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 380 名患某病的患者(病例)和 420 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 = 282b = 206c = 98d = 214
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)。 一项筛查检测的灵敏度为 84%,特异度为 83%。它用于患病率为 5% 的人群。 求阴性预测值NPV,以百分数表示。 保留一位小数。
Se = 84%Sp = 83%p = 5%
NPV = %
3.描述统计中等
求数据的样本标准差 s:45, 17, 24, 17, 40, 19。
n = 6
s =
4.描述统计困难
考试成绩服从正态分布,平均数为 170,标准差为 5。求成绩 177.5 的 z 分数 z。
μ = 170σ = 5x = 177.5
z =
5.置信区间中等
比较两种手机型号的电池续航时间。型号 1:60 部手机,均值 76.5 h,已知标准差 15 h。型号 2:80 部手机,均值 81 h,已知标准差 20 h。 求 μ₁ − μ₂ 的 90% 置信区间的误差范围 E。
n₁ = 60x̄₁ = 76.5 hσ₁ = 15 hn₂ = 80x̄₂ = 81 hσ₂ = 20 h90%
E = h
6.置信区间困难
总体标准差为 5。样本量 n 至少要多大,才能使均值的 90% 置信区间的误差范围不超过 0.5?
σ = 5E = 0.590%
n =
7.假设检验与置信区间中等
据称某总体的均值为 250;已知总体标准差为 25。一个含 100 个观测值的随机样本均值为 252.8。检验 H₀: μ = 250 对 H₁: μ ≠ 250。求 p 值 p。
μ₀ = 250σ = 25n = 100x̄ = 252.8H₁: μ ≠ μ₀
p =
8.假设检验与置信区间困难
100 次测量的样本均值为 499.8。总体标准差为 8。求均值 99% 置信区间的上限 U。
x̄ = 499.8σ = 8n = 10099%
U =
3溶液
1.循证实践统计学
答案: OR = 2.99
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: 282/98 = 2.878
对照: 206/214 = 0.9626
比值比
OR = (282·214)/(206·98) = 2.989 ≈ 2.99
2.循证实践统计学
答案: NPV = 99 %
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。
真阴性和假阴性(按每人计)
Sp·(1 − p) = 0.83·0.95 = 0.7885
(1 − Se)·p = 0.16·0.05 = 0.008
阴性预测值
NPV = 0.7885/(0.7885 + 0.008) = 0.99 ≈ 99%
3.描述统计
答案: s = 12.38
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 = 18² + (−10)² + (−3)² + (−10)² + 13² + (−8)² = 766
4.描述统计
答案: z = 1.5
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。
标准化
z = (177.5 − 170)/5 = 1.5
5.置信区间
答案: E = 4.866 h
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。
点估计
x̄₁ − x̄₂ = 76.5 − 81 = −4.5
标准误
SE = √(15²/60 + 20²/80) = 2.958
6.置信区间
答案: n = 271
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。
解出 n
n = (1.645·5/0.5)² = 270.6
7.假设检验与置信区间
答案: p = 0.2627
假设检验:检验统计量 =(估计值 − H₀ 下的值)/(H₀ 下的标准误)。p 值是在假定 H₀ 为真时,统计量至少与观测值一样极端的概率:单侧 H₁ 取一个尾部的面积,双侧 H₁ 取尾部面积的两倍。当 p ≤ α 时拒绝 H₀。
检验统计量
SE = σ/√n = 25/√100 = 2.5
z = (252.8 − 250)/2.5 = 1.12
尾部面积
Φ(1.12) = 0.8686
1 − Φ(1.12) = 0.1314
p > 0.05,所以在 5% 水平下不拒绝 H₀。
8.假设检验与置信区间
答案: U = 501.9
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)。
区间端点
U = 499.8 + 2.061 = 501.9