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 960 pacientų gavo naują gydymą, o 310 gavo kontrolinį gydymą. Lentelėje parodyta, kiek kiekvienoje grupėje buvo: baigtis (nepageidaujamas įvykis, pavyzdžiui, insultas). Raskite reikalingą gydyti skaičių NNT, kad būtų išvengta vieno įvykio. Apvalinkite aukštyn iki sveikojo pacientų skaičiaus.
gydymas: 108/960kontrolė: 87/310
NNT =
2.Įrodymais grįstos praktikos statistikaSunkus
Mokomasis pratimas (sugalvotos reikšmės, ne klinikinė rekomendacija). Patikros testo jautrumas yra 94 %, o specifiškumas 82 %. Jis naudojamas populiacijoje, kurioje paplitimas yra 0,5 %. Raskite teigiamą prognostinę vertę PPV procentais. Apvalinkite iki vieno skaitmens po kablelio.
Dydis pasiskirstęs normaliai, vidurkis 70, standartinis nuokrypis 20. Kokia reikšmių dalis P yra didesnė už 110?
μ = 70σ = 20x = 110
P =
5.Pasikliautinieji intervalaiVidutinis
Vidurkio 95 % pasikliautinojo intervalo, pagrįsto 100 stebėjimais ir žinomu σ, paklaidos riba yra 7,3. Kokia yra 90 % intervalo, pagrįsto 200 stebėjimais, paklaidos riba E₂?
95%n₁ = 100E₁ = 7,390%n₂ = 200
E₂ =
6.Pasikliautinieji intervalaiSunkus
Apie brokuotų gaminių dalį iš anksto nieko nežinoma. Kiek gaminių n reikia patikrinti, kad dalies 99 % pasikliautinojo intervalo paklaidos riba būtų ne didesnė kaip 0,03?
p = 0,5E = 0,0399%
n =
7.Hipotezių tikrinimas ir pasikliautinieji intervalaiVidutinis
64 studentų imties vidutinis rezultatas – 102,5, imties standartinis nuokrypis – 12. Raskite testo statistiką t hipotezei H₀: μ = 100.
μ₀ = 100x̄ = 102,5s = 12n = 64
t =
8.Hipotezių tikrinimas ir pasikliautinieji intervalaiSunkus
Klinikiniame tyrime pasveiksta 12 iš 80 pacientų, gydytų A būdu, ir 57 iš 250 pacientų, gydytų B būdu. Naudodami jungtinę dalį, raskite testo statistiką z hipotezei H₀: p₁ = p₂.
x₁ = 12n₁ = 80x₂ = 57n₂ = 250
z =
3Tirpalai
1.Įrodymais grįstos praktikos statistika
Atsakymas: NNT = 6
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 = 108/960 = 0,1125
CER = 87/310 = 0,2806
Reikalingas gydyti skaičius (NNT)
ARR = 0,2806 − 0,1125 = 0,1681
NNT = 1/0,1681 = 5,947 → 6
Atsakymas
NNT = 6
Gydant 6 pacientų, išvengiama maždaug vieno įvykio.
2.Įrodymais grįstos praktikos statistika
Atsakymas: PPV = 2,6 %
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.
Tikrai ir klaidingai teigiami (vienam žmogui)
Se·p = 0,94·0,005 = 0,0047
(1 − Sp)·(1 − p) = 0,18·0,995 = 0,1791
Teigiama prognostinė vertė
PPV = 0,0047/(0,0047 + 0,1791) = 0,02557 ≈ 2,6%
Atsakymas
PPV = 2,6%
Kuo mažesnis paplitimas, tuo mažesnė to paties testo PPV.
3.Aprašomoji statistika
Atsakymas: s = 12,86
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 = 2
Standartinio normaliojo skirstinio lentelė
Φ(2) = 0,9772
P = 1 − 0,9772 = 0,02275
Atsakymas
P = 0,02275
5.Pasikliautinieji intervalai
Atsakymas: E₂ = 4,332
Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.
Paklaidos ribų santykis
E₂/E₁ = (1,645/1,96)·√(100/200) = 0,5935
Nauja paklaidos riba
E₂ = 7,3·0,5935 = 4,332
Atsakymas
E₂ = 4,332
6.Pasikliautinieji intervalai
Atsakymas: n = 1844
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 = 2,576²·0,5·0,5/0,03² = 1843
Apvalinkite aukštyn
n = 1844
Atsakymas
n = 1844
7.Hipotezių tikrinimas ir pasikliautinieji intervalai
Atsakymas: t = 1,667
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 = −1,493
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.