Fisher精确检验是一种在统计分析中经常使用的方法，旨在评估两个分类变量之间是否存在显著关系。这种方法由罗纳德·A·费舍尔（Ronald A. Fisher）于20世纪20年代提出，并被广泛应用于小样本数据集的分析。与卡方检验相比，Fisher精确检验在处理低频观察值（如小于5）的情况下更为精确，因为卡方检验在这种情况下可能导致误差。
Fisher精确检验的基本原理是利用超几何分布计算观察数据出现的概率。它通常用于处理2x2列联表，这种表格包含两个分类变量，每个变量有两个水平。通过对比观察数据与随机分布数据之间的差异，可以判断两个分类变量之间是否存在显著关联。
当计算卡方检验时遇到n<40或T<1，或得到的概率P≈α时，需使用Fisher精确检验。
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：
一、t检验和方差分析的应用
1、t检验的应用
t检验主要用于比较两组数据之间的均值是否存在显著差异，例如比较两种手术方式对患者的术后疼痛程度是否有显著差异。在医学研究中，t检验可以用于比较不同手术方式或药物对患者的疗效差异。例如，我们可以采集两组患者的术后疼痛程度数据，分别使用A手术和B手术，然后用t检验比较两组患者的术后疼痛程度是否存在显著差异。
2、方差分析的应用
方差分析主要用于比较三组及以上数据之间的均值是否存在显著差异，例如比较不同年龄组对某项指标的反应是否有显著差异。在医学研究中，方差分析可以用于比较不同年龄组或不同性别组对某项指标的反应差异。例如，我们可以采集三组患者的血糖水平数据，分别为20-30岁、31-40岁、41-50岁的患者，然后用方差分析比较三组患者的血糖水平是否存在显著差异。
方差分析是一种重要的统计方法，用于比较两个或多个样本均值之间的差异是否具有统计学意义。它能帮助研究人员对不同治疗方法、药物或者其他因素的影响进行量化分析，从而为临床决策提供有力的数据支持。
一、方差分析应用
1、单因素方差分析，例如，在某项研究中，科研人员可能需要评估三种不同药物治疗高血压的效果。通过使用单因素方差分析，研究人员可以确定这三种药物在降低血压方面是否存在显著差异。如果发现显著差异，可以进一步使用多重比较方法来确定哪些药物之间存在显著差异。
2、多因素方差分析可以用来评估两个或多个分类变量（如性别、年龄组、基因型等）对某一数值变量（如血压、血糖等）的影响。例如，研究人员可能想了解药物治疗和患者年龄对高血压患者血压降低效果的影响。通过使用两因素方差分析，研究人员可以同时考虑药物和年龄因素，评估它们的主效应以及相互作用效应。
四格表卡方检验是医学统计学中常用的一种方法，用于确定两个分类变量之间是否存在关联。在医学研究中，四格表卡方检验被广泛应用于研究疾病和治疗方法之间的关联，以及预测疾病发展的风险因素。
四格表卡方检验基于一个二维表格，也称为四格表。表格中的行和列分别代表两个分类变量。例如，行可以代表男性和女性，列可以代表吸烟和不吸烟。表格中的每个单元格代表两个变量的交叉部分，例如男性吸烟者的数量。四格表卡方检验的目的是确定这些变量之间是否存在关联，如果存在关联，则表示两个变量之间有统计学上的显著性关系。
四格表卡方检验的原理是基于比较实际观察值和期望值之间的差异。实际观察值是指在样本中观察到的数据，而期望值是指在假设无关联的情况下，预计会发生的数据。通过比较实际观察值和期望值，可以计算出卡方值，该值越大表示观察到的数据与假设无关联的期望数据之间的差异越大。
卡方检验是一种经典的统计方法，用于确定观察到的数据与期望数据之间的差异性。在医学领域，卡方检验被广泛应用于研究疾病的发病机制、诊断方法和治疗效果等方面。
1.研究疾病的危险因素：卡方检验可用于比较两组人群中某个危险因素的分布差异是否显著。例如，一项研究发现吸烟者患肺癌的风险明显高于非吸烟者，那么可以用卡方检验来验证这种差异是否具有统计学意义。
2.评估诊断方法的准确性：卡方检验可用于评估某个诊断方法的准确性和可靠性。例如，对于一种新型肿瘤筛查方法，可以将其结果与已知的阳性和阴性病例进行比较，然后用卡方检验来检验其诊断准确性是否达到统计学标准。
3.比较治疗效果：卡方检验可用于比较不同治疗方法或药物的疗效。例如，在一项治疗糖尿病的研究中，可以将两组病人的治疗结果进行比较，然后用卡方检验来检验不同治疗方法的效果是否具有统计学意义。
4.研究基因型和表型之间的关系：卡方检验可用于研究基因型和表型之间的关系。例如，研究人员可以通过卡方检验来验证某个基因是否与某种疾病的发生率有关。