1.Conception

2. Recueillir des informations

3. Organisez les informations

4. Analyser les données

homogène

Mutations

variable

type de données

dans l'ensemble

échantillon

paramètre

Statistiques

Une mesure quantitative qui décrit la probabilité qu'un événement aléatoire se produise.

Il est habituel d’appeler un événement avec P ≤ 0,05 un événement à faible probabilité, ce qui signifie qu’il est très peu probable qu’il se produise dans un échantillonnage aléatoire.

Étapes de création du tableau de fréquence

Utilisations des tableaux de distribution de fréquence et des histogrammes

moyenne

degré de variation

Classification

Taux

rapport de composition

comparaison relative (rapport)

taux de mortalité

taux de létalité

Incidence

Prévalence

1. Ne confondez pas ratio de composition et taux

2. Lorsque vous utilisez des nombres relatifs, le dénominateur ne doit pas être trop petit.

3. Calculez correctement le tarif total

4. Faites attention à la comparabilité des données

5. Une erreur d'échantillonnage existe dans la fréquence d'échantillonnage ou le rapport de composition

Conditions applicables : 1. L'indicateur est un indicateur quantitatif et obéit à la distribution normale 2. Petit échantillon

Utilisé pour tester si la moyenne de la population μ représentée par la moyenne de l'échantillon X est différente de la moyenne de la population connue μ₀

Conditions applicables : 1. L'indicateur est une valeur de variable quantitative 2. Chaque paire de valeurs de différence d obéit à la distribution normale 3. Petit échantillon

L'essence est le test t sur un échantillon comparant la moyenne de l'échantillon de différence d avec la moyenne de population connue μᵈ = 0

Conditions applicables : 1. L'indicateur est une valeur de variable quantitative 2. Il existe deux groupes d'échantillons, et les deux groupes d'échantillons sont indépendants 3. Les deux populations dont sont issus les deux échantillons obéissent respectivement à la distribution normale 4. La population de les deux populations normalement distribuées Les variances sont égales (variances homogènes) 5. Petit échantillon

Les deux tailles d'échantillon n₁ et n₂ peuvent être égales ou différentes et doivent être aussi égales que possible.

Si F≥Fα/2, alors P≤α, rejetons H₀ et acceptons H₁, on peut reconnaître que les variances des deux populations ne sont pas égales ; sinon, les variances des deux populations sont considérées comme homogènes ;

Les étapes de base

Difficulté : Calcul des divisions et des combinaisons

test q (méthode SNK)

2×2 (2 groupes d'objets d'observation, opposant 2 types de résultats)

La valeur χ² reflète le degré d'accord entre la fréquence réelle et la fréquence théorique.

Conditions applicables : 1. Lorsque n≥40 et tous les T≥5, utilisez la formule de base du test χ² ou la formule spéciale du test χ² pour les données à quatre tables ; 2. Lorsque n≥40 et 1≤T<5, utilisez la formule de correction du test χ² de données à quatre tables ; 3. Lorsque n<40 ou T<1, utilisez la méthode de probabilité exacte de Fisher (méthode de probabilité exacte) avec quatre tableaux de données.

Convient aux données dont la taille de l'échantillon n'est pas très grande

1.b c≥40, formule de base 2.b c＜40, formule de correction

Étapes de base : 1. Établir une hypothèse de test et déterminer le niveau de test 2. Compiler la somme des rangs (somme des rangs) et combiner la statistique de la somme des rangs 3. Déterminer la valeur P et faire des inférences

La différence entre une statistique d'échantillon et un paramètre de population causée par l'échantillonnage

⑴Des différences individuelles existent, c'est-à-dire que chaque X– est différent ⑵L'erreur d'échantillonnage aléatoire, c'est-à-dire X– est différente de μ

L'écart type reflète la variation entre les moyennes de l'échantillon

σₓ₋=σ/√n, sₓ₋=s/√n

Plus l’erreur type est petite, plus l’estimation est précise.

fait référence à l'estimation des paramètres de population à partir de statistiques d'échantillon

Méthode d'estimation

Conditions applicables : 1. Grand échantillon, n≥50 2. σ est connu

Fonction : refléter les règles de distribution des erreurs d'échantillonnage ou les règles de distribution d'échantillonnage de la moyenne d'un grand échantillon

z=X–-μ/σ√n

Conditions applicables : 1. Petit échantillon, n<50 2. σ inconnu (en variables quantitatives)

Plus le degré de liberté ν est grand, plus la courbe de distribution t est proche de la courbe de distribution normale standard.

(X–-1,96σₓ₋, X– 1,96σₓ₋)

(1) Établir des hypothèses et déterminer les niveaux de tests

(2) Sélectionnez les méthodes de test et calculez les statistiques de test

(3) Faire des inférences statistiques basées sur la valeur P

Avis!

Également appelé niveau de signification, représenté par α, il s'agit de la valeur de probabilité de la région de rejet prédéterminée. En pratique, α = 0,05 ou α = 0,01 est généralement utilisé.

μ est un paramètre de position qui décrit le niveau moyen de la distribution normale

σ est un paramètre de forme qui décrit le degré de variation de la distribution normale.

①L'aire sous la courbe est la probabilité

②La surface totale sous la courbe est de 1 ou 100 %

③Toutes les courbes normales ont la même aire dans la plage de tout multiple du même écart type autour de μ

µ=0，σ=1

Transformation standardisée de variables aléatoires

1. Comme indice de référence pour déterminer cliniquement la normalité et l'anomalie

2. Peut être utilisé pour évaluer le niveau de développement des enfants

1. Déterminer une population de référence homogène

2. Sélectionnez un nombre suffisant d'échantillons de référence

3. Contrôler les erreurs de détection

4. Sélectionnez les seuils simples et bilatéraux

5. Choisissez une plage de pourcentage appropriée

6. Sélectionnez la méthode de calcul de la plage de valeurs de référence

(Moyenne > Variance)