Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Nanchang University

医学统计学

Nanchang University via XuetangX

Overview

Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it

医学统计学为数据的收集、分析、呈现和解释提供了有力的研究工具和解决方案,在医学研究中发挥着重要的作用,并在医学专业研究生课程体系中处于基础性地位并发挥关键作用。

Syllabus

  • 第一章绪论和数据的统计描述
    • 1.1 统计学简介及几个基本概念
    • 1.2 定量资料描述
    • 1.3正态分布及医学参考值范围
    • 1.4 定性资料描述
    • 1.5 统计表
    • 1.6 统计图
  • 第二章总体均数的统计推断
    • 2.1 均数的抽样误差与标准误
    • 2.2 t分布
    • 2.3 总体均数的估计
    • 2.4 假设检验的基本原理和步骤
    • 2.5 t检验
    • 2.6 假设检验的注意事项
    • 2.7 正态性检验和方差齐性检验
  • 第三章常见的离散型变量及其应用
    • 3.1 二项分布
    • 3.2 Poisson
    • 3.3 负二项分布
    • 3.4 负二项分布的应用
  • 第四章多个样本均数比较的方差分析
    • 4.1 方差分析的基本思想及应用条件
    • 4.2 完全随机设计资料的方差分析
    • 4.3 随机区组设计资料的方差分析
    • 4.4 拉丁方设计资料的方差分析
    • 4.5 两阶段交叉设计资料的方差分析
    • 4.6 多个样本均数间的多重比较
    • 4.7 多样本方差比较的Bartlett检验和Levene检验
  • 第五章X² 检验
    • 5.1四格表资料的卡方检验
    • 5.2配对四格表资料的卡方检验
    • 5.3四格表资料的Fisher确切概率法
    • 5.4行X列表资料的卡方检验
    • 5.5多个样本率间的多重比较
    • 5.6频数分布拟合优度的卡方检验
  • 第六章秩转换的非参数检验
    • 6.1 配对样本比较的Wilcoxon符号秩检验
    • 6.2 两个独立样本比较的Wilcoxon秩和检验
    • 6.3 完全随机设计多个样本比较的Kruskal-Wallis H检验
  • 第七章线性回归与相关
    • 7.1直线回归
    • 7.2直线相关
    • 7.3 线性回归与相关应用的注意事项
    • 7.4秩相关
    • 7.5 曲线拟合
  • 第八章多因素试验资料的方差分析
    • 8.1 多因素试验资料的方差分析概述
    • 8.2 析因设计资料的方差分析
    • 8.3 正交设计与方差分析
    • 8.4 嵌套设计资料的方差分析
    • 8.5 裂区设计资料的方差分析
  • 第九章 重复测量资料的方差分析
    • 9.1 重复测量资料的数据特征
    • 9.2 重复测量数据的两因素两水平分析
    • 9.3 重复测量数据的两因素多水平分析
    • 9.4 重复测量数据的多重比较
  • 第十章多重线性回归
    • 10.1 多重线性回归
    • 10.2 模型变量的选择
    • 10.3 多元线性回归的应用及其注意事项
  • 第十一章一般线性模型
    • 11.1一般线性模型简介
    • 11.2协变量方差分析模型
  • 第十二章Logistic回归
    • 12.1Logistic回归
    • 12.2条件Logistic回归
    • 12.3多分类Logistic回归
    • 12.4有序多分类Logistic回归
  • 第十三章生存分析
    • 13.1 生存分析的基本概念
    • 13.2 生存率的估计与生存曲线
    • 13.3 生存率的比较
    • 13.4 COX比例风险回归模型
  • 期末考试

    Taught by

    ZHENG HUI LIE, YU HUI QIANG, LUQUQIN, DENG LI BIN , LIU YONG, HU SONG BO, and LI YUE

    Tags

    Reviews

    Start your review of 医学统计学

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.