公共衛(wèi)生統(tǒng)計(jì)學(xué)

公共衛(wèi)生統(tǒng)計(jì)學(xué)匯報(bào)時(shí)間：2024-01-25匯報(bào)人：AA目錄緒論描述性統(tǒng)計(jì)方法推斷性統(tǒng)計(jì)方法線性回歸與相關(guān)分析時(shí)間序列分析與預(yù)測(cè)技術(shù)公共衛(wèi)生領(lǐng)域應(yīng)用實(shí)例探討緒論01定義公共衛(wèi)生統(tǒng)計(jì)學(xué)是應(yīng)用數(shù)理統(tǒng)計(jì)學(xué)的原理和方法，研究公共衛(wèi)生領(lǐng)域中的數(shù)量表現(xiàn)和數(shù)量關(guān)系，揭示其內(nèi)在規(guī)律，為公共衛(wèi)生實(shí)踐提供科學(xué)依據(jù)的一門學(xué)科。特點(diǎn)公共衛(wèi)生統(tǒng)計(jì)學(xué)具有廣泛的應(yīng)用性、鮮明的實(shí)踐性和嚴(yán)密的邏輯性等特點(diǎn)。它不僅是公共衛(wèi)生專業(yè)的重要基礎(chǔ)課程，也是從事公共衛(wèi)生實(shí)踐和研究工作的必備工具。公共衛(wèi)生統(tǒng)計(jì)學(xué)定義與特點(diǎn)公共衛(wèi)生統(tǒng)計(jì)學(xué)重要性描述公共衛(wèi)生現(xiàn)象通過收集、整理、分析公共衛(wèi)生數(shù)據(jù)，揭示公共衛(wèi)生現(xiàn)象的數(shù)量表現(xiàn)和數(shù)量關(guān)系，為認(rèn)識(shí)和理解公共衛(wèi)生問題提供客觀依據(jù)。評(píng)價(jià)公共衛(wèi)生干預(yù)措施效果通過比較干預(yù)前后的數(shù)據(jù)變化，評(píng)價(jià)公共衛(wèi)生干預(yù)措施的效果，為改進(jìn)和完善干預(yù)措施提供科學(xué)依據(jù)。預(yù)測(cè)公共衛(wèi)生趨勢(shì)通過分析歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù)，預(yù)測(cè)未來公共衛(wèi)生問題的發(fā)展趨勢(shì)，為制定有效的預(yù)防和控制策略提供參考。促進(jìn)公共衛(wèi)生決策科學(xué)化通過提供客觀、準(zhǔn)確的數(shù)據(jù)支持，幫助決策者制定科學(xué)、合理的公共衛(wèi)生政策和措施，提高決策的科學(xué)性和有效性。發(fā)展歷史公共衛(wèi)生統(tǒng)計(jì)學(xué)起源于19世紀(jì)中葉，隨著醫(yī)學(xué)和公共衛(wèi)生的發(fā)展而逐漸發(fā)展壯大。經(jīng)歷了從描述性統(tǒng)計(jì)到分析性統(tǒng)計(jì)、再到預(yù)測(cè)性統(tǒng)計(jì)的發(fā)展歷程。現(xiàn)狀目前，公共衛(wèi)生統(tǒng)計(jì)學(xué)已經(jīng)成為公共衛(wèi)生領(lǐng)域的重要分支學(xué)科之一，廣泛應(yīng)用于疾病預(yù)防控制、健康促進(jìn)、衛(wèi)生政策制定等方面。同時(shí)，隨著大數(shù)據(jù)和人工智能等技術(shù)的不斷發(fā)展，公共衛(wèi)生統(tǒng)計(jì)學(xué)也面臨著新的機(jī)遇和挑戰(zhàn)。公共衛(wèi)生統(tǒng)計(jì)學(xué)發(fā)展歷史及現(xiàn)狀描述性統(tǒng)計(jì)方法0201頻數(shù)分布表用于展示數(shù)據(jù)的分布情況，包括分組、頻數(shù)、頻率等。02直方圖通過矩形面積表示各組頻數(shù)的多少，直觀展示數(shù)據(jù)的分布情況。03組數(shù)選擇分組過少可能導(dǎo)致信息損失，分組過多則可能產(chǎn)生數(shù)據(jù)分布的誤導(dǎo)。頻數(shù)分布與直方圖010203適用于數(shù)值型數(shù)據(jù)，反映數(shù)據(jù)的平均水平。算術(shù)平均數(shù)適用于順序數(shù)據(jù)，將數(shù)據(jù)分為兩半，表示中等水平。中位數(shù)適用于分類數(shù)據(jù)，表示出現(xiàn)次數(shù)最多的類別。眾數(shù)集中趨勢(shì)度量

離散程度度量極差最大值與最小值之差，簡(jiǎn)單反映數(shù)據(jù)的波動(dòng)范圍。方差與標(biāo)準(zhǔn)差衡量數(shù)據(jù)偏離平均數(shù)的程度，適用于數(shù)值型數(shù)據(jù)。四分位數(shù)間距上四分位數(shù)與下四分位數(shù)之差，反映中間50%數(shù)據(jù)的離散程度。數(shù)據(jù)以平均數(shù)為中心對(duì)稱分布，如正態(tài)分布。對(duì)稱分布數(shù)據(jù)分布偏向一側(cè)，包括左偏態(tài)和右偏態(tài)。偏態(tài)分布數(shù)據(jù)分布的尖峭或扁平程度，如尖峰分布和扁平分布。峰態(tài)分布通過箱線圖等方法識(shí)別異常值，并分析其對(duì)數(shù)據(jù)分布的影響。異常值識(shí)別數(shù)據(jù)分布形態(tài)描述推斷性統(tǒng)計(jì)方法03用樣本統(tǒng)計(jì)量來估計(jì)總體參數(shù)，如樣本均值、樣本比例等。點(diǎn)估計(jì)區(qū)間估計(jì)最大似然估計(jì)根據(jù)樣本數(shù)據(jù)計(jì)算出一個(gè)區(qū)間，以一定置信水平包含總體參數(shù)的真值。通過最大化似然函數(shù)來求解參數(shù)估計(jì)值，適用于多種分布類型。030201參數(shù)估計(jì)方法根據(jù)樣本信息對(duì)總體參數(shù)或分布做出推斷，判斷原假設(shè)是否成立。原理提出原假設(shè)和備擇假設(shè)、選擇檢驗(yàn)統(tǒng)計(jì)量、確定拒絕域、計(jì)算p值并做出決策。步驟假設(shè)檢驗(yàn)原理及步驟03協(xié)方差分析在控制其他變量的影響下，研究兩個(gè)或多個(gè)變量之間的關(guān)系，如研究收入和教育水平對(duì)職業(yè)成功的影響。01單因素方差分析研究一個(gè)控制變量對(duì)觀測(cè)變量的影響，如不同藥物對(duì)治療效果的影響。02多因素方差分析研究多個(gè)控制變量對(duì)觀測(cè)變量的影響，如不同藥物和劑量對(duì)治療效果的影響。方差分析應(yīng)用舉例非參數(shù)檢驗(yàn)不依賴于總體分布的具體形式，通過比較樣本數(shù)據(jù)的秩或分布形態(tài)來進(jìn)行統(tǒng)計(jì)推斷。常見方法卡方檢驗(yàn)、Mann-WhitneyU檢驗(yàn)、Kruskal-WallisH檢驗(yàn)等。應(yīng)用場(chǎng)景適用于總體分布未知或不符合正態(tài)分布假設(shè)的情況，如醫(yī)學(xué)研究、社會(huì)科學(xué)等領(lǐng)域的數(shù)據(jù)分析。非參數(shù)檢驗(yàn)方法簡(jiǎn)介線性回歸與相關(guān)分析04回歸系數(shù)的估計(jì)采用最小二乘法等方法，對(duì)回歸系數(shù)進(jìn)行估計(jì)，得到回歸方程的斜率和截距。模型的檢驗(yàn)通過F檢驗(yàn)、t檢驗(yàn)等方法，對(duì)回歸方程進(jìn)行顯著性檢驗(yàn)，判斷自變量對(duì)因變量的影響是否顯著。建立一元線性回歸模型通過收集樣本數(shù)據(jù)，確定自變量和因變量，建立一元線性回歸方程。一元線性回歸模型建立與檢驗(yàn)回歸系數(shù)的估計(jì)采用最小二乘法等方法，對(duì)多元線性回歸方程的系數(shù)進(jìn)行估計(jì)。模型的檢驗(yàn)通過F檢驗(yàn)、t檢驗(yàn)、擬合優(yōu)度檢驗(yàn)等方法，對(duì)多元線性回歸方程進(jìn)行顯著性檢驗(yàn)和擬合效果評(píng)價(jià)。建立多元線性回歸模型引入多個(gè)自變量，建立多元線性回歸方程，描述因變量與多個(gè)自變量之間的線性關(guān)系。多元線性回歸模型建立與檢驗(yàn)通過皮爾遜相關(guān)系數(shù)、斯皮爾曼等級(jí)相關(guān)系數(shù)等方法，計(jì)算自變量和因變量之間的相關(guān)系數(shù)。根據(jù)相關(guān)系數(shù)的大小和符號(hào)，判斷自變量和因變量之間的相關(guān)方向和程度。相關(guān)系數(shù)計(jì)算及其意義解讀相關(guān)系數(shù)的意義解讀相關(guān)系數(shù)的計(jì)算偏相關(guān)和復(fù)相關(guān)概念介紹偏相關(guān)概念在多元線性回歸中，當(dāng)研究某一個(gè)自變量對(duì)因變量的影響時(shí)，需要控制其他自變量的影響，此時(shí)計(jì)算的相關(guān)系數(shù)稱為偏相關(guān)系數(shù)。復(fù)相關(guān)概念在多元線性回歸中，描述因變量與多個(gè)自變量整體之間的線性相關(guān)程度，計(jì)算的相關(guān)系數(shù)稱為復(fù)相關(guān)系數(shù)。時(shí)間序列分析與預(yù)測(cè)技術(shù)05123具有時(shí)間順序性、連續(xù)性、周期性、趨勢(shì)性等。時(shí)間序列數(shù)據(jù)特點(diǎn)包括數(shù)據(jù)清洗、缺失值處理、異常值處理、數(shù)據(jù)變換等。數(shù)據(jù)處理方法通過折線圖、柱狀圖等展示時(shí)間序列數(shù)據(jù)的趨勢(shì)和周期性。時(shí)間序列數(shù)據(jù)的可視化時(shí)間序列數(shù)據(jù)特點(diǎn)和處理方法通過計(jì)算歷史數(shù)據(jù)的移動(dòng)平均值來預(yù)測(cè)未來趨勢(shì)。移動(dòng)平均法原理簡(jiǎn)單移動(dòng)平均法、加權(quán)移動(dòng)平均法等。移動(dòng)平均法類型優(yōu)點(diǎn)包括簡(jiǎn)單易行、能夠消除數(shù)據(jù)波動(dòng)等；缺點(diǎn)包括對(duì)歷史數(shù)據(jù)利用不足、對(duì)突發(fā)事件反應(yīng)遲鈍等。移動(dòng)平均法的優(yōu)缺點(diǎn)移動(dòng)平均法預(yù)測(cè)未來趨勢(shì)通過計(jì)算歷史數(shù)據(jù)的指數(shù)加權(quán)平均值來預(yù)測(cè)未來趨勢(shì)。指數(shù)平滑法原理一次指數(shù)平滑法、二次指數(shù)平滑法、霍爾特指數(shù)平滑法等。指數(shù)平滑法類型優(yōu)點(diǎn)包括對(duì)歷史數(shù)據(jù)利用更充分、對(duì)突發(fā)事件反應(yīng)更靈敏等；缺點(diǎn)包括需要選擇合適的平滑系數(shù)、對(duì)周期性數(shù)據(jù)預(yù)測(cè)效果較差等。指數(shù)平滑法的優(yōu)缺點(diǎn)指數(shù)平滑法預(yù)測(cè)未來趨勢(shì)其他時(shí)間序列預(yù)測(cè)技術(shù)簡(jiǎn)介自回歸模型（AR）利用歷史數(shù)據(jù)的線性組合來預(yù)測(cè)未來值。移動(dòng)平均模型（MA）對(duì)歷史數(shù)據(jù)的誤差項(xiàng)進(jìn)行移動(dòng)平均來預(yù)測(cè)未來值。自回歸移動(dòng)平均模型（ARMA）結(jié)合自回歸和移動(dòng)平均模型的特點(diǎn)進(jìn)行預(yù)測(cè)。自回歸綜合移動(dòng)平均模型（ARIMA）在ARMA模型的基礎(chǔ)上加入差分運(yùn)算，適用于非平穩(wěn)時(shí)間序列數(shù)據(jù)的預(yù)測(cè)。公共衛(wèi)生領(lǐng)域應(yīng)用實(shí)例探討06利用歷史數(shù)據(jù)和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，通過時(shí)間序列分析、回歸分析等統(tǒng)計(jì)方法，預(yù)測(cè)傳染病的流行趨勢(shì)。結(jié)合地理信息系統(tǒng)（GIS）技術(shù)，對(duì)疫情的空間分布進(jìn)行可視化展示，為防控策略的制定提供科學(xué)依據(jù)。通過多因素分析方法，探討影響傳染病傳播的關(guān)鍵因素，為制定針對(duì)性的防控措施提供指導(dǎo)。010203傳染病流行趨勢(shì)預(yù)測(cè)和防控策略制定01利用公共衛(wèi)生調(diào)查數(shù)據(jù)，通過多變量分析、生存分析等方法，篩查慢性病的危險(xiǎn)因素。02結(jié)合生物標(biāo)志物檢測(cè)、基因測(cè)序等技術(shù)手段，對(duì)慢性病的發(fā)生和發(fā)展機(jī)制進(jìn)行深入研究。03通過隨機(jī)對(duì)照試驗(yàn)、隊(duì)列研究等方法，評(píng)價(jià)干預(yù)措施對(duì)慢性病預(yù)防和控制的效果。慢性病危險(xiǎn)因素篩查和干預(yù)措施評(píng)價(jià)利用營養(yǎng)調(diào)查數(shù)據(jù)，通過描述性統(tǒng)計(jì)、因子分析等方法，了解人群的營養(yǎng)健康狀況和膳食結(jié)構(gòu)。結(jié)合營養(yǎng)學(xué)知識(shí)和人群特征，制定針對(duì)不同人群的膳食指導(dǎo)建議。通過營養(yǎng)干預(yù)試驗(yàn)、健康教育等手段，促進(jìn)人群合理膳食和營養(yǎng)平