天科咸鱼干
这里涉及到统计里的几个概念。均值，简单说就是平均数（样本总和／样本个数）。问题中的2就是均值。方差、标准差、平均差。方差是实际值与期望值之差平方的平均值；标准差是方差算术平方根；平均差是总体所有单位与其算术平均数的离差绝对值的算术平均数。问题中的3对应这里三种差中的一种，具体视使用情况而定。表示的是数据最大值最小值在平均值附近的浮动范围。 
您好！样本量的计算公式为： N=Z 2 ×(P ×(1-P))/E Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取5。E:样本均值的标准差乘以z值，即总的误差p:目标总体占总体的比例。(比如：一个班级中男生占所有学生的30%。则p=30%)。置信度是自己给的前提，不是算出来的。比如:每个样子在95%的置信度下的置信区间。就是用一种方法构造一百个区间如果有95个区间包含总体真值，就说置信度为95%（包含总 体真值的区占总区间的95%)。扩展资料误差值:是指由于随机抽样的偶然因素使样本各单 位的结构不足以代表总体各单位的结构，而引起抽样 指标和全及指标之间的绝对离差因此，又 称为随机 误差，它不包括登记误差，也不包括系统性误差。影响抽样误差的因素:总体各单位标志值的差异程度；样本的单位数；抽样的方法;抽样调查的组织形式。抽样平均误差:抽样平均误差是反映抽样误差一般水平的指标，它的实质含义是指抽样平均数（或成数）的标准差即它反映了抽样指标与总体指标的平均离差程度抽样平均误差的作用首先表现在它能够说明样本指标代表性的大小平均误差大，说明样本指标对总体指标的代表性低；反之，则高。置信区间:是指由样本统计量所构造的总体参数的估计区间。在统计学中，一个概率样本的置信区间（Confidence interval）是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度，即前面所要求的“一定概率”。这个概率被称为置信水平。举例来说，如果在一次大选中某人的支持率为55%，而置信水平95上的置信区间50%，60%，那么他的真实支持率有百分之九十五的机率落在百分之五十和百分之六十之间，因此他的真实支持率不足一半的可能性小于百分之5。置信水平一般用百分比表示，因此置信水平95上的置信空间也可以表达为：95%置信区间。置信区间的两端被称为置信极限。对一个给定情形的估计来说，置信水平越高，所对应的置信区间就会越大。参考资料:百度百科_统计学样本量及计算
是通过标准差进行计算，样本均值为2，标准差为3。解：设：样本值为xi，样本个数为N，样本均值为μ，由已知，显然：N=10 ，将已知样本值xi及相关计算列入。i：1、2、3、4、5、6、7、8、9、10xi：26、28、33、45、48、51、50、55、56、58μ：45xi-μ：－19、－17、－12、0、3、6、5、10、11、13（xi-μ）＾2：361、289、144、0、9、36、25、100、121、169标准差为√（361+289+144+0+9+36+25+100+121+169）／10=√（1254/10）≈11可得平均年龄为45±11。性质：标准差是离均差平方的算术平均数（即：方差）的算术平方根，用σ表示。标准差也被称为标准偏差，或者实验标准差，在概率统计中最常使用作为统计分布程度上的测量依据。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。
1、样本量样本量是从总体中抽取的样本元素的总个数。样本量的计算公式为： N=Z 2 ×(P ×(1-P))/E 2，其中，Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取5。2、置信度置信度是用一种方法构造一百个区间如果有95个区间包含总体真值，就说置信度为95%（包含总体真值的区间占总区间的95%)。E:样本均值的标准差乘以z值，即总的误差。P：目标总体占总体的比例。(比如：一个班级中男生占所有学生的30%。则p=30%)。扩展资料：统计学的英文statistics最早源于现代拉丁文Statisticum Collegium（国会）、意大利文Statista（国民或政治家）以及德文Statistik，最早是由Gottfried Achenwall于1749年使用，代表对国家的资料进行分析的学问，也就是“研究国家的科学”。十九世纪，统计学在广泛的数据以及资料中探究其意义，并且由John Sinclair引进到英语世界。统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法，广泛适用于自然、社会、经济、科学技术各个领域的分析研究。统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。
用（均数+-标准差）表示平均年龄。26 28 33 45 48 51 50 55 56 58，这几个人的平均年龄计算：均数=（26+28+33+45+48+51+50+55+56+58)/10=45标准差= [（十个数的平方和 减去 十个数的和的平方/10）再除以6] 的开方=[（21504-20250）/6] 的开方=14所以这十个人的平均年龄是（45+-14）。原始数据只精确到个位数，所以最终数值也只取个位数。
科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。
