卫生统计学核心概念与考试重点

"该资源是一份关于《卫生统计学》的考试题及答案要点，包含了名词解释、单项选择题等内容，涵盖了统计学基础概念、抽样方法、参数估计、假设检验、误差类型、统计推断以及各种统计分布和应用，如正态分布、方差分析、相关与回归等，同时涉及了卫生领域的特定指标，如人口统计、死亡率和健康状况评估。" 在《卫生统计学》中，我们首先接触到一些基本概念。计量资料指的是连续变量的数据，例如身高、体重；计数资料涉及离散事件的数量，如病例数；等级资料则是介于两者之间的，如疾病严重程度分级。总体是指所有研究对象的集合，样本是从总体中抽取的部分。抽样误差是由于未调查总体所有个体而产生的误差；频数表用于展示数据分布；算术均数是最常见的平均数；中位数是将数据按顺序排列后处于中间位置的数值；极差是最大值与最小值之差；方差衡量数据离散程度；标准差是方差的平方根，也是衡量数据波动的标准；变异系数是标准差与平均数的比值，用于比较不同量级数据的变异程度。 正态分布是一种对称的钟形分布，标准正态分布是均值为0，标准差为1的正态分布。统计推断是基于样本数据对总体参数进行估计或检验的过程。抽样误差在统计推断中不可避免，但可以通过增大样本量来减小。标准误是样本统计量的标准差，反映了样本均数对总体均数的估计精度。可信区间是估计参数可能取值的范围，概率上包含真实参数的概率称为置信水平。参数估计包括点估计和区间估计，而假设检验中的P值用来判断观察到的结果是否由随机造成，通常设定显著性水平（检验水准）来决定拒绝或接受原假设。I型错误是错误地拒绝原假设，II型错误则是错误地接受了原假设，检验效能则表示检测出真实差异的能力。 方差分析（ANOVA）用于比较多个组间的均值差异，随机区组设计是实验设计的一种，减少了个体间变异的影响。相对数如率和比例用于比较不同群体的特征，标准化法则通过调整不同群体的均值和标准差来消除变量尺度的影响。二项分布描述了独立重复伯努利试验的成功次数，Yates校正是二项分布近似正态分布时的小样本修正。非参数统计不依赖于数据的分布形式，适用于非正态分布数据。直线回归和相关分析用于研究两个连续变量之间的关系，相关系数衡量这种线性关系的强度，回归系数则描述了因变量随自变量变化的斜率。人口总数、老年人口系数、死亡率等是公共卫生领域的重要指标，它们反映了人口结构和健康状况。 在《卫生统计学》的单项选择题中，涉及到这些概念的应用和理解，例如观察单位是研究中的个体，总体由同质个体组成，抽样的目的是为了研究总体特性，参数是总体的统计指标，随机抽样意味着每个个体有相等的被选中机会。统计分析中，了解何时使用变异系数、极差或标准差来衡量变异程度，以及何时使用t检验、方差分析等方法比较样本均值，是至关重要的。此外，还要理解统计假设检验的基本原则，如检验水准和I型、II型错误的定义。