医学统计助手.功能简介

版本:V11.7 更新日期: 2023-05-23

医学统计助手,是专为医学统计而设计的,简单易用。功能有基本统计、卡方检验、t检验、z检验、秩和检验、Cochran Q检验、游程检验、方差齐性检验、方差分析、回归分析、相关分析、生存分析、聚类分析、离散分布、样本量估算、随机数和统计图等实用功能。

一、软件特点
      界面简洁,计算简便,直接输入数据点击计算就可以显示结果,没有大型统计软件的复杂操作,设计原则就是尽量减少操作步骤。体积小,速度快,无广告,无插件,无后门,注册后可断网使用,任何情况下不发送隐私信息。

二、软件安装

推荐360软件管家、腾讯电脑管家、联想应用商店内安装

蓝奏云 (推荐) 华军软件园(其他下载地址)

三、主要功能

(一)、基本统计:
1、描述性统计量;2、频数分布;3、正态分布;4、二项分布;5、Poisson分布。 

阅读更多


卡方检验计算器.功能简介

版本:V3.7 更新日期: 2023-05-23

在统计分析中卡方检验应用非常广泛,大型统计软件虽然功能强大,但操作相对复杂,而使用手工计算非常烦琐且易出错, 所以使用一款小巧的计算软件非常必要。卡方检验计算器是医学统计助手功能简化版,集成最常用统计检验功能,软件小巧实用,具有卡方检验、t检验、秩和检验、Cochran Q检验、方差齐性检验、方差分析和随机数等功能。

一、软件安装
      推荐腾讯电脑管家、联想应用商店内安装

     蓝奏云 (推荐) 华军软件园(其他下载地址)

二、主要功能

(一)、卡方检验:
1、四格表卡方检验;2、行×列格式卡方检验;3、配对资料卡方检验;4、R×R列联表检验;5、Fisher精确检验;6、卡方p值;7、批量计算。 

阅读更多


卡方检验计算公式

      卡方检验应用于两个率或两个构成比比较;多个率或多个构成比比较以及分类资料的相关分析等。 分类为独立样本卡方检验和配对样本卡方检验,独立样本卡方检验包括四格表卡方检验和行乘列卡方检验, 配对样本卡方检验分为四格表形式的配对资料卡方检验和R×R列联表卡方检验。
一、四格表卡方检验
      四格表方法卡方检验是卡方检验中最常使用的方法。卡方检验基于卡方分布,是一种常用假设检验方法,它的H0:观察频数与理论频数没有差别。 该检验的基本思想是:如果H0假设成立,那么实际频数与理论频数应该比较接近。如果实际频数与理论频数相差较大, 超出了抽样误差所能解释的范围,可以认为H0假设不成立。相应地,P≤α,根据小概率原理,拒绝H0,否则没有理由拒绝H0。
1.基本公式


自由度df=(行数-1)(列数-1)

2.专用公式

N≥40 且T≥5

3.连续性矫正公式

N≥40 且1≤T<5

4.n<40或T<1用Fisher精确检验,又叫确切概率检验

      在计算小样本的P值时,不能根据卡方检验公式计算,可以使用Fisher精确检验直接计算出P值,Fihser精确检验只适用于计算小样本计数资料。

阅读更多


卡方检验理论频数怎么计算

卡方检验,是用途非常广的一种假设检验方法,它在分类资料统计推断中的应用,包括两个率或两个构成比比较的卡方检验;多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。在进行卡方检验时,需要用到理论频数和实际频数。其中,理论频数是根据假设和样本数据计算得出的期望频数,而实际频数是实际观察到的频数。

卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度,实际观测值与理论推断值之间的偏离程度就决定卡方值的大小,如果卡方值越大,二者偏差程度越大;反之,二者偏差越小;若两个值完全相等时,卡方值就为0,表明理论值完全符合。

卡方检验基本公式:

式中A为实际频数,T为理论频数

理论频数T是根据检验假设H0成立的前提下计算所得的,理论频数公式为:

式中TRC为第R行第C列单元格的理论频数,也就是第R行第C列单元格的理论频数T=(第R行合计×第C列合计)/总例数

阅读更多


游程检验.医学统计实例详解

游程检验是一种统计方法,用于检测数据序列中的随机性。在许多领域,如金融、气象学、生物学和社会科学等,都需要评估观测数据是否具有随机性。随机性是许多领域研究的基础。对数据序列的随机性进行检验有助于判断数据是否受到某种系统性影响,或者是否具有某种潜在的模式。游程检验是一种常用的随机性检验方法,其基本思想是分析数据序列中连续相同值的子序列的长度(即游程),以判断整个序列是否具有随机性。

一、游程检验在医学统计中的应用:

在医学统计中,评估数据序列的随机性具有重要意义。通过检验数据的随机性,可以判断实验结果是否受到某种系统性误差的影响,以及评估患者生理信号的稳定性和异常。例如实验设计、生物信号分析、疫情分析等等方面。

阅读更多


多元线性回归分析.医学统计实例详解

多元线性回归分析是医学统计学中最常用的方法之一。在医学领域,通常使用多元线性回归来研究各种健康相关因素(例如血压、血糖、血脂等)之间的关系,并确定哪些因素对健康状况的影响最大。还可以用于预测某些因素对某种疾病或健康状况的影响。例如,要确定高血压的风险因素,可以使用多元线性回归来分析不同的因素(例如体重、饮食习惯、吸烟等)对高血压的影响,以便更好地了解高血压的发病机制,从而更有效地预防和治疗高血压。还可以用来研究药物治疗效果,使用多元线性回归来确定药物治疗的效果,例如治疗某种疾病后,血糖、血脂等生理指标的变化情况。

使用多元线性回归分析来研究患者的生活方式因素对胆固醇水平的影响。以年龄、体重指数(BMI)、每周运动时间和膳食纤维摄入量对总胆固醇(Total Cholesterol, TC)的影响。总胆固醇以mmol/L为单位表示。
示例数据仅做演示:

阅读更多


相关分析.医学统计实例详解

在医学统计中,相关分析是一种常用的方法,用于研究两个或多个变量之间的关系。使用相关分析可发现变量之间的线性或非线性关系,为后续的实验设计、临床研究和治疗策略提供依据。

常用相关分析方法有:

1.皮尔逊相关分析(Pearson Correlation),用于衡量两个连续变量之间的线性关系。皮尔逊相关系数(r)的取值范围为-1至1。r=1表示完全正相关,r=-1表示完全负相关,r=0表示无相关。

2.斯皮尔曼等级相关分析(Spearman Rank Correlation),用于衡量两个变量之间的单调关系,主要用于非线性关系或非正态分布数据。它通过计算原始数据的等级差异来评估关系,因此对异常值和数据分布较为稳健。

3.肯德尔等级相关分析(Spearman Rank Correlation),与斯皮尔曼等级相关分析类似,也是用于衡量两个变量之间的单调关系。它基于变量之间的配对观测值的一致性或不一致性来计算相关性。相对于斯皮尔曼相关,肯德尔相关对异常值更为稳健。

阅读更多


秩和检验.医学统计实例详解

秩和检验是一种常用的非参数假设检验方法,用于比较两个或多个独立或配对样本的中位数是否相等。在医学研究中,秩和检验常用于比较不同治疗方案或条件的效果差异,特别是在数据不满足正态分布假设的情况下。

一、配对样本秩和检验

配对资料秩和检验是一种常用的非参数假设检验方法,用于比较同一组体验受到两种不同治疗方案或条件的影响。在医学研究中,配对资料秩和检验常用于比较某种治疗前后的效果差异。

比较两种不同的药物治疗方案对糖尿病患者血糖控制的影响。随机抽取20名患者,每个患者在使用药物A和药物B治疗时,血糖控制指标进行评估。以下是每个患者在两种治疗方案下的血糖控制指标数据:

阅读更多