计量资料的统计描述

抗体滴度 人数（f） 滴度倒数（x） lgx flgx
1︰ 2 1︰4 1︰8 1︰16 1︰32 1︰64 1︰128
2 11 18 36 22 8 3
2 4 8 16 32 64 128
0.3010 0.6021 0.9031 1.2041 1.5051 1.8062 2.1072
0.6020 6.6231 16.2558 43.3476 33.1122 14.4496 6.3216
含义 离散趋势是指计量资料所有观察值偏离中
心位置的程度，反映一组同质变量值相互之间参
差不齐的程度，即离散度或变异度。
常用指标 全距、方差、标准差、变异系数。
1、全距（range, R）
又称极差，是一组变量值中最大值与最小值的差。
优点 缺点
计算简单 仅考虑了资料的最大值和最小值，不能反映
组内其它数据的变异程度。
是其它许多统计方法的理论基础
标准正态分布
(standard normal distribution)
正态分布是一个分布簇，对应于不同参数其位置和形状均 不相同，为应用方便，可进行变量转换：
u
X

式中的u值称为标准正态变量，其频数曲线图即为标准正
态分布（ u分布），一般的正态分布N(μ,σ2)即转化为标准正态 分布N(0,1)。其面积分布可直接查表。
是一个度量相对离散程度的指标。
例1： 身高 体重
CV = 4.95/166.06× 100% = 2.98% CV = 4.96/53.72 × 100% = 9.23%
例2：新生儿 CV = 3/50 × 100%= 6%
几种重要的连续性随机变量分布：
正态分布 标准正态分布X75%统

中位数（M）和百分位数（P）
中位数（median, M）是将一组观察值从小到大 按顺序排列，位次居中的数值对应的观察值就是 中位数。因而全部观察值中，大于和小于中位数 的观察值的个数相等。 百分位数（percentile，P）是指把一组资料的全 部观测值分为两部分，理论上讲，有x%的观测值 比Px小，有（100-x）%的观测值比Px大。中位数 是特定的百分位数，即P50，它是表示一组资料集 中位置的指标。
计算器功能简介
MODE或D·R·G：模式转换
DEG：degree 角度 RAD：radian 弧度 GRA：gradient 梯度
INV、 SHIFT或2nd F：第二功能键 SD 或 STAT：统计分析功能 x ，n，Σx，Σx2, σn （σX , σ），σn-1（sX , s）。 X 、 data 或DT：数据储存
标准差的应用
标准差是反映数据变异程度的指标，其大 小受每一个观察值的影响。 常用于描述对称分布，尤其是正态分布或 近似正态分布资料的离散程度。 随着样本量增大，标准差逐渐趋于稳定。
变异系数（CV）
CV =s/ x ×100% 它是反映相对变异度的指标。 变异系数常用于：
测量单位不同的几组资料变异度的比较； 均数相差悬殊的几组资料变异度的比较。
H = R 1 + 3 . 322 lg N
第一组段必须包括最小值，一般取略小于最小值 的整数作为第一组的下限；最后一个组段应该包 括最大值，并且封口，但最后一个组段的上限不 能等于最大值。
频数表的编制
3.列表划记，统计各组段频数。 4.计算频率与累计频率
频数分布的两个特征
体重虽有轻有重，但都向35~组段集中，数据大多 数集中在32~38组段，共83人，占总人数的55%， 这种趋势称为集中趋势 集中趋势。 集中趋势 另一方面，随体重逐渐变大或变小，仍有小部分变 量值存在，称这种特征为离散趋势 离散趋势。 离散趋势 集中趋势和离散趋势是频数分布的两个重要特征。

数据。同时，还需要对数据进行质量控制和预处理，以消除误差和异常值的影响。
02
统计数据整理与展示方法
数据清洗与预处理技巧
80%
缺失值处理
根据数据的分布情况和实际背景 ，选择合适的缺失值填充方法， 如均值、中位数、众数等。
100%
异常值处理
采用箱线图、散点图等方法识别 异常值，并根据实际情况选择删 除、替换或保留。
分类
根据测量水平的不同，计量资料可分为离散型和连续型两类。离 散型数据只能取整数值，如人口数、医院床位数等；连续型数据 则可以取实数范围内的任何值，如身高、体重等。
计量资料特点分析
数值性
计量资料以数值形式表示，具有数量化的特点，便 于进行数学运算和统计分析。
连续性
连续型计量资料在实数范围内可以取任意值，数据 分布的连续性使得统计推断更为精确。
06
统计图表在数据可视化中应用
常见统计图表类型介绍
条形图（Bar Chart）
用于展示分类数据之间的比较，横轴表示分类，纵轴表示数量或比例。
折线图（Line Chart）
用于展示时间序列数据或连续性数据的趋势变化，横轴表示时间或类 别，纵轴表示数量或比例。
散点图（Scatter Plot）
用于展示两个变量之间的关系，横轴和纵轴分别表示两个变量，点的 位置表示变量的取值。
一组观察值中出现次数最多的数。
计算方法
应用场景
中位数计算需先将数据排序，然后取中间 位置的数；众数计算则是统计各数值出现 的次数，取出现次数最多的数。
适用于各种类型的数据，尤其适用于偏态 分布数据。中位数和众数对极端值不敏感 ，因此能较好地反映数据的集中趋势。
不同集中趋势指标比较
算术平均数、中位数和 众数都是描述数据集中 趋势的指标，但各有特 点。

肌红蛋白含量
人数
0～
2
5～
3
10～
7
15～
9
20～
10
25～
22
30～
23
35～
14
40～
9
45～50
2
18
人数
25 20 15 10
5 0
2.5 12.5 22.5 32.5 42.5 52.5 血 清 肌 红 蛋 白（μg / m L）
图 2-3 101 名 正 常 人 血 清 肌 红 蛋 白 的 频 数 分 布
医学统计学 第二章 计量资料的统计 描述
计量资料（定量资料、数值变量资料） 总体：有限或无限个（定量）变量值 样本：从总体随机抽取的n个变量值：
X1,X2,X3,……,Xn
n为样本例数（样本大小、样本含量）
2
统计描述——描述其分布规律 1、用频数分布表（图）
要求：大样本 如 n〉30
2、用统计指标 描述 集中趋势 离散趋势
6
➢制表步骤 了解分布
1. 求极差（range） 极差也称全 距，即最大值和最小值之差，记作R。 本例
R 5 .7 1 2 .3 5 3 .3 6 ( m m o l/L )
7
2．确定组距(i) :
组段数通常取组 10-15组 本例组距
i 3 .3 6 /1 0 0 .3 3 6 0 .3 0
累计频率（%） (4)
0
402
402
35.80
1
330
732
65.18
2
232
964
85.84
3
118
1082
96.35
4
27