下载文档原格式
第一页PPT：同学们好，我们今天来一起学习卡方检验的基本思想。
第二页PPT：我们看一个研究案例，某神经内科医师欲比较A、B两种药物治疗脑血栓病人的疗效，将病情轻重、病程相近且满足实验人选标准的200例脑血管栓塞患者随机分为两组，结果见表1。
问两药治疗近期有效率是否有差别？请同学们思考一个问题，结合已学的知识关于两个率的比较我们会使用什么方法呢，那我们继续带着这个问题进入到我们今天的课程学习。
第三页PPT：这节课需要掌握的理论知识有：1.X2检验的定义、主要用途2.X2分布、X2检验的基本思想（这是重点内容）以及应用完全随机设计的四格表X2检验方法是我们这节课的难点内容。
第四页PPT：离散型概率分布有二项分布和泊松分布基于二项分布的假设检验方法可以做两样本率比较的检验问题，条件是np、n(1-p)均大于5，可以做Z检验进行，也是解决我们的案例问题。
第五页PPT:在医学研究中，进行两组或多组样本的总体率（或构成比)之间的差别是否具有统计学意义，X2检验(chi-square test)是解决此类问题较为常用的统计方法，。
X2检验是英国统计学家K.Pearson提出的一种具有广泛用途的假设检验方法，常用于分类变量资料的统计推断。
第六页PPT：X2检验主要用于：1.推断两个及多个总体率或总体构成比之间有无差别2.两种属性或两个变量之间有无关联性3.频数分布的拟合优度检验4.百分率线性趋势检验第七页PPT：我们来继续看我们的案例，两药有效率的比较问题。
表中我们A 药、B药的有效和无效分别为99、5、75、21，我们可以用a.b.c.d 来表示，表中其余的数据是由abcd这4个数据推算出来，我们习惯将这种资料形式称为四格表。
为什么叫四个表因为它有效的就是四个格子。
a.b.c.d是我们实际观察所得到的频数，我们叫实际频数（actual frequency），用A表示。
根据我们的研究目的，我们要比较两个率是否有差别的问题。
卡方检验医学统计学卡方检验是医学统计学中最常用的检验方法之一，它可用于测量两组数据之间的关联性。
在研究中，我们常常需要探究二者之间是否存在某种关联，卡方检验就是我们解决这个问题的利器。
卡方检验的原理卡方检验的原理是基于期望频数和实际频数的差异来检验两个变量之间的关系。
期望频数指的是在假设两个变量独立的情况下，我们可以根据样本量和其他条件，计算出不同组之间的理论值。
而实际频数则是实验中观察到的实际结果。
卡方检验的步骤如下：1.建立零假设和备择假设。
零假设指的是假设两个变量之间不存在任何关系，备择假设则是反之。
2.确定显著性水平 alpha，通常取值为0.05。
3.构建卡方检验统计量。
计算方法为将所有观察值与期望值的差平方后，再除以期望值的总和。
4.根据自由度和显著性水平，查卡方分布表得到 P 值。
5.如果 P 值小于显著性水平，拒绝零假设；否则无法拒绝零假设。
卡方检验的应用卡方检验可以应用于多个领域，其中医学统计学是最为常见的一个。
卡方检验可以用来分析两个疾病之间的相关性或者测量一种治疗方法的效果。
举个例子，某药厂要研发一种新的药物来治疗心脏病。
为了验证该药的疗效，实验组和对照组各50 人。
在 6 个月的治疗后，实验组和对照组中分别有 10 人和 15 人痊愈了。
卡方检验的作用就在于此时可以用来检验两组之间的差异是否具有统计学意义。
除了医学统计学之外，卡方检验在社会学、心理学、市场营销、物理等领域也都有广泛应用。
卡方检验的限制虽然卡方检验被广泛应用于各种实验和研究中，但它也有着自己的限制。
其中比较明显的一点就是对样本量有一定的要求。
当样本量较小的时候，期望频数的计算就会出现一定的误差，进而导致检验结果不准确。
此外，在面对非常态分布数据时，卡方检验也会出现问题。
当数据呈现正态分布时，卡方检验的准确性最高。
然而，实际上，很多数据都呈现出非正态分布，这时需要使用一些修正方法来解决。
卡方检验是医学统计学中最常用的统计方法之一，它可以用来测量两个变量之间的关联性。
