統計學抽樣方法
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇統計學抽樣方法范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
統計學抽樣方法范文第1篇
關鍵詞 體育科學 體育科研方法 體育統計
中圖分類號：G80 文獻標識碼：A
近20年體育統計在我國已經成為十分重要和最常用的體育科研方法。但是，與此同時也有不少體育學術研究，誤用統計方法，乃至以掛上統計公式作為“科學性”的幌子，使體育統計界同仁和體育科研工作者感到不自在。體育統計專業委員會也認為應該作一些有關體育統計和體育科研方法的詮釋，以減少體育統計方法的誤用，提高體育科研水平。
1中國體育統計現狀概要
在80年代以前，包括體育統計在內，我國應用統計學科處于萎縮狀態。改革開放后，統計方法的應用與統計教育重新得到重視。80年代初，教育部在武漢與襄陽兩地舉辦體育統計教師培訓，培養了改革開放后新一代的體育統計的師資與各地體育統計學術骨干。此后，體育院校、師范院校的體育系逐步開設了體育統計課程。1981年在研討師范院校體育統計教學大綱的時候，成立了全國體育統計研究會。在中國體育科學學會的積極支持下，1984年成立了中國體育科學學會體育統計專業委員會。近20年間，許多統計方法在體育領域得到應用，如抽樣理論、實驗設計、估計理論、假設檢驗、決策理論、非參數統計、序貫分析、多元分析、時間數列等都已有研究成果的發表或報道。
然而，我國從80年代開始重新普及體育統計，與20世紀初已經發表因子分析應用研究的美國，或70年表《行動科學的因子分析》專著的日本相比，難免顯得基礎薄弱。正如著名社會學家教授所說，“一個學科，可以揮之即去，卻不可能招之即來”。于是就出現了評析體育統計應用情況的論文，如楊震的《體育統計中應注意的問題》，梁榮輝的《體育科學研究中應用統計方法需注意的問題》，劉煒的《線性模型在體育科研中應用的常見誤區》等等。要解決這些問題，不僅是統計知識的問題，也有科研方法的問題。因此必須從科學的發展，俯視體育科學研究方法，從統計學的發展端詳體育統計現狀。
2統計學的發展
要了解體育統計的發展趨勢，有必要簡要了解統計學的發展。
人類的統計活動有悠久的歷史，古代已有統計整理描述的應用；13世紀歐洲有國勢調查；17世紀英國的配第發表了《政治算術》；1790年美國第一次人口普查，同時農業普查；1853年由比利時政府邀請，在布魯塞爾召開有26個國家150人參加的第一次國際統計會議；1857年，恩格爾根據家庭收入越多，則飲食支出的比例越小這一法則，引申出恩格爾系數，以飲食支出的比例作為度量生活水平升降的標準，它一直延用至今；1903年德國柏林的第九次國際統計會議上，抽樣調查得到世界上多數統計學家的認同； 1930年前后美國舉行蓋洛普民意測驗。19世紀中期奠定了概率論的理論基礎。19世紀中葉起，數理經濟學、生物計量學和應用數學促進了數理統計的形成和發展。社會統計學、社會經濟統計學和數理統計學構成了現代統計學的枝葉。現代數理統計學可以分為兩個側面：一是理論數理統計學，它研究抽樣理論、實驗設計、估計理論、假設檢驗、決策理論、非參數統計、序貫分析、多元分析、時間數列與博弈論等；二是應用數理統計學，高爾頓、K?皮爾遜用于生物學，埃奇沃思、鮑利用于經濟學，R.A.費希爾用于遺傳學、農學。在宏觀層次上，科學系統的發展主要表現為整體化、高度數學化和科學技術一體化。數學的應用已突破傳統的范圍而向人類一切知識領域滲透。二次大戰以來，統計學的巨大進展已使它成為數學科學的重要而獨特的組成部分。
21世紀，統計學將面臨更大的挑戰。統計作為由觀察樣本獲得盡可能多的總體信息的方法，關系到信息的本質和數據處理。計算機與信息化的時代，爆炸式積累的信息與數據必須借助于統計學才能得到充分有效的利用。大規模的信息處理所遇到的信息壓縮、特征檢測、可靠性分析，以及數字、符號、圖形乃至語言的加工等一系列問題，都要依靠統計方法與計算技術來解決。現實中的許多統計難題需要引進新的統計概念與方法甚至理論體系。當然對于體育統計的這些問題，就目前的研究力量與人才資源，是難以承擔如此重任的。
計算機與商品化大型統計軟件的出現，為統計學的發展提供了技術上的可行性，使更多的人有可能進行大樣本數據處理和多元分析。可以預見，體育院校統計教學研究都將使用專業化的大型統計軟件。即將改版的體育統計教材，已將spss的使用列入教學內容。科學、統計學的發展給體育統計和體育科研奠定了寬厚的基礎，那么體育統計和體育科研的關系又如何呢？
3體育統計與體育科研方法
3.1體育科研的復雜性
雖然體育對于健康和社會的作用已被社會各界接受。然而，體育學科的復雜性還未被教育界乃至社會所理解。體育外在粗獷，卻蘊含了眾多的自然學科和社會學科，而使投身體育的研究者感到力不從心。誰也無法夸口能解決體育科學的眾多難題。體育與健康的研究，涉及醫學、生理學、心理學、人類學、健康社會學、抗衰老的研究等等；體育的動作技術分析會涉及理論力學、材料力學、流體力學、空氣動力學和解剖學等等；運動訓練理論會涉及技能學習、體能的提高和戰術，它與生理、生化、心理、認知科學、博弈論以及教育科學的許多理論直接相關。許多體育科研，出身于相關學科的研究人員，會因為沒有從事體育的感性知識而產生困難，競技體育的研究會因為沒有體驗訓練而難以深入。顯然，在體育科研中狂妄、自負只能反照自己的淺薄。
3.2體育科研中統計方法應用的幾類問題
3.2.1實驗設計的基本原理
雖然研究有專業設計，但是無論你研究自然現象還是社會現象，大多需要實驗或調查。
無論是實驗設計還是調查設計都離不開統計。最基本的我們應該了解實驗設計的三個基本原理：重復，隨機化以及區組化。由重復使我們得到實驗誤差估計值與效應值更精確的估計；由試驗對象、試驗次序等隨機化使觀察值或誤差為獨立分布的隨機變量，就可以使用各種統計方法；由相似試驗對象的區組化使我們可能提高實驗的精確度。如果不注意基本原理，你的研究難免出現方法錯誤。
3.2.2實驗方法
體育的影響因素，如運動強度等，常常是難以控制的，實驗對象經常是人，常難以齊同對比，不便重復試驗，還不能對實驗對象造成傷害等，這使許多主要源于農業試驗的試驗設計，很少能應用于體育。因此，需根據具體研究目的、研究對象等制約因素，慎重選擇合適的試驗方法。
3.2.3取樣
無論是試驗還是抽樣調查都需要樣本。由于經費、工作量或對抽樣方法了解不夠等原因，在體育科研論文的研究方法里，包括不少學位論文，對于抽樣方法沒有明確的交代，抽樣方法有較大的隨意性。如果精度要求不高，僅作探索性研究，而不是由樣本推測估計總體，有時也可用非概率抽樣。社會科學中的大樣本研究，有時也用非概率抽樣。但是，離開了概率抽樣，許多統計方法就失去了應用的前提。概率抽樣有多種方法，適用不同的情況。因此從研究方法的嚴密性看，需要在體育科研方面增補這方面的內容。
3.2.4統計分析方法
現代統計學可以借鑒的方法應該有不少，在體育統計基礎相對薄弱，原創方法幾乎沒有的情況下，對于體育統計分析方法，首要的是開闊視野，學習、應用前人或相關學科已有的統計方法。在此基礎上，研究前人已有方法不能解決的、有待建立的體育統計方法。當然，方法的建立相當困難，必須重視人才的培養和引進。按照前20年的進程，期望建立新的體育統計方法，形成較為完整的體育統計學科，都是十分困難的。
目前，體育統計應用中存在不少問題，這些問題的根源還是在于對統計基本理論的理解。如：
（1）推測性數理統計是由樣本研究總體，由于樣本信息是不完整的信息，必然有抽樣誤差存在，必然有出錯的可能性。而在統計分析中卻有人得出完全肯定或完全否定的結論。
（2）統計方法僅僅對試驗的可靠性和有效性提供準則，但是并不證明變量間的因果關系。如均數比較的假設檢驗，可以給出比較對象來自同一總體的概率，但統計分析不可能給出它的原因，比如并不說明訓練方法好壞等。
（3）實際的差別顯著與統計顯著性的差別。雖然統計上的顯著性與差別大小有關，但是它的直接含義是來自同一總體的概率大小，而不是你誤指的差別大小或差別顯著。
（4）當訓練強度與成績提高相關，P
（5）統計方法為研究目的服務，要選擇合適的方法，而不是選擇復雜的方法。
（6）統計模型對于數據的測度水平，變量是連續型還是離散型，是計數資料還是計量資料，相關變量是對稱還是不對稱等等有不同的要求，所以在研究設計的時候就要考慮統計分析的方法。
（7）體育問卷調查有大量的名義（定類）測度與序次測度。不能不問數據資料的測度水平，一概用均數表示集中趨勢，用標準差代表離散程度，用它們作線性回歸、因子分析等等。
（8）不注意模型要求亂套統計公式。如不知變量的分布，作小樣本的t檢驗；在自變量間關系過于密切的情況下作回歸分析，在變量間關系不密切的情況下作因子分析。
4用好體育統計方法，提高體育科研水平的建議
（1）科學數學化特征及科學發展趨勢。可以預見，體育科學必然向數學化方向發展，體育統計無論對于體育自然學科或體育社會學科都將成為重要的研究方法。體育高等學校應重視體育統計學科對于體育科學發展的重要作用。體育科研人員應從方法論高度學習科研方法，吸收相關學科的研究方法。
（2）體育統計要注重抽樣研究本質的研討。重視與概率相聯系的思想方法，研究相關學科的統計方法，加強方法的移植研究，明確統計方法建立的條件，避免統計方法誤用。
（3）體育科研應加強實驗設計、抽樣研究及社會科學常用統計方法的普及。提高體育科研人員應用國際通用統計軟件包的能力。
（4）體育統計學科的縱深發展必須有跨學科人才的引進與培養。
參考文獻
[1] 侯燦.醫學科學研究入門[M].上海：上海科學技術出版社，2010
[2] 王維.科學基礎論[M].北京：中國社會科學出版社，2005.
統計學抽樣方法范文第2篇
n. balakrishnan
methods and applications of statistics in the atmospheric and earth sciences
2012，384p
hardcover
isbn9780470684443
n. balakrishnan著
地球和大氣科學中，簡明而全面的統計學方法對于收集和理解數據是十分重要的。本書由100多位地球和大氣科學領域頂尖的從業人員和研究人員提供素材，全面揭示了當前的地質、農業、動物和地球科學領域的數據收本文由收集整理集和分析方法。同時，本書還論述了與調查方法相關的技術和計算機統計方法，包括一些新興的研究方向，如：地區天氣的非線性預測、工程地質調查和水污染評價。
統計學抽樣方法范文第3篇
1 學生對統計學認識不足，不知統計學有什么用
1.1 不知統計學為何物，總以為是數學的延伸
由于在中國大學里面統計學過去一直被認為是數學的一部分，過去以及現在的很多統計教材和統計教學都有濃厚的數學味道，這使得目前我國統計教學過程中存在一些問題或誤區。商務統計課程雖然加了“商務”二字，但重心仍是統計，所以對統計學的各種錯誤看法在商務統計教學中也經常出現，獨立學院的學生經常會問到“商務統計和高數哪個更難”。這看起來只是一個非此即彼的簡單問題，其實反映出來的是獨立學院學生的一個特點：懼怕數學，懼怕與數學有關的課程。為此需要讓學生明白：統計學不是數學，統計學是一種哲學，是一種指導行為的方法，商務統計則是將這種哲學思維應用到商務領域，所以更加不是數學。數學是以公理為基礎，以歸納演繹為基本思想方法的邏輯體系，邏輯正確，則結果正確，邏輯錯誤，則結果也是錯的；統計學的研究需要在各種假設的基礎上來研究未知的對象，所以統計學的結論是不能證偽的，統計學里沒有“對”和“錯”，只有“好”和“壞”，這與數學差別很大。我們要做的只是在眾多的可能中找出最可能，然后據此來進行各種推理，做出我們認為最正確的決策。
1.2 從實際問題出發，從具體數據入手
分析數據、提出對策是讓學生理解統計、應用統計的必經之路，所以在商務統計的教學中也應多讓學生做一些開放式的習題，讓他們真正利用學到的統計知識去解決實際問題，而少要學生進行枯燥的公式推導，把統計知識的應用放到重要位置，這樣才不會把統計課上成數學課。
讓學生明白統計知識的應用領域是非常廣泛的，可以在上課的相關章節插播一些與統計有關的影音資料。例如在講解條件概率的時候，可以讓學生觀看世界德州撲克大賽決賽的視頻，這個決賽視頻的特點是牌面上每發出一張新的公共牌，后臺就會根據對陣雙方的手牌和當前的公共牌情況計算出當前情況下對陣雙方獲勝的概率各為多少，并且這個概率會一直更新，直到比賽結束。非常直觀，且淺顯易懂，能夠很好地讓學生明白條件概率的本質就是在當前已知的數據基礎上對未知事件做出的概率判斷，已知的信息有變化，由此得出的概率也會跟著變化。這既能讓學生明白條件概率的本質，又能讓學生明白條件概率的具體應用。這局比賽的過程跌宕起伏，在最后一張公共牌發出之前本場比賽對陣雙方獲勝的概率分別為90%和10%，但最后的結果卻是獲勝幾率只有10%的選手取得了勝率，這就能讓同學們更加明白統計學的結論沒有絕對的“對”和“錯”，只有相對的“好”和“壞”。
2 學生數學基礎較弱，對統計學有畏難情緒
2.1 數學基礎薄弱，畏懼公式定理
獨立學院商務統計課程的開設對象都是非統計專業的學生，這些學生的特點是數學水平參差不齊，在獨立學院里，學生們的數學基礎本來就較為薄弱，較大一部分學生對數學類課程興趣不大，直接導致他們大一的數學類基礎課學得并不扎實，面對一門公式和數據遍布書本的商務統計課程，大家第一印象就是數學，第一反應就是畏懼，直接導致學習熱情大減。目前有些獨立學院所選的商務統計教材在理論方面過于偏重數學公式的推導，仍然有比較復雜的積分求導等運算，這也會讓學生望而生畏。還有部分商務統計的教材只是把統計學教材里的例題換成了商務案例，，而對知識的實際應用卻較少提及，這樣的教材也不適合獨立院校的學生。
2.2 簡化數學推導，講解定理內涵
首先，商務統計教材的選擇應以應用為導向，學習難度上以應不需要很深奧的數學知識為標準，只需要具有一些代數方面的常識即可。筆者任職的獨立學院經過長期的教學探索，最終在學科專家的建議下選擇了辛辛那提大學戴維安德森等三位教授編著的《商務與經濟統計（精要版）》的中譯本作為教材，這本書最大的特點是簡化了繁瑣的公式推導與證明，緊密地將統計學與商務和經濟實踐相結合，既介紹了統計的方法，又介紹了統計學在商務與經濟領域中的實際應用，真正以應用為導向，在每一章的開篇部分都有一個實踐案例，學生能夠一開始就對即將學習的概念或原理有一個感性認識，且這些案例又都新鮮有趣，大大提高了學生的學習興趣。
其次，在教學過程中應盡量少出現數學推導，而應盡可能以淺顯易懂的語言向學生講授那些數學推導難度較大而又非常重要的公式、定理。例如中心極限定理，這個定理在統計推斷中非常重要，但其證明過程較難，這時候可以向學生非常直白地闡述這個定理的思想，筆者常舉的例子就是平均身高，如果隨機選取班上30個同學，測量他們的身高然后求出平均值，那么這個平均身高是否有可能為180cm？是否有可能為150cm？顯然是不太可能的。因為隨機抽到的30個同學里面應該是有高有矮的，所以他們的平均身高也不應該是180cm或者150cm這種較為極端的情況，而更可能的是一些比較正常的數字，例如160cm～170cm，也就是說這個平均值取到極端值的可能性比較小，而取到正常值的可能性比較大，這不就是正態分布所描述的情況嗎？這個時候學生就能很輕松地理解中心極限定理：從總體中抽取一個樣本，當樣本容量足夠大時，樣本均值的抽樣分布就近似服從于正態分布。有了感性地認識后，再回過頭來看這個定理就能更加有針對性地去理解定理里面的每一個專業術語和限制條件，這樣就能更加有效地記憶和應用這個定理，然后再結合統計軟件，用電腦逐步演示樣本容量從小到大變化時的樣本均值的抽樣分布的曲線圖，那效果就更好，這樣，一個統計學里的重要定理就會深深植根在學生的腦海里了。
最后，獨立院校商務統計課程里的“商務”二字不應只是體現在案例本身的商務屬性，除此之外應更多體現在計算過程的簡化和對實際結果的分析上。積分的計算應以均勻分布為主，其他的積分計算完全可以依靠附錄表格或統計軟件進行查詢和計算，這樣有以下三個好處：
第一，可以規避繁瑣的積分計算，讓學生明白數學不好也能學好商務統計這門課，這對獨立院校的學生來說是一個重要的心理暗示。
第二，可以節約大量的演算時間，而將更多的精力放在統計知識的應用方面：分析數據和理解數據。
第三，可以讓學生明白，現在的統計分析很多都是能用統計軟件直接完成的，不需要紙筆演算，我們的學習目的是要能理解數據后面隱藏的深層信息，而不是拘泥于繁瑣的公式推導，這樣就能調動學生在統計實操課上的學習熱情，因為熟練掌握一種統計軟件就能在很大程度上彌補他們在數學計算上的不足，同時還能輕松地完成統計分析，這正是學生希望達到的效果。
3 獨立學院商務統計教學實施策略
3.1 從簡單的實際問題出發，啟發式教學
興趣是最好的老師，這點對獨立學院的學生同樣適用。我們可以多在教學環節中將統計知識加以應用。例如在獨立學院學生較為關心的點名問題上，一次統計知識的小小應用很可能讓他們對統計產生新的認識，筆者曾在“總體比例的點估計”這一小節課程中向學生展示了這個估計的實用性，當場做了個小實驗：估計課上的缺勤人數，然后決定是否點名。這個實驗方法非常簡單，學生也很感興趣。具體情況如下：114個人的班級在一個座位數為12排12列的教室上課，隨機抽取其中三排座位，一共36個座位，然后清點這三排座位里面的空位，結果發現空位共有11個，由此可以得到這三排座位的上座率為：
由于缺課人數較多，于是決定點名，并請同學們一起記錄缺勤的人數，結果發現有15個同學缺勤，跟我們的估計值14非常接近，教室里當場響起了熱烈的掌聲，能夠感受到同學們的驚訝之情。接著就告訴學生這個估計之所以非常準確，是因為我們抽樣時選擇的三排座位處于教室的中間位置，就座情況比較均勻，如果我們選擇的樣本中正好包括教室第一排，那就會出現一個比較大的抽樣誤差，因為在大教室上課時坐第一排座位的學生很小，這一排入選樣本可能會導致我們對整個教室上座率的低估。講到這里同學們就對抽樣誤差有了較為直觀感性的認識。最后再讓同學們一起幫忙想辦法，看看如何解決這個抽樣過程中可能會出現的抽樣誤差較大這一問題，這時候大家熱情很高，因為這個問題不再是一個枯燥的統計學里的過于理論的抽樣問題，而是一個他們看得見且天天接觸的實際問題，最終有同學想到了一個非常有效的解決辦法，就是不要整排抽樣，而應整列抽樣，因為整個教室幾乎沒有出現過某一列大量空位的情況。這的確是一個非常有效的解決方法，多么聰明的學生。師生的有效互動確實是提高教學效果的有力手段，正確的引導也確實能調動學生的學習熱情，啟發式教學的重要性不言而喻。
統計學抽樣方法范文第4篇
統計設計是整個研究中最重要的一環,是研究工作應遵循的依據。常見的統計設計問題有:忽視組間均衡性,樣本缺乏代表性,樣本例數不足,未設置對照組,未隨機分組,未提出統計分析方法等。針對以上問題,在科研設計中一定要遵循實驗設計的四大原則即“隨機、對照、均衡、重復”的原則[6]。
1.1不遵循或不重視隨機化原則
隨機化是科研設計的重要原則,直接影響研究結果的可信度。隨機化既要隨機抽樣,還要隨機分組,并有足夠的樣本量作前提。然而,在醫學論文中許多作者對此不夠重視,主要表現在論文中統計處理隨機化不突出,隨機化缺失情況比較常見,有的論文甚至將隨機誤解為隨意、隨便,不采用隨機化處理方法,導致結果缺乏可靠性。還有些文章中沒有提出“隨機”抽樣的設計與方法,沒有排除標準,給人隨意選擇病例之感,且病例數少,因此沒有代表性,所得出的結論不可靠。部分文章雖然注明了“隨機”,但未提及采取什么方法進行隨機化研究或兩組間的例數相差甚遠,不符合隨機化的一般規律,沒有臨床參考價值[7]。
1.2缺少對照研究或對照組設計不合理
正確設立對照是臨床或實驗研究的一個核心問題,設立對照的意義在于說明臨床試驗或實驗研究中干預措施的效應,減少或防止偏倚和機遇產生的誤差對試驗結果的影響。目前,國內許多期刊發表的論文對照組設計不合理現象比較普遍,尤其有些作者對某種新藥或新技術在臨床的應用觀察研究中,不設對照組,缺乏對照觀察,得出的結論缺乏科學性,令人懷疑。有的文章雖然設立了對照組,但在分析結果時,卻沒有將試驗組與對照組的結果進行比較,而僅將各組間的自身前后進行比較,從而使該研究失去對照意義。對照組選擇不當,還表現在兩組間重要的臨床特征和基線情況相差太大,無可比性,如性別、年齡、病情、經濟情況和文化程度等不一致,如有些論文將健康人或志愿者作為對照組,使結果受到非處理因素的影響,產生偏倚或系統誤差,使結論不可信[7]。
1.3均衡性原則掌握不夠
均衡性原則要求實驗中的各組之間除處理因素不同外,其他可控制的非處理因素要盡可能保持一致。特別對疾病預后有重要影響的臨床特性一定要在組間分布均衡。各組間越均衡,可比性越強。有些作者在對病例進行分組時,忽視了均衡性原則,兩組之間沒有可比性,結論自然是錯誤的。具體表現在:有的文章對治療組與對照組的相應統一指標沒有設在均衡的水平上。對治療組情況交代的比較詳細,而對對照組的年齡、性別、病情等不予交代,或所選對照組的年齡與治療組不在一個年齡段,影響了作者對指標的觀察[7]。
1.4重復的原則掌握不好
所謂重復,一是指重復試驗或平行試驗,二是指各樣本組的例數要有一定的數量,即樣本的例數要足夠大。雖然隨機化是增強非處理因素均衡性的重要方法,但當各組內例數過少時,盡管采用了隨機化分組的方法,也難以保證非處理因素的均衡一致。在隨機化分組的基礎上,只有樣本例數足夠大,才能使非處理因素均衡一致,同時也才能使抽樣誤差減小,增強樣本對總體的代表性。一般來說,在隨機分組的前提下,樣本例數越大,各組之間非處理因素的均衡性越好;但當樣本量太大時,往往又會給整個實驗和質量控制工作帶來更多的困難,同時也會造成浪費。為此,在實驗設計時,還應保證在實驗結果具有一定可靠性的前提下,確定最少的樣本例數。一般說來,計數指標每組樣本不得少于20~30例,計量指標每組樣本不得少于5~10例。在多因素分析時,一般認為樣本例數至少為觀察指標的5~10倍[8]。
1.5樣本的含量
樣本的含量的大小直接影響到結論的可靠性。樣本量過少,則抽樣誤差大,結果可靠性差,且經不起重復驗證;反之,盲目加大樣本量也會造成人、財、物的浪費,同時也造成非抽樣誤差增大。故應在保證研究結果精確可靠的前提下,確定最小的樣本量。如某篇論文報道某藥治療的臨床療效,實際總例數為10例,其中6例有效,于是作者得出有效率為60%。顯然,有限的病例數不能充分說明該藥是否有效,作者貿然得出結論,容易給他人造成假象甚至誤導[9]。
2統計方法選擇與使用不當
在選擇統計方法之前,首先應確定研究資料是計數資料還是計量資料。只劃分其類別而得到的資料為計數資料,也叫定性資料,如根據治療結果計算出的治愈率、陰性率、陽性率等。測定某個具體數值而得到的資料為計量資料,如血壓值、血細胞計數、血氧分壓測定等許多物理診斷和化驗檢查的結果。目前,醫學論文中計數資料最常用的統計方法為χ2檢驗,計量資料最常用的統計方法為t檢驗。值得注意的是,各種假設檢驗方法均有其適用條件,應根據資料特點來選用最適當的方法。均數與標準差分別是描述正態分布資料集中和離散趨勢的指標。能否選用“均數±標準差”來描述某一資料的分布特征,關鍵看該資料是否符合正態分布。當資料不符合正態分布或方差不齊時,應將資料轉換使之符合正態分布,方差齊性后再用t檢驗或方差分析,否則用秩和檢驗。有些作者在使用t檢驗時,未考慮到上述適用條件而盲目使用,造成統計學處理不當或統計學計算錯誤[10]。
2.1統計指標應用不當
2.1.1描述計量資料的統計指標描
述計量資料的統計指標主要有平均數指標(算術均數、中位數M等)和變異指標(標準差s和四分位數間距Q等),在應用時一定要注意它們各自的適用范圍。對于非對稱分布資料,算術均數不能反映數據的平均水平,應采用中位數描述。一般地,正態資料或對稱資料用描述,偏態資料用M和Q來描述。在不能確定數據的分布類型時,應選用M和Q進行統計描述。四分位數間距Q是75%分位數P75和25%分位數P25之差,即Q=P75-P25,所謂百分位數Px是將全部觀察值分為兩部分,理論上x%的觀察值比它小,(100-x)%的觀察值比它大,中位數M是50%分位數P50。、s、M、Px與Q可通過統計軟件直接輸出[9]。
2.1.2描述計數資料的統計指標描
述計數資料的統計指標有絕對數和相對數。絕對數是原始資料經匯總得到的小計或總計數。相對數是兩個有關的絕對數之比,主要包括率和構成比(百分比)。醫學論文中相對數應用的主要問題之一是分母較小。分母較小時,相對數的可靠性不能保證,在這種情況下,宜直接用絕對數進行描述而不宜計算相對數。醫學論文中相對數應用的主要問題之二是將構成比誤用來說明事物發生的強度。構成比只能反映事物的內部構成,不能說明事物的發生強度。醫學的研究對象主要是人以及與人體有關的各種因素。由于生物現象的變異較大,各種影響因素又錯綜復雜,研究常是抽樣觀察,使事物本質差異與抽樣誤差混雜,故需用統計方法透過偶然現象來探測其規律性。如果不能正確運用統計學方法,造成統計學上的偏差或失誤,就很容易把本來成功的結果當成失敗而放棄,或把失敗的教訓誤認為成功的結論而加以宣傳。在進行科研設計時要嚴格遵循科學的統計學分析方法,不能留下隱患,否則,再高明的統計學專家和統計學軟件也無法彌補科研設計缺陷造成的損失。總之,統計學分析在醫學研究和論文寫作中意義重大。作者在撰寫論文時,應注意識別、總結有代表性的、有借鑒意義的統計學領域的缺陷、失誤或錯誤的多發點,特別留心易出現統計錯誤的險區,從而使論文中的統計學問題減到最低限度。認真檢查、仔細核驗,盡量避免上述錯誤,必要時還可以請統計學專家幫助把關[12]。
2.2統計方法描述或選擇不當
統計方法選擇非常重要,它直接影響結論的可靠性[12]。臨床資料的結果變量可分為計數資料、計量資料和等級資料。計數資料指將觀察對象按兩種屬性分類,如生存、死亡,治愈、未治愈,有效、無效等,通常轉化為率。如果是兩組間的比較,則采用四格表χ2檢驗或其校正公式,如果是多組間率的比較,則采用行×列表資料χ2檢驗。計量資料指對某一個研究對象用定量的方法測定某項指標得到的資料,一般均有計量單位。通常資料呈正態分布時,兩組間均數比較用t檢驗,多組間均數比較用方差分析和q檢驗。當資料不呈正態分布或方差不齊時,也可用秩和檢驗等非參數檢驗法。
2.2.1統計方法描述不清
醫學論文中常可發現作者未交代所用的統計方法,如是配對設計的t檢驗還是成組設計的t檢驗,是Ridit分析還是χ2檢驗,是作相關分析還是作回歸推斷。統計方法交代不清或根本不予交代,使讀者對論文結論的正確與否無法判斷。有的作者只提一句“經統計學處理”后,就寫出結論。有的甚至直接用P值說明問題,籠統地以P<0.05或0.01、P>0.05便稱結果差異有無顯著性,P值的大小不說明差值的大小,它還與抽樣誤差大小有關[13]。因此,還應寫明具體的統計方法,如有特殊情況,還應說明是否采用了校正,應寫出描述性統計量的可信區間,注明精確的統計量值和P值,然后根據P值大小作出統計學推斷,并作出相應的醫學專業結論。
統計學抽樣方法范文第5篇
1.1學生對統計學不夠重視
在目前非統計專業的統計學教學中，學生對統計學的認識不夠深入，統計意識淡薄，重視程度不夠。一提及統計，很多學生僅能聯想到統計局、大量統計數據和統計報表等，很難將統計學與自己本身的專業聯系起來，并且認為統計學與實際聯系不大，無法學以致用，因此重視程度也僅停留在獲得學分的層面上。加之學時有限，教師很難在有限的時間里講授數理統計、探索性數據的挖掘、多元統計方法、西方統計制度等新的內容。
1.2課程內容不夠規范
在教學內容上，目前沒有統一規范的教材，而且不同的教材側重點不同。教師在教學內容上多是以統計工作過程為主線，先后介紹統計調查、統計整理、統計指標、時間數列、指數、相關與回歸、抽樣推斷等內容，但有的側重于數理統計方法，在抽樣推斷上花大量的時間，而有的又側重于傳統統計方法，在其它章節上下較大的功夫。
1.3教學方法不夠多元化
教學方法對于教學質量至關重要。但目前統計學教學仍然是以教師講授為主，學生被動地接受知識的傳輸，“啟發式”教學方法應用的還不夠，而且缺乏師生之間的互動和交流。在教學內容上重理論、輕實踐，忽視發展與變化，教會了理論知識，卻忽視了應用知識。在這種傳統的統計教學模式下，學生或許學會了怎樣計算平均指標、抽樣誤差等，但這對提高學生的統計實際應用能力極為不利，而且在學習過程中學生容易產生統計學既難學又枯燥無味的情緒，不利于發揮學生的積極性和創造性。
1.4考試形式和方法過于單一
目前統計學課程的考試形式和方法基本上是以閉卷的形式考查學生對知識的記憶和理解。雖然這種考試模式較充分地考慮了知識本身的邏輯性，并將其與學生的認識發展過程相結合，易于組織教學，但它由于過分追求學科知識的完整性，容易使理論脫離實際。由于考試內容嚴格按照考試大綱，主要以課本上理論知識為主，這就導致教師傳授給學生的前沿知識較少，甚至教師課堂講課本，學生課后背課本，其實際應用能力得不到培養。
1.5文、理科學生的構成比例問題
目前大多高校的經管類專業都是文、理科學生兼收的，同一個專業乃至同一個班級里面可能既有文科學生，又有理科學生。文、理學生的混合構成會給教學過程帶來很大困擾，難以實施因材施教的方略。而統計學又是一門對數學基礎要求比較高的學科，它涉及到了微積分、概率論、數理統計等多門數學理論課程，尤其在抽樣推斷部分，要求學生具有較強的邏輯推理能力。而一般來說，文科學生的數學功底比較差，邏輯演繹思維較弱。如果文科學生比重太大，就會給教學帶來很多障礙。
2非統計專業統計學教學方法初探
2.1結合專業制定教學目的，完善教學內容設置
統計學的教學目的不能孤立地制定，而是要在明確學生文、理科出身及所學專業開設的課程與統計學相關關系的基礎上，制定滿足專業需要的教學目的。在教學內容設置上，根據應用統計學學科特點，結合各專業統計課程教學目的的要求，在統計學基本教學內容設置基礎上，對統計基礎理論、統計分布、統計推斷、時間序列、統計評價決策和多元統計分析、非參數檢驗等中高級統計方法部分的實際應用狀況進行介紹，本著“服務專業，突出應用”的原則，提高學生的統計素養。
2.2在課堂中適當的穿插案例教學
案例教學通過學生自己分析與老師講解相結合，使學生變被動學習為主動地閱讀、思考、分析、判斷。教師通過對案例的歸納、整理，引導學生提煉和掌握具體的統計分析方法，有利于把所學的統計理論落到實處，使抽象的方法、公式變得十分具體，在模擬實驗中接近理論與實際的距離。我們知道統計理論來源于統計實踐過程，反過來它又指導統計工作。統計案例教學作為統計實踐過程的一種模擬，它對激發學生學習興趣、培養學生專業素質、提高學生在實踐中探究學習方法的自覺性、有效地將理論知識轉化為專業技能等方面都發揮著重要作用。
2.3在教學中適當地安排社會實踐
在教學中，應適當結合課程內容安排一定的社會實踐環節，就一些學生關心或與專業相關的課題作市場調查。如可組織學生針對大學生們感興趣的就業問題、逃課問題、電腦使用情況等展開調查，從具體調查對象和單位的確定，樣本的抽取(不一定要很大)，問卷的發放、回收與審核，數據輸入與資料整理，估計與分析，一直到調查報告的編寫，調查或體會的形成，全部都由學生自己來完成。這樣，同學們就親身參與了統計調查、統計整理和統計分析的整個過程，既鞏固了基礎知識的掌握，又鍛煉了應用理論的能力。
2.4將課堂教學與統計分析軟件相結合
統計學課程的特點之一是定量分析的內容較多，因此在平時應加強對統計上應用廣泛的軟件的教學，如EXCEL、SPSS、SAS等軟件，提高學生對于數據的觀察和處理能力，鍛煉學生使用統計軟件解決實際問題。其中，SPSS統計軟件具有完整的數據輸入、編輯、統計分析、報表、圖形制作等功能，是非專業統計人員的首選統計軟件，也是經濟管理專業教學的重要工具。經管類非統計專業的學生在文、理科出身和數學功底上都存在著差異，如果采用統計軟件SPSS進行輔助教學，就可以將應用統計學的教學重點轉向對統計結果實際意義的理解上，適度的去掉繁瑣的理論證明、推理和計算，增加SPSS的使用方法，使學生能夠使用統計軟件SPSS解決比較復雜的計算問題。
2.5創新統計學教學考核方式
結合統計學自身特點，打破原有的考核制度，將學生獨立思考和創新意識列入考試評分標準當中，采取“理論＋實踐”的考試形式，從知識、能力和素質等方面綜合評價學生成績。可以將考試分為卷面和實踐操作兩部分，卷面部分主要考察學生的理論知識，實踐操作部分主要考察學生們的實踐應用能力。在實踐操作部分，可以讓學生以團隊的形式自行選題，完成一個完整的統計工作過程。這種考核形式，不僅鍛煉了學生們的實踐操作能力，還可以讓他們對“團隊”、“合作”等概念有更切身的體會。
