统计学傻瓜教程
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在论文中并不是直接给出原始数据，而是要以 方式表示。利用软件《临床医师统计学助手V3.0》，只要输入原始数据，就能自动计算出均数及标准差，即第1组平均身高：100±1.58cm；第2组平均身高：100±15.81cm，如下图。
二、两样本均数差别T检验
【例2】目的研究中药板兰根对“非典”疗效。方法将36例“非典”患者随机分为治疗组19例，采用常规治疗+板兰根口服，对照组17例，仅采用常规治疗。结果治疗组平均退热时间3.28±1.51d；对照组平均退热时间5.65±1.96d，两组间对照差别有极显著意义（p＜0.01）结论中药板兰根对“非典”有显效疗效，实为国之瑰宝。
这是一个全“傻瓜化”的教程，由4个实例组成，只要认真看完这4个实例，将实际中碰到的问题对号入座，就足以解决绝大多数问题了。接下来我们开始轻松愉快的学习过程。
一、均数与标准差
【例1】本组105例，男55例，女50例；平均年龄：62.3±6.1岁，所有入选病例均符合1999年WHO高血压诊断标准。
举这个例子是为了说明“均数”与“标准差”的概念。我实在不愿意多花时间阐述一些概念性的东西，但是由于“标准差”实在太重要了。【例1】中的数据“62.3±6.1”，“62.3”就是年龄的均数，均数的概念大家都懂，那么后面的“6.1”是什么呢？它就是标准差。有人可能会问，表达一组人的平均年龄，用均数就够了，为什么还要加一个标准差呢？先看下面的一个例子：有两组人，第1组身高（cm）：98、99、100、101、102；第2组身高（cm）：80、90、100、110、120，这两组人虽然身高的均数都是100cm，但是，仔细观察，第1组的身高很接近，第2组的身高差别很大，故仅仅用一个平均数表达一组数据的特征是不完整的，还需要用另一个指标来表达其参差不齐的程度，这就是标准差。统计学上对一组测量结果的数据都要用“均数±标准差”表示，习惯表达代号是： ，具体例子如：平均收缩压120±10.2mmHg。
我想现在大家都已知道标准差是什么东东了，那么，标准差是怎样得到的呢？有一个比较复杂的计算公式，我们不必去深究这个公式是怎么样的，只需知道标准差越小，说明数据越集中，标准差越大，说明数据越分散。
撰写医学论文的第一步是收集原始数据，如：
第1组身高（cm）：98、99、100、101、102；
第2组身高（cm）：80、90、100、110、120。
再回到上面的例子，假如我们有二种做法：
A、随机选2个北京西瓜，平均重量是5.6±0.3kg；再随机选2个上海西瓜，平均重量是4.3±0.25kg；
B、随机选1000个北京西瓜，平均重量是5.6±0.3kg；再随机选1000个上海西瓜，平均重量是4.3±0.25kg。
凭生活常识，由B推出“北京的西瓜比上海西瓜大”这个结论的把握性就非常的大，而A则基本上推不出这个结论。现在，终于可以引出我们的主题了，统计学处理本质是考查由样本差异推断总体差异的把握性有多大，这种把握性在统计学上由P值表示。如P＜0.05或P＜0.01，可以理解为由样本差异推断总体差异的把握性达95%或99%以上，两组数据差异有显著意义；如P＞0.05，可以理解为这种把握性在95%以下，两组数据差异没有显著意义。
上面所讲的实已为统计学之精髓，建议多看几遍，如果天生愚鲁，还是看不太懂，也没有关系，现在进一步“傻瓜化”，即所谓统计学处理，只要求得P值即可。P＜0.05或P＜0.01，表示阳性结果，两组数据差异有显著意义；P>0.05，表示阴性结果，两组数据差异没有显著意义。所以，统计学处理的中心任务是求P值。
下面讲解遇到【例2】这样的问题，如何求P值。【例2】中一共有6个数据：第一组均数（X1）、标准差（S1）、例数（N1）与第二组均数（X2）、标准差（S2）、例数（N2），就是根据这6个数据，先通过复杂计算，求出“T”值（如果没有想成为统计学专家，就不必去理解“T”是什么了，知道“T”是为了求“P”用的就可以了），求出“T”值后，再查“T界值表”，就知道“P值”了。
帐户设置
VIP中心
充值中心
联系客服
退出
首页
个人主页
好友
探索
0 0 0
窗体顶端
搜索
窗体底端
Βιβλιοθήκη Baidu帐号
装扮主页 修改资料
分享
杨雪
杨雪的分享
当前分享
返回分享首页»
分享
[转]医学统计学傻瓜教程---带图示来源：孔彬的日志
医学统计学傻瓜教程
作为一名临床医师，有时为了完成一些小科研，或晋升职称，都必须撰写医学论文。大多数人会碰到一个难题，医学论文的数据都必须进行统计学处理，上大学时学过的《医学统计学》早已忘得差不多了，重新翻开统计学书本，花上十天半个月的时间，还是看得不知所云。《医学统计学傻瓜教程》有别于其他任何的统计学教程，其特点是略去一些高深难懂的统计学原理及计算公式，直奔解决实际问题的方法。
本教程的学习时间约需要2～3小时，但你必须曾经学过《医学统计学》，不管学得好或学得差，或是否已忘记，只要有一点印象即可，同时还需要下载一个简明统计学处理软件《临床医师统计学助手V3.0》，因为作数据统计学处理时最令人头痛的问题是烦琐的计算，则由预存在本软件内的计算公式来完成。
《临床医师统计学助手V3.0》下载地址:/tjx/help.htm
这是最常见的一种统计学数据处理类型，统计学述语叫做“两样本均数差别T检验”，说得通俗易懂一些，就是检验两组方法所得到的数据到底有没有差异，或者说，差异是否有意义。我们平时的思维习惯是，数据的大小还用得着检验吗？这是小学生都会的问题。可是别忘记了现在是在搞科研，科学方法看问题可不一定这么简单。
可能还没有说明白这个问题，下面举一个简单的例子。我们的目的是得出这样一个结论：“北京出产的西瓜比上海出产的西瓜大”。最可靠的方法是把所有北京的西瓜和上海的西瓜都测量重量，得到两个均数，然后比大小即可，可是智商正常的人并不会这样去做，通常的做法是，随机选一部分北京的西瓜和一部分上海的西瓜，先让这两部分西瓜比大小，然后推断到底那里的西瓜大。这种方法是“窥一斑可见全豹”，统计学述语叫做“由样本推断总体”，事实上，我们所做的医学科研都是基于这种方法。
二、两样本均数差别T检验
【例2】目的研究中药板兰根对“非典”疗效。方法将36例“非典”患者随机分为治疗组19例，采用常规治疗+板兰根口服，对照组17例，仅采用常规治疗。结果治疗组平均退热时间3.28±1.51d；对照组平均退热时间5.65±1.96d，两组间对照差别有极显著意义（p＜0.01）结论中药板兰根对“非典”有显效疗效，实为国之瑰宝。
这是一个全“傻瓜化”的教程，由4个实例组成，只要认真看完这4个实例，将实际中碰到的问题对号入座，就足以解决绝大多数问题了。接下来我们开始轻松愉快的学习过程。
一、均数与标准差
【例1】本组105例，男55例，女50例；平均年龄：62.3±6.1岁，所有入选病例均符合1999年WHO高血压诊断标准。
举这个例子是为了说明“均数”与“标准差”的概念。我实在不愿意多花时间阐述一些概念性的东西，但是由于“标准差”实在太重要了。【例1】中的数据“62.3±6.1”，“62.3”就是年龄的均数，均数的概念大家都懂，那么后面的“6.1”是什么呢？它就是标准差。有人可能会问，表达一组人的平均年龄，用均数就够了，为什么还要加一个标准差呢？先看下面的一个例子：有两组人，第1组身高（cm）：98、99、100、101、102；第2组身高（cm）：80、90、100、110、120，这两组人虽然身高的均数都是100cm，但是，仔细观察，第1组的身高很接近，第2组的身高差别很大，故仅仅用一个平均数表达一组数据的特征是不完整的，还需要用另一个指标来表达其参差不齐的程度，这就是标准差。统计学上对一组测量结果的数据都要用“均数±标准差”表示，习惯表达代号是： ，具体例子如：平均收缩压120±10.2mmHg。
我想现在大家都已知道标准差是什么东东了，那么，标准差是怎样得到的呢？有一个比较复杂的计算公式，我们不必去深究这个公式是怎么样的，只需知道标准差越小，说明数据越集中，标准差越大，说明数据越分散。
撰写医学论文的第一步是收集原始数据，如：
第1组身高（cm）：98、99、100、101、102；
第2组身高（cm）：80、90、100、110、120。
再回到上面的例子，假如我们有二种做法：
A、随机选2个北京西瓜，平均重量是5.6±0.3kg；再随机选2个上海西瓜，平均重量是4.3±0.25kg；
B、随机选1000个北京西瓜，平均重量是5.6±0.3kg；再随机选1000个上海西瓜，平均重量是4.3±0.25kg。
凭生活常识，由B推出“北京的西瓜比上海西瓜大”这个结论的把握性就非常的大，而A则基本上推不出这个结论。现在，终于可以引出我们的主题了，统计学处理本质是考查由样本差异推断总体差异的把握性有多大，这种把握性在统计学上由P值表示。如P＜0.05或P＜0.01，可以理解为由样本差异推断总体差异的把握性达95%或99%以上，两组数据差异有显著意义；如P＞0.05，可以理解为这种把握性在95%以下，两组数据差异没有显著意义。
上面所讲的实已为统计学之精髓，建议多看几遍，如果天生愚鲁，还是看不太懂，也没有关系，现在进一步“傻瓜化”，即所谓统计学处理，只要求得P值即可。P＜0.05或P＜0.01，表示阳性结果，两组数据差异有显著意义；P>0.05，表示阴性结果，两组数据差异没有显著意义。所以，统计学处理的中心任务是求P值。
下面讲解遇到【例2】这样的问题，如何求P值。【例2】中一共有6个数据：第一组均数（X1）、标准差（S1）、例数（N1）与第二组均数（X2）、标准差（S2）、例数（N2），就是根据这6个数据，先通过复杂计算，求出“T”值（如果没有想成为统计学专家，就不必去理解“T”是什么了，知道“T”是为了求“P”用的就可以了），求出“T”值后，再查“T界值表”，就知道“P值”了。
帐户设置
VIP中心
充值中心
联系客服
退出
首页
个人主页
好友
探索
0 0 0
窗体顶端
搜索
窗体底端
Βιβλιοθήκη Baidu帐号
装扮主页 修改资料
分享
杨雪
杨雪的分享
当前分享
返回分享首页»
分享
[转]医学统计学傻瓜教程---带图示来源：孔彬的日志
医学统计学傻瓜教程
作为一名临床医师，有时为了完成一些小科研，或晋升职称，都必须撰写医学论文。大多数人会碰到一个难题，医学论文的数据都必须进行统计学处理，上大学时学过的《医学统计学》早已忘得差不多了，重新翻开统计学书本，花上十天半个月的时间，还是看得不知所云。《医学统计学傻瓜教程》有别于其他任何的统计学教程，其特点是略去一些高深难懂的统计学原理及计算公式，直奔解决实际问题的方法。
本教程的学习时间约需要2～3小时，但你必须曾经学过《医学统计学》，不管学得好或学得差，或是否已忘记，只要有一点印象即可，同时还需要下载一个简明统计学处理软件《临床医师统计学助手V3.0》，因为作数据统计学处理时最令人头痛的问题是烦琐的计算，则由预存在本软件内的计算公式来完成。
《临床医师统计学助手V3.0》下载地址:/tjx/help.htm
这是最常见的一种统计学数据处理类型，统计学述语叫做“两样本均数差别T检验”，说得通俗易懂一些，就是检验两组方法所得到的数据到底有没有差异，或者说，差异是否有意义。我们平时的思维习惯是，数据的大小还用得着检验吗？这是小学生都会的问题。可是别忘记了现在是在搞科研，科学方法看问题可不一定这么简单。
可能还没有说明白这个问题，下面举一个简单的例子。我们的目的是得出这样一个结论：“北京出产的西瓜比上海出产的西瓜大”。最可靠的方法是把所有北京的西瓜和上海的西瓜都测量重量，得到两个均数，然后比大小即可，可是智商正常的人并不会这样去做，通常的做法是，随机选一部分北京的西瓜和一部分上海的西瓜，先让这两部分西瓜比大小，然后推断到底那里的西瓜大。这种方法是“窥一斑可见全豹”，统计学述语叫做“由样本推断总体”，事实上，我们所做的医学科研都是基于这种方法。