒数、平方根反正弦变换

●假设检验的基本思想：两样本均数不同，可能由于抽样误差，可能来自2个不同总体。先建立假设2样本来自同一总体，计算在该假设前提下，获得手头样本的概率，通过对该概率进行界定做出结论一般于0.05比较，允许I类错误的概率为0.05

●P值越小两总体间差异越大？

不能，P的大小与总体指标间差异大小不完全等同。P的大小更与抽样误差大小有关。同样的总体差异，不同的抽样误差，P也不一样，抽样误差大小反映在样本量上

●单因素方差分析

变异来源 SS v MS F

组间 SS组间 k-1 SS组间/v组间 MS组间

MS组内

组内 SS组内 N-k SS组内/v组内

总 SS总 N-1

●两因素方差分析

变异

来源 离均差

平方和 ν MS F

处理 SS处理 k-1 SS处理/v处理 MS处理/MS误差

区组 SS区组 n-1 SS区组/v区组 MS区组/MS误差

误差 SS误差 N-k-n+1 SS误差/v误差

总变 SS总 N-1