一、统计学常用的几个概念
总体（population）：表示大同小异的对象（某个测量值）全体。
样本（sample）：从研究总体中随机抽取的一部分有代表性的个体，其实测个体数的多少称样本含量或样本例数。
同质（homogeneity）：一个总体中有许多个体大同小异，存在共性，这些个体处于同一总体。
变异（variation）：同一总体内的个体间存在差异。
参数（parameter）：是统计模型的特征指标，是对总体而言，其大小是客观存在的，然而往往是未知的，如总体均数（mean）和总体方差（variance）。
统计量（statistic）：由观察资料计算出来的量，如计算观察样本中的个体得到的样本均数、样本方差。
抽样（sampling）：从研究总体中抽取一部分有代表性的个体的方法。
抽样误差：抽样造成的这种样本均数与样本均数之间、样本均数与总体均数之间的差异。
概率：是描述某事件发生可能性大小的量，用符号P表示，取值范围在0～1之间。概率是相对总体而言，属于参数。
频率：描述随机事件发生可能性大小的度量，是对样本而言的，用f表示。
小概率事件：统计学上常将P≤0.05或P≤0.01的事件称为小概率事件。
二、统计资料的类型及其特征
（一）变量的类型
变量（variable）：分成定性（qualitative）与定量（quantitative）两种类型。
1.定性变量 分类变量（categorical variable）或名义变量（nominative variable）。分为二分类变量、多分类变量、有序变量。
（1）二分类变量（binary variable），称为0－1变量。例如，性别（男女）、疾病（有无）和结局（生死）等。二分类变量常用0和1来编码，0－1变量常称为假变量（dummy variable）或哑变量，可以和真变量一样参与计算。
（2）多分类变量，如血型：A、B、AB、O等。
（3）有序变量（ordinal variable）或等级变量。分类变量的“取值”中自然地存在着次序。例如，问卷调查常问对某件事情的满意程度：极不满意、有点满意、中度满意、很满意、极满意。有些临床体检或实验室检验常用－、±、＋、＋＋和＋＋＋来表示测量结果。
2.定量变量分为离散型变量、连续型变量
（1）离散型变量（discrete variable）：只能取整数值。例如，1个月中的手术患者数、1年里的新生儿数。
（2）连续型变量（continuous variable）：可以取实数轴上的任何数值。“连续”是指该变量可以在实数轴上连续变动，由测量而得到。例如，血压、身高、体重等。
（二）各类资料的特征
1.定量变量特征 有度量衡单位；多为连续型变量，可以带小数或整数；统计指标常为集中趋势与离散程度指标，如平均数、标准差等；统计分析方法有t检验、方差分析、相关与回归等。
2.分类变量特征 不带度量衡单位；资料数据均为整数；统计资料常用相对数、比率、构成比等；统计分析方法如卡方检验等。
3.有序变量特征 与分类变量不同，属性的分组有程度的差别，各组按大小顺序排列；它与定量变量资料不同，每个观察单位虽有数量上的差别，但不确切，因此又称为半定量资料；有序变量的分析方法常用秩和检验方法等。
注意：应分清资料的性质，结合实验设计方法，选用相应的检验方法。
三、统计工作的步骤
第1步：实验设计。
第2步：收集资料。
第3步：整理资料。
第4步：分析资料，包括统计描述（统计指标、统计表、统计图）；统计推断，由样本统计量推断出总体参数（参数估计、假设检验）；专业分析，选用适当统计分析方法。
四、死亡率、病死率、发病率与患病率
1.死亡率（mortality rate） 指某地某年平均每千人口中的死亡数，它反映居民总的死亡水平。
2.病死率（case fatality rate，CFR） 指在特定时间（1年）内患某病者因该病死亡的百分比，可说明一种疾病的严重程度，也可反映一个医疗单位医疗水平和质量。
3.发病率（incidence rate，IR） 表示一定时期内，在可能发生某病的一定人群中新发生某病的强度。
4.患病率（prevalence rate，PR） 又称为现患率，指某时点上受检人数中现患某种疾病的频率。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
