Wondershare EdrawMind
MindMap Gallery Statistik-Mindmap
- 15
Statistik-Mindmap
Dies ist ein Artikel über statistisches Mind Mapping, einschließlich der Grundlagen des Forschungsdesigns der traditionellen chinesischen Medizin, der Wahrscheinlichkeitsverteilung von Variablen, der Parameterschätzung, der Beschreibung statistischer Daten usw.
Edited at 2023-12-02 19:35:04
- Recommended to you
- Outline
Statistiken
Einführung
Statistik und Traditionelle Chinesische Medizin
Warum Statistiken zur chinesischen Medizin studieren?
Mehrere Grundkonzepte
gesamt
Definition: Eine Sammlung, die alle untersuchten Personen (Daten) enthält
Ob es entsprechend der Anzahl der darin enthaltenen Einheiten zählbar ist
endliche Bevölkerung
unendliche Bevölkerung
Probe
Definition: Es handelt sich um eine Sammlung von Elementen, die aus dem Ganzen extrahiert werden
Stichprobengröße: die Anzahl der Elemente, aus denen die Stichprobe besteht
Parameter
Definition: Es handelt sich um ein allgemeines numerisches Maß zur Beschreibung der Eigenschaften einer Probe
Statistiken
Definition: Es handelt sich um ein allgemeines numerisches Maß zur Beschreibung der Eigenschaften einer Probe
Variable
Definition: Ein Konzept, das bestimmte Merkmale eines Phänomens beschreibt
Teilen Sie Variablen nach Datentyp auf
Kategorische Variablen
Definition: Ein Name, der eine Kategorie von Dingen beschreibt
Ordinalvariable
Definition: Ein Name, der eine geordnete Kategorie von Dingen beschreibt
Numerische Variable
Definition: Ein Name, der die numerischen Eigenschaften von etwas beschreibt
Anwendung der Statistik in der Traditionellen Chinesischen Medizin
So lernen Sie Statistiken zur chinesischen Medizin
Grundlagen des Forschungsdesigns der Traditionellen Chinesischen Medizin
Überblick über das Forschungsdesign
Merkmale der experimentellen Forschung
Grundelemente des experimentellen Designs
Verarbeitungsfaktoren
Thema
experimenteller Effekt
Objektivität
Genauigkeit
Empfindlichkeit
Grundprinzipien des experimentellen Designs
Kontrastprinzip
Placebo-Kontrolle
Blankokontrolle
Experimentelle Kontrolle
Standardsteuerung
Selbstkontrolle
Historischer Vergleich
Zufallsprinzip
Prinzip wiederholen
Experimenteller Designtyp
Völlig zufälliges Design
Gepaartes Design
Randomisiertes Blockdesign
faktorielles Design
Häufig verwendete Probenahmemethoden
einfache Zufallsstichprobe
geschichtete Stichprobe
Systematische Probenahme (gleiche Probenahme, mechanische Probenahme)
Cluster-Sampling
Beschreibung der Statistik
individuelle Variation
Häufigkeitsverteilung
Häufigkeitsverteilungstabelle
1. Finden Sie den extremen Unterschied 2. Bestimmen Sie den Gruppenabstand und den Gruppenabschnitt 3. Bereiten Sie eine Häufigkeitsverteilungstabelle vor 4. Berechnen Sie die Häufigkeit und die kumulative Häufigkeit
Häufigkeitsverteilungsdiagramm
verwenden
1. Offenlegung des Verteilungstyps und der Merkmale von Daten 2. Erleichtern Sie die Entdeckung einzelner extrem großer oder extrem kleiner verdächtiger Werte 3. Normalitätsurteil 4. Erleichtern Sie die weitere Berechnung von Indikatoren und die statistische Verarbeitung
Statistische Beschreibung quantitativer Daten
Statistischer Indikator, der die zentrale Tendenz beschreibt
arithmetisches Mittel
Stichprobenmittelwert
Bevölkerungsmittelwert μ
Bedingungen: Unimodale symmetrische Verteilungsdaten, insbesondere Normalverteilungsdaten
Geometrisches Mittel (G)
Bedingungen: geometrische Daten, insbesondere logarithmische Normaldaten
Beachten
Beobachtete/gemessene Werte können nicht 0 haben
Beobachtete/gemessene Werte müssen das gleiche Vorzeichen haben, entweder alle positiv oder alle negativ
Median (M)
Sortieren Sie eine Reihe von Beobachtungen von klein nach groß, und die zentrale Beobachtung ist der Median
Der Median eignet sich zur Beschreibung von Schiefe- oder Häufigkeitsverteilungen ohne eindeutige Werte an beiden Enden und ist gut anwendbar.
Perzentil
Sortieren Sie eine Reihe von Beobachtungen von klein nach groß. Die x%-te Beobachtung ist das x-te Perzentil.
Anwendbare Bedingungen
Verzerrte Verteilungsdaten
Unregelmäßig verteilte Daten oder unklar verteilte Daten
Offene Daten
Modus
Die meisten Vorkommnisse
Es macht nur Sinn, wenn die Datenmenge groß ist
Statistische Indikatoren, die den Grad der Variation beschreiben
Sehr arm
Auch Vollbereich genannt, dargestellt durch R, ist es die Differenz zwischen dem Maximalwert und dem Minimalwert in einer Reihe beobachteter/gemessener Werte.
Bereich der individuellen Unterschiede in der Reaktion: großer Bereich, großer Variationsgrad; kleiner Bereich, geringer Variationsgrad
Vorteil
Einfache Berechnung und klare Bedeutung
Mangel
Es spiegelt nur die Differenz zwischen zwei Extremwerten wider und ist instabil.
InterquartilbereichQ
Spiegelt den Bereich der mittleren Hälfte der Beobachtungen/Messungen wider
Vorteile: einfache Berechnung, stabiler als der Bereich
Nachteile: Berücksichtigt immer noch nicht die Variation aller beobachteten/gemessenen Werte und ist immer noch nicht stabil genug
Es wird hauptsächlich zur Beschreibung der Variationsmerkmale offensichtlich verzerrter Verteilungsdaten verwendet und häufig in Kombination mit statistischen Diagrammen verwendet.
Varianz
Je größer die Varianz, desto größer die Variation
Vorteile: Berücksichtigt alle Schwankungen der beobachteten/gemessenen Werte, relativ stabil
Nachteile: Abmessungen (d. h. Einheiten) ändern sich und können manchmal nicht erklärt werden
Standardabweichung
Wenn die Einheit des Mittelwerts gleich ist und die Werte ähnlich sind, ist die Standardabweichung ↑ der Variationsgrad ↑, desto weniger repräsentativ ist der Mittelwert.
Vorteile: Unter Berücksichtigung der Variation aller beobachteten/gemessenen Werte ist die Einheit dieselbe wie der ursprüngliche Indikator und relativ stabil
Variationskoeffizient
Auch Streukoeffizient genannt, dargestellt durch CV
Herausragende Vorteile
Keine Einheiten zum einfachen Vergleich
Anwendbare Bedingungen
Vergleichen Sie den Variationsgrad mehrerer Datensätze mit unterschiedlichen Einheiten
Vergleichen Sie den Variationsgrad mehrerer Datensätze mit sehr unterschiedlichen Mittelwerten
Statistische Beschreibung qualitativer Daten und hierarchischer Daten
absolute Zahl
relative Zahl
Häufig verwendete relative Zahlen
Rate (Frequenzindikator)
Rate
Gibt das Verhältnis der Anzahl des Auftretens eines Phänomens zur Gesamtzahl möglicher Ereignisse innerhalb eines bestimmten Raums oder Zeitbereichs an
Zusammensetzungsverhältnisse und Raten sind unterschiedlich. Wir sollten nicht darauf achten, wie viele Menschen an Lungenkrebs erkranken, sondern wie viele Menschen, die rauchen, an Lungenkrebs erkranken.
Hinweis: Die Bedeutung von Zähler und Nenner ist die Proportionalitätsbasis (100).
In der Medizin häufig verwendete relative Indikatoren
Fälle
Gibt die Häufigkeit einer bestimmten Erkrankung bei einer bestimmten Personengruppe zu einem bestimmten Zeitpunkt an. Sie wird üblicherweise verwendet, um das Auftreten oder die Prävalenz chronischer Erkrankungen mit langem Verlauf anzugeben.
Formel: Prävalenz einer bestimmten Krankheit = (Anzahl der Fälle einer bestimmten Krankheit an einem bestimmten Ort während eines bestimmten Zeitraums/durchschnittliche Bevölkerung am selben Ort während des gleichen Zeitraums) * Anteilsbasis
Sterblichkeitsrate
Gibt die Häufigkeit von Todesfällen aufgrund einer bestimmten Krankheit bei Patienten während eines bestimmten Zeitraums an
Formel: Sterblichkeitsrate einer bestimmten Krankheit = (Anzahl der Todesfälle aufgrund einer bestimmten Krankheit während eines bestimmten Zeitraums/Anzahl der Patienten mit der Krankheit im gleichen Zeitraum) * 100 %
Vorfall
Gibt die Häufigkeit neuer Fälle einer bestimmten Krankheit in einer bestimmten Bevölkerung innerhalb eines bestimmten Zeitraums an.
Formel: Inzidenzrate einer bestimmten Krankheit = (Anzahl neuer Fälle einer bestimmten Krankheit in einem bestimmten Zeitraum/durchschnittliche Bevölkerung im gleichen Zeitraum) * Anteilsbasis
Sterblichkeitsrate
Gibt die Anzahl der Todesfälle pro 1.000 Menschen an einem bestimmten Ort in einem bestimmten Jahr an
Formel: Sterberate = (Anzahl der Todesfälle an einem bestimmten Ort in einem bestimmten Jahr/durchschnittliche Bevölkerung desselben Ortes im selben Jahr) * 1000
Vergleichen
vergleichen mit
Wird verwendet, um den Grad des Vergleichs zwischen den beiden zu beschreiben
Relatives Risiko (RR)
Gibt an, wie vielfach das Krankheits- oder Sterberisiko der exponierten Gruppe höher ist als das der nicht exponierten Gruppe, was auf die Stärke des Zusammenhangs zwischen Krankheit und Exposition hinweist
Quotenverhältnis (OR)
Drückt das Odds-Verhältnis des exponierten Anteils zum nicht exponierten Anteil in der Fallgruppe und der Kontrollgruppe aus.
Zusammensetzungsverhältnis (Zusammensetzungsindex)
Gibt den Anteil oder die Verteilung der inneren Komponenten eines Objekts oder Phänomens an
Merkmale
Die Summe ergibt 100 % oder 1
Es ist nicht möglich, gleichzeitig zu erhöhen oder zu verringern
Im Allgemeinen wird das Ergebnis auf zwei Dezimalstellen beschränkt.
Anwendungshinweise
Der Nenner darf nicht zu klein sein
Verhältnis und Rate können nicht gemischt werden
Berechnung der Konsolidierungsrate (Gesamtrate)
Vergleichbarkeit
Stichprobenfehler – Hypothesentest
Normalisierte Rate
Beim Vergleich von Prävalenz, Inzidenz, Mortalität und anderen Daten zweier verschiedener Gruppen können standardisierte Raten verwendet werden, um den Einfluss ihrer internen Zusammensetzung auf die Raten zu eliminieren
Statistische Tabellen und Diagramme
Statistiktabelle
Struktur
Tisch Nummer
Titel
Die obere mittlere Position des Tisches
Linie
Im Allgemeinen Dreileiterzähler
Nummer
Anmerkung
Wenn eine Erklärung erforderlich ist, kennzeichnen Sie dies bitte mit einem * in der Tabelle und schreiben Sie die Texterklärung unter die Tabelle.
zusammenfassendes Diagramm
Struktur
Titel
Unterhalb des Bildes nummeriert
Graphdomäne
Überschrift
Überschrift
Horizontale Überschrift
vertikale Überschrift
Legende
Skala
Einheit
Häufig verwendet
Histogramm
Streudiagramm
Liniendiagramm
Kreisdiagramm
Perzentildiagramm
hypothetischer Test
hypothetischer Test
Bedeutung
Schließen Sie anhand der Differenz zwischen den beiden Stichproben ab, ob die Grundgesamtheit gleich ist
Die Grundidee
Gedanke an Beweis durch Widerspruch
Die grundlegenden Schritte
1. Hypothesen aufstellen und Testniveaus festlegen 2. Testmethoden auswählen und Teststatistiken berechnen 3. Statistische Schlussfolgerungen auf der Grundlage der P-Werte ziehen
T-Test
T-Test bei einer Stichprobe
Sein Zweck besteht darin, zu vergleichen und zu testen, ob der durch den Stichprobenmittelwert X dargestellte Populationsmittelwert μ vom bekannten Populationsmittelwert abweicht.
Gepaarter Stichprobenmittelwert-T-Test
Klassifizierung 1. Homologe Paarung: Zwei Teile desselben Subjekts oder derselben Probe werden nach dem Zufallsprinzip zwei unterschiedlichen Behandlungen zugewiesen. 2. Heterogene Paarung: Um den Einfluss von Störfaktoren zu eliminieren, werden zwei homogene Probanden gepaart, um zwei Behandlungen zu erhalten.
zwei Arten von Fehlern
die erste Sorte
Kategorie 2
Vorsichtsmaßnahmen
Bevölkerungsmittelwertschätzung und Hypothesentests
Stichprobenfehler und Standardfehler
Häufig verwendete Methoden und Methoden
Methode
Parametrischer Test
Nichtparametrischer Test
Weg
Kritische-Wert-Methode
p-Wert-Methode
Konfidenzintervall
Normalitätstest und Variablentransformation
Normalitätstest
einfache Beurteilungsmethode
Grafische Darstellung
P-P-Diagramm
Q-Q-Diagramm
Hypothesentestmethode: P-Wert
Test auf Homogenität der Varianzen
F-Test
Levenes Test
Parameter Schätzung
Stichprobenfehler und Stichprobenverteilung
Konzept
Der durch die Stichprobe verursachte Unterschied zwischen einer Stichprobenstatistik und einem Populationsparameter
Stichprobenverteilung und Standardfehler des Stichprobenmittelwerts
Stichprobenverteilung des Standard-Stichprobenmittelwerts
Der Stichprobenmittelwert wird um den Grundgesamtheitsmittelwert verteilt
Mit zunehmendem n nimmt der Variationsgrad ab
Kleine Variationsbreite
Entspricht nicht unbedingt dem Gesamtmittelwert
Standart Fehler:
Gibt die Größe des Stichprobenmittelwertfehlers an und beschreibt die Zuverlässigkeit des Stichprobenmittelwerts.
Standardfehler = Standardabweichung / Quadratwurzel-Stichprobengröße
t-Verteilung
ist eine unimodale Verteilungskurve
Der Freiheitsgrad v ist der einzige Parameter
Stichprobenverteilung und Standardfehler der Stichprobenrate
Schätzung des Bevölkerungsmittelwerts
Punktschätzung
Verwenden Sie Stichprobenstatistiken, um Populationsparameter direkt abzuschätzen
Intervallschätzung
Konfidenzintervall
Ein Intervall wird verwendet, um den Bereich des Gesamtparameters gemäß einer bestimmten Wahrscheinlichkeit oder Glaubwürdigkeit (1-α) abzuschätzen. Dieser Bereich wird normalerweise als Glaubwürdigkeitsintervall oder Konfidenzintervall des Parameters bezeichnet. Glaubwürdigkeit oder Vertrauen wird oft mit 95 % oder 99 % angenommen.
Genauigkeit
Je näher die Glaubwürdigkeit bei 1 liegt, desto höher ist die Genauigkeit
Genauigkeit
Je kleiner die CL-Länge ist, desto höher ist die Präzision.
Schätzung der Gesamtrate
Verwendung der Stichprobenrate als Punktschätzung der Bevölkerungsrate
Wahrscheinlichkeitsverteilung von Variablen
Allgemeine Eigenschaften der Variablen
Normalverteilung
Konzept
Besonderheit
Unimodale Verteilung, die Peakposition liegt im Mittel
Konzentration, Symmetrie, gleichmäßige Variabilität
Hängt von μ und σ ab
Gebietsverteilungsrecht
Die Gesamtfläche zwischen der Normalkurve und der horizontalen Achse ist immer gleich 1
Binomialverteilung und Poissonverteilung
Bestimmung medizinischer Referenzwertbereiche
Definition: die meisten normalen Menschen
grundsätzlich
Die Stichprobengröße ist groß genug für normale Menschen
Bestimmen Sie Einzel- und Doppelseiten anhand der Indikatoreigenschaften
Angemessener Perzentilwert