统计学抽样方法
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇统计学抽样方法范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
统计学抽样方法范文第1篇
关键词 体育科学 体育科研方法 体育统计
中图分类号：G80 文献标识码：A
近20年体育统计在我国已经成为十分重要和最常用的体育科研方法。但是，与此同时也有不少体育学术研究，误用统计方法，乃至以挂上统计公式作为“科学性”的幌子，使体育统计界同仁和体育科研工作者感到不自在。体育统计专业委员会也认为应该作一些有关体育统计和体育科研方法的诠释，以减少体育统计方法的误用，提高体育科研水平。
1中国体育统计现状概要
在80年代以前，包括体育统计在内，我国应用统计学科处于萎缩状态。改革开放后，统计方法的应用与统计教育重新得到重视。80年代初，教育部在武汉与襄阳两地举办体育统计教师培训，培养了改革开放后新一代的体育统计的师资与各地体育统计学术骨干。此后，体育院校、师范院校的体育系逐步开设了体育统计课程。1981年在研讨师范院校体育统计教学大纲的时候，成立了全国体育统计研究会。在中国体育科学学会的积极支持下，1984年成立了中国体育科学学会体育统计专业委员会。近20年间，许多统计方法在体育领域得到应用，如抽样理论、实验设计、估计理论、假设检验、决策理论、非参数统计、序贯分析、多元分析、时间数列等都已有研究成果的发表或报道。
然而，我国从80年代开始重新普及体育统计，与20世纪初已经发表因子分析应用研究的美国，或70年表《行动科学的因子分析》专著的日本相比，难免显得基础薄弱。正如著名社会学家教授所说，“一个学科，可以挥之即去，却不可能招之即来”。于是就出现了评析体育统计应用情况的论文，如杨震的《体育统计中应注意的问题》，梁荣辉的《体育科学研究中应用统计方法需注意的问题》，刘炜的《线性模型在体育科研中应用的常见误区》等等。要解决这些问题，不仅是统计知识的问题，也有科研方法的问题。因此必须从科学的发展，俯视体育科学研究方法，从统计学的发展端详体育统计现状。
2统计学的发展
要了解体育统计的发展趋势，有必要简要了解统计学的发展。
人类的统计活动有悠久的历史，古代已有统计整理描述的应用；13世纪欧洲有国势调查；17世纪英国的配第发表了《政治算术》；1790年美国第一次人口普查，同时农业普查；1853年由比利时政府邀请，在布鲁塞尔召开有26个国家150人参加的第一次国际统计会议；1857年，恩格尔根据家庭收入越多，则饮食支出的比例越小这一法则，引申出恩格尔系数，以饮食支出的比例作为度量生活水平升降的标准，它一直延用至今；1903年德国柏林的第九次国际统计会议上，抽样调查得到世界上多数统计学家的认同； 1930年前后美国举行盖洛普民意测验。19世纪中期奠定了概率论的理论基础。19世纪中叶起，数理经济学、生物计量学和应用数学促进了数理统计的形成和发展。社会统计学、社会经济统计学和数理统计学构成了现代统计学的枝叶。现代数理统计学可以分为两个侧面：一是理论数理统计学，它研究抽样理论、实验设计、估计理论、假设检验、决策理论、非参数统计、序贯分析、多元分析、时间数列与博弈论等；二是应用数理统计学，高尔顿、K・皮尔逊用于生物学，埃奇沃思、鲍利用于经济学，R.A.费希尔用于遗传学、农学。在宏观层次上，科学系统的发展主要表现为整体化、高度数学化和科学技术一体化。数学的应用已突破传统的范围而向人类一切知识领域渗透。二次大战以来，统计学的巨大进展已使它成为数学科学的重要而独特的组成部分。
21世纪，统计学将面临更大的挑战。统计作为由观察样本获得尽可能多的总体信息的方法，关系到信息的本质和数据处理。计算机与信息化的时代，爆炸式积累的信息与数据必须借助于统计学才能得到充分有效的利用。大规模的信息处理所遇到的信息压缩、特征检测、可靠性分析，以及数字、符号、图形乃至语言的加工等一系列问题，都要依靠统计方法与计算技术来解决。现实中的许多统计难题需要引进新的统计概念与方法甚至理论体系。当然对于体育统计的这些问题，就目前的研究力量与人才资源，是难以承担如此重任的。
计算机与商品化大型统计软件的出现，为统计学的发展提供了技术上的可行性，使更多的人有可能进行大样本数据处理和多元分析。可以预见，体育院校统计教学研究都将使用专业化的大型统计软件。即将改版的体育统计教材，已将spss的使用列入教学内容。科学、统计学的发展给体育统计和体育科研奠定了宽厚的基础，那么体育统计和体育科研的关系又如何呢？
3体育统计与体育科研方法
3.1体育科研的复杂性
虽然体育对于健康和社会的作用已被社会各界接受。然而，体育学科的复杂性还未被教育界乃至社会所理解。体育外在粗犷，却蕴含了众多的自然学科和社会学科，而使投身体育的研究者感到力不从心。谁也无法夸口能解决体育科学的众多难题。体育与健康的研究，涉及医学、生理学、心理学、人类学、健康社会学、抗衰老的研究等等；体育的动作技术分析会涉及理论力学、材料力学、流体力学、空气动力学和解剖学等等；运动训练理论会涉及技能学习、体能的提高和战术，它与生理、生化、心理、认知科学、博弈论以及教育科学的许多理论直接相关。许多体育科研，出身于相关学科的研究人员，会因为没有从事体育的感性知识而产生困难，竞技体育的研究会因为没有体验训练而难以深入。显然，在体育科研中狂妄、自负只能反照自己的浅薄。
3.2体育科研中统计方法应用的几类问题
3.2.1实验设计的基本原理
虽然研究有专业设计，但是无论你研究自然现象还是社会现象，大多需要实验或调查。
无论是实验设计还是调查设计都离不开统计。最基本的我们应该了解实验设计的三个基本原理：重复，随机化以及区组化。由重复使我们得到实验误差估计值与效应值更精确的估计；由试验对象、试验次序等随机化使观察值或误差为独立分布的随机变量，就可以使用各种统计方法；由相似试验对象的区组化使我们可能提高实验的精确度。如果不注意基本原理，你的研究难免出现方法错误。
3.2.2实验方法
体育的影响因素，如运动强度等，常常是难以控制的，实验对象经常是人，常难以齐同对比，不便重复试验，还不能对实验对象造成伤害等，这使许多主要源于农业试验的试验设计，很少能应用于体育。因此，需根据具体研究目的、研究对象等制约因素，慎重选择合适的试验方法。
3.2.3取样
无论是试验还是抽样调查都需要样本。由于经费、工作量或对抽样方法了解不够等原因，在体育科研论文的研究方法里，包括不少学位论文，对于抽样方法没有明确的交代，抽样方法有较大的随意性。如果精度要求不高，仅作探索性研究，而不是由样本推测估计总体，有时也可用非概率抽样。社会科学中的大样本研究，有时也用非概率抽样。但是，离开了概率抽样，许多统计方法就失去了应用的前提。概率抽样有多种方法，适用不同的情况。因此从研究方法的严密性看，需要在体育科研方面增补这方面的内容。
3.2.4统计分析方法
现代统计学可以借鉴的方法应该有不少，在体育统计基础相对薄弱，原创方法几乎没有的情况下，对于体育统计分析方法，首要的是开阔视野，学习、应用前人或相关学科已有的统计方法。在此基础上，研究前人已有方法不能解决的、有待建立的体育统计方法。当然，方法的建立相当困难，必须重视人才的培养和引进。按照前20年的进程，期望建立新的体育统计方法，形成较为完整的体育统计学科，都是十分困难的。
目前，体育统计应用中存在不少问题，这些问题的根源还是在于对统计基本理论的理解。如：
（1）推测性数理统计是由样本研究总体，由于样本信息是不完整的信息，必然有抽样误差存在，必然有出错的可能性。而在统计分析中却有人得出完全肯定或完全否定的结论。
（2）统计方法仅仅对试验的可靠性和有效性提供准则，但是并不证明变量间的因果关系。如均数比较的假设检验，可以给出比较对象来自同一总体的概率，但统计分析不可能给出它的原因，比如并不说明训练方法好坏等。
（3）实际的差别显著与统计显著性的差别。虽然统计上的显著性与差别大小有关，但是它的直接含义是来自同一总体的概率大小，而不是你误指的差别大小或差别显著。
（4）当训练强度与成绩提高相关，P
（5）统计方法为研究目的服务，要选择合适的方法，而不是选择复杂的方法。
（6）统计模型对于数据的测度水平，变量是连续型还是离散型，是计数资料还是计量资料，相关变量是对称还是不对称等等有不同的要求，所以在研究设计的时候就要考虑统计分析的方法。
（7）体育问卷调查有大量的名义（定类）测度与序次测度。不能不问数据资料的测度水平，一概用均数表示集中趋势，用标准差代表离散程度，用它们作线性回归、因子分析等等。
（8）不注意模型要求乱套统计公式。如不知变量的分布，作小样本的t检验；在自变量间关系过于密切的情况下作回归分析，在变量间关系不密切的情况下作因子分析。
4用好体育统计方法，提高体育科研水平的建议
（1）科学数学化特征及科学发展趋势。可以预见，体育科学必然向数学化方向发展，体育统计无论对于体育自然学科或体育社会学科都将成为重要的研究方法。体育高等学校应重视体育统计学科对于体育科学发展的重要作用。体育科研人员应从方法论高度学习科研方法，吸收相关学科的研究方法。
（2）体育统计要注重抽样研究本质的研讨。重视与概率相联系的思想方法，研究相关学科的统计方法，加强方法的移植研究，明确统计方法建立的条件，避免统计方法误用。
（3）体育科研应加强实验设计、抽样研究及社会科学常用统计方法的普及。提高体育科研人员应用国际通用统计软件包的能力。
（4）体育统计学科的纵深发展必须有跨学科人才的引进与培养。
参考文献
[1] 侯灿.医学科学研究入门[M].上海：上海科学技术出版社，2010
[2] 王维.科学基础论[M].北京：中国社会科学出版社，2005.
统计学抽样方法范文第2篇
n. balakrishnan
methods and applications of statistics in the atmospheric and earth sciences
2012，384p
hardcover
isbn9780470684443
n. balakrishnan著
地球和大气科学中，简明而全面的统计学方法对于收集和理解数据是十分重要的。本书由100多位地球和大气科学领域顶尖的从业人员和研究人员提供素材，全面揭示了当前的地质、农业、动物和地球科学领域的数据收本文由收集整理集和分析方法。同时，本书还论述了与调查方法相关的技术和计算机统计方法，包括一些新兴的研究方向，如：地区天气的非线性预测、工程地质调查和水污染评价。
统计学抽样方法范文第3篇
1 学生对统计学认识不足，不知统计学有什么用
1.1 不知统计学为何物，总以为是数学的延伸
由于在中国大学里面统计学过去一直被认为是数学的一部分，过去以及现在的很多统计教材和统计教学都有浓厚的数学味道，这使得目前我国统计教学过程中存在一些问题或误区。商务统计课程虽然加了“商务”二字，但重心仍是统计，所以对统计学的各种错误看法在商务统计教学中也经常出现，独立学院的学生经常会问到“商务统计和高数哪个更难”。这看起来只是一个非此即彼的简单问题，其实反映出来的是独立学院学生的一个特点：惧怕数学，惧怕与数学有关的课程。为此需要让学生明白：统计学不是数学，统计学是一种哲学，是一种指导行为的方法，商务统计则是将这种哲学思维应用到商务领域，所以更加不是数学。数学是以公理为基础，以归纳演绎为基本思想方法的逻辑体系，逻辑正确，则结果正确，逻辑错误，则结果也是错的；统计学的研究需要在各种假设的基础上来研究未知的对象，所以统计学的结论是不能证伪的，统计学里没有“对”和“错”，只有“好”和“坏”，这与数学差别很大。我们要做的只是在众多的可能中找出最可能，然后据此来进行各种推理，做出我们认为最正确的决策。
1.2 从实际问题出发，从具体数据入手
分析数据、提出对策是让学生理解统计、应用统计的必经之路，所以在商务统计的教学中也应多让学生做一些开放式的习题，让他们真正利用学到的统计知识去解决实际问题，而少要学生进行枯燥的公式推导，把统计知识的应用放到重要位置，这样才不会把统计课上成数学课。
让学生明白统计知识的应用领域是非常广泛的，可以在上课的相关章节插播一些与统计有关的影音资料。例如在讲解条件概率的时候，可以让学生观看世界德州扑克大赛决赛的视频，这个决赛视频的特点是牌面上每发出一张新的公共牌，后台就会根据对阵双方的手牌和当前的公共牌情况计算出当前情况下对阵双方获胜的概率各为多少，并且这个概率会一直更新，直到比赛结束。非常直观，且浅显易懂，能够很好地让学生明白条件概率的本质就是在当前已知的数据基础上对未知事件做出的概率判断，已知的信息有变化，由此得出的概率也会跟着变化。这既能让学生明白条件概率的本质，又能让学生明白条件概率的具体应用。这局比赛的过程跌宕起伏，在最后一张公共牌发出之前本场比赛对阵双方获胜的概率分别为90%和10%，但最后的结果却是获胜几率只有10%的选手取得了胜率，这就能让同学们更加明白统计学的结论没有绝对的“对”和“错”，只有相对的“好”和“坏”。
2 学生数学基础较弱，对统计学有畏难情绪
2.1 数学基础薄弱，畏惧公式定理
独立学院商务统计课程的开设对象都是非统计专业的学生，这些学生的特点是数学水平参差不齐，在独立学院里，学生们的数学基础本来就较为薄弱，较大一部分学生对数学类课程兴趣不大，直接导致他们大一的数学类基础课学得并不扎实，面对一门公式和数据遍布书本的商务统计课程，大家第一印象就是数学，第一反应就是畏惧，直接导致学习热情大减。目前有些独立学院所选的商务统计教材在理论方面过于偏重数学公式的推导，仍然有比较复杂的积分求导等运算，这也会让学生望而生畏。还有部分商务统计的教材只是把统计学教材里的例题换成了商务案例，，而对知识的实际应用却较少提及，这样的教材也不适合独立院校的学生。
2.2 简化数学推导，讲解定理内涵
首先，商务统计教材的选择应以应用为导向，学习难度上以应不需要很深奥的数学知识为标准，只需要具有一些代数方面的常识即可。笔者任职的独立学院经过长期的教学探索，最终在学科专家的建议下选择了辛辛那提大学戴维安德森等三位教授编著的《商务与经济统计（精要版）》的中译本作为教材，这本书最大的特点是简化了繁琐的公式推导与证明，紧密地将统计学与商务和经济实践相结合，既介绍了统计的方法，又介绍了统计学在商务与经济领域中的实际应用，真正以应用为导向，在每一章的开篇部分都有一个实践案例，学生能够一开始就对即将学习的概念或原理有一个感性认识，且这些案例又都新鲜有趣，大大提高了学生的学习兴趣。
其次，在教学过程中应尽量少出现数学推导，而应尽可能以浅显易懂的语言向学生讲授那些数学推导难度较大而又非常重要的公式、定理。例如中心极限定理，这个定理在统计推断中非常重要，但其证明过程较难，这时候可以向学生非常直白地阐述这个定理的思想，笔者常举的例子就是平均身高，如果随机选取班上30个同学，测量他们的身高然后求出平均值，那么这个平均身高是否有可能为180cm？是否有可能为150cm？显然是不太可能的。因为随机抽到的30个同学里面应该是有高有矮的，所以他们的平均身高也不应该是180cm或者150cm这种较为极端的情况，而更可能的是一些比较正常的数字，例如160cm～170cm，也就是说这个平均值取到极端值的可能性比较小，而取到正常值的可能性比较大，这不就是正态分布所描述的情况吗？这个时候学生就能很轻松地理解中心极限定理：从总体中抽取一个样本，当样本容量足够大时，样本均值的抽样分布就近似服从于正态分布。有了感性地认识后，再回过头来看这个定理就能更加有针对性地去理解定理里面的每一个专业术语和限制条件，这样就能更加有效地记忆和应用这个定理，然后再结合统计软件，用电脑逐步演示样本容量从小到大变化时的样本均值的抽样分布的曲线图，那效果就更好，这样，一个统计学里的重要定理就会深深植根在学生的脑海里了。
最后，独立院校商务统计课程里的“商务”二字不应只是体现在案例本身的商务属性，除此之外应更多体现在计算过程的简化和对实际结果的分析上。积分的计算应以均匀分布为主，其他的积分计算完全可以依靠附录表格或统计软件进行查询和计算，这样有以下三个好处：
第一，可以规避繁琐的积分计算，让学生明白数学不好也能学好商务统计这门课，这对独立院校的学生来说是一个重要的心理暗示。
第二，可以节约大量的演算时间，而将更多的精力放在统计知识的应用方面：分析数据和理解数据。
第三，可以让学生明白，现在的统计分析很多都是能用统计软件直接完成的，不需要纸笔演算，我们的学习目的是要能理解数据后面隐藏的深层信息，而不是拘泥于繁琐的公式推导，这样就能调动学生在统计实操课上的学习热情，因为熟练掌握一种统计软件就能在很大程度上弥补他们在数学计算上的不足，同时还能轻松地完成统计分析，这正是学生希望达到的效果。
3 独立学院商务统计教学实施策略
3.1 从简单的实际问题出发，启发式教学
兴趣是最好的老师，这点对独立学院的学生同样适用。我们可以多在教学环节中将统计知识加以应用。例如在独立学院学生较为关心的点名问题上，一次统计知识的小小应用很可能让他们对统计产生新的认识，笔者曾在“总体比例的点估计”这一小节课程中向学生展示了这个估计的实用性，当场做了个小实验：估计课上的缺勤人数，然后决定是否点名。这个实验方法非常简单，学生也很感兴趣。具体情况如下：114个人的班级在一个座位数为12排12列的教室上课，随机抽取其中三排座位，一共36个座位，然后清点这三排座位里面的空位，结果发现空位共有11个，由此可以得到这三排座位的上座率为：
由于缺课人数较多，于是决定点名，并请同学们一起记录缺勤的人数，结果发现有15个同学缺勤，跟我们的估计值14非常接近，教室里当场响起了热烈的掌声，能够感受到同学们的惊讶之情。接着就告诉学生这个估计之所以非常准确，是因为我们抽样时选择的三排座位处于教室的中间位置，就座情况比较均匀，如果我们选择的样本中正好包括教室第一排，那就会出现一个比较大的抽样误差，因为在大教室上课时坐第一排座位的学生很小，这一排入选样本可能会导致我们对整个教室上座率的低估。讲到这里同学们就对抽样误差有了较为直观感性的认识。最后再让同学们一起帮忙想办法，看看如何解决这个抽样过程中可能会出现的抽样误差较大这一问题，这时候大家热情很高，因为这个问题不再是一个枯燥的统计学里的过于理论的抽样问题，而是一个他们看得见且天天接触的实际问题，最终有同学想到了一个非常有效的解决办法，就是不要整排抽样，而应整列抽样，因为整个教室几乎没有出现过某一列大量空位的情况。这的确是一个非常有效的解决方法，多么聪明的学生。师生的有效互动确实是提高教学效果的有力手段，正确的引导也确实能调动学生的学习热情，启发式教学的重要性不言而喻。
统计学抽样方法范文第4篇
统计设计是整个研究中最重要的一环,是研究工作应遵循的依据。常见的统计设计问题有:忽视组间均衡性,样本缺乏代表性,样本例数不足,未设置对照组,未随机分组,未提出统计分析方法等。针对以上问题,在科研设计中一定要遵循实验设计的四大原则即“随机、对照、均衡、重复”的原则[6]。
1.1不遵循或不重视随机化原则
随机化是科研设计的重要原则,直接影响研究结果的可信度。随机化既要随机抽样,还要随机分组,并有足够的样本量作前提。然而,在医学论文中许多作者对此不够重视,主要表现在论文中统计处理随机化不突出,随机化缺失情况比较常见,有的论文甚至将随机误解为随意、随便,不采用随机化处理方法,导致结果缺乏可靠性。还有些文章中没有提出“随机”抽样的设计与方法,没有排除标准,给人随意选择病例之感,且病例数少,因此没有代表性,所得出的结论不可靠。部分文章虽然注明了“随机”,但未提及采取什么方法进行随机化研究或两组间的例数相差甚远,不符合随机化的一般规律,没有临床参考价值[7]。
1.2缺少对照研究或对照组设计不合理
正确设立对照是临床或实验研究的一个核心问题,设立对照的意义在于说明临床试验或实验研究中干预措施的效应,减少或防止偏倚和机遇产生的误差对试验结果的影响。目前,国内许多期刊发表的论文对照组设计不合理现象比较普遍,尤其有些作者对某种新药或新技术在临床的应用观察研究中,不设对照组,缺乏对照观察,得出的结论缺乏科学性,令人怀疑。有的文章虽然设立了对照组,但在分析结果时,却没有将试验组与对照组的结果进行比较,而仅将各组间的自身前后进行比较,从而使该研究失去对照意义。对照组选择不当,还表现在两组间重要的临床特征和基线情况相差太大,无可比性,如性别、年龄、病情、经济情况和文化程度等不一致,如有些论文将健康人或志愿者作为对照组,使结果受到非处理因素的影响,产生偏倚或系统误差,使结论不可信[7]。
1.3均衡性原则掌握不够
均衡性原则要求实验中的各组之间除处理因素不同外,其他可控制的非处理因素要尽可能保持一致。特别对疾病预后有重要影响的临床特性一定要在组间分布均衡。各组间越均衡,可比性越强。有些作者在对病例进行分组时,忽视了均衡性原则,两组之间没有可比性,结论自然是错误的。具体表现在:有的文章对治疗组与对照组的相应统一指标没有设在均衡的水平上。对治疗组情况交代的比较详细,而对对照组的年龄、性别、病情等不予交代,或所选对照组的年龄与治疗组不在一个年龄段,影响了作者对指标的观察[7]。
1.4重复的原则掌握不好
所谓重复,一是指重复试验或平行试验,二是指各样本组的例数要有一定的数量,即样本的例数要足够大。虽然随机化是增强非处理因素均衡性的重要方法,但当各组内例数过少时,尽管采用了随机化分组的方法,也难以保证非处理因素的均衡一致。在随机化分组的基础上,只有样本例数足够大,才能使非处理因素均衡一致,同时也才能使抽样误差减小,增强样本对总体的代表性。一般来说,在随机分组的前提下,样本例数越大,各组之间非处理因素的均衡性越好;但当样本量太大时,往往又会给整个实验和质量控制工作带来更多的困难,同时也会造成浪费。为此,在实验设计时,还应保证在实验结果具有一定可靠性的前提下,确定最少的样本例数。一般说来,计数指标每组样本不得少于20~30例,计量指标每组样本不得少于5~10例。在多因素分析时,一般认为样本例数至少为观察指标的5~10倍[8]。
1.5样本的含量
样本的含量的大小直接影响到结论的可靠性。样本量过少,则抽样误差大,结果可靠性差,且经不起重复验证;反之,盲目加大样本量也会造成人、财、物的浪费,同时也造成非抽样误差增大。故应在保证研究结果精确可靠的前提下,确定最小的样本量。如某篇论文报道某药治疗的临床疗效,实际总例数为10例,其中6例有效,于是作者得出有效率为60%。显然,有限的病例数不能充分说明该药是否有效,作者贸然得出结论,容易给他人造成假象甚至误导[9]。
2统计方法选择与使用不当
在选择统计方法之前,首先应确定研究资料是计数资料还是计量资料。只划分其类别而得到的资料为计数资料,也叫定性资料,如根据治疗结果计算出的治愈率、阴性率、阳性率等。测定某个具体数值而得到的资料为计量资料,如血压值、血细胞计数、血氧分压测定等许多物理诊断和化验检查的结果。目前,医学论文中计数资料最常用的统计方法为χ2检验,计量资料最常用的统计方法为t检验。值得注意的是,各种假设检验方法均有其适用条件,应根据资料特点来选用最适当的方法。均数与标准差分别是描述正态分布资料集中和离散趋势的指标。能否选用“均数±标准差”来描述某一资料的分布特征,关键看该资料是否符合正态分布。当资料不符合正态分布或方差不齐时,应将资料转换使之符合正态分布,方差齐性后再用t检验或方差分析,否则用秩和检验。有些作者在使用t检验时,未考虑到上述适用条件而盲目使用,造成统计学处理不当或统计学计算错误[10]。
2.1统计指标应用不当
2.1.1描述计量资料的统计指标描
述计量资料的统计指标主要有平均数指标(算术均数、中位数M等)和变异指标(标准差s和四分位数间距Q等),在应用时一定要注意它们各自的适用范围。对于非对称分布资料,算术均数不能反映数据的平均水平,应采用中位数描述。一般地,正态资料或对称资料用描述,偏态资料用M和Q来描述。在不能确定数据的分布类型时,应选用M和Q进行统计描述。四分位数间距Q是75%分位数P75和25%分位数P25之差,即Q=P75-P25,所谓百分位数Px是将全部观察值分为两部分,理论上x%的观察值比它小,(100-x)%的观察值比它大,中位数M是50%分位数P50。、s、M、Px与Q可通过统计软件直接输出[9]。
2.1.2描述计数资料的统计指标描
述计数资料的统计指标有绝对数和相对数。绝对数是原始资料经汇总得到的小计或总计数。相对数是两个有关的绝对数之比,主要包括率和构成比(百分比)。医学论文中相对数应用的主要问题之一是分母较小。分母较小时,相对数的可靠性不能保证,在这种情况下,宜直接用绝对数进行描述而不宜计算相对数。医学论文中相对数应用的主要问题之二是将构成比误用来说明事物发生的强度。构成比只能反映事物的内部构成,不能说明事物的发生强度。医学的研究对象主要是人以及与人体有关的各种因素。由于生物现象的变异较大,各种影响因素又错综复杂,研究常是抽样观察,使事物本质差异与抽样误差混杂,故需用统计方法透过偶然现象来探测其规律性。如果不能正确运用统计学方法,造成统计学上的偏差或失误,就很容易把本来成功的结果当成失败而放弃,或把失败的教训误认为成功的结论而加以宣传。在进行科研设计时要严格遵循科学的统计学分析方法,不能留下隐患,否则,再高明的统计学专家和统计学软件也无法弥补科研设计缺陷造成的损失。总之,统计学分析在医学研究和论文写作中意义重大。作者在撰写论文时,应注意识别、总结有代表性的、有借鉴意义的统计学领域的缺陷、失误或错误的多发点,特别留心易出现统计错误的险区,从而使论文中的统计学问题减到最低限度。认真检查、仔细核验,尽量避免上述错误,必要时还可以请统计学专家帮助把关[12]。
2.2统计方法描述或选择不当
统计方法选择非常重要,它直接影响结论的可靠性[12]。临床资料的结果变量可分为计数资料、计量资料和等级资料。计数资料指将观察对象按两种属性分类,如生存、死亡,治愈、未治愈,有效、无效等,通常转化为率。如果是两组间的比较,则采用四格表χ2检验或其校正公式,如果是多组间率的比较,则采用行×列表资料χ2检验。计量资料指对某一个研究对象用定量的方法测定某项指标得到的资料,一般均有计量单位。通常资料呈正态分布时,两组间均数比较用t检验,多组间均数比较用方差分析和q检验。当资料不呈正态分布或方差不齐时,也可用秩和检验等非参数检验法。
2.2.1统计方法描述不清
医学论文中常可发现作者未交代所用的统计方法,如是配对设计的t检验还是成组设计的t检验,是Ridit分析还是χ2检验,是作相关分析还是作回归推断。统计方法交代不清或根本不予交代,使读者对论文结论的正确与否无法判断。有的作者只提一句“经统计学处理”后,就写出结论。有的甚至直接用P值说明问题,笼统地以P<0.05或0.01、P>0.05便称结果差异有无显着性,P值的大小不说明差值的大小,它还与抽样误差大小有关[13]。因此,还应写明具体的统计方法,如有特殊情况,还应说明是否采用了校正,应写出描述性统计量的可信区间,注明精确的统计量值和P值,然后根据P值大小作出统计学推断,并作出相应的医学专业结论。
统计学抽样方法范文第5篇
1.1学生对统计学不够重视
在目前非统计专业的统计学教学中，学生对统计学的认识不够深入，统计意识淡薄，重视程度不够。一提及统计，很多学生仅能联想到统计局、大量统计数据和统计报表等，很难将统计学与自己本身的专业联系起来，并且认为统计学与实际联系不大，无法学以致用，因此重视程度也仅停留在获得学分的层面上。加之学时有限，教师很难在有限的时间里讲授数理统计、探索性数据的挖掘、多元统计方法、西方统计制度等新的内容。
1.2课程内容不够规范
在教学内容上，目前没有统一规范的教材，而且不同的教材侧重点不同。教师在教学内容上多是以统计工作过程为主线，先后介绍统计调查、统计整理、统计指标、时间数列、指数、相关与回归、抽样推断等内容，但有的侧重于数理统计方法，在抽样推断上花大量的时间，而有的又侧重于传统统计方法，在其它章节上下较大的功夫。
1.3教学方法不够多元化
教学方法对于教学质量至关重要。但目前统计学教学仍然是以教师讲授为主，学生被动地接受知识的传输，“启发式”教学方法应用的还不够，而且缺乏师生之间的互动和交流。在教学内容上重理论、轻实践，忽视发展与变化，教会了理论知识，却忽视了应用知识。在这种传统的统计教学模式下，学生或许学会了怎样计算平均指标、抽样误差等，但这对提高学生的统计实际应用能力极为不利，而且在学习过程中学生容易产生统计学既难学又枯燥无味的情绪，不利于发挥学生的积极性和创造性。
1.4考试形式和方法过于单一
目前统计学课程的考试形式和方法基本上是以闭卷的形式考查学生对知识的记忆和理解。虽然这种考试模式较充分地考虑了知识本身的逻辑性，并将其与学生的认识发展过程相结合，易于组织教学，但它由于过分追求学科知识的完整性，容易使理论脱离实际。由于考试内容严格按照考试大纲，主要以课本上理论知识为主，这就导致教师传授给学生的前沿知识较少，甚至教师课堂讲课本，学生课后背课本，其实际应用能力得不到培养。
1.5文、理科学生的构成比例问题
目前大多高校的经管类专业都是文、理科学生兼收的，同一个专业乃至同一个班级里面可能既有文科学生，又有理科学生。文、理学生的混合构成会给教学过程带来很大困扰，难以实施因材施教的方略。而统计学又是一门对数学基础要求比较高的学科，它涉及到了微积分、概率论、数理统计等多门数学理论课程，尤其在抽样推断部分，要求学生具有较强的逻辑推理能力。而一般来说，文科学生的数学功底比较差，逻辑演绎思维较弱。如果文科学生比重太大，就会给教学带来很多障碍。
2非统计专业统计学教学方法初探
2.1结合专业制定教学目的，完善教学内容设置
统计学的教学目的不能孤立地制定，而是要在明确学生文、理科出身及所学专业开设的课程与统计学相关关系的基础上，制定满足专业需要的教学目的。在教学内容设置上，根据应用统计学学科特点，结合各专业统计课程教学目的的要求，在统计学基本教学内容设置基础上，对统计基础理论、统计分布、统计推断、时间序列、统计评价决策和多元统计分析、非参数检验等中高级统计方法部分的实际应用状况进行介绍，本着“服务专业，突出应用”的原则，提高学生的统计素养。
2.2在课堂中适当的穿插案例教学
案例教学通过学生自己分析与老师讲解相结合，使学生变被动学习为主动地阅读、思考、分析、判断。教师通过对案例的归纳、整理，引导学生提炼和掌握具体的统计分析方法，有利于把所学的统计理论落到实处，使抽象的方法、公式变得十分具体，在模拟实验中接近理论与实际的距离。我们知道统计理论来源于统计实践过程，反过来它又指导统计工作。统计案例教学作为统计实践过程的一种模拟，它对激发学生学习兴趣、培养学生专业素质、提高学生在实践中探究学习方法的自觉性、有效地将理论知识转化为专业技能等方面都发挥着重要作用。
2.3在教学中适当地安排社会实践
在教学中，应适当结合课程内容安排一定的社会实践环节，就一些学生关心或与专业相关的课题作市场调查。如可组织学生针对大学生们感兴趣的就业问题、逃课问题、电脑使用情况等展开调查，从具体调查对象和单位的确定，样本的抽取(不一定要很大)，问卷的发放、回收与审核，数据输入与资料整理，估计与分析，一直到调查报告的编写，调查或体会的形成，全部都由学生自己来完成。这样，同学们就亲身参与了统计调查、统计整理和统计分析的整个过程，既巩固了基础知识的掌握，又锻炼了应用理论的能力。
2.4将课堂教学与统计分析软件相结合
统计学课程的特点之一是定量分析的内容较多，因此在平时应加强对统计上应用广泛的软件的教学，如EXCEL、SPSS、SAS等软件，提高学生对于数据的观察和处理能力，锻炼学生使用统计软件解决实际问题。其中，SPSS统计软件具有完整的数据输入、编辑、统计分析、报表、图形制作等功能，是非专业统计人员的首选统计软件，也是经济管理专业教学的重要工具。经管类非统计专业的学生在文、理科出身和数学功底上都存在着差异，如果采用统计软件SPSS进行辅助教学，就可以将应用统计学的教学重点转向对统计结果实际意义的理解上，适度的去掉繁琐的理论证明、推理和计算，增加SPSS的使用方法，使学生能够使用统计软件SPSS解决比较复杂的计算问题。
2.5创新统计学教学考核方式
结合统计学自身特点，打破原有的考核制度，将学生独立思考和创新意识列入考试评分标准当中，采取“理论＋实践”的考试形式，从知识、能力和素质等方面综合评价学生成绩。可以将考试分为卷面和实践操作两部分，卷面部分主要考察学生的理论知识，实践操作部分主要考察学生们的实践应用能力。在实践操作部分，可以让学生以团队的形式自行选题，完成一个完整的统计工作过程。这种考核形式，不仅锻炼了学生们的实践操作能力，还可以让他们对“团队”、“合作”等概念有更切身的体会。
