成组序贯设计
两组资料的统计分析方法选择（平行组设计）
两组计量资料
两组计数资料
t检验或Wilcoxon秩和检验
卡方检验或Fisher确切概率法
两组等级资料
两组生存资料
Wilcoxon秩和检验
log-rank检验
愈合
90 （66）
未愈合
30（54）
合计 120
愈合率(%) 75
单纯手术组
合计
42 （66） 132
78（54）
108
120
240
35
55
(A T) T
2
2
A :实际频数 T : 理论频数
90(66)
30(54) 78(54)
2、求检验统计量
பைடு நூலகம்42(66)
2 2 2 2 （ 90 66 ） （ 30 54 ） （ 42 66 ） （ 78 54 ） 2 66 54 66 54
P值和α的关系：假设检验的结论是通过比较P值和α 的大小做出的：P≤α, 拒绝H0，接受H1； P >α, 尚不能 拒绝H0。
假设检验的基本步骤
一、建立检验假设，确定检验水准
二、选择检验方法，计算检验统计量 三、确定P值，下结论
数据类型
计量资料：观测每个受试者某项指标的大小，而获得
的资料，如年龄、血压等。
抽取部分观察单位
总体 参数
推断inference
样本
统计量
例：某试验脱细胞粘膜基质治疗肛瘘，试验组 120例，术后1个月愈合90例，愈合率75%。
总体愈合率？ 75%(67%, 82%)
参数估计
参数估计
单个样本率
单个样本均数 两个样本率差 两个样本均数差
总体率的可信区间
总体均数的可信区间 两总体率之差的可信区间 两总体均数之差的可信区间
1、反证法思想 H0：是真事！ 2、计算H0成立的概率P 连续猜对100次硬币正反面的可能性 P 是多少？ P=0.5100≈7.89×10-31 你认为原假设 H0 成立吗？ 3、小概率原理：小概率事件在一次抽样中几乎不可能发生
一般认为P < 0.05为小概率
推断结论不大可能是真事！假事！
两个率的比较——卡方检验
假设检验
例：某试验脱细胞粘膜基质治疗肛瘘，试验组
120例，术后1个月愈合90例，愈合率75%。 传统单纯手术组120例，愈合率35%。两组疗效 有无差别？ 75% VS 35%？ χ2=38.79，P<0.001，差别有统计学意义。
假设检验的基本思想——小概率反证法思想
抛硬币猜正反，某人连续百次猜对，是真是假？
例：某试验脱细胞粘膜基质治疗肛瘘，评价术
后1个月愈合率。
试验组（脱细胞粘膜基质）：120例，愈合90例，愈合 率75%。 对照组（单纯手术）：120例，愈合42例，愈合率35%。
两组疗效有无差别？
两种疗法治疗肛瘘的效果
组别
试验组 对照组
愈合
90
未愈合
30
合计 120
愈合率(%) 75 35
42
78
例：某试验脱细胞粘膜基质治疗肛瘘，评价术
后1个月愈合率。
参数与统计量
参数：总体的统计指标，如总体均数、总体率。 是固定的常数。 统计量：样本的统计指标，如样本均数、样本 率。是在参数附近波动的随机变量。 抽样误差：样本统计量与总体参数间的差别。
抽样误差是由抽样所造成的，其本质原因是生物个体的变异 性。抽样误差是不可避免的，但可以控制和计算的。
38.79
3、查表，求 P 值，下结论
P 0.001
结论：按 0.05的水准，拒绝 H 0 ，接受 H1 ，认为两 组总体愈合率不同(统计结论)，试验器械的愈合率要 高于单纯手术组(专业结论)。
χ2检验的基本思想
H 0 : 1 2成立
A与T相差不大
怀疑H 0 : 1 2成立
计数资料：将受试者按某种属性或类别分组计数，分
组汇总后而得到的资料，如性别、愈合与否等。
等级资料：半定性或半定量观察结果，有大小顺序。
如临床疗效（显效、有效、无效）等。
生存资料：生存时间和删失情况两个变量，如OS。
设计类型

平行组设计 单组设计 自身对照设计 交叉设计 析因设计
医学统计学 统计学：是关于批量数据资料收集、分 析、解释与表达的普遍原理和方法。 医学统计学：用统计学理论和方法研究
生物医学问题的一门应用学科。
医学统计学工作

统计设计 收集资料 整理资料 统计分析 统计推断 数据管理
统计描述
参数估计 假设检验
总体与样本 总体：根据研究目的而确定的同质观察单位 的全体。 样本：从总体中抽取的部分观察单位。
120
两种可能性：
1. 两组总体愈合率确实不同
2. 两组总体愈合率相同，两组样本率的差异仅仅由抽样误差造成
假设检验
1、建立检验假设，确定检验水准
H 0 :1 2（两组总体愈合率相同）
H1:1 （两组总体愈合率不同） 2
0.05
两种疗法治疗肛瘘的治疗结果
组别 脱细胞粘膜基质组
A与T相差太大
χ 值小，P值大
2
χ 值大，P值小，P
2
假设检验的两类错误
假设检验是针对H0，利用小概率事件的原理对总体参数 做出统计推论。无论拒绝H0还是不拒绝H0，都可能犯错误。
Ⅰ类错误和Ⅱ类错误
假设检验结论
真实情况
拒绝H0，接受H1
H0成立 H0不成立即H1成立
不拒绝H0 推断正确(1－α )
Ⅰ类错误 α
推断正确(1－β)
Ⅱ类错误β
α与β的关系
减少（增加）I类错误，将会 增加（减少）II类错误 增大n 同时降低 与b
b
α与P值的关系
α是事先规定的检验水准，是人为设定的犯Ⅰ类错误
的最大概率。
P值是指由H0规定的总体中进行随机抽样，得到现有
样本统计量以及更极端统计量的概率。