-
随机现象
随机现象是具有多种可能发生的结果,而究竟会发生那一种结果事先不能肯定的现象。即随着机遇而出现的现象。如向空中抛出硬币,它落地时是“字面”向上还是“花面”向上,不能预先确定,即是一种随机现象。如抛一次硬币,落地时“字面”向上,这是一个随机事件;若多次抛掷,得到多次落地结果,就是多个随机事件。
-
随机变量
许多随机现象的结果表现为数量,如“所产针灸用针尺寸的误差”、“落入一升水中的细菌数”等。在这些随机现象中,各种结果的值是随机出现的,但这些值落在某个范围内的概率是确定的。如每一规格的针灸针的长度、直径有明确规定,但实际生产出来的针是有误差的,同一规格内各针的实际尺寸就是一个随机变量。
-
统计规律
统计规律指随机现象在大量重复中所呈现的规律。随机现象的结果不能具体预知,但对其大量重复的结果进行统计,会显示出明显的概率性规律。如抛掷硬币,每次落地的结果不可预知,但大数次(如百次、千次)地抛,对其落地结果进行统计,可以发现“字面”与“花面”向上的几率约各占50%。
-
概率论
概率论是研究大量随机现象的统计规律的一门数学分支。概率方法实质上只适用于大量随机现象的研究;概率论广泛地应用于国民经济及工农业生产中,以及物理、气象、生物、医学、地震等方面,是应用数学的基本工具之一。在19世纪拉普拉斯、泊松、高斯、切比雪夫等人对于概率论的发展起了重大作用。
-
数理统计
数理统计是从实际观测资料出发,研究随机变量的概率分布及其数字特征的理论和方法。它作为一种方法,主要是统计推断,是归纳逻辑的一种形态,其主要内容有参数估计、假设检验、相关分析、方差分析、回归分析、试验设计、非参数统计、过程统计等。数理统计在医学中有广泛应用,已形成专门的医学统计学。
-
或然性模型
或然性模型是关于或然(或随机)现象的数学模型。这种现象在总体上呈现出一定的规律性,宏观量是微观量的统计平均结果,服从统计规律。这些或然现象一般啊用概率论和数理统计的方法进行处理,前者偏重于数理分析,后者偏重于统计处理。医学的群体调查、个案分析、临床检验、实验研究中已广泛应用或然性模型。
-
随机事件
随机事件见“随机现象”。
-
确定性模型
确定性模型是关于必然现象的数学模型。所谓必然现象,是指事物的变化服从确定的因果联系,从前一时刻的运动状态可以推断以后时刻的运动状态。在数学上,通常可以用各种方程式(代数方程、微分方程、积分方程、差分方程等)来表达。有多个变量的,可用偏微分方程表述。
-
数学模型
概述:数学模型是关于所研究对象(现实原型)的本质特征和关系的数学表达,是数学方法的一种基本形式。描述随机现象的或然性模型;数学模型在医学研究中的应用:在一般医学研究中,确定性和或然性模型已有较多应用;在中医现代研究中,由于所涉及的生理、病理现象的复杂性,需要并已开始应用模糊性模型和突变模型。