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）。 一项病例对照研究比较了 220 名患某病的患者（病例）和 650 名未患该病的人（对照）。表中显示每组有多少人暴露于某危险因素。求该暴露的比值比OR。 保留两位小数。
a = 77b = 338c = 143d = 312
OR =
2.循证实践统计学困难
练习题（虚构数值，不作为临床指导）。 一种治疗使事件风险相对降低 29%（RRR = 29%）。在某患者群体中，不治疗时五年内的风险（CER）为 13%。求五年内预防一次事件所需的治疗人数NNT。 向上取整到整数患者。
RRR = 29%CER = 13%
NNT =
3.描述统计中等
求数据的样本标准差 s：55, 51, 43, 57, 35, 34, 46。
n = 7
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 650 的比例 P 是多少？
μ = 500σ = 100x = 650
P =
5.置信区间中等
一个包含 15 个个体的样本，均值为 112.5，标准差 s = 14。总体近似服从正态分布。 求均值的 90% 置信区间的下限。
n = 15x̄ = 112.5s = 1490%t(14) = 1.761
下限 =
6.置信区间困难
15 根机加工轴的直径样本标准差为 10.7 µm。假设直径服从正态分布，求总体标准差 95% 置信区间的下限 σ。df = 14 时，χ² 分布有 2.5% 位于 5.629 以下，2.5% 位于 26.119 以上。
n = 15s = 10.7 µmχ² = 5.629, 26.119
σ = µm
7.假设检验与置信区间中等
64 名学生的样本平均分为 501.5，样本标准差为 10。求 H₀: μ = 500 的检验统计量 t。
μ₀ = 500x̄ = 501.5s = 10n = 64
t =
8.假设检验与置信区间困难
样本至少要多大，才能使均值的 95% 置信区间的误差范围不超过 1.5？标准差为 12。求最小样本量 n。
σ = 12E = 1.595%
n =
3溶液
1.循证实践统计学
答案: OR = 0.5
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。
暴露比值
病例: 77/143 = 0.5385
对照: 338/312 = 1.083
比值比
OR = (77·312)/(338·143) = 0.497 ≈ 0.5
OR 小于 1：暴露在病例中较少见，提示有保护作用。
2.循证实践统计学
答案: NNT = 27
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。
需要治疗人数
NNT = 1/0.0377 = 26.53 → 27
3.描述统计
答案: s = 9.137
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 = 9.143² + 5.143² + (−2.857)² + 11.14² + (−10.86)² + (−11.86)² + 0.1429² = 500.9
4.描述统计
答案: P = 0.9332
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(1.5) = 0.9332
P = 0.9332
5.置信区间
答案: 下限 = 106.1
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 = 14, t = 1.761
区间
112.5 ± 6.366 → [106.1, 118.9]
6.置信区间
答案: σ = 7.834 µm
方差的区间：(n − 1)s²/σ² 服从自由度为 n − 1 的 χ² 分布。σ² 的 95% 区间从 (n − 1)s² 除以上侧 χ² 值（其上方占 2.5%）到 (n − 1)s² 除以下侧 χ² 值（其下方占 2.5%）；σ 的区间是这两个限值的平方根。它关于 s 不对称。
平方和
(n − 1)s² = 14·10.7² = 1603
σ² 的限值
1603/26.119 = 61.37
1603/5.629 = 284.8
σ 的 95% 区间：[7.834, 16.87] µm。
7.假设检验与置信区间
答案: t = 1.2
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）。
标准误
SE = 10/√64 = 10/8 = 1.25
检验统计量
t = (501.5 − 500)/1.25 = 1.2
t = 1.2
t0.025; df = 63 = 1.998
|t| < 1.998，所以在 5% 水平下不拒绝 H₀（双侧）。
8.假设检验与置信区间
答案: n = 246
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）。
解出 n
n = (1.96·12/1.5)² = 245.9