---------------------------------------------------------------最新资料推荐------------------------------------------------------
医学统计学傻瓜教程
医学统计学傻瓜教程作为一名临床医师，不管你愿意不愿意，某些时候必须撰写医学论文。
这时，大多数人会遇到一个难题，医学论文的数据都必须进行统计学处理，早些年学过的《医学统计学》早已忘得差不多了，重新翻开统计学书本，看得基本上是云里雾里。
《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，前提是你必须曾经学过《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 V4. 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 V4. 0》下载地址: http: //www. onlinedown. net/soft/63895. htm 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：
1 / 9
62. 36. 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. 36. 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 12010. 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，
---------------------------------------------------------------最新资料推荐------------------------------------------------------ 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。
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：
1001. 58cm；第 2 组平均身高：
10015. 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. 281. 51d；对照组平均退热时间 5. 651. 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
3 / 9
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。
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. 60. 3kg；再随机选 2 个上海西瓜，平均重量是 4. 30. 25kg；
B、随机选 1000 个北京西瓜，平均重量是 5. 60. 3kg；再随机选 1000 个上海西瓜，平均重量是 4. 30. 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。
