1) paired nominal-scale data
配对计数资料
1.
Objective:To use the Bowker s test for paired nominal-scale data.
目的检验多分类配对计数资料。
3) count data
计数资料
1.
A SAS macro for statistical analyses of count data in clinical trial of new drug;
新药临床试验数据中计数资料统计分析的SAS宏实现
2.
Objective:To study how to model zero-inflated count data,and apply it to handle the data about respiratory infection.
目的:研究零过多计数资料的分布拟合方法并应用于急性上呼吸道感染调查资料。
3.
Objective To discuss random effects Poisson regression model forrepeated count data in clinical trial.
目的 探讨随机效应的Poisson回归模型在临床试验重复测量的计数资料分析中的应用。
4) enumeration data
计数资料
1.
Enumeration data is consisted of categorical variable.
计数资料是由分类变量组成的,是研究不同类别或属性中频数的多少或频率大小所获得的资料。
2.
On the condition of large sample, significance test of parameter difference for enumeration data based on multinomal distribution is presented after constructing T statistic in this paper The t(u)-test for percentage data in biostatistics only is special kind of T-test
根据多项分布，在大样本条件下，通过构造Ｔ统计量，实现了计数资料参数差异的显著性检验，现行的百分率ｔ（ｕ）检验只是该检验方法的一种特殊形式。
5) paired t-test
配对连续资料
6) Analysis of paired data
配对资料分析
补充资料：Montmort配对
Image:11769922803222438.jpg
montmort配对
若i是一个 有界的区间，则i的长度定义为它的两个端点的距离，记为l（i）；若i是一个无界区间，则定义i的长度为∞，也记成l（i）。
这样，
l（【0，1】） ＝ l（（0，1）） ＝ 1，
l（（－∞，0）） ＝ ∞， l（【1，＋∞】）。
我们的目的是希望把上述仅对区间有定义的长度概念推广到更一般的实数集上去。例如我们把它推广到了一个由实数子集构成的集族ω，并且对ω中每一元e（这是一个实数子集），我们用m（e）表示e的“长度”。此时很自然，我们希望ω满足下面三个条件：
（ω1）所有区间都是ω中的元；
（ω2）若e∈ω，则ec ＝r － e ∈ ω；
（ω3）ω中任意至多可数个元的并是ω中的元。
而对m，我们希望它满足下面三个条件：
（m1）对每一e∈ω，m（e）是一个非负广义实数，即m（e）或者是一个非负实数，或者是∞；
（m2）对每一区间i，m（i）＝ l（i）；
（m3）若n>=1 是ω中任何一列两两不相交的元，则m（u∞n=1 en） ＝ ∑∞n=1 m(en).
对一般的n维欧氏空间有类似的问题。下面我们来进行这一推广。
对每一个子集e，定义
m* (e) = inf{∑n l(i n):{i n} n >= 1是一列开区间并且e包含于u n i n }。
此时m* (e)称为e的lebesgue外测度。由于实数全体r是一个开区间并且e包含于r，所以上述定义是合理的，并且m* (e)是一个非负广义实数。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。