简介面向医学生、科研人员与临床工作者的《医学统计学》精简文档系统梳理了统计学的核心知识框架。内容涵盖正态分布与标准正态分布的特征判别、t分布与总体均数可信区间、统计检验与实验设计等关键模块并以问答形式详解两样本均数比较、t检验适用条件、四格表卡方检验及线性回归分析等常见疑难点适合快速复习备考与论文数据分析参考。资源为单个PDF文件整体约121KB精炼便携目前已有2008人学习使用。相较于零散笔记这份材料将正态分布曲线下面积、标准正态变换方法、正常值范围制定步骤、可信区间准确度与精密度等易混淆概念进行了对比归纳同时给出P值解释、单双侧检验选择等实操性结论帮助读者避开常见统计误用陷阱。依托描述与内容预览文档还完整覆盖从统计推断到实验设计的知识链条可为医学统计入门与科研应用提供高效支撑。1. 从一份医学统计学PDF说起正态分布不只是钟形曲线临床数据分析中常会遇到“参考值范围”和“可信区间”混用的问题。这份PDF把两者放在同一节对比点明本质差异参考值范围描述个体值波动可信区间描述总体均数范围。很多人直接用均值±1.96σ定参考区间却忽略了正态分布法和百分位数法对样本量的不同要求——正态分布法需要样本不少于50例百分位数法则建议150例以上。这些边界条件在论文审稿中容易被追问。这份PDF以问答体列出了几十个高频统计学考点从正态分布特征、t检验步骤到实验设计原则覆盖了医学论文中最常用的推断方法。无论你是临床科研人员还是数据分析师都能拿它当快速查阅的资料。下文按“分布形态→假设检验→回归相关→分类变量”的顺序拆读并把关键知识点落到可执行的Python验证代码上。2. 正态分布与参考值范围从分布特征到置信区间计算2.1 正态分布的参数与面积规律正态分布的核心由均数μ和标准差σ两个参数决定。μ控制曲线中心的水平位置σ控制曲线是“瘦高”还是“矮胖”。文档给出的面积规律是μ±1σ覆盖68.27%μ±1.96σ覆盖95.00%μ±2.58σ覆盖99.00%。这三个常数不只是背诵内容它们直接决定置信区间和参考值范围的计算。使用SciPy可以快速验证这三个面积常数from scipy.stats import norm for z in [1, 1.96, 2.58]: area norm.cdf(z) - norm.cdf(-z) print(fμ±{z}σ: {area:.4%})norm.cdf(z)返回从负无穷到z的累积概率。用z处的累积概率减去-z处得到对称区间的面积。1.96和2.58分别是双侧95%和99%置信水平对应的z分位数。实际做参考值范围时经常直接用“均值±1.96×标准差”前提是数据通过正态性检验。2.2 判断数据是否服从正态分布图形法与系数检验文档给出三种判断方法频数分布图、前人经验、偏度系数与峰度系数检验。从工程角度我会优先看直方图和Q-Q图再用统计检验收尾。偏度系数接近0表示左右对称峰度系数接近0表示尾部厚度接近正态。但这两个系数本身不带P值小样本下容易误判。更常用的做法是Shapiro-Wilk检验。import numpy as np from scipy.stats import shapiro, skew, kurtosis data np.random.normal(loc170, scale5, size120) skew_val skew(data) kurt_val kurtosis(data) print(f偏度: {skew_val:.3f}, 峰度: {kurt_val:.3f}) stat_w, p_shapiro shapiro(data) print(fShapiro-Wilk: W{stat_w:.4f}, p{p_shapiro:.4f})skew()和kurtosis()返回样本偏度与峰度系数是点估计没有显著性判断。shapiro()返回W统计量和P值P0.05时不能拒绝正态分布假设。若数据明显偏态一个常见做法是先做对数变换再检验这与文档中关于对数正态分布的描述吻合。2.3 正态分布、标准正态分布与t分布的三角关系文档第3题把三者的关系讲得很清楚任何正态分布N(μ,σ²)都可以通过线性变换Z(X-μ)/σ转成标准正态分布N(0,1)。t分布和标准正态分布一样是连续对称分布区别在于t分布尾部更厚但随着自由度增大逐渐逼近标准正态分布。这个特性决定了假设检验中小样本用t临界值大样本或总体标准差已知时用u检验。在小样本场景下如果直接用1.96作为95%可信区间的临界值会低估区间宽度。例如n20时应使用自由度19的t临界值约2.093而不是1.96。文档反复强调t检验适用于n50原因就在于此。当n50时t分布与标准正态分布差异小到可以忽略。2.4 正常值范围的两种估计法正态分布法与百分位数法文档给出了两种方法的边界条件直接整理成表格更方便查阅。方法适用条件样本量要求特点正态分布法资料服从正态或对数正态分布不少于50例区间对称依赖均数和标准差百分位数法偏态分布或分布未知不少于150例直接取P2.5~P97.5不受极端值影响用模拟的偏态数据演示两种方法的差异np.random.seed(42) lognorm_data np.random.lognormal(mean3, sigma0.7, size200) # 正态分布法演示用偏态数据不应直接用 mean_val np.mean(lognorm_data) std_val np.std(lognorm_data, ddof1) norm_ci (mean_val - 1.96 * std_val, mean_val 1.96 * std_val) # 百分位数法 p_ci (np.percentile(lognorm_data, 2.5), np.percentile(lognorm_data, 97.5)) print(f正态分布法: {norm_ci[0]:.2f} ~ {norm_ci[1]:.2f}) print(f百分位数法: {p_ci[0]:.2f} ~ {p_ci[1]:.2f})偏态数据下正态分布法的下限可能小于0这在抗体滴度等指标上没有实际意义。百分位数法则始终落在观测值范围内更稳健。文档还补充了中间路线如果资料经对数变换后接近正态可以先计算变换后数据的均值±z×标准差再取反对数还原。3. t检验与可信区间假设检验的完整推演3.1 为什么样本均数差异不能凭“看起来”判断两份样本均数不同可能来自总体差异也可能来自抽样误差。文档举了一个很反直觉的例子班级全体男女生平均血压不需要做统计检验因为这是两个总体均数的直接比较只有手里是抽样样本时才需要推断。假设检验的核心是反证法先假设H0成立计算在当前样本下得到现有差异或更极端差异的概率P。P小于检验水准α就拒绝H0。3.2 t检验的前提条件与基本步骤t检验的条件有三个正态性、方差齐性、样本例数较小n50。正态性影响统计量的分布形态方差齐性影响标准误的合并方式。文档给出的t检验步骤是建立检验假设、确定检验水准和单双侧、选定检验方法与计算统计量、确定P值、推断结论。其中单双侧的选择必须在分析前定下来不能等P值出来后再挑一个有利的方向。方差齐性一般用Levene检验或F检验。Levene检验对非正态分布更稳健所以scipy.stats里默认推荐用它。如果方差齐性不满足可选择Welch校正t检验对应ttest_ind中的equal_varFalse参数。3.3 用Python实现独立样本t检验与配对t检验from scipy import stats group1 np.random.normal(loc72, scale5, size30) group2 np.random.normal(loc75, scale5, size30) # 方差齐性检验 lev_stat, lev_p stats.levene(group1, group2) print(fLevene检验: p{lev_p:.4f}) # 独立样本t检验equal_var按方差齐性结果设置 t_ind, p_ind stats.ttest_ind(group1, group2, equal_varlev_p 0.05) print(f独立样本t检验: t{t_ind:.4f}, p{p_ind:.4f}) # 配对样本 before np.random.normal(loc80, scale6, size30) after before np.random.normal(loc-2, scale3, size30) t_paired, p_paired stats.ttest_rel(before, after) print(f配对t检验: t{t_paired:.4f}, p{p_paired:.4f})ttest_ind的equal_var参数决定是否采用Welch校正。Levene检验的P0.05认为方差齐equal_var传True否则传False。ttest_rel要求两个数组长度一致且按受试者一一对应。配对设计通过同一对象前后的减法消除个体间差异检验效能通常高于独立样本t检验。3.4 可信区间与统计检验的等价性文档第8点给出一套快捷判断法未知总体均数的可信区间若包含μ0则不拒绝H0不包含则拒绝。配对样本则看差值均数的可信区间是否包含0。这种方法与P值结论完全等价但提供了更直观的效应量范围。用单样本t检验验证这个等价性# 单样本t检验 可信区间 sample np.random.normal(loc75, scale6, size40) mu0 74 t_single, p_single stats.ttest_1samp(sample, popmeanmu0) n len(sample) mean_s np.mean(sample) se stats.sem(sample) t_crit stats.t.ppf(0.975, dfn-1) ci_low mean_s - t_crit * se ci_up mean_s t_crit * se print(f单样本t检验 p{p_single:.4f}) print(f95%可信区间: {ci_low:.3f} ~ {ci_up:.3f}, 包含μ0: {ci_low mu0 ci_up})stats.sem()计算标准误等于样本标准差除以根号n。stats.t.ppf(0.975, dfn-1)返回自由度n-1时的双侧t临界值。P值小于0.05时可信区间就不会包含μ0。文档还指出“可信度越高准确度越高区间越短精密度越高”但样本量固定时两者互相制约只能通过增加样本量同时改善。3.5 P值的真正含义与常见误读很多人把P0.05解读为“两组相同的概率小于0.05”这是错的。文档第23点定义P值为在H0成立的前提下获得现有统计量以及比该统计量更极端情况的概率。α则是预先给定的检验水准表示拒绝H0时允许犯假阳性错误的上限。P0.05只能说不拒绝H0不能证明H0正确。写作论文时“接受H0”是被禁止的表述只能写“暂未发现统计学差异”。4. 线性回归与相关分析从最小二乘法到决定系数4.1 回归与相关目的不同资料要求不同回归的目的是通过X推算Y相关分析的目的是刻画两个变量的紧密程度和方向。文档把资料要求分为两类回归只要求Y近似正态X可精确测量或严格控制相关分析则要求X和Y都服从双变量正态分布。观察性研究中X往往也有随机误差如果直接套用I型回归回归系数的标准误会偏小统计推断偏乐观。遇到这种情况更适合用II型回归或同时报告相关分析。4.2 最小二乘法原理回归直线采用“各散点到回归直线的纵向距离平方和最小”原则。这里的“纵向距离”指Y方向上的残差不是点到直线的垂直距离。因为回归模型的目标是预测Y所以X方向的偏离不影响损失函数。这也解释了为什么回归结果容易受Y方向极端值影响。拟合之前画散点图是必须步骤可以提前发现非线性关系或明显的离群点。4.3 用Python拟合回归直线并输出关键统计量from scipy.stats import linregress x np.arange(20, 60, 1) y 2.5 * x 10 np.random.normal(0, 8, sizelen(x)) result linregress(x, y) print(f截距: {result.intercept:.3f}) print(f回归系数(斜率): {result.slope:.3f}) print(f相关系数 r: {result.rvalue:.4f}) print(f决定系数 R²: {result.rvalue**2:.4f}) print(fp值: {result.pvalue:.4f}) # 预测 pred result.slope * 50 result.intercept print(fx50时预测y: {pred:.3f})linregress一次性返回截距、斜率、相关系数、P值和标准误。回归系数表示X每增加1个单位Y平均变化slope个单位。决定系数R²由相关系数r平方而来表示Y的变异中可由X解释的比例。R²越接近1回归解释力越强。文档还强调同一组数据的回归系数检验与相关系数检验等价因为两者的P值来自同一个t统计量即tb tr。4.4 相关系数0.95不代表两组测量结果一致这是回归相关中最容易被误用的点。两种方法测定同一批样品相关系数达到0.95能说结果一致吗文档给出的答案是不能。相关系数只反映线性关联强度一致性要求两组数值本身接近。例如方法A恒等于方法B的两倍所有点落在一条直线上r1但两组结果显然不同。评估测量一致性应当使用Bland-Altman分析计算差值的均数和95%一致性界限。相关分析只能说明趋势不能替代一致性评价。5. 卡方检验与实验设计从四格表到样本量控制5.1 四格表卡方检验的应用条件与校正文档第18点给出了经典判据当T5且N40时直接用卡方检验当1≤T5且N40时用校正卡方当T1或N40时用四格表确切概率法。T表示理论频数由行合计乘以列合计再除以总例数得到。理论频数过小时卡方分布近似效果变差需要校正或改用精确概率。from scipy.stats import chi2_contingency, fisher_exact table np.array([[18, 12], [30, 40]]) # 卡方检验correction默认True chi2, p_value, dof, expected chi2_contingency(table, correctionTrue) print(f卡方值: {chi2:.4f}, p{p_value:.4f}, 自由度{dof}) print(理论频数:\n, expected) # 当T1或N40时用Fisher确切概率法 oddsratio, p_fisher fisher_exact(table) print(fFisher确切概率: p{p_fisher:.4f})chi2_contingency中的correctionTrue对应Yates连续校正。当N较大且所有T5时建议设置correctionFalse否则卡方值会被低估。fisher_exact直接计算精确概率不受理论频数限制。四格表自由度固定为1更大的行×列表自由度按“行数-1”乘以“列数-1”计算。5.2 行×列表资料卡方检验的目的行×列表资料卡方检验用于推断多个总体率或构成比是否相同。比如比较三种药物干预后的有效率或比较不同血型与某疾病构成比是否有差别。文档第17点概括为“推断两个或多个总体率或构成比是否相同”。注意当P0.05时只能说明各组之间“不全相同”不能直接得出具体哪两组有差异。后续做两两比较时要对检验水准α做Bonferroni校正例如三组比较两两三次每次α0.05/3≈0.0167。5.3 实验设计三要素与三原则实验设计三要素是处理因素、受试对象、实验效应。三原则是对照、随机、重复。对照保证除处理因素外其他非处理因素均衡随机化让每个个体进入各组的机会相等重复保证样本含量足够降低第二类错误β。样本量过小检验效能1-β不足即使真实存在差异也可能得到P0.05。因此科研方案中的样本量估算不是可选动作而是统计检验有效性的前提。5.4 把PDF文档变成可检索的个人速查卡这份PDF的问答体结构非常适合转成速查手册。用pdfplumber提取文本再按关键词切分条目即可生成结构化Markdown或Obsidian笔记。import pdfplumber with pdfplumber.open(医学统计学.pdf) as pdf: text \n.join(page.extract_text() or for page in pdf.pages) keywords [t检验, 卡方, 参考值范围, 可信区间] for kw in keywords: lines [line.strip() for line in text.split(\n) if kw in line] print(f关键词[{kw}] 命中 {len(lines)} 行)pdfplumber的extract_text()会保留页面内的行顺序但遇到跨页表格时可能丢失对齐信息对策是用page.extract_table()单独抽表。提取后可用正则去掉页码再按“问题-答案”格式拆成条目。后续写论文或做Meta分析时用全局搜索直接定位“四格表T值怎么算”“单侧检验何时用”这类问题比反复翻PDF效率高得多。本文还有配套的精品资源点击获取 医学统计学核心知识解读：正态分布、t检验与卡方检验的Python实践
简介面向医学生、科研人员与临床工作者的《医学统计学》精简文档系统梳理了统计学的核心知识框架。内容涵盖正态分布与标准正态分布的特征判别、t分布与总体均数可信区间、统计检验与实验设计等关键模块并以问答形式详解两样本均数比较、t检验适用条件、四格表卡方检验及线性回归分析等常见疑难点适合快速复习备考与论文数据分析参考。资源为单个PDF文件整体约121KB精炼便携目前已有2008人学习使用。相较于零散笔记这份材料将正态分布曲线下面积、标准正态变换方法、正常值范围制定步骤、可信区间准确度与精密度等易混淆概念进行了对比归纳同时给出P值解释、单双侧检验选择等实操性结论帮助读者避开常见统计误用陷阱。依托描述与内容预览文档还完整覆盖从统计推断到实验设计的知识链条可为医学统计入门与科研应用提供高效支撑。1. 从一份医学统计学PDF说起正态分布不只是钟形曲线临床数据分析中常会遇到“参考值范围”和“可信区间”混用的问题。这份PDF把两者放在同一节对比点明本质差异参考值范围描述个体值波动可信区间描述总体均数范围。很多人直接用均值±1.96σ定参考区间却忽略了正态分布法和百分位数法对样本量的不同要求——正态分布法需要样本不少于50例百分位数法则建议150例以上。这些边界条件在论文审稿中容易被追问。这份PDF以问答体列出了几十个高频统计学考点从正态分布特征、t检验步骤到实验设计原则覆盖了医学论文中最常用的推断方法。无论你是临床科研人员还是数据分析师都能拿它当快速查阅的资料。下文按“分布形态→假设检验→回归相关→分类变量”的顺序拆读并把关键知识点落到可执行的Python验证代码上。2. 正态分布与参考值范围从分布特征到置信区间计算2.1 正态分布的参数与面积规律正态分布的核心由均数μ和标准差σ两个参数决定。μ控制曲线中心的水平位置σ控制曲线是“瘦高”还是“矮胖”。文档给出的面积规律是μ±1σ覆盖68.27%μ±1.96σ覆盖95.00%μ±2.58σ覆盖99.00%。这三个常数不只是背诵内容它们直接决定置信区间和参考值范围的计算。使用SciPy可以快速验证这三个面积常数from scipy.stats import norm for z in [1, 1.96, 2.58]: area norm.cdf(z) - norm.cdf(-z) print(fμ±{z}σ: {area:.4%})norm.cdf(z)返回从负无穷到z的累积概率。用z处的累积概率减去-z处得到对称区间的面积。1.96和2.58分别是双侧95%和99%置信水平对应的z分位数。实际做参考值范围时经常直接用“均值±1.96×标准差”前提是数据通过正态性检验。2.2 判断数据是否服从正态分布图形法与系数检验文档给出三种判断方法频数分布图、前人经验、偏度系数与峰度系数检验。从工程角度我会优先看直方图和Q-Q图再用统计检验收尾。偏度系数接近0表示左右对称峰度系数接近0表示尾部厚度接近正态。但这两个系数本身不带P值小样本下容易误判。更常用的做法是Shapiro-Wilk检验。import numpy as np from scipy.stats import shapiro, skew, kurtosis data np.random.normal(loc170, scale5, size120) skew_val skew(data) kurt_val kurtosis(data) print(f偏度: {skew_val:.3f}, 峰度: {kurt_val:.3f}) stat_w, p_shapiro shapiro(data) print(fShapiro-Wilk: W{stat_w:.4f}, p{p_shapiro:.4f})skew()和kurtosis()返回样本偏度与峰度系数是点估计没有显著性判断。shapiro()返回W统计量和P值P0.05时不能拒绝正态分布假设。若数据明显偏态一个常见做法是先做对数变换再检验这与文档中关于对数正态分布的描述吻合。2.3 正态分布、标准正态分布与t分布的三角关系文档第3题把三者的关系讲得很清楚任何正态分布N(μ,σ²)都可以通过线性变换Z(X-μ)/σ转成标准正态分布N(0,1)。t分布和标准正态分布一样是连续对称分布区别在于t分布尾部更厚但随着自由度增大逐渐逼近标准正态分布。这个特性决定了假设检验中小样本用t临界值大样本或总体标准差已知时用u检验。在小样本场景下如果直接用1.96作为95%可信区间的临界值会低估区间宽度。例如n20时应使用自由度19的t临界值约2.093而不是1.96。文档反复强调t检验适用于n50原因就在于此。当n50时t分布与标准正态分布差异小到可以忽略。2.4 正常值范围的两种估计法正态分布法与百分位数法文档给出了两种方法的边界条件直接整理成表格更方便查阅。方法适用条件样本量要求特点正态分布法资料服从正态或对数正态分布不少于50例区间对称依赖均数和标准差百分位数法偏态分布或分布未知不少于150例直接取P2.5~P97.5不受极端值影响用模拟的偏态数据演示两种方法的差异np.random.seed(42) lognorm_data np.random.lognormal(mean3, sigma0.7, size200) # 正态分布法演示用偏态数据不应直接用 mean_val np.mean(lognorm_data) std_val np.std(lognorm_data, ddof1) norm_ci (mean_val - 1.96 * std_val, mean_val 1.96 * std_val) # 百分位数法 p_ci (np.percentile(lognorm_data, 2.5), np.percentile(lognorm_data, 97.5)) print(f正态分布法: {norm_ci[0]:.2f} ~ {norm_ci[1]:.2f}) print(f百分位数法: {p_ci[0]:.2f} ~ {p_ci[1]:.2f})偏态数据下正态分布法的下限可能小于0这在抗体滴度等指标上没有实际意义。百分位数法则始终落在观测值范围内更稳健。文档还补充了中间路线如果资料经对数变换后接近正态可以先计算变换后数据的均值±z×标准差再取反对数还原。3. t检验与可信区间假设检验的完整推演3.1 为什么样本均数差异不能凭“看起来”判断两份样本均数不同可能来自总体差异也可能来自抽样误差。文档举了一个很反直觉的例子班级全体男女生平均血压不需要做统计检验因为这是两个总体均数的直接比较只有手里是抽样样本时才需要推断。假设检验的核心是反证法先假设H0成立计算在当前样本下得到现有差异或更极端差异的概率P。P小于检验水准α就拒绝H0。3.2 t检验的前提条件与基本步骤t检验的条件有三个正态性、方差齐性、样本例数较小n50。正态性影响统计量的分布形态方差齐性影响标准误的合并方式。文档给出的t检验步骤是建立检验假设、确定检验水准和单双侧、选定检验方法与计算统计量、确定P值、推断结论。其中单双侧的选择必须在分析前定下来不能等P值出来后再挑一个有利的方向。方差齐性一般用Levene检验或F检验。Levene检验对非正态分布更稳健所以scipy.stats里默认推荐用它。如果方差齐性不满足可选择Welch校正t检验对应ttest_ind中的equal_varFalse参数。3.3 用Python实现独立样本t检验与配对t检验from scipy import stats group1 np.random.normal(loc72, scale5, size30) group2 np.random.normal(loc75, scale5, size30) # 方差齐性检验 lev_stat, lev_p stats.levene(group1, group2) print(fLevene检验: p{lev_p:.4f}) # 独立样本t检验equal_var按方差齐性结果设置 t_ind, p_ind stats.ttest_ind(group1, group2, equal_varlev_p 0.05) print(f独立样本t检验: t{t_ind:.4f}, p{p_ind:.4f}) # 配对样本 before np.random.normal(loc80, scale6, size30) after before np.random.normal(loc-2, scale3, size30) t_paired, p_paired stats.ttest_rel(before, after) print(f配对t检验: t{t_paired:.4f}, p{p_paired:.4f})ttest_ind的equal_var参数决定是否采用Welch校正。Levene检验的P0.05认为方差齐equal_var传True否则传False。ttest_rel要求两个数组长度一致且按受试者一一对应。配对设计通过同一对象前后的减法消除个体间差异检验效能通常高于独立样本t检验。3.4 可信区间与统计检验的等价性文档第8点给出一套快捷判断法未知总体均数的可信区间若包含μ0则不拒绝H0不包含则拒绝。配对样本则看差值均数的可信区间是否包含0。这种方法与P值结论完全等价但提供了更直观的效应量范围。用单样本t检验验证这个等价性# 单样本t检验 可信区间 sample np.random.normal(loc75, scale6, size40) mu0 74 t_single, p_single stats.ttest_1samp(sample, popmeanmu0) n len(sample) mean_s np.mean(sample) se stats.sem(sample) t_crit stats.t.ppf(0.975, dfn-1) ci_low mean_s - t_crit * se ci_up mean_s t_crit * se print(f单样本t检验 p{p_single:.4f}) print(f95%可信区间: {ci_low:.3f} ~ {ci_up:.3f}, 包含μ0: {ci_low mu0 ci_up})stats.sem()计算标准误等于样本标准差除以根号n。stats.t.ppf(0.975, dfn-1)返回自由度n-1时的双侧t临界值。P值小于0.05时可信区间就不会包含μ0。文档还指出“可信度越高准确度越高区间越短精密度越高”但样本量固定时两者互相制约只能通过增加样本量同时改善。3.5 P值的真正含义与常见误读很多人把P0.05解读为“两组相同的概率小于0.05”这是错的。文档第23点定义P值为在H0成立的前提下获得现有统计量以及比该统计量更极端情况的概率。α则是预先给定的检验水准表示拒绝H0时允许犯假阳性错误的上限。P0.05只能说不拒绝H0不能证明H0正确。写作论文时“接受H0”是被禁止的表述只能写“暂未发现统计学差异”。4. 线性回归与相关分析从最小二乘法到决定系数4.1 回归与相关目的不同资料要求不同回归的目的是通过X推算Y相关分析的目的是刻画两个变量的紧密程度和方向。文档把资料要求分为两类回归只要求Y近似正态X可精确测量或严格控制相关分析则要求X和Y都服从双变量正态分布。观察性研究中X往往也有随机误差如果直接套用I型回归回归系数的标准误会偏小统计推断偏乐观。遇到这种情况更适合用II型回归或同时报告相关分析。4.2 最小二乘法原理回归直线采用“各散点到回归直线的纵向距离平方和最小”原则。这里的“纵向距离”指Y方向上的残差不是点到直线的垂直距离。因为回归模型的目标是预测Y所以X方向的偏离不影响损失函数。这也解释了为什么回归结果容易受Y方向极端值影响。拟合之前画散点图是必须步骤可以提前发现非线性关系或明显的离群点。4.3 用Python拟合回归直线并输出关键统计量from scipy.stats import linregress x np.arange(20, 60, 1) y 2.5 * x 10 np.random.normal(0, 8, sizelen(x)) result linregress(x, y) print(f截距: {result.intercept:.3f}) print(f回归系数(斜率): {result.slope:.3f}) print(f相关系数 r: {result.rvalue:.4f}) print(f决定系数 R²: {result.rvalue**2:.4f}) print(fp值: {result.pvalue:.4f}) # 预测 pred result.slope * 50 result.intercept print(fx50时预测y: {pred:.3f})linregress一次性返回截距、斜率、相关系数、P值和标准误。回归系数表示X每增加1个单位Y平均变化slope个单位。决定系数R²由相关系数r平方而来表示Y的变异中可由X解释的比例。R²越接近1回归解释力越强。文档还强调同一组数据的回归系数检验与相关系数检验等价因为两者的P值来自同一个t统计量即tb tr。4.4 相关系数0.95不代表两组测量结果一致这是回归相关中最容易被误用的点。两种方法测定同一批样品相关系数达到0.95能说结果一致吗文档给出的答案是不能。相关系数只反映线性关联强度一致性要求两组数值本身接近。例如方法A恒等于方法B的两倍所有点落在一条直线上r1但两组结果显然不同。评估测量一致性应当使用Bland-Altman分析计算差值的均数和95%一致性界限。相关分析只能说明趋势不能替代一致性评价。5. 卡方检验与实验设计从四格表到样本量控制5.1 四格表卡方检验的应用条件与校正文档第18点给出了经典判据当T5且N40时直接用卡方检验当1≤T5且N40时用校正卡方当T1或N40时用四格表确切概率法。T表示理论频数由行合计乘以列合计再除以总例数得到。理论频数过小时卡方分布近似效果变差需要校正或改用精确概率。from scipy.stats import chi2_contingency, fisher_exact table np.array([[18, 12], [30, 40]]) # 卡方检验correction默认True chi2, p_value, dof, expected chi2_contingency(table, correctionTrue) print(f卡方值: {chi2:.4f}, p{p_value:.4f}, 自由度{dof}) print(理论频数:\n, expected) # 当T1或N40时用Fisher确切概率法 oddsratio, p_fisher fisher_exact(table) print(fFisher确切概率: p{p_fisher:.4f})chi2_contingency中的correctionTrue对应Yates连续校正。当N较大且所有T5时建议设置correctionFalse否则卡方值会被低估。fisher_exact直接计算精确概率不受理论频数限制。四格表自由度固定为1更大的行×列表自由度按“行数-1”乘以“列数-1”计算。5.2 行×列表资料卡方检验的目的行×列表资料卡方检验用于推断多个总体率或构成比是否相同。比如比较三种药物干预后的有效率或比较不同血型与某疾病构成比是否有差别。文档第17点概括为“推断两个或多个总体率或构成比是否相同”。注意当P0.05时只能说明各组之间“不全相同”不能直接得出具体哪两组有差异。后续做两两比较时要对检验水准α做Bonferroni校正例如三组比较两两三次每次α0.05/3≈0.0167。5.3 实验设计三要素与三原则实验设计三要素是处理因素、受试对象、实验效应。三原则是对照、随机、重复。对照保证除处理因素外其他非处理因素均衡随机化让每个个体进入各组的机会相等重复保证样本含量足够降低第二类错误β。样本量过小检验效能1-β不足即使真实存在差异也可能得到P0.05。因此科研方案中的样本量估算不是可选动作而是统计检验有效性的前提。5.4 把PDF文档变成可检索的个人速查卡这份PDF的问答体结构非常适合转成速查手册。用pdfplumber提取文本再按关键词切分条目即可生成结构化Markdown或Obsidian笔记。import pdfplumber with pdfplumber.open(医学统计学.pdf) as pdf: text \n.join(page.extract_text() or for page in pdf.pages) keywords [t检验, 卡方, 参考值范围, 可信区间] for kw in keywords: lines [line.strip() for line in text.split(\n) if kw in line] print(f关键词[{kw}] 命中 {len(lines)} 行)pdfplumber的extract_text()会保留页面内的行顺序但遇到跨页表格时可能丢失对齐信息对策是用page.extract_table()单独抽表。提取后可用正则去掉页码再按“问题-答案”格式拆成条目。后续写论文或做Meta分析时用全局搜索直接定位“四格表T值怎么算”“单侧检验何时用”这类问题比反复翻PDF效率高得多。本文还有配套的精品资源点击获取