正态分布在医学领域的应用论文

问：正态分布及其应用是什么？

1. 答：正态分布有以下几个主要特征：正态分布以均值μ为中心，左右对称X取值范围理论上没有边界（－∞＜X＜＋∞），X离μ越远，函数f（X）值越接近于0，但不会等于0。正态分布中，曲线下面积集中在以均值μ为中心的部分，越远离中心，曲线越接近X轴，曲线下面积越小，超过一定范围以外的面积（概率）可以忽略。正态曲线下的面积分布有一定的规律  即所有的正态分布曲线，在μ左右的相同倍数的标准差范围内面积相同；一些特殊情况如在μ±σ。范围内的面积约为68.3％，在μ±1. 96σ范围内约为95％；在μ±2. 58σ范围内约为99％，如图3-2所示。
   正态分布完全由参数μ和σ决定  μ是位置（即平均水平）参数，决定分布曲线在横轴的偏移位置。在σ一定时，μ增大，曲线沿横轴向右移动；反之μ减小，曲线沿横轴向左移动如图3-3所示。σ是变异参数，决定分布曲线的形态。σ越大，曲线的形状越“矮胖”，表示数据分布越分散；σ越小，曲线的形状越“瘦高”，表示数据分布越集中。标准正态分布（standard normal distribution）是均数为0、标准差为1的正态分布。在式（3-9）中令μ=0和σ=1，并用函数φ（u）代替函数f（X）以区别于一般的正态分就可以得到标准正态分布曲线的函数，标准正态分布在实际中应用极为广泛。对任何参数μ和σ的正态分布，都可以通过一个简单的变量变换转化成标准正态分布。
2. 答：正态分布有极其广泛的实际背景，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布（见中心极限定理）。从理论上看，正态分布具有很多良好的性质 ，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。
3. 答：正态分布在医学领域中应用很广。首先，有不少医学现象服从或近似服从正态分布，如同性别、同年龄儿童的身高和体重，同性别健康成人的红细胞数、血红蛋白含量、脉搏数等。在这类情形下，利用正态分布可以很容易地确定其数值出现在任意指定范围内的概率，尤其是医学参考值范围的估计。实验中的测量误差一般也是服从正态分布的，利用这一点，可以准确地进行误差分析和质量控制。对一些偏态分布的资料，有时也能够通过对数等变换后转换成正态分布，然后按正态分布规律处理。还有很重要一点，正态分布是今后将要学习的各种统计推断方法的理论基础。

问：试述正态分布的应用。

1. 答：①估计参考值范围：在医学上通常把%%的正常人的某项指标所在范围作为参考值范围。如果资料近似正态分布，且样本含量较大，可按下式估计参考值范围：±1.96s。②质量控制：为了控制实验中的检测误差，常以±2s作为上、下警告限，以±3s作为上、下控制限。有些医学检测数据，如正常人的血铅含量虽不服从正态分布，但经对数、转换后就符合正态分布，仍可按上述正态分布规律来处理。因此正态分布是很多统计方法的理论基础，也是质量控制图的理论依据。

问：医学论文中怎样根据统计资料的类型选择一种或几种检验方法？

1. 答：绝大多数的论文撰写,均需通过一定数量临床病例(或资料)的观察,研究事物间的相互关系,以探讨客观存在的新规律。如确定新诊断、新治疗等措施是否优于原沿用的方法,就需进行两种方法比较,这就涉及统计处理;统计设计又是整个课题研究设计中一个重要的组成部分。显然,经正确统计处理的结果可信度高,论文的质量也高。
2. 答：医学检验研究的是人体复杂的各种生理和病理指标，更必须加强与临床相关科室的密合作才能得到成功。在建立合作关系时要注意解决的问题是；(1)选准临床迫切需要解决的课题，做好设计和规埘；(2)选好合作对象；(3)共同完善风险同负、利益共享的双赢机制。本刊期待着在新一届编委会的领导下，能有更多的紧密结合临床实际的优秀论文奉献给广大读者!
3. 答：可以找专业的医学论文辅导机构啊。或者楼主就去“死缠”你的老师或者有经验的作者、医生吧。
   其实，我个人认为楼上这位朋友的回答挺好的。