发布时间：
一般地，作者会在文章正文中明确解释问题1，粗略地解释2，试图证明问题3。而问题2的相关细节会散落在正文的results、discussion、methods/experimental section中，以及图释和supporting information里。越是专业的人，越要读得细致，要思考方法上有没有不同于传统方法的地方，方法本身是否可信。图中的各种细节也要特别留心，比如轴、坐标、单位的意义，极值、拐点的意义，error bar的大小，scale bar的大小，等等等等。搞清楚方法，具体到各个细节，那么文章是否可信自然可以得到结论。如果感觉不可信，可以找其他专业人士乃至作者本人讨论。由于编辑和审稿人的精力、水平、研究经历等可以理解的原因，很多经受了同行评审的文章一样有大量疑点（虽然比未经同行评审的文章要可靠得多）。如果读的过程中有概念/方法不理解，最可靠但是也最耗时的方法是根据文中列举的参考文献按图索骥。不知道题主的专业领域是什么。如果不在相关领域，需要的知识基础是不太可能在一个晚上就建立起来的。如果是这种情况，我的建议是：找一个专业领域的靠谱朋友，请他/她吃顿饭，让他/她帮忙解释一下。如果是专业领域内的东西而暂时超出自己的知识范畴（如果没记错，题主现在上大二？），其实最省时省力高效的办法还是找该领域的高年级研究生师兄师姐或靠谱学霸解释一下。如果不方便，找其他有相关研究经验的同学讨论也好。对于自己专业内相关程度特别高的概念和方法，最好还是去读一下原文。
统计图有很多啊，你要详细描述你的细胞分析问题图有直方图，直条图，百分条图等
1. 全文的中心思想是什么2. figure legend：基本上能把图表的中心思想，各个panel是什么描述清楚3. 正文result中哪些地方应用了这个图，如（Figure1a blablabla）：这个就是作者从这些数据里得到了什么结论，支持哪个假设神马的；偷懒的话看result里的小标题4. 具体到每个图表的话，x axis，y axis是神马（注意某些作者会通过改变y axis的来达到视觉上dramatic，striking的效果，在比较前后panel的时候要注意），sample和control分别是神马，有没有significant之类的；偷懒的话就看下那些和control有significant difference
只要是真实的，没造假，就行
你需要打印出来图片也是彩色的吗？如果要的话可以彩印，但是一般不要求图片是彩色的，可以问一下你们导师
可以，有彩图才好看，也清晰啊！我们的论文都是彩打的。
只要是真实的，没造假，就行
请问这位学弟，你们学了医学统计学么？医学文献里的图表多是用spss分析软件自动生成的统计学结果，如果没有学过统计学，或者根本对spss不熟悉，那多半是看不懂图表的。建议你可以自学统计学、spsss操作指南。或者干脆找老师来讲。估计你们老师很愿意有这么上进的学生提问的。
看懂医学文献中的统计图通常并不需要大堆的统计知识（读者们大多不是统计专业啊）。如果只是想看懂数据，那么弄懂一些基本的统计概念和一些常用词汇如 significance,P-value等等，就应该足以看懂大部分的数据图。这些基本概念可以在网上如wiki很容易的查到。稍微系统一点的，可以看看类似于以及其他几个线上教学网站的生物统计学的初级介绍课程（大部分是英文，但也有中文的）。除非个人兴趣或者专业方向要求，个人觉得并不一定需要全面学习统计课程。因为题主没有说明是做什么图，做数据和统计类的图。
一般地，作者会在文章正文中明确解释问题1，粗略地解释2，试图证明问题3。而问题2的相关细节会散落在正文的results、discussion、methods/experimental section中，以及图释和supporting information里。越是专业的人，越要读得细致，要思考方法上有没有不同于传统方法的地方，方法本身是否可信。图中的各种细节也要特别留心，比如轴、坐标、单位的意义，极值、拐点的意义，error bar的大小，scale bar的大小，等等等等。搞清楚方法，具体到各个细节，那么文章是否可信自然可以得到结论。如果感觉不可信，可以找其他专业人士乃至作者本人讨论。由于编辑和审稿人的精力、水平、研究经历等可以理解的原因，很多经受了同行评审的文章一样有大量疑点（虽然比未经同行评审的文章要可靠得多）。如果读的过程中有概念/方法不理解，最可靠但是也最耗时的方法是根据文中列举的参考文献按图索骥。不知道题主的专业领域是什么。如果不在相关领域，需要的知识基础是不太可能在一个晚上就建立起来的。如果是这种情况，我的建议是：找一个专业领域的靠谱朋友，请他/她吃顿饭，让他/她帮忙解释一下。如果是专业领域内的东西而暂时超出自己的知识范畴（如果没记错，题主现在上大二？），其实最省时省力高效的办法还是找该领域的高年级研究生师兄师姐或靠谱学霸解释一下。如果不方便，找其他有相关研究经验的同学讨论也好。对于自己专业内相关程度特别高的概念和方法，最好还是去读一下原文。
标题统计图都应有标题，其要求与统计表的标题一致。所不同的是统计图的标题列在图的下边，只有大的挂图，标题才放到图的上边，图域除圆图外，图域总是个矩形，其长宽之比一般要求为7：5，此图形较美观。
标目统计图的纵横两轴应有标目，即纵标目和横标目。医学教|育网搜集整理纵标目放在图的左侧，横标目放在图的下边，并要注明度量衡单位或其他单位，尺度纵轴尺度自下而上，横轴尺度自左至右，一律由小到大，同时标尺度要适中，不要过松或过密，图例表示两种或几种事物时，要用图例说明。图例一般放到图的下方。
扩展资料：
注意事项：
要有图表题，一般在图的下方，标题要简洁明了，不同职称人员频数。
报告中统计图要有标号。横轴和纵轴要标注清楚（横轴：职称， 纵轴：频数）。如有单位，还需注明。
图的标题、横轴、纵轴等，出现的文字要统一和准确，不要一会儿中文，一会儿英文。写中文报告，就要标注中文。
图的比例要协调，别太胖也别太瘦，别太高也别太矮。
参考资料来源：百度百科-统计图
1. 全文的中心思想是什么2. figure legend：基本上能把图表的中心思想，各个panel是什么描述清楚3. 正文result中哪些地方应用了这个图，如（Figure1a blablabla）：这个就是作者从这些数据里得到了什么结论，支持哪个假设神马的；偷懒的话看result里的小标题4. 具体到每个图表的话，x axis，y axis是神马（注意某些作者会通过改变y axis的来达到视觉上dramatic，striking的效果，在比较前后panel的时候要注意），sample和control分别是神马，有没有significant之类的；偷懒的话就看下那些和control有significant difference
（1）要根据绘图目的和统计资料本身的特性选取适合的图形。（2）标示和说明要清晰。图里面画的变量是什么，单位是什么，以及资料来源，这些一定要在标示和说明里表示清楚。（3）要让数据很醒目。一定要注意，抓住看图者注意力的是数据本身，而不是标示、格子，也不是背景的图样。你是在画一个呈现数据的图，不是在从事艺术创作，所以数据要很醒目。（4）不要在图中加入不必要的东西（如物体图片、画像等），以免数据看不清楚。（5）注意曲线图中的刻度。图给人的印象深刻，所以不小心的人很容易被误导。谨慎的人读曲线图时，会很仔细地看横轴和纵轴上标示的刻度，看看有没有被刻意拉大或压缩来制造特定效果。
统计图的基本结构包括：表头也即总标题，行标题，列标题以及数字资料四个部分。
假定这个图的结局指标是护理后的好转率的话，这个图是错误的，根据结论or>1,95%的可信区间不包括1，说明p<,两组之间存在统计学差异，而且辩证的要不普通的好，这时候菱形出现在无效线的右边，对应的应该是favor（辩证组），这在revman作图前应该对下面的坐标进行修改
matlab吧
SPSS可以的。
用revman，很好用，也简单。诊断性实验也可以用metadisc。