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
人年143012200335104新发病例26

练习题（虚构数值，不作为临床指导）。 在一项队列研究中，不同人群被随访了不同的时间长度（见表：每组的人数和随访年数）。随访期间发生了 26 例新发病例。求发病率IR，每 1000 人年。 保留一位小数。

430 × 1 年份200 × 3 年510 × 4 年26 新发病例
IR = 每 1000 人年
2.循证实践统计学困难
p (%)PPV (%)1%PPV = ?100

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 94%，特异度为 81%。它用于患病率为 1% 的人群。 求阳性预测值PPV，以百分数表示。 保留一位小数。

Se = 94%Sp = 81%p = 1%
PPV = %
3.描述统计中等
1520253035404550

求数据的样本标准差 s：24, 53, 14, 34, 47, 19, 20。

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 50，标准差为 5。数值低于 52 的比例 P 是多少？

μ = 50σ = 5x = 52
P =
5.置信区间中等
n = 7, s = 12.5L = ?Ux̄ = 71.5E90%

一个包含 7 个个体的样本，均值为 71.5，标准差 s = 12.5。总体近似服从正态分布。 求均值的 90% 置信区间的下限。

n = 7x̄ = 71.5s = 12.590%t(6) = 1.943
下限 =
6.置信区间困难
σ = 15, n = ?x̄ − Ex̄ + Ex̄E = 295%

总体标准差为 15。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 2？

σ = 15E = 295%
n =
7.假设检验与置信区间中等
−1.8p = ?

据称某总体的均值为 120；已知总体标准差为 20。一个含 64 个观测值的随机样本均值为 115.5。检验 H₀: μ = 120 对 H₁: μ < 120。求 p 值 p。

μ₀ = 120σ = 20n = 64x̄ = 115.5H₁: μ < μ₀
p =
8.假设检验与置信区间困难
μ₀x̄c

在 α = 0.10 下，用容量为 100 的样本对 H₀: μ = 80 与 H₁: μ < 80 进行单侧 z 检验；已知标准差为 30。实际上均值为 74。 求该检验的功效 1 − β，以百分比表示。

μ₀ = 80μ = 74σ = 30n = 100α = 0.10
1 − β = %

3溶液

1.循证实践统计学

答案: IR = 8.5 每 1000 人年

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。

人年

PY = 430·1 + 200·3 + 510·4 = 3070

发病率

IR = 26/3070·1000 = 8.5 每 1000 人年

答案

IR = 8.5 每 1000 人年
2.循证实践统计学

答案: PPV = 4.8 %

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 = 0.94·0.01 = 0.0094
(1 − Sp)·(1 − p) = 0.19·0.99 = 0.1881

阳性预测值

PPV = 0.0094/(0.0094 + 0.1881) = 0.04759 ≈ 4.8%

答案

PPV = 4.8%

患病率越低，同一检测的 PPV 越低。

3.描述统计

答案: s = 14.98

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 = 211/7 = 30.14

离差平方

Σ(x − x̄)² = (−6.143)² + 22.86² + (−16.14)² + 3.857² + 16.86² + (−11.14)² + (−10.14)² = 1347

标准差

s = √(1347/6) = 14.98

答案

s = 14.98
4.描述统计

答案: P = 0.6554

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 = 0.4

标准正态分布表

Φ(0.4) = 0.6554
P = 0.6554

答案

P = 0.6554
5.置信区间

答案: 下限 = 62.32

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 = 6, t = 1.943

误差范围

E = 1.943·12.5/√7 = 9.18

区间

71.5 ± 9.18 → [62.32, 80.68]

答案

下限 = 62.32
6.置信区间

答案: n = 217

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 = (1.96·15/2)² = 216.1

向上取整

样本量是整数，向下取整会使误差范围过大。

n = 217

答案

n = 217
7.假设检验与置信区间

答案: p = 0.03593

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 = 20/√64 = 2.5
z = (115.5 − 120)/2.5 = −1.8

尾部面积

Φ(1.8) = 0.9641
1 − Φ(1.8) = 0.0359

p 值

p = 0.03593

答案

p = 0.03593

p ≤ 0.05，所以在 5% 水平下拒绝 H₀。

8.假设检验与置信区间

答案: 1 − β = 76.36 %

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 = 30/√100 = 3
x̄c = 80 − 1.282·3 = 76.15

真实均值下的 z

z = (76.15 − 74)/3 = 0.718

功率

功效 = P(Z < 0.718) = 76.36%
1 − β = 76.36%

答案

1 − β = 76.36%

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