新药上市前不会让所有人先试一遍——医生说'有效率 80%'，这 80% 怎么得出来的？为什么你愿意相信？这背后就是医学统计学在做的事。

医学统计学的研究内容分三层，由浅入深、从认识数据到预测未知。

中心向外三条主干，对应医学统计学落地的三个尺度。

想了解某市所有高血压患者的平均血压，但不可能测量每一个人。怎么办？医学统计学从这群人中抽出一部分，用他们的数据推断整体——这就是「总体」与「样本」要回答的问题。

上一节我们认识了总体和样本。但现实中总体往往太大甚至不可及——比如不可能普查全国每一位高血压患者。我们需要更聪明的办法：从总体中抽出一部分，靠它去推断整体。

上一页我们说用样本推断总体，但具体怎么「推断」？需要先把总体和样本各自量化成数字——参数和统计量就是干这活的。

μ 和 x̄ 都叫'平均数'，但一个是真值、一个是估计。搞混就会把抽样误差当成真实差异。

参数与统计量建立在数据之上——但数据本身形态各异。血压可测到 145.5，血型只能是 A/B/AB/O，肿瘤分期只能是 I/II/III/IV。形态决定方法，这就是资料分类的根本问题。

随机误差、系统误差及其控制方法

翻开药品说明书，『不良反应发生率 5%』是概率还是频率？它从哪来？上一页我们区分了参数与统计量，而概率与频率正是这对关系在随机事件上的具体投影。

从总体出发、走完"用样本推断总体"这一闭环的四个关键环节。

研究设计是研究启动前的规划阶段，五步环环相扣，决定后续分析的方向与可信度。

资料收集不是到了现场才开始——前期的设计与后期的核查，同样决定了数据能不能用。

原始问卷收上来后不能直接分析，必须先清洗、编码、双重录入和核查，把脏数据变成干净数据库。

资料分析是统计工作的核心环节，分四步递进推进：从看清数据，到判断差异，再到估计总体，最后处理多变量关系。

结果呈现不是把软件输出原样贴上去，而是按读者最舒服的顺序分层落地。

• ✓核心概念多成对出现：总体/样本、参数/统计量、频率/概率
• ✓研究流程是闭环：设计→收集→整理→分析→呈现
• ✓易混对偶的边界：误差随机、偏倚系统；频率经验、概率理论
• ✓学科定位：从设计到呈现全程介入，不只是分析工具

先合上书想，再对照参考答案——答案不唯一，重点是思考路径。