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). Atvejo ir kontrolės tyrime lyginami 180 pacientų su liga (atvejai) ir 610 žmonių be jos (kontrolės). Lentelėje parodyta, kiek kiekvienoje grupėje buvo paveikta rizikos veiksnio. Raskite šansų santykį OR paveikimui. Apvalinkite iki dviejų skaitmenų po kablelio.
a = 85b = 220c = 95d = 390
OR =
2.Įrodymais grįstos praktikos statistikaSunkus
Mokomasis pratimas (sugalvotos reikšmės, ne klinikinė rekomendacija). Be vaisto 32 % pacientų per metus pasireiškia tam tikras šalutinis poveikis. Vaistas didina šią riziką santykine rizika RR = 1,24. Raskite žalos skaičių NNH: kiek pacientų turi vartoti vaistą metus, kad dar vienam pacientui pasireikštų šalutinis poveikis? Apvalinkite aukštyn iki sveikojo pacientų skaičiaus.
Populiacijos standartinis nuokrypis – 19. Kokio dydžio imties n reikia, kad vidurkio 95 % pasikliautinojo intervalo paklaidos riba būtų ne didesnė kaip 0,5?
σ = 19E = 0,595%
n =
7.Hipotezių tikrinimas ir pasikliautinieji intervalaiVidutinis
Dvi gamybos linijos gamina tą pačią detalę. 1 linija: 60 detalių imties vidutinis ilgis 85 mm, o žinomas linijos standartinis nuokrypis 5 mm. 2 linija: 80 detalių imties vidurkis 85,5 mm, žinomas standartinis nuokrypis 4 mm. Raskite testo statistiką z hipotezei H₀: μ₁ = μ₂, skirtumą imdami kaip x̄₁ − x̄₂ (1 linija atėmus 2 liniją).
8.Hipotezių tikrinimas ir pasikliautinieji intervalaiSunkus
Klinikiniame tyrime pasveiksta 24 iš 120 pacientų, gydytų A būdu, ir 8 iš 150 pacientų, gydytų B būdu. Naudodami jungtinę dalį, raskite testo statistiką z hipotezei H₀: p₁ = p₂.
x₁ = 24n₁ = 120x₂ = 8n₂ = 150
z =
3Tirpalai
1.Įrodymais grįstos praktikos statistika
Atsakymas: OR = 1,59
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.
Paveikimo šansai
atvejai: 85/95 = 0,8947
kontrolės: 220/390 = 0,5641
Šansų santykis
OR = (85·390)/(220·95) = 1,586 ≈ 1,59
Atsakymas
OR = 1,59
OR didesnis nei 1: paveikimas dažnesnis tarp atvejų.
2.Įrodymais grįstos praktikos statistika
Atsakymas: NNH = 14
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.
Rizika su vaistu
0,32·1,24 = 0,3968
Absoliutus rizikos padidėjimas
ARI = 0,3968 − 0,32 = 0,0768
Žalos skaičius (NNH)
NNH = 1/0,0768 = 13,02 → 14
Atsakymas
NNH = 14
3.Aprašomoji statistika
Atsakymas: s = 20,31
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 = 0,6
Standartinio normaliojo skirstinio lentelė
Φ(0,6) = 0,7257
P = 0,7257
Atsakymas
P = 0,7257
5.Pasikliautinieji intervalai
Atsakymas: viršutinis rėžis = 74,91
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 = 14, t = 1,761
Paklaidos riba
E = 1,761·13/√15 = 5,911
Intervalas
69 ± 5,911 → [63,09, 74,91]
Atsakymas
viršutinis rėžis = 74,91
6.Pasikliautinieji intervalai
Atsakymas: n = 5548
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.
Išreikškite n
n = (1,96·19/0,5)² = 5547
Apvalinkite aukštyn
Imties dydis yra sveikasis skaičius, o apvalinant žemyn paklaidos riba būtų per didelė.
n = 5548
Atsakymas
n = 5548
7.Hipotezių tikrinimas ir pasikliautinieji intervalai
Atsakymas: z = −0,6367
Hipotezių tikrinimas: testo statistika = (įvertis − reikšmė pagal H₀)/(standartinė paklaida pagal H₀). p reikšmė – tai tikimybė, darant prielaidą, kad H₀ teisinga, gauti statistiką, bent tokią pat kraštutinę kaip stebėtoji: vienos uodegos plotas vienpusei H₁, dvigubas uodegos plotas dvipusei H₁. H₀ atmetama, kai p ≤ α.
8.Hipotezių tikrinimas ir pasikliautinieji intervalai
Atsakymas: z = 3,705
Hipotezių tikrinimas: testo statistika = (įvertis − reikšmė pagal H₀)/(standartinė paklaida pagal H₀). p reikšmė – tai tikimybė, darant prielaidą, kad H₀ teisinga, gauti statistiką, bent tokią pat kraštutinę kaip stebėtoji: vienos uodegos plotas vienpusei H₁, dvigubas uodegos plotas dvipusei H₁. H₀ atmetama, kai p ≤ α.