南方医科大学医学统计学简答题总结

南方医科大学医学统计学简答题总结内容摘要：

，如果该区间未包含 0 ，同样拒绝 0H 接受 1H ，与 u 检验的结论相同。 11 6．简述假设检验对实际问题的推断能力（单双侧检验时）； 假设检验也称显著性检验。 它是利用小概率反证法的思想，从问题的对立面（ 0H ）出发间接判断要解决的问题（ 1H ）是否成立。 然后在 0H 成立的条件下计算检验统计量，最后获得 P 值来判断。 当 P 小于或等于预先规定的概率值  ，就是小概率事件。 根据小概率事件原理：小概率事件在一次抽样中发生的可能性很小，如果它发生了，则有理由怀疑原假设 0H ，认为其对立面 1H 成立，该结论可能犯大小为  的错误。 7．简述检验效能的概念和主要影响因素以及它们之间的关系； 检验效能用概率 1 表示，其中  为假设检验接受 0H 时犯第二类错误的概率。 检验效能的意义是，当两总体确有差别，按检验水准  ，假设检验结果能发现其差别（拒绝 0H ）的能力。 影响检验效能的四个因素： ，检验效能越大。 （标准差）越小，检验效能越大。 ，检验效能 越大。  （Ⅰ型错误的概率）定得越宽，检验效能越大。 联系： 在这四个因素当中，总体参数的差异  、总体标准差  、检验水准  通常是相对固定的，尤其是  和  ，都是不可改变的的 参数，只能做出比较接近的估计，但不能随意设定。 可以人为调整因素的唯有样本量 1n 、 2n ，而且样本量对检验效能的影响最大。 8． I型错误与 II型错误有何区别与联系。 了解这两类错误有何实际意义。 区别： 当 0H 为真时，假设检验结论拒绝 0H 接受 1H ，这类错误称为第一类错误 /Ⅰ型错误 /假阳性错误 /“弃真”错误。 前面所说的检验水准，就是预先规定的允许犯Ⅰ型错误概率的最大值，用  表示。 当真实情况为 0H 不成立而 H1成立时，假设检验结论不拒绝 0H 反而拒绝 1H ，这类错误称为第二类错误 /Ⅱ型错误 /假阴性错误 /“取伪”错误。 其概率大小用  表示。 关系：  越小，  越大；相反，  越大，  越小。 若要同时减小Ⅰ型错误  和Ⅱ型错误  ,唯一的方法就是增加样本量 n。 了解这两类错误的实际意义：若在应用中要重点减少α（如一般的假设检验），则取α =；若在应用中要重点减少β（如方差齐性检验，正态性检验或想用一种方法代替另一种方法的检验等），则取α =。 9．在哪些情况下容易出现多次重复检验的问题。 多次重复检验有哪些不良后果。 如何避免多次重复检验问题。 多次重复检验多在以下两种情况下出现：一是有多个观察指标，如肝功能检查项目、心功能检查项目等，对每个指12 标都进行试验组和对照组有无差别的假设检验。 但是，对多个观察指标进行多次重复检验，必定会增加假 阳性率。 因此，如果是科研目的明确的临床试验，为了避免多次重复检验问题，应在研究计划书中确定 1～ 2个反映疗效的主要观察指标；；二是对同一个指标的多次重复测量，如高血压患者的血压测量值，对多个时间点（如每周）进行组间差别检验。 这样的话，假设检验的次数要成倍的增加。 因此，为了避免一个观察指标多次测量的重复检验问题，使疗效判定有一个非常明确的判断标准，需要在研究设计时预先确定主要研究目的和主要疗效评价指标。 amp。 假设检验时，一般当 P，则拒绝 H0，理论根据是什么。 P值系由 H0所规定的总体做随机抽样，获得 等于及大于（或等于及小于）依据现有样本信息所计算得的检验统计量的概率。 当 P≤ ，说明在 H0成立的条件下，得到现有检验结果的概率小于α，因为小概率事件几乎不可能在一次试验中发生，所以拒绝 H0。 同时，下“有差别”的结论的同时，我们能够知道可能犯错误的概率不会大于α，也就是说，有了概率的保证。 amp。 可信区间与假设检验有何联系与区别。 区别：可信区间用于说明量的大小即推断总体均数的范围，而假设检验用于推断质的不同即判断两总体均数是否不等。 可信区间亦可回答假设检验的问题，算得的可信区间若包含了 H0，则按α水准，不拒绝 H0；如不包含 H0，则按α水准，拒绝 H0，接受 H1。 联系： 1）可信区间不但能回答差别是否有统计学意义，而且还能比假设检验提供更多的信息，即提示差别有无实际的专业意义。 2）可信区间不能够完全代替假设检验，可信区间只能在预先规定的概率 —— 检验水准α的前提下进行计算，而假设检验能够获得一个较为确切的概率 P值。 故将二者结合起来，才是完整的分析。 amp。 为什么假设检验的结论不能绝对化。 假设检验的结论是概率性的。 拒绝 H0，可能产生 I型错误；不拒绝 H0，可能产生 II型错误。 还与单、双侧检验有 关，报告结果是应注明，以便读者与同类研究比较，正确评价结果的参考价值； 另外，还与检验水准α的高低有关。 有时对于同一问题，按α = H0，而按α = H0；统计结论还与样本大小有关，有时随着样本含量 n的增加，即使取同一检验水准，由于抽样误差的减小，结论有可能从不拒绝 H0到拒绝 H0。 amp。 为什么在报告统计假设检验结果时，提倡使用 P确切数值并给出 95%CI。 报告统计假设检验结果时， P确切数值能够提供抽样误差造成总体和样本差别的确切概率，便于下结论时对具体问题作具体分析，还便于对同类研究结果进行综合．如 meta分析使用的 Fisher法。 总体参数（如总体均数）差别的95 %CI不仅能提供总体参数有无差别的信息，还能提供其差别大小的可能范围。 13 amp。 假设检验的统计“显著”与专业意义上“显著”有何联系和区别。 统计“显著”对应于统计结论，专业“显著”对应于专业结论 .P值大小只能说明统计学意义的“显著”，不说明实际效果的“显著”。 若统计结论和专业结论一致，则最终结论也一致 ；若统计结论和专业结论不一致，则最终结论需根据实际情况而定。 以临床试验为例，临床疗效“显著”的处理，当观察例数很少时， P值可能很大（统计“不显著”）；反之，临床疗效“不显著”的处理（如新药比对照药有效率仅提高了 0. 1%），当观察例数很大时， P值可能很小（统计“显著”）。 因此．对于 P值的解释一定要结合专业知识，并且用两均数（率）之差的可信区间反映出实际差别的大小。 amp。 假设检验的理论依据是什么。 请简述假设检验的基本步骤。 假设检验的理论依据： 小概率事件原理 步骤： (1)根据研究目的建立假设，确定检验水准 (2)根据样本统计量的抽样分布规律，选择适当的统计方法，计算检验统计量 (3)确定 P值，做出推断结论 第九章χ 2检验 简述 2 检验的基本思想。 在 2 检验的理论公式  22 ATT  中， A为实际频数， T为理论频数。 根据检验假设 H0：π 1＝π 2，若 H0 成立，则四个格子的实际频数 A与理论频数 T相差不应很大，即 2 统计量不应很大。 若 2 值很大，即相对应的 P值很小，比如 P≤ a，则反过来推断 A与 T相差太大，超出了抽样误差允许的范围，从而怀疑 H0的正确性，继而拒绝 H0，接受其对立假设 H1，即π 1≠π 2。 四格表 2 检验有哪两种类型。 各自在运用上有何注意事项。 四格表 2 检验分为两独立样本率检验和两相关样本率检验。 两独立样本率检验应当首先区分其属于非连续性校正2 检验，或是连续性校正 2 检验。 非连续性校正 2 检验的理论计算公式为：  22 ATT  ，专用计算公式为：         22 a d b c na b a c b d c d     。 连续性校正 2 检验的理论计算公式为：  22 0 .5ATT   ，专用计算公式为         22 2a d b c n na b a c b d c d   ；两相关样本率检验的理论计算公式为：  22 bcbc   ，当样本数据 b＋ c＜ 40时，需做连续性校正，其公式为  22 1cbcbc   14 什么情况下使用 Fisher确切概率检验两个率的差别。 当样本量 n和理论频数 T太小时，如 n＜ 40而且 T＜ 5，或 T＜ 1，或 n＜ 20，应该用确切概率检验，即 Fisher检验。 在回顾性研究和前瞻性研究的四格表中，各自如何定义优势比。 暴露组的优势与非暴露组 的优势之比就称为优势比，也称为比数比，简记为 OR。 前瞻性研究暴露组相对于非暴露组关于非暴露组关于“发病”的优势比，即：   O d d a c a dORO d d b d b c  暴露非暴露；如果资料来自回顾性病例对照研究，则根据“暴露”相对于“非暴露”的优势计算病例组相对于对照组关于“暴露因素”的优势比，即：  O d d a b a dOR O d d c d b c  病例对照。 amp。 两样本率比较的 u 检验与 2 检验有何异同。 同：凡是能用 u检验进行的两个率比较检验的资料，都可用 2 检验，两者是等价的，即 u2= 2 ； 异：（ 1） u检验可进行单侧检验； （ 2）满足四格表 u检验的资料，计算两个率之差的可信区间，可从专业上判断两率之差有无实际意义； （ 3） 2 检验可用于 2 2列联表资料有无关联的检验。 amp。 对于四格表资料，如何正确选用检验方法。 (1)首先应分清是两样本率比较的四格表资料还是配对设计的四格表资料。 (2)对于两样本率比较的四格表资料，应根据各格的理论值 T和总例数 n的大小选择不同的计算公式： ①当 n≥ 40且所有的 T≥ 5时，用非连续性校正 2 值理论计算公式或四格表专用计算公式 ② n≥ 40，且任一理论频数 T有 1≤ T＜ 5，用连续性校正 2 值理论计算公式或四格表专用计算公式； ③当 n＜ 40，或 T＜ 1时，用四格表资料的 Fisher确切概率法。 若资料满足两样本率 u检验的条件，也可用 u检验。 (3)对于配对设计的四格表资料，应根据样本 数据 b+c的大小选择不同的计算公式： ① (b+c) ≥ 40, 使用未经校正的 公式 ； ② (b+c) ＜ 40, 使用经过校正的公式。 amp。 说明行 列表资料 2 检验应注意的事项。 (1)行列表中的理论频数不应小于 1，或 1≤ T＜ 5的格子数不宜超过格子总数的 1/5。 (2)多个样本率比较，若所得统计推断为拒绝 H0，接受 H1时，只能认为各总体率 之间总的来说有差别，但不能说明15 任两个总体率之间皆有差别。 要进一步推断哪两个总体率之间有差别，需进一步做两两比较。 (3)对于有序的 R C表资料不宜用 2 检验。 对于 R C表的资料要根据其分类类型和研究目的选用恰当的检验方法。 amp。 说明 RC 表的分类及其检验方法的选择。 (1)分类： RC 表可以分为双向无序、单向有序、双向有序属性相同和双向有序属性不同 4类。 (2)检验方法的选择： ① 双向无序 RC 表：若研究目的为多个样本率 (或构成比 )的比较，可用行 列表资料的 2 检验 ； 若研究目的为分析两个分。