常用医学统计方法上机实习题选.doc

常用医学统计方法上机实习题选目 录前 言3均数与标准差4统计描述5总体均数估计5总体率估计6样本均数与总体均数的比较6配对设计的两样本均数的比较6两个样本均数比较（成组设计）7多个样本均数比较（成组设计）8配伍组设计多个样本均数比较9样本率与总体率的比较10完全随机设计两个样本率的比较（四格表资料）11多个样本率的比较11单向有序分类资料的假设检验12相关分析13回归分析13生存分析14根据统计量计算P值15广州中医药大学试卷(B卷)18前 言卫生统计学实习的目的是让研究生在边学边实践的过程中，轻松掌握统计分析的基本内容。掌握了这些基本内容，就可以有能力进行目前常用的统计分析工作。方便进一步的学习。数据的统计分析，常见资料的各种统计分析，包括：统计描述（均数、标准差、中位数、百分位数，二项分布的概率）；参数估计（总体均数的可信区间估计、二项分布总体率的可信区间估计）；假设检验（成组和配对t检验、z检验、成组设计多个样本均数比较的方差分析及两两比较、配伍组设计的方差分析及两两比较、两组Wilcoxon秩和检验或多组秩和检验及两两比较、配对秩和检验、配伍组秩和检验及两两比较、Ridit分析、四格表资料卡方检验，RC表卡方检验、列联表卡方检验及列联系数计算、等级资料假设检验、双向有序资料的等级相关分析）；相关回归（积差相关系数的计算及假设检验、等级相关系数的计算及假设检验、直线回归方程的计算及假设检验，利用回归方程进行统计预测和统计控制）。均数与标准差1. 例 某省的高考分数经过标准化以后，最低分为100分，最高分为900分，平均分为500分，标准差为100分。用计算机模拟从该总体中随机抽取20名考生的分数见下表。试计算考生分数的均数与标准差。考生号分数bhx1456259436114336529863947464833695131055311541124781330614516154561645217431185311943520552. sum x答：均数：462.65 标准差：92.40829软件计算过程及结果如下：. sum x Variable | Obs Mean Std. Dev. Min Max-+- x | 20 462.65 92.40829 298 611统计描述2. 例 从幼儿园大班随机抽取12名6周岁女童，测得身高（cm）。试进行统计描述。编号身高（cm）1125.22135.33122.94131.65121.16141.57132.18112.89104.610131.211125.912126.1bhx1125.22135.33122.94131.65121.16141.57132.18112.89104.610131.211125.912126.1. clear. sum x答：样本含量：12 中位数：125.8583 标准差：9.947998 最小值：104.6 最大值：141.5软件计算过程及结果如下： . sum x Variable | Obs Mean Std. Dev. Min Max-+- x | 12 125.8583 9.947998 104.6 141.5总体均数估计3. 例 某县1998年抽样调查了500户农民家庭的年化纤布消费量，得到均数为3.55米，标准差为1.03米。试估计该县1998年农民家庭年化纤布消费量的总体均数。. cii 500 3.55 1.03答：总体均数的点估计：3.55 95%双侧置信区间：（ 3.459499，3.640501）m软件计算过程及结果如下：. cii 500 3.55 1.03 Variable | Obs Mean Std. Err. 95% Conf. Interval-+- | 500 3.55 .046063 3.459499 3.640501总体率估计4. 例 为了解某地新生儿畸形的发生率，某单位调查了该地3009名活产新生儿，诊断出畸形者29名，占0.96%。试估计该地活产新生儿的畸形率。. cii 3009 29答：该地活产新生儿的畸形率的95%双侧置信区间：(0.64638%,1.3812%)软件计算过程及结果如下：cii 3009 29 - Binomial Exact - Variable | Obs Mean Std. Err. 95% Conf. Interval-+- | 3009 .0096378 .001781 .0064638 .0138123样本均数与总体均数的比较5. 例 据大量调查知，健康成年男子脉搏的均数为72次/分，某医生在山区随机调查了25名健康成年男子，其脉搏均数为75.5次/分，标准差为6.5次/分，能否认为该山区成年男子的脉搏高于一般人群？. ttesti 25 75.5 6.5 72答：该题样本含量小于50，运用t检验，按=0.0500水准，t=2.6923，P= 0.0127 ，P 0.05，拒绝假设检验H0，差异有统计学意义，可以认为该山区成年男子的脉搏高于一般人群。软件计算过程及结果如下：. ttesti 25 75.5 6.5 72One-sample t test- | Obs Mean Std. Err. Std. Dev. 95% Conf. Interval-+- x | 25 75.5 1.3 6.5 72.81693 78.18307- mean = mean(x) t = 2.6923Ho: mean = 72 degrees of freedom = 24 Ha: mean 72 Pr(T |t|) = 0.0127 Pr(T t) = 0.0064.医学研究中常将受试对象配成对子，对每对中的两个受试对象分别给予两种不同的处理，观察两种处理的结果是否一致，称为配对(设计)研究。有时以同一个受试对象先后给予两种不同的处理，观察两种处理的结果是否相同，这种配对称为自身配对。配对设计的优点是能消除或部分消除个体间的差异，使比较的结果更能真实地反映处理的效应。配对t 检验首先计算每对结果之差值，再将差值均数与0 作比较。如两种处理的效应相同，则差值与0 的差别无统计学意义。检验假设H0 为：两种处理的效应相同，或总体差值均数为0。配对设计的两样本均数的比较6. 例 欲研究某药物对血红蛋白含量是否有影响，观察了9例患者治疗前后血红蛋白的变化，数据如下表。试问，该药物治疗前后血红蛋白含量有无变化？编号123456789治疗前122113141123105124144115117治疗后145128156122121105123101127. ttest x1=x2答：该题选择两样本均数t检验，按=0.0500水准，t= -0.4749，P=0.6475，P 0.05，不拒绝假设检验H0，差异无统计学意义，尚不能认为该药物影响血红蛋白含量。软件计算过程及结果如下：. ttest x1=x2Paired t test-Variable | Obs Mean Std. Err. Std. Dev. 95% Conf. Interval-+- x1 | 9 122.6667 4.232808 12.69843 112.9058 132.4275 x2 | 9 125.3333 5.74698 17.24094 112.0808 138.5859-+- diff | 9 -2.666667 5.61496 16.84488 -15.61479 10.28145- mean(diff) = mean(x1 - x2) t = -0.4749 Ho: mean(diff) = 0 degrees of freedom = 8 Ha: mean(diff) 0 Pr(T |t|) = 0.6475 Pr(T t) = 0.6762数据录入格式编号治疗前治疗后bhx1x2112214521131283141156412312251051216124105714412381151019117127两个样本均数比较（成组设计）7. 例 欲研究某药物对血红蛋白含量是否有影响，把18例患者随机分为实验组（用该药物治疗）和对照组（用对血红蛋白无影响的标准药物治疗），每组各9例，治疗后两组患者血红蛋白含量如下表。试问，该药物是否影响血红蛋白含量？实验组122113141123105124144115117对照组148129156122121105123100126答：该题选用两样本均数t检验，按=0.0500水准，t= -0.3952，P=0.6979，P 0.05，不拒绝假设检验H0，差异无统计学意义，尚不能认为该药物影响血红蛋白含量。. ttest x,by(g)数据录入格式编号分组测量值bhgx111222111331141411235110561124711448111591117121482212932156421225212162105721238210092126答：该题选用两样本均数t检验，按=0.0500水准，t= -0.3952，P=0.6979，P 0.05，不拒绝假设检验H0，差异无统计学意义，尚不能认为该药物影响血红蛋白含量。软件计算过程及结果如下：. ttest x,by(g)Two-sample t test with equal variances- Group | Obs Mean Std. Err. Std. Dev. 95% Conf. Interval-+- 1 | 9 122.6667 4.232808 12.69843 112.9058 132.4275 2 | 9 125.5556 5.960777 17.88233 111.81 139.3011-+-combined | 18 124.1111 3.563512 15.1187 116.5928 131.6295-+- diff | -2.888889 7.310782 -18.38705 12.60928- diff = mean(1) - mean(2) t = -0.3952Ho: diff = 0 degrees of freedom = 16 Ha: diff 0 Pr(T |t|) = 0.6979 Pr(T t) = 0.6510多个样本均数比较（成组设计）8. 例 欲研究药物A、B对血红蛋白含量是否有影响，把15例患者随机分为A药组（用A药物治疗）、B药组（用B药物治疗）和对照组（用安慰剂治疗），每组各5例，治疗后各组患者血红蛋白含量如下表。试问，药物A、B是否影响血红蛋白含量？A药组122113141123105B药组144126156122121对照组101111113100101数据录入格式编号组别测量值. one x g,t bbh grx111222111331141411235110512144221263215642122521211310123111331134310053101答：该例题运用方差分析（F检验），按=0.0500水准，经方差分析，P= 0.0112，P 0.05，不拒绝假设检验H0，差异无统计学意义；组次2与3 （即B药物和安慰剂）比较，P= 0.010，P F-Between groups 2050.53333 2 1025.26667 6.68 0.0112 Within groups 1842.4 12 153.533333- Total 3892.93333 14 278.066667Bartletts test for equal variances: chi2(2) = 2.7072 Probchi2 = 0.258 Comparison of x by gr (Bonferroni)Row Mean-|Col Mean | 1 2-+- 2 | 13 | 0.369 | 3 | -15.6 -28.6 | 0.209 0.010配伍组设计多个样本均数比较9. 例 为研究药物A、B对血红蛋白含量是否有影响，把15例患者根据性别、年龄、文化程度等因素分为5个区组，即每个区组的3个人性别相同、年龄和文化程度相近，再把每个区组的3个人随机分配到A药组（用A药物治疗）、B药组（用B药物治疗）和对照组（用安慰剂治疗）中。治疗后各组患者血红蛋白含量如下表。试问，药物A、B是否影响血红蛋白含量？区组号12345A药组 1122113141123105B药组 2144126156122121对照组3103110115100101数据录入方法区组组别血红蛋白含量. anova x pw gr. regpwgrx111221214413103211132212623110311413215633115411234212243100511055212153101答：该题选用方差分析（F检验），按=0.0500水准，经方差分析，F=17.61，P= 0.0012，P F -+- Model | 3369.73333 6 561.622222 10.07 0.0023 | pw | 1406.4 4 351.6 6.31 0.0136 gr | 1963.33333 2 981.666667 17.61 0.0012 | Residual | 446 8 55.75 -+- Total | 3815.73333 14 272.552381 reg Source | SS df MS Number of obs = 15-+- F( 6, 8) = 10.07 Model | 3369.73333 6 561.622222 Prob F = 0.0023 Residual | 446 8 55.75 R-squared = 0.8831-+- Adj R-squared = 0.7955 Total | 3815.73333 14 272.552381 Root MSE = 7.4666- x | Coef. Std. Err. t P|t| 95% Conf. Interval-+- pw | 2 | -6.666667 6.096447 -1.09 0.306 -20.7251 7.391765 3 | 14.33333 6.096447 2.35 0.047 .2749012 28.39177 4 | -8 6.096447 -1.31 0.226 -22.05843 6.058432 5 | -14 6.096447 -2.30 0.051 -28.05843 .0584321 | gr | 2 | 13 4.722288 2.75 0.025 2.110385 23.88961 3 | -15 4.722288 -3.18 0.013 -25.88961 -4.110385 | _cons | 123.6667 5.100654 24.25 0.000 111.9045 135.4288-样本率与总体率的比较10. 例 据大量调查知，一般溃疡病患者中有20%发生胃出血症状，某医生观察245例70岁以上溃疡病人，其中75例发生出血症状，问老年患者与一般患者胃出血发生率是否不同？答：经正态近似法检验，得P=0.0000,按=0.0500水准拒绝H0，可认为0.2000，故老年患者与一般患者胃出血发生率不同。软件计算过程及结果如下：样本率与总体率比较的假设检验:正态近似法（不校正）Ho:=0.2000H1:0.2000 =0.0500（双侧）已知：样本阳性数X为75,样本含量n为 245。u=4.1527P(Left) =0.99998347P(Right) =0.00001653P(2-Tailed)=0.00003306说明：P(Left) 左 单 侧：表示从0到X的累计概率P(Right) 右 单 侧：表示从X到n的累计概率结论：经检验，得P=0.0000,按=0.0500水准拒绝H0，可认为0.2000提示：此资料满足正态近似法的应用条件，可选择正态近似法。. bitesti 245 75 0.2,d完全随机设计两个样本率的比较（四格表资料）11. 例 为研究甲乙两种药物对胃溃疡的治疗效果，选择了128名病例，随机分为两组，治疗结果结果如表1。问甲乙两种药物对胃溃疡的疗效有无差别？表1 甲乙两种药物对胃溃疡的疗效组别治疗结果合计痊愈无效A药物60464B药物481664合计10820128. tabi 60 448 16,chi2 r 答：本题采用卡方检验，按=0.0500水准，c2=8.5333，自由度=1，P=0.003，P0.05，拒绝假设检验H0，差别有统计学意义，可以认为两种药物治疗胃溃疡疗效不同。软件计算过程及结果如下：-+| Key |-| frequency | row percentage |+-+ | col row | 1 2 | Total-+-+- 1 | 60 4 | 64 | 93.75 6.25 | 100.00 -+-+- 2 | 48 16 | 64 | 75.00 25.00 | 100.00 -+-+- Total | 108 20 | 128 | 84.38 15.63 | 100.00 Pearson chi2(1) = 8.5333 Pr = 0.003多个样本率的比较12. 例 为研究某药物治疗胃溃疡的疗效，把105名患者随机分为三组，得资料如表1，问不同剂量的疗效是否相同？表1 三种不同剂量的治疗结果剂量有效无效合计小剂量191130中剂量41950大剂量24125合计8223105. tabi 19 1141 924 1,chi2答：本题采用卡方检验，按=0.0500水准，c2=9.3333，自由度=2，P=0.009，P0.05，拒绝假设检验H0，差异有统计学意义，可以认为该药物不同剂量治疗胃溃疡的疗效不同。软件计算过程及结果如下：tabi 19 1141 924 1,chi2 | col row | 1 2 | Total-+-+- 1 | 19 11 | 30 2 | 41 9 | 50 3 | 24 1 | 25 -+-+- Total | 84 21 | 105 Pearson chi2(2) = 9.3333 Pr = 0.009单向有序分类资料的假设检验13. 例 某研究得资料如表1，问2种药物的疗效是否相同？表1 2种药物疗效的观察结果药物疗效合计治愈1显效2好转3无效4A药物1262310160B药物21215211260合计33373113120. cleargroupypop1126122313101412112221523212412. expand pop. ranksum y ,by( group )答：该例题选用秩和检验（Wilcoxon两样本比较法），z = -4.199，P=0.0000，P |z| = 0.000014. 例 某研究得资料如表2，问病型与患者痰液中SB的含量是否有关系？表2 病型与患者痰液中SB含量的关系病型SB含量合计-+A型1222342290B型111232257C型103423168D型5223333合计387011228248. cleargroupypop11121222133414222111221223322423110323433233414154224323443. expand pop. kwallis y,by(group)答：经秩和检验，P=0.0005，P0.05，拒绝假设检验H0，差异有统计学意义，可以认为病型与患者痰液中SB的含量有关系。软件计算过程及结果如下： expand pop(232 observations created). kwallis y,by(group)Kruskal-Wallis equality-of-populations rank test +-+ | group | Obs | Rank Sum | |-+-+-| | 1 | 90 | 12603.00 | | 2 | 57 | 6829.50 | | 3 | 68 | 6712.00 | | 4 | 33 | 4731.50 | +-+chi-squared = 15.540 with 3 bability = 0.0014chi-squared with ties = 17.652 with 3 bability = 0.0005相关分析15. 例 为了解城市儿童年龄与身高的关系，在某小学随机抽取8名612岁儿童，测得身高如下表。问儿童身高与年龄之间是否相关？编号12345678年龄（岁）x6.27.010.211.06.5身高（cm）y135139143150155141140137 数据录入格式编号年龄x身高y. clearbh xy16.213527139310.2143411150512.115569.514178.214086.5137. scatter y x. scatter y x | lfit y x. corr y x. pwcorr y x,sig答：1、绘制散点图，由散点图儿童身高与年龄之间存在呈线性趋势的联系；2、由corr y x命令知相关系数r= 0.9358；3、相关系数的假设检验：该题选择pearson相关分析，相关系数r= 0.9358，说明城市儿童年龄与身高呈正相关，且相关程度较大；经检验，P=0.0006，P0.05，拒绝假设检验H0，差异有统计学意义，可以认为儿童身高与年龄之间有相关关系。软件计算过程及结果如下：scatter y xscatter y x | lfit y xcorr y x(obs=8) | y x-+- y | 1.0000 x | 0.9358 1.0000 pwcorr y x,sig | y x-+- y | 1.0000 | | x | 0.9358 1.0000 | 0.0006回归分析统计软件进行了回归分析。还计算出了相关系数，还对相关系数进行了假设检验。本例把“年龄”当成x，把“身高”当成y。各对数据千万不要搞混淆！16. 例 为了解城市儿童年龄与身高的关系，在某小学随机抽取8名612岁儿童，测得身高