《醫(yī)學統計學第二版高等教育出版社課后習題答案.doc》由會員分享，可在線閱讀，更多相關《醫(yī)學統計學第二版高等教育出版社課后習題答案.doc（18頁珍藏版）》請在裝配圖網上搜索。

第一章 緒論 1.舉例說明總體和樣本的概念。 研究人員通常需要了解和研究某一類個體，這個類就是總體?？傮w是根據研究目的所確定的所有同質觀察單位某種觀察值（即變量值）的集合，通常有無限總體和有限總體之分，前者指總體中的個體是無限的，如研究藥物療效，某病患者就是無限總體，后者指總體中的個體是有限的，它是指特定時間、空間中有限個研究個體。但是，研究整個總體一般并不實際，通常能研究的只是它的一部分，這個部分就是樣本。例如在一項關于2007年西藏自治區(qū)正常成年男子的紅細胞平均水平的調查研究中，該地2007年全部正常成年男子的紅細胞數就構成一個總體，從此總體中隨即抽取2000人，分別測的其紅細胞數，組成樣本，其樣本含量為2000人。 2.簡述誤差的概念。 誤差泛指實測值與真實值之差，一般分為隨機誤差和非隨機誤差。隨機誤差是使重復觀測獲得的實際觀測值往往無方向性地圍繞著某一個數值左右波動的誤差；非隨機誤差中最常見的為系統誤差，系統誤差也叫偏倚，是使實際觀測值系統的偏離真實值的誤差。 3.舉例說明參數和統計量的概念。 某項研究通常想知道關于總體的某些數值特征，這些數值特征稱為參數，如整個城市的高血壓患病率。根據樣本算得的某些數值特征稱為統計量，如根據幾百人的抽樣調查數據所算得的樣本人群高血壓患病。統計量是研究人員能夠知道的，而參數是他們想知道的。一般情況下，這些參數是難以測定的，僅能夠根據樣本估計。顯然，只有當樣本代表了總體時，根據樣本統計量估計的總體參數才是合理的。 4.簡述小概率事件原理。 當某事件發(fā)生的概率小于或等于0.05時，統計學上習慣稱該事件為小概率事件，其含義是該事件發(fā)生的可能性很小，進而認為它在一次抽樣中不可能發(fā)生，這就是所謂的小概率事件原理，它是進行統計推斷的重要基礎。 第二章 調查研究設計 1.調查研究主要特點是什么？ 調查研究的主要特點是：①研究的對象及其相關因素（包括研究因素和非研究因素）是客觀存在的，不能人為給予干預措施②不能用隨機化分組來平衡混雜因素對調查結果的影響。 2.簡述調查設計的基本內容。 ①明確調查目的和指標②確定調查對象和觀察單位③確定調查方法④確定調查方式⑤確定調查項目和調查表⑥制定資料整理分析計劃⑦制定調查的組織計劃。 3.試比較常用的四種概率抽樣方法的優(yōu)缺點。 （1）單純隨機抽樣 優(yōu)點是：均數（或率）及標準誤的計算簡便。缺點是：當總體觀察單位數較多時，要對觀察單位一一編號，比較麻煩，實際工作中有時難以辦到。 （2）系統抽樣 優(yōu)點是：①易于理解，簡便易行②容易得到一個按比例分配的樣本，由于樣本相應的順序號在總體中是均勻散布的，其抽樣誤差小于單純隨機抽樣。缺點是：①當總體的觀察單位按順序有周期趨勢或單調遞增（或遞減）趨勢，系統抽樣將產生明顯的偏性。但對于適合采用系統抽樣的情形，一旦確定了抽樣間隔，就必須嚴格遵守，不能隨意更改，否則可能造成另外的系統誤差②實際工作中一般按單純隨機抽樣方法估計抽樣誤差，因此這樣計算得到的抽樣誤差一般偏大。 （3）分層抽樣 優(yōu)點是：①減少抽樣誤差：分層后增加了層內的同質性，因而觀測值的變異度減小，各層的抽樣誤差減小，在樣本含量先鋒等的情況下其標準誤一般小于單純隨機抽樣、系統抽樣和整群抽樣的標準誤②便于對不同的層采用不同的抽樣方法，有利于調查組織工作的實施③還可對不同層進行獨立分析。缺點是：當需要確定的分層數較多時，操作比較麻煩，實際工作中實施難度較大。 （4）整群抽樣 優(yōu)點是：便于組織，節(jié)省經費，容易控制調查質量；缺點是：當樣本含量一定時，其抽樣誤差一般大于單純隨機抽樣的誤差，。 4.常用的非概率抽樣方法有哪些？ 有偶遇抽樣、立意抽樣、定額抽樣、雪球抽樣等。 5.簡述調查問題的順序安排。 調查問題順序安排總原則：①符合邏輯②一般問題在前，特殊問題在后③易答題在前，難答題在后④如果采用封閉式和開放式相結合的問題，一般先設置封閉式問題⑤敏感問題一般放在最后。此外，在考慮問題順序時，還應注意問題是否適合全部調查對象，并采用跳答的形式安排問題和給出指導語。 第四章 定量資料的統計描述 1.均數、中位數、幾何均數的適用范圍有何異同？ 相同點是都用于描述定量資料的集中趨勢。不同點：①均數用于單峰對稱分布，特別是正態(tài)分布或近似正態(tài)分布的資料②幾何均數用于變量值間呈倍數關系的偏態(tài)分布資料，特別是變量經過對數變換后呈正態(tài)分布或近似正態(tài)分布的資料③中位數用于不對稱分布資料、兩端無確切值的資料以及分布不明確的資料。 2.同一資料的標準差是否一定小于均數？ 同一資料的標準差不一定小于均數。均數描述的是一組同質定量變量的平均水平，而標準差是描述單峰對稱分布資料離散程度最常用的指標。標準差大，表示觀察值之間變異大，即一組觀察值的分布較分散；標準差小。表示觀察值之間變異小，即一組觀察值的分布較集中。若標準差遠大于均數表明數據離散程度較大，可能為偏態(tài)分布，此時應考慮改用其他指標來描述資料的集中趨勢。 3.極差、四分位數間距、標準差、變異系數的適用范圍有何異同？ 相同點是都用于描述資料的離散程度。不同點：①極差可用于描述單峰對稱分布小樣本資料的離散程度，或用于初步了解資料的變異程度②四分位數間距可用于描述偏態(tài)分布資料、兩端無確切值或分布不明確的資料的離散程度③標準差用于描述正態(tài)分布或近似正態(tài)分布資料的離散程度④變異系數用于比較幾組計量單位不同或均數相差懸殊的正態(tài)分布資料的離散程度。 4.正態(tài)分布有哪些基本特征？ ①正態(tài)曲線在橫軸上方均數處最高②正態(tài)分布以均數為中心，左右對稱③正態(tài)分布有兩個參數，即位置參數μ和形態(tài)參數σ④正態(tài)曲線下的面積分布有一定規(guī)律，正態(tài)曲線與橫軸間的面積恒等于1。曲線下區(qū)間（μ-1.96σ，μ+1.96σ）內的面積為95.00%；區(qū)間（μ-2.58σ，μ+2.58σ）內的面積為99.00% 5.制定醫(yī)學參考值范圍時，正態(tài)分布法和百分位數法分別適用于何種資料？ ①通過大量調查證實符合正態(tài)分布的變量或近似正態(tài)分布的變量，可按正態(tài)分布曲線下面積的規(guī)律制定醫(yī)學參考值范圍，服從對數正態(tài)分布的變量，可對觀察值取對數后按正態(tài)分布法算出醫(yī)學參考值范圍的對數值，然后求其反對數②對于經正態(tài)性檢驗不服從正態(tài)分布的變量，應采用百分位數法制定醫(yī)學參考值范圍。 第五章、定性資料的統計描述 1.應用相對數時需要注意哪些問題？ ①應有足夠的觀察單位數；②不能以構成比代替率；③計算觀察單位數不等的及格率的合計率和平均率時，不能簡單的把各組率相加求其平均值而得，而應該分別將分子和分母合計，再求出合計率和平均率；④相對數的比較應注意其可比性，如果內部構成不同，應計算標準化率；⑤樣品率或樣品構成比的比較應作檢驗假設。 2.為什么不能以構成比代替率？ 率是指某現象實際發(fā)生數和某時間點或某時間段可能發(fā)生該現象的觀察單位總數之比，用以說明該現象發(fā)生的頻率或強度。構成比是指事物內部某一組成部分觀察單位數與同一事物各組成部分的觀察單位總數之比，以說明事物內部各組成部分所占比重，不能說明某現象發(fā)生的頻率或強度大小。 3.標準化率計算的直接法和間接法的應用有何區(qū)別？ 如對死亡率的年齡構成標準化，當已知被標化組的年齡別死亡率時，宜采用直接法；當不知道被標化組的年齡別死亡率，只有年齡別人口數和死亡總數時，可采用間接法。 4.常用動態(tài)數列分析指標有哪幾種？各有何用途？ 絕對增長量、發(fā)展速度與增長速度、平均發(fā)展速度與平均增長速度。 絕對增長量是指事物現象在一定時期增長的絕對值；發(fā)展速度與增長速度都是相對比指標，用以說明事物現象在一定時期的速度變化；平均發(fā)展速度是指一定時期內個環(huán)比發(fā)展速度的平均值，用以說明事物在一定時期內逐年的平均發(fā)展速度；與平均增長速度是說明事物在一定時間內逐年的平均增長速度。 5.率的標準化需要注意那些問題？ ①僅用于相互間的比較，實際水平應采用未標化率來反映。②樣品的標化率是樣品指標，存在抽樣誤差，若要比較其代表的總體標準化率是否相同，需作假設檢驗。③注意直接法和間接法的選用。④各年齡組若出現明顯交叉，或呈非平行變化趨勢時，不適合采用標準化法，宜分層比較各年齡組率。此外，對于因其他條件不同，而非內部構成不同引起的不可比性問題，標準化法難以解決。 第六章 總體均數的估計 1、什么是均數的抽樣誤差？決定均數的抽樣誤差大小的因素有哪些？ 抽樣研究中，由于同質總體中的個體間存在差異，即個體變異，因而從同一總體中隨機抽取若干樣本，樣本均數往往不等于總體均數，且各樣本均數之間也存在差異。這種由個體變異產生的、隨機抽樣引起的樣本均數與總體均數間的差異稱均數的抽樣誤差。決定均數抽樣誤差大小的因素主要為樣本含量和標準差。 2、樣本均數的抽樣分布有何特點？ 樣本均數的抽樣分布特點有：1、各樣本均數未必等于總體均數；2、樣本均數之間存在差異；3、樣本均數服從正態(tài)分布；4、樣本均數的變異范圍較原變量的變異范圍??；5、隨著樣本含量的增加，樣本均數的變異范圍逐漸縮小。 3、闡述標準差與標準誤的區(qū)別與聯系。 標準差與標準誤的區(qū)別在于：1、計算公式不同；2、統計學意義：標準差越小，說明個體值相對越集中，均數對數據的代表性越好；而標準誤越小，說明樣本均數的分布越集中，樣本均數與總體均數的差別越小，抽樣誤差越小，由樣本均數估計總體均數的可靠性越大；3、用途：標準差用于描述個體值的變異程度，標準誤用于描述均數的抽樣誤差大小。 標準差與標準誤的聯系：當樣本量n一定時，標準誤隨標準差的增加而增加，公式為：看小抄。 4、如何運用抽樣分布規(guī)律估計總體均數？ 中心極限定理：從均數為u，標準差為σ的正態(tài)總體中進行獨立隨機抽樣，其樣本均數服從均數為u，標準差為σ/根號下u的正態(tài)分布；即使是從非正態(tài)總體中進行獨立隨機抽樣，當樣本含量逐漸增加時（n大于等于50），其樣本均數的分布近似于均數為u，標準差為σ/根號下u的正態(tài)分布。σx越大，抽樣誤差越大，由樣本均數估計總體均數的可靠性越小。反之，σx越小，抽樣誤差越小，由樣本均數估計總體均數的可靠性越大。 5、闡述總體均數的置信區(qū)間與醫(yī)學參考值范圍的區(qū)別。 區(qū)別 均數的置信區(qū)間 醫(yī)學參考值范圍 意義 按一定的置信度（1-a）估計的總體均數所在的區(qū)間范圍 大多數“正常人”的某項解剖、生理、生化指標的波動范圍 計算公式 1、σ未知……；2、σ未知而n較大……；3、σ已知…… 1、正態(tài)分布法：雙側95%的參考值范圍為（……） 用途 用于總體均數的估計或假設檢驗 判斷觀察對象的某項指標正常與否，為臨床診斷提供參考 第七章 假設檢驗 1、解釋零假設與備擇假設的含義。 零假設又稱無效假設或無差異假設，記為H0，表示目前的差異是由抽樣誤差引起的；備擇假設又稱對立假設，記為H1，表示目前的差異是因為比較的對象之間存在本質不同造成的。 2、簡述假設檢驗的基本步驟。 假設檢驗的基本步驟如下：（1）建立檢驗假設，確定檢驗水準。（2）計算檢驗統計量。（3）確定P值，作出統計推斷。 3、比較單側檢驗與雙側檢驗的區(qū)別。 選用雙側檢驗還是單側檢驗需要根據分析目的及專業(yè)知識確定。例如，在臨床試驗中，比較甲、乙兩種治療方法的療效有無差異，目的只要求區(qū)分兩方法有無不同，無需區(qū)分何者為優(yōu)，則應選用雙側檢驗。如果有充分的理由認為甲法療效不比乙法差，此時應選用單側檢驗。若從專業(yè)角度無法確定的情況下，一般應采用雙側檢驗。 4、解釋I型錯誤、II型錯誤和檢驗效能，并說明它們之間的關系。 拒絕實際成立的H0所犯的錯誤稱為I型錯誤，記為α。不拒絕實際不成立的H0所犯的錯誤稱為II型錯誤，記為β。如果兩個總體參數間確實存在差異，即H1：μ≠μ0成立，按照現有檢驗水準，使用假設檢驗方法能夠發(fā)現這種差異（即拒絕H0）的能力被稱為檢驗效能，記為（1-β）。 三者的關系為：當樣本量確定時，α與β成反比，與（1-β）成正比。如果把α設置得很小，勢必增加犯II型錯誤的概率，從而降低檢驗效能；反之，如果把重點放在減少β上，勢必增加犯I型錯誤的概率，從而降低了置信度。要同時減小α和β，只有通過增加樣本含量來實現。 5、簡述假設檢驗與置信區(qū)間估計的聯系。 假設檢驗與置信區(qū)間估計的聯系是：二者都屬于統計推斷的范疇，且統計推斷結論是等價的。此外，置信區(qū)間在回答差別有無統計學意義的同時，還能提供一些假設檢驗不能提供的信息，并可以提示差別是否具有實際意義。因此，置信區(qū)間與假設檢驗的作用是相輔相成的，將兩者結合起來，可以提供更為全面的統計推斷信息。 第八章 t檢驗 1、在t檢驗中，一般當P〈0.05，則拒絕H0，其理論根據是什么？ 理論根據是小概率時間和小概率反證法。P值表示H0成立時，出現等于及大于（或等于及小于）現有樣本統計量的概率。P〈0.05則表示在H0成立的前提下，得到現有樣本統計量概率為小概率事件，所以拒絕H0。 2、配對t檢驗的應用條件是什么？ 配對t檢驗的應用條件是資料為配對設計，且數據差值服從正態(tài)分布。 3、正態(tài)性檢驗時，如何確定檢驗水準α？ 理論上講α應取得大一些，如0.10或0.20，目的是減少犯II型錯誤的概率；在實際應用中，常取α=0.10。 4、變量變換的目的是什么？ 變量變換的目的在于使變換后的資料滿足正態(tài)分布或方差齊性等條件，便于進一步的統計分析。 第九章 方差分析 1、方差分析的基本思想及其應用條件是什么？ 方差分析的基本思想是把全部觀察值的總變異按設計類型分解成兩個或多個組成部分，然后將各部分的變異與隨機誤差進行比較，以判斷各部分的變異是否具有統計學意義。應用條件：各樣本是相互獨立的隨機樣本，且服從正態(tài)分布，各樣本的總體方差齊性。 2、在完全隨機設計方差分析中SS總、SS組間、SS組內各表示什么含義？ SS總是各觀察值與總均值之差的平方和，即總離均差平方和，表示總變異的大??；SS組間表示組間變異，指各處理組均值大小的不同，是由處理因素和隨機誤差造成的；SS組內表示組內變異，指同一處理組內部各觀察值之間的變異，是由隨機誤差造成的。 3、什么是交互效應？請舉例說明。 交互效應是指某一因素的效應隨另一因素不同水平的變化而變化，稱這兩個因素之間存在交互效應。例如：某實驗研究A、B兩種藥物在不同劑量情況下對某病的治療效果，藥物A在不同劑量時，B藥的效應不同，或者藥物B在不同劑量時，A藥的效應不同，則A、B兩藥間存在交互效應。 4、重復測量資料具有何種特點？ 重復測量資料中的處理因素在受試者間是隨機分配的，受試者內的因素即時間因素是固定的，不能隨機分配；重復測量資料各受試者內的數據彼此不獨立，具有相關性，后一個時間點的數據可能受到前面數據的影響，而且時間點離的越近的數據相關性越高。 5、為什么總的方差分析的結果為拒絕零假設時，若想進一步了解兩兩之間的差別需要進行多重比較？ 方差分析中備擇假設是多個總體均數不等或不全相等，拒絕原假設只說明多個總體均數總的來說差別有統計學意義，并不能說明任意兩總體均數之間均有差別。因此，若希望進一步了解兩兩的差別，需進行多重比較。 第十章、二項分布和Poisson分布 1.Bernoulli試驗的適用條件 答：1.每次試驗只會發(fā)生兩種互斥結果之一，即兩種互斥結果的概率之和恒等于1；2.在相同試驗條件下，每次試驗產生某種結果的概率固定不變；3.重復試驗是互相獨立的，即任何一次試驗結果的出現不會影響其他試驗結果出現的概率。 2. Poisson分布的性質 答：1.總體均數μ與總體方差相等；2.當n很大，而π很小，且nπ=μ為常數時，Poisson分布可看作是二項分布的極限分布；3.當μ增大時，Poisson分布漸近正太分布，一般而言μ≥20時，Poisson分布資料可作為正態(tài)分布處理；4. Poisson分布具備可加性；5.μ的大小決定了Poisson分布的圖形特征。 3.二項分布與Poisson分布的區(qū)別 答：隨機變量X服從二項分布，是指在n重Bernoulli試驗中，發(fā)生某種結果的次數X=0，1，2…，n的一種概率分布，其恰好發(fā)生X個陽性的概率為P（X）=（公式），且總有概率總和=1.而隨機變量X服從Poisson分布，是指X滿足①取值范圍為0，1，2…，n；②相應的概率為P（X）=e-μμx/X！，且總有概率總和=1。在總體率π很小，而樣本含量n趨向于無窮大時，二項分布近似于Poisson分布。因此Poisson分布可看作是二項分布的一種極限情況，可用來描述小概率事件的發(fā)生規(guī)律。 4.二項分布、Poisson分布和正態(tài)分布的聯系 答：1.在n很大，而π很小，且nπ=μ為常數時，二項分布的極限分布為Poisson分布；2.在n較大、π不接近0也不接近1時，二項分布B（n，π）近似正態(tài)分布，而相應的樣本率p的分布也近似正態(tài)分布；3.當μ增大時，Poisson分布漸近正態(tài)分布，一般μ≥20時，Poisson分布資料可作為正態(tài)分布處理。 第十一章、x2檢驗 1. x2檢驗的基本思想是什么？可以用于解決哪些問題？ 答：基本思想：在H0成立的條件下，推算出各個格子的理論頻數T，然后利用理論頻數T和實際頻數A構造x2統計量，（公式），反映實際頻數與理論頻數的吻合程度。若無效假設H0成立，則各個格子的A與T相差不應該很大，即x2統計量不應該很大。A與T相差越大，x2值越大，相對應的P值越小，當P≤α，則越有理由認為無效假設不成立，繼而拒絕H0，作出統計推斷。由于格子越多，x2值也會越大，因而考慮x2值大小的意義時，應同時考慮格子數的多少，這樣x2值才能更準確地反映A與T的吻合程度。 x2檢驗可用于：獨立樣本兩個或多個率或構成比的比較，配對設計兩樣本率的比較，頻數分布的擬合優(yōu)度檢驗，線性趨勢檢驗。 2.四格表的Z檢驗和x2檢驗有何聯系 答：能用四格表Z檢驗進行兩樣本率比較的資料，都可以用x2檢驗。四格表的雙側Z檢驗與x2檢驗是完全等價的，兩個統計量的關系為Z2= x2，相對應的界值關系為Z2（底數0.05/2）= x2（底數0.05，1） 3.擬合優(yōu)度x2檢驗的基本思想及用途 答：基本思想是根據樣本的頻數分布檢驗其總體是否服從某特定的理論分布。按照該理論分布計算的頻數稱為理論頻數；從樣本觀察到的頻數稱為實際頻數。利用x2檢驗，推斷實際頻數與理論頻數的吻合程度。 4.為什么有些四格表資料的假設檢驗必須用確切概率法 答：x2檢驗的理論是基于x2分布，但是只有在大樣本時檢驗統計量才近似服從x2分布，才能使用x2檢驗公式。如四格表資料，若n≥40，且有1≤T＜5時，尚可以校正檢驗統計量使其近似服從x2分布；當n＜40時，這種近似性就很差，x2檢驗就不適用了，只能用確切概率法。 5. x2檢驗的應用條件有哪些？ 答：1.①當n≥40，且≥5時，用非連續(xù)校正的x2檢驗 （公式） ②當n≥40，且有1≤T＜5時，用連續(xù)性校正的x2檢驗或用四格表的確切概率法。（公式） ③當n＜40或T＜1時，用四格表確切概率法。 2.獨立樣本RC列聯表x2檢驗的專用公式為：。。。 ①不宜有1/5以上格子的理論頻數小于5，或有1個格子的理論頻數小于1. ②結果為有序多分類變量的RC列聯表，在比較各處理組的平均效應有無差別時，應該用秩和檢驗或Ridit檢驗。 3.配對四格表的x2檢驗 ①當b+c≥40時，（公式） ②當b+c＜40時，作連續(xù)性校正，（公式） 第十二章、秩和檢驗 1.參數檢驗和非參數檢驗的區(qū)別 答：參數檢驗是以特定的總體分布為前提，對未知總體參數做推斷的假設檢驗方法；非參數檢驗不以特定的總體分布為前提，也不針對決定總體分布的參數做推斷，又稱任意分布檢驗。非參數檢驗不要求總體的分布類型，適用性廣泛；在非參數檢驗中，一般不直接用樣本觀測值做分析，統計量的計算基于原數據在樣本中的秩次，因此對于符合參數檢驗的資料，或經變量變換后符合參數檢驗的資料應首選參數檢驗；對不滿足參數檢驗條件的資料，應選用非參數檢驗。 2.非參數檢驗的適用范圍 答：①總體分布不明或未知的資料；②一端或兩端有不確實數值的資料；③等級資料；④極度偏態(tài)分布的資料。 3.同一資料，又出于同一研究目的，當參數檢驗和非參數檢驗所得結果不一致時，以何者為準？理由 答：應以資料滿足的條件為準。若資料滿足參數檢驗的條件，應以參數檢驗的結果為準，此時非參數檢驗的檢驗效能低于參數檢驗。若資料不服從正態(tài)分布，或者分布情況未知，不能用參數法進行推斷，宜采用非參數法對總體分布位置進行假設檢驗。 第十三章 雙變量關聯性分析 1.兩變量間的關聯性是否可解釋為因果關系？ 雙變量關聯性分析的目的在于推斷從某一總體中隨機抽取的同一份樣本觀測出的兩個關聯間是否存在關聯性，以及這種關聯性的密切程度如何。關聯性只反應變量間數量上的關系，但數量上的關聯并不表示專業(yè)上的因果關系，是否確為因果關系還需結合專業(yè)知識、因果邏輯上的時間先后順序等作進一步判定。 2.2X2列聯表的關聯性分析與兩樣本率的比較的x2檢驗有何不同？ 2X2列聯表的關聯性分析與兩樣本率比較的x2檢驗是從兩個檢驗的數據形式非常相似，x2檢驗的公式以及應用條件也完全不同。但區(qū)別在于：兩樣本率比較的x2檢驗是從兩個總體中分別抽取樣本，兩樣本有各自的頻數分布，所檢驗的是兩總體的率是否相同；而2X2列聯表的關聯性分析是從同一個總體中進行隨機抽樣，對樣本中的每個個體考察其兩個變量的關系，檢驗兩個分類之間是否存在關聯性或者說是否獨立。 3、相關系數r經假設檢驗有統計學意義，且得到的P值很小，是否表示兩變量間一定有很強的直線關系？ P值越小，說明越有理由拒絕H0，犯I型錯誤的概率越小。相關系數r經假設檢驗有統計學意義且得到非常小的P值，表示有足夠的理由認為兩變量總體相關系數ρ≠0，只能定性回答兩變量是否存在直線相關，并非意味著其直線相關的強度。若要定量回答相關性的強弱，需結合樣本相關系數r的大小和總體相關系數ρ的置信區(qū)間來說明。 4.Pearson積矩相關與Spearman秩相關的區(qū)別與聯系 答：區(qū)別1. Pearson積矩相關適用于二元正態(tài)分布資料，Spearman秩相關適用于不服從正態(tài)分布、總體分布未知、存在極端值或原始數據用等級表示的資料。②Pearson積矩相關是基于原始數據進行統計分析，而Spearman秩相關是將原始數據進行秩變換后進行統計分析。③Pearson積矩相關是參數檢驗方法，而Spearman秩相關不以特定的總體分布為前提，為非參數檢驗的方法。 聯系：1.兩種相關系數的取值都介于—1和1之間，無單位，小于0為負相關，大于0為正相關。2.用原始數據的秩次來計算Pearson相關系數，得到的即為Spearman秩相關系數。 第十五章生存分析 1.簡述生存分析中截尾數據的常見原因。 ①失訪：指失去聯系。②退出：指死于非研究因素或非處理因素而退出研究。③終止：指設計時規(guī)定的研究時限已到而終止觀察，但研究對象依然存活。 2.簡述生存率和生存概率的區(qū)別與聯系。 生存概率表示某單位時段開始時存活個體到該時段結束時仍存活的可能性大??；生存率是指觀察對象活過某時刻的概率，實質上是累積生存概率。生存概率是單位時段的概率，生存率是多個時段的累計結果。 3.簡述死亡率和死亡概率的區(qū)別與聯系。 死亡概率是指在某個單位時段開始時存活的個體在該時段內死亡的可能性大??；死亡率表示所有觀察對象在某時刻的平均死亡水平。二者分母不同，死亡率的分母常用其中人口數，而死亡概率則用期初人數。 4.生存時間資料能計算均數和標準差嗎？ 如果資料所包含的數據都是完全數據，可以計算均數和標準差；若資料中包含截尾數據，則不可以計算。 5.簡述兩樣本比較的生存時間資料不宜采用t檢驗或x方檢驗進行分析的理由。 因為隨訪資料具有特殊性，觀察對象既有隨訪時間又有隨訪結果，隨訪期間可能出現失訪等，生存時間數據不完整，分布類型復雜，因而不能簡單的應用t檢驗或x方檢驗。 第二十章檢測手段的效度和信度評價 1.簡述效度、信度的概念和目的。 效度用以反映測量結果與“真值”的接近程度。信度用以反映相同條件下重發(fā)測定結果的一致程度。評價效度、信度的目的是評價量表對真實情況反映的準確性、可靠性。 2.簡述評價效度和信度的常用方法及其特點。 評價效度的常用方法有：標準效度分析、內容效度分析、結構效度分析、區(qū)分效度分析。 評價信度的常用方法有：重復測量法、分半信度法、Cronbach’s a系數法。特點：標準效度分析需要一個“金標準”作為參考；內容效度分析對概念的定義有依賴性；結構效度分析需借助因子分析來完成；區(qū)分效度分析通過t檢驗或方差分析可比較不同群組間的差別有無統計學意義。重復測量法需要重復兩次或兩次以上測量；分半信度法將調查的問題條目分成兩半；Cronbach’s a系數法適用于奇偶兩半條目方差不等的情況。 3.簡述分半信度法的優(yōu)點和不足。 優(yōu)點：分半信度法只在一個時間點上進行；不受記憶效應的影響；在重復測量法中容易出現的誤差項之間的相關在分半信度法中不易出現；分半信度法比較經濟和簡便。 不足：將所有的問題條目分為兩半的方法有些武斷，不同的半分法可能會得到不同的結果。 4.簡述如何考察測量手段和反應度。 ①使用測量手段分別在治療前后或施加干預措施前后對研究對象進行測量，記錄治療前后或施加干預措施前后的測量結果。 ②使用效應尺度統計量評價測量的反應度。效應尺度=（治療后得分—治療前得分）/治療前后得分的標準差 第二十一章 醫(yī)學人口與疾病統計常用指標 1.疾病統計中的觀察單位“病例”和“病人”有何區(qū)別？ 疾病統計的觀察單位可以是病人，也可以是病例。一個人每發(fā)生一次疾病就算是一個病例，一個病人可以先后數次患同一種疾病，也可以同時患數種不同的疾病。 2.發(fā)病率、時點患病率、期間患病率有何區(qū)別？ 發(fā)病率表示在一定時期內，可能發(fā)生某病的一定人群中新病例出現的頻率，其分子是一定期間內的新發(fā)病例數?；疾÷手冈谀程囟〞r間內總人口中某病新舊病例所占比例，適用于病程較長的疾病或發(fā)病時間不易輕易明確的疾病的統計研究，按觀察時間的不同可分為時點患病率和期間患病率。時點患病率用于反映在調查或檢查時點一定人群中某病的現患情況（包含該病的新、舊病例）；期間患病率可用于反映在觀察期間內一定人群存在或流行某病的頻度，包括觀察期間內的新病例數和現患病例數，但資料收集較為困難。 3.年齡別死亡概率與年齡別死亡率有何區(qū)別？兩者間有什么關系？ 年齡別死亡概率（nqx）是表示一批人在x到x+n歲之間的死亡概率，即同時出生的人群中，剛滿x歲的尚存者在今后n年內死亡的可能性。因此，死亡概率的公式定義為：nqx=（x歲到x+n歲之間死亡人數）/活滿x歲的人口數 而年齡別死亡率（nmx）是表示某年齡別人口在n年內的平均死亡水平，其公式定義為：nmx=（x歲到x+n歲之間死亡人數）/（x歲到x+n歲之間的平均人口數） 可見，兩者分母不同，當年齡分組為1歲時，即n=1時，qx比mx略小，當年齡分組大于1歲時，即n〉1時，則nqx約比nmx大n倍。死亡率與死亡概率之間可以互相換算，現有許多種由nmx推算nqx的方法，目前常用的計算死亡概率的公式為：nqx=2*n*nmx/（2+n*nmx） 4.平均壽命與平均死亡年齡有何區(qū)別？ 平均壽命實際上是同時出生的一批人，以各年齡組死亡人數作為權數計算出來的平均歲數，其大小取決于各年齡組死亡人數的相對水平。用壽命表方法計算的平均壽命的大小，僅取決于年齡別死亡率的高低，兩地的平均壽命可以直接比較。但平均死亡年齡的大小，不僅取決于年齡別死亡率的高低，也取決于年齡別人口構成。如用甲、乙兩地的平均死亡年齡作比較，即使兩地的年齡組死亡率完全相同，若甲地人口中青壯年比重較大，而老年人比重較小，可導致甲地平均死亡年齡較低。顯然，這種平均死亡年齡的差別，是由于人口年齡構成不同所致，并不反映兩地人口的平均壽命不同。因此，一般情況下，兩地的平均死亡年齡不能直接比較，不能把平均死亡年齡當作平均壽命應用。 5.某地的平均壽命高，則老年人口占總人口數的比例一定很高，這種說法對嗎？ 這種說法不正確。用壽命表法計算的平均壽命，其大小僅取決于年齡別死亡率的高低，某地的平均壽命高，并不表明老年人口所占的比例高。如果人群的年齡別死亡率降低，尤其是嬰幼兒組死亡率降低，該地人群的平均壽命就會增高。