Paklaidos riba: E = kritinė reikšmė × standartinis nuokrypis/√n.
Intervalas: x̄ ± E.
Hipotezių tikrinimas ir pasikliautinieji intervalai
z testas vidurkiui
z = (x̄ − μ0)/(σ/√n)
t testas vidurkiui
t = (x̄ − μ0)/(s/√n), df = n − 1
Dvipusis, 5% reikšmingumo lygmuo
atmeskite H0, jei |z| > 1,96
Pasikliautinasis intervalas
x̄ ± z·σ/√n
Metodas
Suformuluokite H₀ ir H₁ ir nuspręskite, ar testas vienpusis, ar dvipusis.
Apskaičiuokite testo statistiką: (x̄ − μ₀)/(σ/√n) arba su s ir t.
Palyginkite su kritine reikšme arba raskite p reikšmę.
H₀ atmeskite, jei statistika viršija kritinę reikšmę (p mažesnė už α), ir išvadą suformuluokite žodžiais.
2Uždaviniai
1.Įrodymais grįstos praktikos statistikaVidutinis
Mokomasis pratimas (sugalvotos reikšmės, ne klinikinė rekomendacija). Atsitiktinių imčių tyrime 660 pacientų gavo naują gydymą, o 370 gavo kontrolinį gydymą. Lentelėje parodyta, kiek kiekvienoje grupėje buvo: šalutinis poveikis. Raskite žalos skaičių NNH: kiek pacientų reikia gydyti, kad dar vienam pacientui pasireikštų šalutinis poveikis? Apvalinkite aukštyn iki sveikojo pacientų skaičiaus.
gydymas: 356/660kontrolė: 111/370
NNH =
2.Įrodymais grįstos praktikos statistikaSunkus
Mokomasis pratimas (sugalvotos reikšmės, ne klinikinė rekomendacija). Paciento prieštestinė ligos tikimybė yra 30 %. Testas, kurio jautrumas 77 %, o specifiškumas 88 %, pasirodo teigiama. Raskite poštestinę ligos tikimybę p′ procentais. Apvalinkite iki vieno skaitmens po kablelio.
Egzamino rezultatai pasiskirstę normaliai, vidurkis 170, standartinis nuokrypis 5. Raskite rezultato 162,5 z įvertį z.
μ = 170σ = 5x = 162,5
z =
5.Pasikliautinieji intervalaiVidutinis
8 elementų imties vidurkis – 52,5, standartinis nuokrypis s = 1,5. Populiacija pasiskirsčiusi apytiksliai normaliai. Raskite vidurkio 95 % pasikliautinojo intervalo paklaidos ribą E.
n = 8x̄ = 52,5s = 1,595%t(7) = 2,365
E =
6.Pasikliautinieji intervalaiSunkus
Bandomasis tyrimas rodo, kad brokuotų gaminių dalis yra apie 0,4. Kiek gaminių n reikia patikrinti, kad dalies 99 % pasikliautinojo intervalo paklaidos riba būtų ne didesnė kaip 0,01?
p ≈ 0,4E = 0,0199%
n =
7.Hipotezių tikrinimas ir pasikliautinieji intervalaiVidutinis
49 studentų imties vidutinis rezultatas – 498, imties standartinis nuokrypis – 10. Raskite testo statistiką t hipotezei H₀: μ = 500.
μ₀ = 500x̄ = 498s = 10n = 49
t =
8.Hipotezių tikrinimas ir pasikliautinieji intervalaiSunkus
Klinikiniame tyrime pasveiksta 30 iš 120 pacientų, gydytų A būdu, ir 40 iš 120 pacientų, gydytų B būdu. Naudodami jungtinę dalį, raskite testo statistiką z hipotezei H₀: p₁ = p₂.
x₁ = 30n₁ = 120x₂ = 40n₂ = 120
z =
3Tirpalai
1.Įrodymais grįstos praktikos statistika
Atsakymas: NNH = 5
Tikėtinumo santykiai ir rizikos matai: LR+ = jautrumas/(1 − specifiškumas), LR− = (1 − jautrumas)/specifiškumas. Tyrime EER ir CER yra įvykių dažniai su gydymu ir be gydymo: RR = EER/CER, ARR = CER − EER, RRR = ARR/CER ir NNT = 1/ARR, apvalinama aukštyn. Atvejo ir kontrolės tyrime galima naudoti tik šansų santykį OR = ad/(bc). Sergamumo tankis = nauji atvejai/asmenų stebėjimo laikas.
Įvykių dažniai
EER = 356/660 = 0,5394
CER = 111/370 = 0,3
Žalos skaičius (NNH)
ARI = 0,5394 − 0,3 = 0,2394
NNH = 1/0,2394 = 4,177 → 5
Atsakymas
NNH = 5
Maždaug vienam iš kiekvienų 5 gydomų pacientų šalutinis poveikis pasireiškia dėl gydymo.
2.Įrodymais grįstos praktikos statistika
Atsakymas: p′ = 73,3 %
Prognostinės vertės priklauso nuo paplitimo: PPV = Se·p/(Se·p + (1 − Sp)(1 − p)) ir NPV = Sp(1 − p)/(Sp(1 − p) + (1 − Se)p). Su tikėtinumo santykiais: prieštestiniai šansai = p/(1 − p), poštestiniai šansai = prieštestiniai šansai × LR, tikimybė = šansai/(1 + šansai). N dydžio populiacijoje tikrai teigiami = N·p·Se, o klaidingai teigiami = N·(1 − p)·(1 − Sp). NNT = 1/(CER × RRR), apvalinama aukštyn.
Tikėtinumo santykis
LR+ = 0,77/(1 − 0,88) = 6,417
Prieštestiniai šansai
0,3/(1 − 0,3) = 0,4286
Poštestiniai šansai
0,4286·6,417 = 2,75
Poštestinė tikimybė
p′ = 2,75/(1 + 2,75) = 0,7333 ≈ 73,3%
Atsakymas
p′ = 73,3%
3.Aprašomoji statistika
Atsakymas: s = 17,05
Aprašomoji statistika: vidurkis – suma, padalyta iš n; mediana – surikiuotų duomenų vidurinė reikšmė (kai n lyginis – dviejų vidurinių vidurkis). Imties standartinis nuokrypis s = √(Σ(x − x̄)²/(n − 1)). z įvertis z = (x − μ)/σ parodo, per kiek standartinių nuokrypių reikšmė nutolusi nuo vidurkio.
Aprašomoji statistika: vidurkis – suma, padalyta iš n; mediana – surikiuotų duomenų vidurinė reikšmė (kai n lyginis – dviejų vidurinių vidurkis). Imties standartinis nuokrypis s = √(Σ(x − x̄)²/(n − 1)). z įvertis z = (x − μ)/σ parodo, per kiek standartinių nuokrypių reikšmė nutolusi nuo vidurkio.
Standartizuokite
z = (162,5 − 170)/5 = −1,5
Atsakymas
z = −1,5
5.Pasikliautinieji intervalai
Atsakymas: E = 1,254
Vidurkio pasikliautinasis intervalas: x̄ ± paklaidos riba. Kai populiacijos σ žinomas, paklaidos riba yra z·σ/√n; kai žinomas tik imties standartinis nuokrypis s, naudokite t su n − 1 laisvės laipsniu: t·s/√n. Kritinės reikšmės: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Kad paklaidos riba būtų ne didesnė kaip E, reikia n ≥ (z·σ/E)², suapvalinus aukštyn.
Kritinė reikšmė
df = n − 1 = 7, t = 2,365
Paklaidos riba
E = 2,365·1,5/√8 = 1,254
Atsakymas
E = 1,254
6.Pasikliautinieji intervalai
Atsakymas: n = 15926
Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0,5, which gives the largest n.
Išreikškite n
n = 2,576²·0,4·0,6/0,01² = 15926
Apvalinkite aukštyn
n = 15926
Atsakymas
n = 15926
7.Hipotezių tikrinimas ir pasikliautinieji intervalai
Atsakymas: t = −1,4
Vidurkio tikrinimas: testo statistika parodo, per kiek standartinių paklaidų imties vidurkis nutolęs nuo H₀ teigiamos reikšmės: z = (x̄ − μ₀)/(σ/√n), kai σ žinomas, t = (x̄ − μ₀)/(s/√n), kai jis vertinamas iš imties. Pasikliautinasis intervalas yra x̄ ± (kritinė reikšmė)·(standartinė paklaida).
8.Hipotezių tikrinimas ir pasikliautinieji intervalai
Atsakymas: z = −1,42
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.