医学统计学(统计图表)ppt课件.pptxVIP

医学统计学(统计图表)ppt课件

目录contents统计图表基本概念与分类描述性统计图表推断性统计图表诊断性试验评价与ROC曲线生存分析与寿命表制作多重比较与Meta分析初步总结回顾与拓展延伸

01统计图表基本概念与分类

用图形、图像、符号等视觉元素来展示数据及其内在规律的一种工具。统计图表定义直观、形象地展示数据，便于理解和分析数据，揭示数据间的关系和趋势。统计图表作用统计图表定义及作用

直方图用于展示连续性数据的分布情况，反映数据的分布规律。饼图用于展示数据的占比情况，直观反映各部分在整体中的比例。散点图用于展示两个变量间的关系，判断是否存在相关关系。条形图用于展示分类数据间的比较，如不同组别间的指标差异。折线图用于展示时间序列数据或连续性数据的趋势变化。常见统计图表类型

根据数据类型选择01对于分类数据，常选用条形图或饼图；对于连续性数据，常选用折线图或直方图。根据展示目的选择02若需展示数据间的比较，可选用条形图；若需展示数据随时间的变化趋势，可选用折线图；若需展示数据间的相关关系，可选用散点图。根据观众需求选择03对于非专业观众，应选用简单、直观的图表，如条形图、饼图等；对于专业观众，可选用更复杂的图表，如散点图、直方图等，以提供更详细的信息。选择合适图表展示数据

02描述性统计图表

频数分布表用于展示数据的分布情况，包括各组数据的频数和频率。通过频数分布表，可以直观地了解数据的集中趋势和离散程度。直方图用矩形的面积表示各组频数的多少，各矩形面积总和代表频数的总和。直方图可以直观地展示数据的分布情况，包括数据的形状、中心位置、离散程度等。频数分布表与直方图

一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图主要包括中心线、上四分位数、下四分位数、上边缘、下边缘和异常值。通过箱线图可以直观地了解数据的分布情况，包括数据的中心位置、离散程度、偏态和异常值等。箱线图的构成箱线图展示数据分布情况

散点图用点的密度和变化趋势表示两指标之间的直线和曲线关系。通过散点图可以直观地了解两个变量之间的关系，包括线性关系、非线性关系和无关关系等。相关系数计算用于量化两个变量之间的线性关系强度和方向。常见的相关系数包括皮尔逊相关系数、斯皮尔曼相关系数和肯德尔相关系数等。通过计算相关系数，可以对两个变量之间的关系进行定量分析和假设检验。散点图和相关系数计算

03推断性统计图表

假设检验原理及流程假设检验的基本原理通过设定原假设和备择假设，根据样本数据对原假设进行检验，判断其是否成立。假设检验的流程明确研究问题、设定原假设和备择假设、选择适当的检验方法、计算检验统计量、确定P值、作出推断结论。假设检验中的两类错误第一类错误（弃真）和第二类错误（取伪），以及控制两类错误的方法。

03t检验和F检验的优缺点比较包括适用条件、检验效能、稳健性等方面的比较。01t检验的应用举例单样本t检验、独立样本t检验和配对样本t检验的原理和应用场景。02F检验的应用举例方差齐性检验、回归方程的显著性检验等，以及F分布与t分布的关系。t检验和F检验应用举例

方差分析简介基本思想、原理、应用场景及注意事项，包括单因素方差分析和多因素方差分析。回归分析简介线性回归模型、非线性回归模型等，以及回归分析在医学领域的应用举例。方差分析和回归分析的联系与区别包括模型构建、变量类型、应用目的等方面的比较。方差分析和回归分析简介

04诊断性试验评价与ROC曲线

指金标准确诊的病例中，待评价试验也判断为阳性者所占的百分比。灵敏度（Sensitivity）指金标准确诊的非病例中，待评价试验也判断为阴性者所占的百分比。特异度（Specificity）指待评价试验判断正确的结果占总受试人数的百分比。准确率（Accuracy）包括阳性预测值和阴性预测值，分别指待评价试验判为阳性或阴性者中，金标准确诊为病例或非病例者所占的百分比。预测值诊断性试验评价指标

ROC曲线绘制方法收集一定数量的样本，分别用金标准和待评价试验进行检测，得到各自的结果。计算灵敏度和特异度根据金标准和待评价试验的结果，计算出不同临界值下的灵敏度和特异度。绘制ROC曲线以特异度为横坐标，灵敏度为纵坐标，将不同临界值下的灵敏度和特异度描绘在坐标图上，连接各点即得ROC曲线。确定金标准和待评价试验的结果

通过计算ROC曲线下的面积得到AUC值，其取值范围在0.5~1之间。当AUC=0.5时，说明待评价试验完全无效；当AUC=1时，说明待评价试验具有完美的诊断价值。AUC值计算AUC值越大，说明待评价试验的诊断价值越高。同时，AUC值还可以用来比较不同诊断性试验的诊断价值，以及在同一诊断性试验中