1公式与方法
循证实践统计学
- 灵敏度和特异度
- Se = a/(a + c), Sp = d/(b + d)
- 预测值
- PPV = a/(a + b), NPV = d/(c + d)
- 准确度
- (a + d)/n
- 似然比
- LR+ = Se/(1 − Sp), LR− = (1 − Se)/Sp
- 患病率为 p 时的 PPV
- Se·p / (Se·p + (1 − Sp)(1 − p))
- 比值
- 比值 = p/(1 − p); p = 比值/(1 + 比值); 检验后比值 = 检验前比值 × LR
- 风险指标
- RR = EER/CER, ARR = CER − EER, RRR = ARR/CER
- 需要治疗人数
- NNT = 1/ARR,向上取整; NNH = 1/(EER − CER)
- 比值比
- OR = ad/(bc)
- 发病率
- 新发病例 / 人时
方法
- 计算之前先画出 2 × 2 表并标出 a、b、c 和 d。
- 灵敏度和特异度沿列读取,预测值沿行读取。
- 对于另一个患病率,设想 10 000 人,并用 Se、Sp 和患病率填表。
- 对于似然比,把概率换算为比值,相乘,再换算回去。
- 对于试验,先求 EER 和 CER;然后 RR = EER/CER,ARR = CER − EER,NNT = 1/ARR 向上取整。
描述统计
- 平均数
- x̄ = Σx/n
- 样本标准差
- s = √(Σ(x − x̄)²/(n − 1))
- 中位数
- 排序后数据的中间值
- z 分数
- z = (x − μ)/σ
- 正态分布
- 68% 落在 ±1σ 内,95% 落在 ±2σ 内
置信区间
- σ 已知
- x̄ ± z·σ/√n
- σ 未知
- x̄ ± t·s/√n, df = n − 1
- 临界 z 值
- 90%: 1.645, 95%: 1.96, 99%: 2.576
- 样本量
- n = (z·σ/E)², rounded up
方法
- 在 z(已知总体 σ)和 t(只有样本 s,自由度为 n − 1)之间作出选择。
- 求该置信水平下的临界值。
- 误差限:E = 临界值 × 标准差/√n。
- 区间:x̄ ± E。
假设检验与置信区间
- 均值的 z 检验
- z = (x̄ − μ0)/(σ/√n)
- 均值的 t 检验
- t = (x̄ − μ0)/(s/√n), df = n − 1
- 5% 双侧
- 若 |z| > 1.96 则拒绝 H0
- 置信区间
- x̄ ± z·σ/√n
方法
- 写出 H₀ 和 H₁,并确定是单侧检验还是双侧检验。
- 计算检验统计量:(x̄ − μ₀)/(σ/√n),或者用 s 和 t。
- 与临界值比较,或求出 p 值。
- 若统计量超出临界值(p 小于 α),则拒绝 H₀,并用文字写出结论。
2练习题
1.循证实践统计学中等
练习题(虚构数值,不作为临床指导)。 在一项队列研究中,暴露者贡献了 6400 人年,有 422 例新发病例;未暴露者贡献了 700 人年,有 15 例新发病例。求发病率比IRR(暴露组对未暴露组)。 保留两位小数。
暴露: 422/6400 PY未暴露: 15/700 PY
IRR =
2.循证实践统计学困难
练习题(虚构数值,不作为临床指导)。 一项筛查检测的灵敏度为 97%,特异度为 97%。它用于患病率为 10% 的人群。 求阳性预测值PPV,以百分数表示。 保留一位小数。
Se = 97%Sp = 97%p = 10%
PPV = %
3.描述统计中等
求数据的样本标准差 s:52, 58, 59, 10, 48。
n = 5
s =
4.描述统计困难
某量服从正态分布,平均数为 500,标准差为 100。数值低于 420 的比例 P 是多少?
μ = 500σ = 100x = 420
P =
5.置信区间中等
一个包含 13 个个体的样本,均值为 76,标准差 s = 15.5。总体近似服从正态分布。 求均值的 90% 置信区间的下限。
n = 13x̄ = 76s = 15.590%t(12) = 1.782
下限 =
6.置信区间困难
对两种肥料进行试验。地块组 1:5 块地,平均产量 51 kg,标准差 4 kg。地块组 2:7 块地,均值 56 kg,标准差 1.5 kg。假设方差相等(合并 t,df = n₁ + n₂ − 2)。 求 μ₁ − μ₂ 的 95% 置信区间的下限。
n₁ = 5x̄₁ = 51s₁ = 4n₂ = 7x̄₂ = 56s₂ = 1.595%t(10) = 2.228
下限 = kg
7.假设检验与置信区间中等
10 名员工在培训课程前后各参加一次打字测试。记录每人的差值 d = 培训后 − 培训前(每分钟字数)。平均差值为 8.85,差值的标准差为 10。求 H₀: μd = 0 的配对检验统计量 t。
n = 10d̄ = 8.85sd = 10
t =
8.假设检验与置信区间困难
在 α = 0.05 下,用容量为 100 的样本对 H₀: μ = 100 与 H₁: μ < 100 进行单侧 z 检验;已知标准差为 10。实际上均值为 98.7。 求该检验的功效 1 − β,以百分比表示。
μ₀ = 100μ = 98.7σ = 10n = 100α = 0.05
1 − β = %
3溶液
1.循证实践统计学
答案: IRR = 3.08
似然比和风险指标:LR+ = 灵敏度/(1 − 特异度),LR− = (1 − 灵敏度)/特异度。在试验中,EER 和 CER 分别是治疗组和未治疗组的事件发生率:RR = EER/CER,ARR = CER − EER,RRR = ARR/CER,NNT = 1/ARR,向上取整。在病例对照研究中,只能使用比值比 OR = ad/(bc)。发病率(率)= 新发病例/人时。
发病率
暴露: 422/6400 = 65.94 每 1000 人年
未暴露: 15/700 = 21.43 每 1000 人年
率比
IRR = 65.94/21.43 = 3.077 ≈ 3.08
2.循证实践统计学
答案: PPV = 78.2 %
预测值取决于患病率:PPV = Se·p/(Se·p + (1 − Sp)(1 − p)),NPV = Sp(1 − p)/(Sp(1 − p) + (1 − Se)p)。用似然比计算:检验前比值 = p/(1 − p),检验后比值 = 检验前比值 × LR,概率 = 比值/(1 + 比值)。对于 N 人的人群,真阳性 = N·p·Se,假阳性 = N·(1 − p)·(1 − Sp)。NNT = 1/(CER × RRR),向上取整。
真阳性和假阳性(按每人计)
Se·p = 0.97·0.1 = 0.097
(1 − Sp)·(1 − p) = 0.03·0.9 = 0.027
阳性预测值
PPV = 0.097/(0.097 + 0.027) = 0.7823 ≈ 78.2%
3.描述统计
答案: s = 20.29
描述统计:平均数是总和除以 n;中位数是排序后数据的中间值(n 为偶数时取中间两个数的平均)。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
离差平方
Σ(x − x̄)² = 6.6² + 12.6² + 13.6² + (−35.4)² + 2.6² = 1647
4.描述统计
答案: P = 0.2119
描述统计:平均数是总和除以 n;中位数是排序后数据的中间值(n 为偶数时取中间两个数的平均)。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。
标准正态分布表
Φ(−0.8) = 0.2119
P = 0.2119
5.置信区间
答案: 下限 = 68.34
均值的置信区间:x̄ ± 误差范围。总体 σ 已知时,误差范围为 z·σ/√n;只有样本标准差 s 时,用自由度为 n − 1 的 t:t·s/√n。临界值:z = 1.645(90%)、1.96(95%)、2.576(99%)。要使误差范围不超过 E,需要 n ≥ (z·σ/E)²,并向上取整。
临界值
df = n − 1 = 12, t = 1.782
误差范围
E = 1.782·15.5/√13 = 7.661
区间
76 ± 7.661 → [68.34, 83.66]
6.置信区间
答案: 下限 = −8.632 kg
差值的区间:估计值 ± 临界值 × 标准误。对 σ 已知的两个独立均值:SE = √(σ₁²/n₁ + σ₂²/n₂),用 z。方差相等但未知时:用合并的 s_p 和自由度为 n₁ + n₂ − 2 的 t。对配对数据,用差值计算:d̄ ± t·s_d/√n。
合并标准差
sp² = (4·4² + 6·1.5²)/10 = 7.75
sp = 2.784
误差范围
E = 2.228·2.784·√(1/5 + 1/7) = 3.632
区间
−5 ± 3.632 → [−8.632, −1.368]
7.假设检验与置信区间
答案: t = 2.799
均值检验:检验统计量衡量样本均值离 H₀ 所声称的值有多少个标准误:σ 已知时 z = (x̄ − μ₀)/(σ/√n),由样本估计时 t = (x̄ − μ₀)/(s/√n)。置信区间为 x̄ ±(临界值)·(标准误)。
df = 9 时,双侧 5% 的临界值为 2.262;|t| 更大,所以拒绝 H₀。
8.假设检验与置信区间
答案: 1 − β = 36.5 %
检验功效:功效 = 1 − β,是 H₀ 为假时拒绝 H₀ 的概率。由 μ₀ 和 z_α 求出临界值 x̄c,再用真实均值计算落在 x̄c 以外的概率:z = (x̄c − μ)/(σ/√n)。
临界样本均值
SE = 10/√100 = 1
x̄c = 100 − 1.645·1 = 98.36
真实均值下的 z
z = (98.36 − 98.7)/1 = −0.345
功率
功效 = P(Z < −0.345) = 36.5%
1 − β = 36.5%