卫生统计学简答题.doc

标准差与标准误有何区别和联系? 标准差和标准误都是变异指标，但它们之间有区别，也有联系。区别: 概念不同；标准差是描述观察值(个体值)之间的变异程度；标准误是描述样本均数的抽样误差；用途不同；标准差与均数结合估计参考值范围，计算变异系数，计算标准误等。标准误用于估计参数的可信区间，进行假设检验等。它们与样本含量的关系不同: 当样本含量 n 足够大时，标准差趋向稳定；而标准误随n的增大而减小，甚至趋于0 。联系: 标准差，标准误均为变异指标，当样本含量不变时，标准误与标准差成正比。参考值范围与可信区间有何区别? (1)意义不同: 参考值范围是指同质总体中包括一定数量(如95%或99%) 个体值的估计范围。可信区间是指按一定的可信度来估计总体参数所在范围。 (2)计算方法不同: 参考值范围用 计算。可信区间用或计算,前者用标准差，后者用标准误。直线相关与回归有何联系与区别？ 联系： （1）对符合相关回归条件的资料，其相关系数与回归系数的正负号相同。 （2）回归系数与相关系数的假设检验是等价的，对同一样本的资料，回归系数的t检验与相关系数的t检验其数值相等，即tr=tb。 （3）可以用回归解释相关。r的平方称为决定系数（coefficient of determination） 区别： 回归要求因变量Y是正态分布的随机变量；X可以是精确测量或严格控制的变量，也可以是呈正态分布的随机变量，当X是精确测量或严格控制的变量时，此时的回归称型回归。当X是呈正态分布的随机变量时，此时的回归称为型回归。相关要求变量X、Y都是呈正态分布的随机变量。当说明两变量间依存变化的数量关系时用回归，当说明两变量间的相关关系时用相关。参数检验与非参数检验有何区别，各有何优缺点？ （1）区别： 参数检验：以已知分布（如正态分布）为假定条件，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，检验分布位置是否相同。 （2）优缺点： 参数检验：优点是符合条件时，检验效能高。缺点是对资料要求严格，如等级资料、分布不明或末端有不明确数据的资料不能用参数检验，要求资料的分布类型已知且总体方差相等。 非参数检验：优点是应用范围广、简便；缺点是对于符合参数统计的资料，如果用非参数统计会造成资料信息的丢失，致使检验效能下降，犯第二类错误的概率增大。故符合参数统计条件的资料，要首先选用参数统计的方法。当参数统计的应用条件得不到满足时，应选用非参数统计。可信区间与参考值范围有什么不同？应注意：可信区间与参考值范围的意义、计算公式和用途均不同。1.从意义来看95参考值范围是指同质总体内包括95个体值的估计范围，而总体均数95可信区间是指按95可信度估计的总体均数的所在范围。2.从计算公式看若指标服从正态分布，95参考值范围的公式是：。总体均数95可信区间的公式是：。前者用标准差，后者用标准误。前者用1.96，后者用为0.05，自由度为v的t界值。何谓假设检验?其一般步骤是什么? 所谓假设检验，就是根据研究目的，对样本所属总体特征提出一个假设，然后根据样本所提供的信息，借助一定的分布，观察实测样本情况是否属于小概率事件,从而对所提出的假设作出拒绝或不拒绝的结论的过程。假设检验一般分为以下步骤: 建立假设：包括: H0，称无效假设；H1: 称备择假设； 确定检验水准：检验水准用表示，一般取0.05； 计算检验统计量：根据不同的检验方法，使用特定的公式计算；确定P值：通过统计量及相应的界值表来确定P值；推断结论：如P，则接受H0，差别无统计学意义；如P，则拒绝H0， 差别有统计学意义。方差分析的基本思想是什么? 方差分析的基本思想是: 根据研究资料设计的类型及研究目的，把全部观察值总变异分解为两个或多个组成部分，其总自由度也分解为相应的几个部分。例如完全随机设计的方差分析，可把总变异分解为组间变异和组内变异，即SS总SS组内SS组间，总的自由度也分解为相应的两部分，即总=组内组间。 离均差平方和除以自由度得均方MS，组间均方(MS组间)与误差均方(MS误差)之比为F值；如果各组处理的效应一样，则组间均方等于组内均方，即 F1；但由于抽样误差，F值不正好等于1，而是接近 1；如果F值较大，远离1，说明组间均方大于误差均方，反映各处理组的效应不一样，即各组均数差别有意义，至于F值多大才能认为差别有意义，可查F 界值表(方差分析用)来确定。t检验、u检验和F检验的应用条件各是什么? t检验的应用条件是：未知而且n较小时，要求样本来自正态总体；两小样本均数比较时，还要求两样本所属总体的方差相等。u检验的应用条件是：已知；未知但样本含量较大。方差分析的应用条件是：各样本是相互独立的随机样本；各样本来自正态总体；各处理组总体方差相等。常用统计图的适用范围是什么？ 常用的统计图及适用条件是: 条图，适用于相互独立的资料，以表示其指标大小；百分条图及远圆图，适用于构成比资料，反映各组成部分的大小；普通线图: 适用于连续性资料，反映事物在时间上的发展变化的趋势，或某现象随另一现象变迁的情况。半对数线图，适用于连续性资料，反映事物发展速度(相对比)。直方图: 适用于连续性变量资料，反映连续变量的频数分布。散点图: 适用于成对数据，反映散点分布的趋势。2普通线图和半对数线图在制作和应用中有何主要区别？普通线图绘制时，纵轴的尺度为算术尺度，并且一般应从“0”开始；而半对数线图纵坐标的尺度为对数尺度，起点没有0。应用上，普通线图反映某事物随时间变动的趋势或某现象随另一现象变迁的情况；而半对数线图用来比较两种或两种以上事物物随时间变动的速度（相对比）。应用相对数的注意事项 应用相对数时应注意以下几个事项（1）计算率和构成比时观察单位不宜过小；（2）注意正确区分构成比和率，不能以比代率；（3）对率和构成比进行比较时，应注意资料的可比性；（4）当比较两个总率时，若其内部构成不同，需要进行率的标准化；（5）两样本率比较时应进行假设检验。 简述率的标准化法的基本思想 当比较两个总率时，如果两组内部某种重要特征在构成上有差别，则直接比较这两个总率是不合理的；因为这些特征构成上的不同，往往造成总率的升高或下降，从而影响两个总率的对比。率标准化法的基本思想就是采用统一的内部构成计算标准化率，以消除内部构成不同对指标的影响，使算得的标准化率具有可比性。例如比较两人群的死亡率、出生率、患病率时，常要考虑人群性别、年龄的构成是否相同；试验组和对照组治愈率的比较时，常要考虑两组病情轻重、年龄、免疫状态等因素的构成是否相同。如其构成不同，需采用统一的标准进行校正，然后计算校正后的标准化率进行比较，这种方法称为标准化法。简述非参数检验的适用资料。 （1）等级资料； （2）偏态资料； （3）分布不明的资料； （4）资料中各组方差不齐，且转换后不能达到方差齐性。简述进行直线相关回归分析应注意的事项 （1）相关分析注意的事项 相关系数r是用来描述两个变量间线性相关关系的密切程度和方向的统计指标。所以，如果目的是想定量地描述两个变量间相互关系的密切程度和方向，则应作相关分析。而且，r的绝对值大小，对利用回归方程进行变量预测具有指导意义，如果r的绝对值很小，利用回归方程从一个变量预测另一个变量的值是没有多大意义的。 应用相关分析时应注意的问题： 进行相关分析时要有实际意义，不能把毫无关联的两事物或现象作相关分析。 相关关系不一定是因果关系，可能仅是表面上的伴随关系，或两个变量同时受另一因素的影响。 不能只根据相关系数绝对值的大小来推断两事物现象之间有无相关以及相关的密切程度，而必须进行相关系数的显著性检验。另外，不要把相关系数的显著性误解为两事物或现象相关的强度。 关于相关分析的样本的合并与分层问题，应审慎对待。 散点图在相关分析中具有重要作用，要充分利用。 （2）回归分析的注意事项 作回归分析要有实际意义，不能把毫无关联的两种现象，随意进行回归分析，忽视事物现象间的内在联系和规律。 直线回归分析的资料，一般要求因变量Y是来自正态分布总体的随机变量，自变量X可以是正态随机变量，也可以是精确测量和严格控制的值。 进行回归分析时，应先绘制散点图。 绘制散点图后，若出现一些特大特小的离群值（异常点），则应及时复核检查。 回归直线不要外延。均数、几何均数和中位数的适用范围是什么？ （1）均数适用于描述对称分布，特别是正态分布的数值变量资料的平均水平；（2）几何均数适用于描述原始数据呈偏态分布，但经过对数变换后呈正态分布或近似正态分布的数值变量资料的平均水平；（3）中位数适用于描述呈明显偏态分布（正偏态或负偏态），或分布情况不明，或分布的末端有不确切数值的数值变量资料的平均水平。全距、四分位数间距、方差、标准差、变异系数各有何特点？ （1）全距是一组观察值中最大值与最小值之差，计算简单，意义明了，但全距的不能反映组内其他观察值之间的离散情况，并且容易受个别特大值或特小值的影响，稳定性较差；（2）四分位数间距内包括了全部观察值的一半，可看作为中间一半观察值的全距，它比全距稳定，但仍未考虑每个观察值的离散度，它适用于描述偏态分布资料，特别是分布末端无确定数据资料的离散度；（3）方差是离均差平方和的均数，克服了全距和四分位数间距不能反映组内每个观察值离散度的缺点，但方差把观察值的原度量单位变成了平方单位，导致计算结果难于解释；（4）方差开方，即为标准差，它适宜于描述对称分布，特别是正态分布的数值变量资料的离散程度；（5）变异系数是标准差与均数之比，它适宜于描述度量单位不同的观察值的离散程度和度量单位相同但均数相差悬殊的观察值的离散程度。