最新精编医学专题—统计术语.doc

统计术语平均数（mean）：是表示一组数据集中趋势的量数是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。解答平均数应用题的关键在于确定“总数量”以及和总数量对应的总份数。在统计工作中平均数（均值）和标准差是描述数据资料集中趋势和离散程度的两个最重要的测度值。加权平均数（weightedaverage）：将各数值乘以相应的权数然后加总求和得到总体值再除以总的单位数。某集市出售一种蔬菜相关问答：1肉牛的肥育类型有哪些？2放牧肥育指的是什么？3成年牛的肥育方法是什么？4肉牛肥育技术是什么？5犊牛肥育指的是什么？6育成牛的肥育方法有哪些优点？7舍饲肥育有哪些优点？8肉牛肥育技术原理是什么？9肉牛肥育化学技术有哪些？10提高母牛繁殖率的措施有哪些？上午每千克4元成交200千克；下午每千克3元成交50千克求这种蔬菜这一天的平均价格。按照简单的算术平均：(4+3)/2=3.5(元/千克)这显然并不能正确反映这一天这种蔬菜的平均价格；正确的算法应该是：(4*200+3*50)/(200+50)=4*(200/250)+3*(50/250)=4*(4/5)+3*(1/5)=16/5+3/5=19/5=3.8(元/千克)即这一天这种蔬菜的平均价格是每千克3.8元。就是说在这个问题里4与3在计算平均值时权重是不一样的数4/51/5分别称为它们的权数式子4*(4/5)+3*(1/5)就称为它们的加权平均。权重（weight）：有很多成分要算平均但是每个成分对整体的影响不同所以有权重。离散度（Dispersion）标准差是反映一组数据离散程度最常用的一种量化形式是表示精确度的重要指标。说起标准差首先得搞清楚它出现的目的。我们使用方法去检测它但检测方法总是有误差的所以检测值并不是其真实值。检测值与真实值之间的差距就是评价检测方法最有决定性的指标。但是真实值不得而知。因此怎样量化检测方法的准确性就成了难题。这也是临床工作质控的目的：保证每批实验结果的准确可靠。虽然样本的真实值是不可能知道的但是每个样本总是会有一个真实值的不管它究竟是多少。可以想象一个好的检测方法其检测值应该很紧密的分散在真实值周围。如果不紧密与真实值的距离就会大准确性当然也就不好了不可能想象离散度大的方法会测出准确的结果。因此离散度是评价方法的好坏的最重要也是最基本的指标。一组数据怎样去评价和量化它的离散度有很多种方法：极差（Range）：最直接也是最简单的检测离散度的方法。是指一组测量值内最大值与最小值之差又称范围误差或全距以R表示。它是标志值变动的最大范围它是测定标志变动的最简单的指标。移动极差（MovingRange）是其中的一种。比如比赛中去掉最高最低分就是极差的具体应用。离均差平方和（SSsumofsquaresofdeviationfrommean）：由于误差的不可控性因此只由两个数据来评判一组数据是不科学的。所以人们在要求更高的领域不使用极差来评判。其实离散度就是数据偏离平均值的程度。因此将数据与均值之差（我们叫它离均差）加起来就能反映出一个准确的离散程度。和越大离散度也就越大。但是由于偶然误差是成正态分布的离均差有正有负对于大样本离均差的代数和为零的。为了避免正负问题在数学有上有两种方法：一种是取绝对值也就是常说的离均差绝对值之和。而为了避免符号问题数学上最常用的是另一种方法－－平方这样就都成了非负数。因此离均差的平方和成了评价离散度一个指标。方差（varianceS2）：s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/(n)（x为平均数）由于离均差的平方和与样本个数有关只能反应相同样本的离散度而实际工作中做比较很难做到相同的样本因此为了消除样本个数的影响增加可比性将离均差的平方和求平均值这就是我们所说的方差成了评价离散度的较好指标。方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是各个数据分别与其平均数之差的平方的和的平均数。在许多实际问题中研究方差即偏离程度有着重要意义。样本量越大越能反映真实的情况而算术平均值却完全忽略了这个问题对此统计学上早有考虑在统计学中样本的均差多是除以自由度（n-1）它的意思是样本能自由选择的程度。当选到只剩一个时它不可能再有自由了所以自由度是n-1。协方差（Covariance）：在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况即当两个变量是相同的情况。协方差表示的是两个变量的总体的误差这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致也就是说如果其中一个大于自身的期望值另外一个也大于自身的期望值那么两个变量之间