假设检验过去称显著性检验。它是利 用小概率反证法思想,从问题的对立面 (H)出发间接判断要解决的问题(H1)是否 成立。然后在H成立的条件下计算检验 统计量,最后获得P值来判断

第一节 试验设计概述 第二节 动物试验计划 第三节 试验设计的基本原则 第四节 完全随机设计 第五节 随机单位组设计 第六节 拉丁方设计 *第七节 交叉设计

第一节 多元线性回归分析 *第二节 复相关分析 *第三节 偏相关分析 *第四节 多项式回归 *第五节 通径分析

(1)可疑数据的取舍——过失误差的判断方法:Q检验法;格鲁布斯( Grubbs)检验法。确定某个数据是否可用。 (2)分析方法的准确性———系统误差的判断显著性检验:利用统计学的方法,检验被处理的数据是否存在统计上的显著性差异

一、正态分布(Normal Distribution) 二、概述: 三、正态分布是描述连续型变量值分布的曲线,许多医学资料服从正态分布。 四、直方图的频数分布与正态分布(见图2-4)

一、用编程的方法完成方差分析分析结果 1、 Source:变异来源 2、DF:自由度 3, ANOVA SS(Sum of Square) 离均差平方和 4、 Mean Square:均方 5、 Value:检验统计量F值 6、Pr>F:F值所对应的P值 The Power to Know

一、最佳选择题 1.(C)小,表示用该样本均数估计总体均数的可靠性大。 A.B.C.od..四分位数间距 2.两样本均数比较的t检验,差别有统计意义时,P越小,说明(C) A两样本均数差别越大 B两总体均数差别越大 C越有理由认为两总体均数不同 D越有理由认为两样本均数不同 E越有理由认为两总体均数相同

一、集中趋势(Central Tendency) 1, What is the most typical value? The Average: typical value for quantitative data The Weighted Average: Adjusting for importance The Median: typical value for quantitative and ordinal data The Mode: typical value even for nominal data 2, What percentile is it? Extremes, Quartiles, and Box Plots The Cumulative distribution function displays the percentiles

第一节两独立样本差别的秩和检验 第二节配对设计资料的秩和检验 第三节完全随机设计多组差别的秩和检验 第四节多组差别秩和检验的注意事项 第五节 Spearman秩相关

第一节 常用相对数及其应用 第二节 应用相对数需注意的问题 第三节 动态数列及其应用 第四节 率的标准化