医学统计学完整课件

医学研究基础课程医学统计学统计设计·描述分析·推断统计·案例应用2026年课程导览01绪论与统计设计统计思维与科研设计基础02统计描述数据的整理、表达与概括03概率分布与抽样分布统计推断的理论根基04参数估计与假设检验统计推断的核心逻辑05常用假设检验方法t检验、方差分析与卡方检验06相关回归与案例应用方法贯通与临床实践绪论与统计设计统计设计是医学研究科学性的第一道关口01统计学的核心任务与医学价值用证据说话，以概率决策贯穿全程提出假设›收集资料›分析推断›得出结论统计学的价值在于从变异中发现规律学科定位研究医学数据的收集、整理、分析与推断运用概率论与数理统计原理核心任务回答两个问题——数据长什么样？数据说明了什么？存在前提医学数据普遍存在变异同病异症、同药异效，统计学正是从杂乱数量现象中提取内在规律的工具应用场景判断治疗方案是否有效筛选疾病高危因素评价诊断指标优劣总体与样本是推断的基石“总体是研究对象的全体，因总体难以穷尽观察，只能抽取样本，用样本信息推断总体特征。”“统计结论总带着不确定性，这正是推断方法存在的理由。”总体与样本2项总体研究对象的全体，如某地全部高血压患者样本从总体中抽取，用样本信息推断总体特征抽样误差2项系统误差源于设计或测量缺陷，可通过严谨设计控制随机误差无法消除，但可估计其大小概率刻画随机事件发生可能性大小的数值小概率事件推断原理的基础三类资料决定统计方法选择“许多统计错误，根源不在计算，而在第一步选错资料类型。”—统计决策主线检验方法选择数值变量均值比较→t检验或方差分析分类变量关联分析→卡方检验三类资料判断直接决定描述指标与检验方法的选择，是后续所有统计操作的起点。计量资料连续数值仪器测得、有度量衡单位的连续数值如身高、血压、血糖值描述指标：均数、标准差计数资料整数个数按属性或类别清点个数如治愈与未愈、血型分布只能取整数，以率或构成比表达等级资料有程度顺序有类别之分又有程度顺序如疗效判定的痊愈、显效、好转、无效可排序，却无法精确量算对照随机重复均衡撑起实验设计统计设计质量决定数据分析结论的上限，实验设计须守住四条原则。四项原则环环相扣，构成医学科研科学性的第一道关口。对照原则设立对照组，使组间除处理因素外条件一致，处理效应方能显露。常用形式空白对照·安慰剂对照·标准对照·自身对照随机化原则每个受试对象有同等机会分入任一组，排除分配偏倚、保证组间可比。注意随机不等于随便，须借助随机数字表或计算机实现。重复原则样本含量须足够：过少降低检验效能、真实差异无法显现；过多浪费资源、增加系统误差风险。要点样本量须权衡检验效能与资源，合理设定。均衡原则非处理因素在各组间保持均衡一致。目的控制混杂因素，保障组间可比性。统计描述先看清数据，再谈推断02集中趋势刻画数据的中心位置集中趋势回答"数据大致集中在哪"，是定量资料描述的第一步。选用依据分布对称用均数，明显偏态或存在极端值用中位数分布形态决定指标选择，而非个人偏好算术均数全部观察值相加后除以个数信息利用充分，但受极端值影响大适用于对称分布尤其是正态分布资料几何均数观察值取对数后求均数再还原适用于呈倍数关系增长的数据如抗体滴度、药物效价，更准确反映平均水平中位数数据从小到大排列后取正中位置的值只看位置、不受极端值左右适合偏态分布或含不确定数值的资料，常与百分位数配合使用离散趋势衡量数据的变异程度中心位置不够，变异必须单讲集中趋势与离散趋势联合报告，才是完整的定量描述极差最简最大值减最小值计算便捷仅利用两个极端值稳定性差标准差应用最广以离差为基础以每个观察值与均数的离差为基础，信息利用充分标准差越小观察值越向均数集中变异系数跨组利器标准差与均数之比无量纲相对指标适用多组比较适用于单位不同或均数相差悬殊的多组资料比较相对数让分类资料可比“只有正确区分率与构成比，分类描述才经得起推敲”—教学要点问题→对策仅频数无法直接比较，须转化为相对数相对数有三类：率、构成比、相对比三类相对数率发生频率或强度，分母为全部观察对象构成比反映内部比重，各部分之和为100%，不能说成率相对比两个关联指标之比应用三注意分母过小时不宜计算率构成比不能当率解释差异比较率须保证内部可比，必要时做标准化“只有正确区分率与构成比，分类描述才经得起推敲”—本讲小结统计表与统计图让数据可读统计图：按资料类型与目的选型资料类型/目的适用图形定量资料频数分布直方图比较独立各组指标条图反映构成比百分条图或圆图指标随时间连续变化线图两变量依存关系散点图统计表与统计图是表达工具，不是分析工具统计表：三线表规范只保留顶线、底线与栏目分隔线，标题置于表上方表内不设空项、不重复数值单位，主谓分明统计图：按资料类型与目的选型图标题置于图下方，坐标轴标注清楚比例尺恰当、避免视觉误导概率分布与抽样分布从分布规律理解统计推断的根基03正态分布是统计推断的基石钟形曲线，均数居中——理解面积规律是掌握参数估计与假设检验的钥匙正态分布的本质近似服从正态分布身高、血压、红细胞数等生物医学指标近似服从正态分布均数居中，左右对称曲线以均数为中心左右对称，位置由均数决定、形状由标准差决定标准化变换，统一查表任何正态分布经变换后均转为均数为0、标准差为1的标准正态分布应用前提医学参考值范围正态或近似正态资料，均数±1.96×标准差，得双侧95%参考区间偏态资料的处理偏态资料改用百分位数法推断方法的共同前提t检验、方差分析等均建立在正态性假设之上二项分布与泊松分布描述离散事件计数资料不服从正态分布，而有其自身的概率分布规律。两类离散分布二项分布描述固定次数独立重复试验中某事件发生次数的概率分布。泊松分布描述单位时间或空间内罕见事件的发生次数。两者关系试验次数较大、事件发生率较小时，二项分布可近似为泊松分布。适用条件与意义二项分布每次试验仅两个互斥结果、各次试验相互独立、事件发生概率恒定。理论地位两类分布均以事件发生的总体参数为特征，是样本率假设检验的理论基础。教学意义理解计数资料的概率分布，可避免对不同类型数据千篇一律地套用正态分布。抽样分布揭示样本统计量的规律抽样分布的概念核心问题：样本统计量自身的波动如何刻画？同一总体反复抽取含量相同的样本，各样本均数不尽相同，其构成的分布即抽样分布。中心极限定理：无论原始总体是否正态，样本含量足够大时，样本均数近似服从正态分布。t分布：样本含量小且总体标准差未知时，标准化变量服从t分布，随自由度增大逼近正态。中心极限定理均数=总体均数标准差（标准误）=总体标准差

÷√样本含量t分布形态较标准正态更扁平抽样分布为统计推断提供了完整的概率框架参数估计与假设检验用样本说话，以概率决策04标准误量化抽样误差标准差vs标准误统计推断的精度受样本含量与个体变异双重影响，增大样本量可提高估计可靠性。理解标准误，就握住了从描述统计迈向推断统计的分水岭标准差个体观察值围绕均数的变异程度，反映数据本身的离散情况关键公式：标准误=标准差

÷√样本含量标准差的用途描述参考值范围标准误样本均数围绕总体均数的变异程度，反映抽样误差大小样本越大→标准误越小→均数对总体均数的估计越精确标准误的用途估计总体均数的可信区间VS区间估计：从点值到范围点估计的局限：样本均数只给出一个孤立数值，无法反映估计的可靠性。95%可信区间，医学研究最常用3要素含义重复抽样约

95%

的区间能包含总体均数真值对象针对总体参数，而非个体观察值影响因素样本含量越大、个体变异越小→区间越窄、估计越精确现代趋势为何日益取代假设检验同时给出效应大小与精度信息，成为现代医学论文表达推断结果的主流方式。区间越窄，估计越有底气假设检验用反证法做决策先假定原假设成立（总体无差异或无关），再计算当前样本结果出现的概率——即

P值。01拒绝原假设→P值<检验水准（如0.05）→小概率事件在一次试验中几乎不发生→拒绝原假设，接受备择假设02证据增强→P值越小→拒绝原假设的证据越强澄清1P值≠差异大小或临床重要性，只反映数据与假设的吻合程度澄清2以概率为尺度的决策逻辑，是理解t检验、方差分析、卡方检验等一切检验方法的共同钥匙这一以概率为尺度的决策逻辑，是理解一切检验方法的共同钥匙。假设检验的完整步骤与两类错误四步走完一次检验建立假设→确定水准→选择方法→得出结论统计结论只回答“有无统计学差异”，是否具有临床实际意义，须结合专业知识综合解读。假设检验的四步流程01建立假设设定原假设与备择假设，按研究目的确定单侧或双侧检验。02确定水准设定检验水准α，通常取

0.05。03选择方法按资料类型与设计类型选择方法，计算统计量。04得出结论由统计量得P值，对照检验水准下结论。两类错误，此消彼长Ⅰ型错误：拒绝了真实的原假设，概率由检验水准α控制。Ⅱ型错误：接受了错误的原假设，概率与检验效能相关。平衡之道：依靠科学的样本量估算。常用假设检验方法方法选对，结论才可靠05t检验比较两组均数的差异“方法选对、条件满足，t检验的结论才可靠”—推断统计·t检验方法选对、条件满足，t检验的结论才可靠步骤01单样本t检验样本均数与已知总体均数比较如判断某地健康成年男性血红蛋白均值是否异于公认总体水平步骤02配对t检验同一对象处理前后比较，或两个同质对象接受不同处理比较检验差值的平均水平步骤03两独立样本t检验完全随机设计中两组均数比较如试验组与对照组疗效差异适用条件，缺一不可单样本与配对t检验数据或差值服从正态分布独立样本t检验两组方差齐性；方差不齐时改用校正t检验或秩和检验方差分析比较多组均数差异为何必须换方法多组均数比较须用方差分析三组及以上均数比较若仍两两做t检验，第一类错误成倍增加须改用方差分析控制整体检验水准核心思想F值=组间变异/组内变异费希尔提出，以F为统计量将总变异分解为组间变异（处理因素效应）与组内变异（随机误差）F足够大说明组间差异超出随机误差可解释范围两种设计类型完全随机设计仅涉及一个处理因素的多个水平，即单因素方差分析随机区组设计先按非处理因素配成区组、再随机分配处理，可同时分析处理因素与区组效应，即两因素方差分析后续步骤方差分析拒绝原假设后，须再做多个均数的两两比较，才能判断具体哪几组间存在差异卡方检验分析分类数据关联比较实际频数与理论频数的吻合程度，判断率或构成比的差异是否由抽样误差造成。通过实际频数与理论频数的吻合程度，判断率的差异是否由抽样误差造成。方法选对，结论才可靠四格表卡方检验完全随机设计比较两个样本率临床应用最广配对四格表卡方检验配对设计下两种处理结果比较如两种检验方法对同一批患者的检出率对比行×列表卡方检验多个样本率或多个构成比的比较检验多个率是否相同，或两分类变量间有无关联秩和检验应对非参数资料严重偏态分布、方差不齐、等级资料——参数检验的"正态性+方差齐性"前提不满足时，秩和检验是更稳健的选择。秩和检验——将原始数据编秩后比较，对总体分布不作严格假设，是参数检验前提不满足时的稳健替代方案。选择依据：资料满足参数检验条件时优先用参数检验；不满足时改用秩和检验，结论同样稳健。核心思想编秩不直接分析原始数值，先将全部观察值统一编秩统计量基于秩次构建统计量进行比较非参数对总体分布形态不作严格假设，属于非参数检验覆盖范围配对样本配对与单样本资料均可适用独立样本两组或多组独立样本均可适用优劣权衡优势适用范围广、不受极端值影响局限信息利用不如参数检验充分；资料满足参数检验条件时检验效能略低应用原则检验先行先做正态性检验与方差齐性检验果断改用不满足条件就果断改用秩和检验稳健结论这是保证结论稳健性的重要原则相关回归与案例应用让统计方法回归临床科研现场06