循证实践：速成包

公式表、每个专题的关键方法步骤和 8 道练习题，完整解答附在最后。

新题目返回课程

在打印窗口中选择“另存为 PDF”，即可在设备上保存一份副本。

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

  1. 计算之前先画出 2 × 2 表并标出 a、b、c 和 d。
  2. 灵敏度和特异度沿列读取，预测值沿行读取。
  3. 对于另一个患病率，设想 10 000 人，并用 Se、Sp 和患病率填表。
  4. 对于似然比，把概率换算为比值，相乘，再换算回去。
  5. 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

  1. 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。
  2. 求该置信水平下的临界值。
  3. 误差限：E = 临界值 × 标准差/√n。
  4. 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

  1. 写出 H₀ 和 H₁，并确定是单侧检验还是双侧检验。
  2. 计算检验统计量：(x̄ − μ₀)/(σ/√n)，或者用 s 和 t。
  3. 与临界值比较，或求出 p 值。
  4. 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
检测有疾病无疾病总数正数19314207ab负数57156213cd总数250170420

练习题（虚构数值，不作为临床指导）。 一项研究将一种新检测与参考标准进行了比较（见 2 × 2 表）。 求阴性似然比LR−。 保留两位小数。

a = 193b = 14c = 57d = 156
LR− =
2.循证实践统计学困难
检测有疾病无疾病总数正数?负数总数10 000

练习题（虚构数值，不作为临床指导）。 用灵敏度为 72%、特异度为 86% 的检测对 10 000 人进行筛查。该病的患病率为 19%。 预期会有多少真阳性结果TP？

N = 10 000p = 19%Se = 72%Sp = 86%
TP =
3.描述统计中等
1015202530354045505560

求数据的样本标准差 s：26, 46, 10, 56, 39, 49, 60。

n = 7
s =
4.描述统计困难
z −2−1012

某量服从正态分布，平均数为 500，标准差为 75。数值低于 425 的比例 P 是多少？

μ = 500σ = 75x = 425
P =
5.置信区间中等
n = 12, s = 10.5LU = ?x̄ = 69.5E90%

一个包含 12 个个体的样本，均值为 69.5，标准差 s = 10.5。总体近似服从正态分布。 求均值的 90% 置信区间的上限。

n = 12x̄ = 69.5s = 10.590%t(11) = 1.796
上限 =
6.置信区间困难
σ = 16, n = ?x̄ − Ex̄ + Ex̄E = 1.595%

总体标准差为 16。样本量 n 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？

σ = 16E = 1.595%
n =
7.假设检验与置信区间中等
0.84p = ?

据称某总体的均值为 80；已知总体标准差为 12。一个含 144 个观测值的随机样本均值为 80.84。检验 H₀: μ = 80 对 H₁: μ > 80。求 p 值 p。

μ₀ = 80σ = 12n = 144x̄ = 80.84H₁: μ > μ₀
p =
8.假设检验与置信区间困难
−1.961.96z = ?

在一项试验中，接受治疗 A 的 300 名患者中有 90 人康复，接受治疗 B 的 200 名患者中有 72 人康复。用合并比例求 H₀: p₁ = p₂ 的检验统计量 z。

x₁ = 90n₁ = 300x₂ = 72n₂ = 200
z =

3溶液

1.循证实践统计学

答案: LR− = 0.25

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。

灵敏度和特异度

Se = 193/250 = 0.772
Sp = 156/170 = 0.9176

阴性似然比

LR− = (1 − 0.772)/0.9176 = 0.2485 ≈ 0.25

答案

LR− = 0.25
2.循证实践统计学

答案: TP = 1368

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。

患病者和未患病者

10 000·0.19 = 1900
10 000 − 1900 = 8100

真阳性

TP = 1900·0.72 = 1368

答案

TP = 1368
3.描述统计

答案: s = 17.63

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。

平均数

x̄ = 286/7 = 40.86

离差平方

Σ(x − x̄)² = (−14.86)² + 5.143² + (−30.86)² + 15.14² + (−1.857)² + 8.143² + 19.14² = 1865

标准差

s = √(1865/6) = 17.63

答案

s = 17.63
4.描述统计

答案: P = 0.1587

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 = −1

标准正态分布表

Φ(−1) = 0.1587
P = 0.1587

答案

P = 0.1587
5.置信区间

答案: 上限 = 74.94

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 = 11, t = 1.796

误差范围

E = 1.796·10.5/√12 = 5.444

区间

69.5 ± 5.444 → [64.06, 74.94]

答案

上限 = 74.94
6.置信区间

答案: n = 438

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 = (1.96·16/1.5)² = 437.1

向上取整

样本量是整数，向下取整会使误差范围过大。

n = 438

答案

n = 438
7.假设检验与置信区间

答案: p = 0.2005

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.

检验统计量

SE = σ/√n = 12/√144 = 1
z = (80.84 − 80)/1 = 0.84

尾部面积

Φ(0.84) = 0.7995
1 − Φ(0.84) = 0.2005

p 值

p = 0.2005

答案

p = 0.2005

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: z = −1.404

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.

样本比例

p̂₁ = 90/300 = 0.3
p̂₂ = 72/200 = 0.36
p̂ = 162/500 = 0.324

H₀ 下的标准误

SE = √(0.324·0.676·(1/300 + 1/200)) = 0.04272

检验统计量

z = (0.3 − 0.36)/0.04272 = −1.404

答案

z = −1.404

|z| < 1.96，所以在 5% 水平下不拒绝 H₀（双侧）。

ExamProblems · examproblems.com/courses/evidence-based-practice