统计学的基本概念统计学的基本概念有哪些

文章插图
统计学可以从有限数据中得出一般结论。推断统计学的全部要点是从有限的数据中推断出一个一般结论。“描述性统计学”只是描述数据，未得出任何一般结论。但统计学的挑战和困难之处在于从有限的数据中得出一般结论。
无法凭借直观来理解统计学。“直观”一词有两层含义。其中一种含义是“易于使用和理解。”“直观”的另一种含义是“本能，或即使没有理由，也按照自己认为真实的东西去做。”使用该定义，统计推理绝非直观。思考数据的树根，直观往往会将我们引入歧途。人们经常在随机数据中看到模式，并经常得出未经确认的结论。从数据中得出有效结论需要统计的严密性。
统计结论总是以概率的形式出现。“统计学意味着不能说绝对确信。”如果一个统计学结论似乎已确定，则可能是你在误解某些事情。统计学的全部意义是量化不确定性。
所有统计检验均基于假设。每个统计推断均基于一系列假设。不要试图解读任何统计结果，直至您看完那个列表。每一次统计计算背后的假设是，数据是随机抽样的数据，或至少代表可收集到的更大数量的值。如果你的数据不能代表你本可（但没有）收集的更大数据集，则统计推断将没有意义。
应提前作出关于如何分析数据的决定。分析数据需要许多决定。参数检验或非参数检验？是否排除异常值？是否首先转换数据？是否对外部对照值进行标准化？是否调整协变量？是否在回归中使用加权因素？所有这些决定（以及更多）均应为实验设计的一部分。如果统计分析的决定是在检查数据之后作出，统计分析很容易成为一种高科技的显灵板 - 一种产生预定结果的方法，而非一种分析数据的客观方法。新名称是p - 值篡改。
置信区间量化精确度，且易于解读。【统计学的基本概念统计学的基本概念有哪些】假设你已计算所收集的一组值的平均值，或者产生某个事件的受试者比例。这些值描述你分析的样本。但你抽样的整个群体如何？真实的群体平均值（或比例）可能更高，也可能更低。95%置信区间的计算考虑了样本量和分散性。给定一组假设，你可95%的确定置信区间包括真实的群体值（你只能通过收集无限量的数据进行确定）。当然， 95%并无特殊之处，仅仅是一种惯例。可针对任何期望的置信程度计算置信区间。几乎所有结果 - 比例、相对风险、优势比、平均值、平均值之间的差值、斜率、速率常数...- 应附加置信区间。
一个P值检验一个零假设，且在开始时可能会很难理解。P值逻辑起初似乎很奇怪。检验两组是否不同时（不同平均值，不同比例等），首先假设这两个群体实际上相同。称之为“零假设” 。然后询问：如果零假设为真，则随机获抽样本之间的差异与实际观察到的差异一样大（甚至更大）的可能性是多少？如果P值很大，则你的数据与零假设一致。如果P值很小，只有很小的可能性，则随机机会产生的差异与实际观察到的差异一样大。这使你质疑零假设是否正确。如果你不能确定零假设，就不能解读P值。
“统计学显著性”并不意味影响很大或在科学上很重要。如果P值小于0.05（一个任意的、但广泛接受的阈值），则认为结果具有统计学显著性。该短语听起来很明确。但这意味着，这仅仅是偶然，在不到5%的时间，发生你观察到的差异（或联系或相关..）（或更大的差异）。就是这样。一个在科学上或临床上不重要的微小影响可能具有统计学显著性（尤其是在大样本量中）。该结论也可能错误，因为你会得出一个结论，结果在5%的时间具有统计学显著性，这仅仅是偶然。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：

统计学的基本概念 统计学的基本概念有哪些

统计学的基本概念统计学的基本概念有哪些