医学统计学第3版 秩和检验

.第12章排名和测试，medical statistics，2，教学内容：第一节Wilcoxon符号排名和测试第二节两个独立示例比较的排名和测试第三节多个独立示例比较的排名和测试第四节随机区域组设计的排名和测试。3，例如，t检验：h 0333060 1= 2参数测试：如果推断或推断相应的未知参数，则此类检查称为参数检验。测试整体参数(t检验、z检验等)的方法称为参数统计方法。4，非参数检查：不假定特定整体分布，不推断或测试整体参数，仅比较整体分布位置是否相同。这种测试称为非参数测试。不依赖于总体分布类型的统计方法(适用于随机分布)，也称为随机分布测试。等级总计检查、等级相关性分析、管路检查、符号检查(非参数统计方法)。5，非参数检查适用范围(数据)，定量数据不符合参数检查条件。1.总体分布类型不明确，或者总体分布显示明显的偏差分布，适当的变换方法没有转化为正态分布。排序的(排名)数据，排名数据；组数据的一端或两端有不确定的值。4.总体超差不匹配。6，非参数检验特征，优点：1。无论总体分布如何，复盖范围都很大。方法很简单。缺点：测试性能低(适用于使用参数测试的数据，如果使用非参数测试，数据信息将丢失(观察排名)，测试性能将下降)。首先选择参数统计方法，然后选择非参数统计方法。7，第一节Wilcoxon符号排名和检验符号：8，1，匹配设计的两个示例比较，匹配设计测量数据的两个处理效果比较，通常匹配t检查，如果差异数明显偏离正态分布，则应使用Wilcoxon匹配符号排名和检查，符号排名和检查(signedranktest)。9，配对设计数据的符号排序和检查，例如，12-1研究人员研究健康食品对小鼠的抗疲劳作用，根据性别、年龄、体重，将同种小鼠分配到大约10对，每对2只小鼠随机分配到2个不同的剂量组，在一定时间内杀死小鼠，其间糖原含量(mg/100g)，10，本例中的对样本差异是活动Wilcoxon符号排名测试，如果通过正则测试推断出整个不服从正态分布。设计数据的符号排名和检查阶段匹配，1 .设定决定检查准则的检查假设。H0:差的总中值等于0。也就是说，Md=0H1:差的总中值不等于0。也就是Md0检查级别=0.05，12，2。检验统计计算t值：(1)得出每对数据的差值。(2)等级差异0，无等级，n相应减少(有效n)。从差异的绝对值到大偏序，表示原始差异的符号。具有相同绝对值、相同符号的差异，并按顺序排名。绝对值相同，但符号不同，必须有平均排名。兰克相同的东西被称为死锁。13、14，(3)分别求正、负排名之和。此范例：T=48.5，T-=6.5 . T-=n(n 1)/2=10(10 1)/2=55。计算错误。(4)确定检验统计：T或T需要统计T，T需要统计T。在此情况下，T=48.5，T-=6.5，小T-=6.5。正数，负数等级总和，15，3。确定p值并使用推理(1)查找表方法，设计t边界值表(调度10p334):T在其上下边界值范围内，p值大于相应的概率。t在上下限值范围外，p值小于相应的概率。t表示上、下、p值小于相应的概率。(内部和外部小尺寸)，16，此范例，n=10，T=6.5，用于配对设计的T边界值表格(p334)，双侧：T0.05，10=8-47，T0.02，10=5-5，23，2。计算检验统计数据t值：(1)查找差异d=xi-2.15，请参阅表中的第二列。(2)编次：差为零，无编次，n应相应减少(有效n)。从差异的绝对值到大偏序，表示原始差异的符号。具有相同绝对值、相同符号的差异，并按顺序排名。绝对值相同，但符号不同，必须有平均排名。兰克相同的东西被称为死锁。请参见表的第三列。24，(3)分别表示为正数和负数排名合计：分别表示为T和T-。在此情况下，T=62.5，T-=3.5。验证：计算错误：T T-=n(n 1)/2=11(11 1)/2=66。(4)确定检验统计：所有T或T-检验统计T .通常需要将T或T-汇入T。此范例T-=3.5或T=62.5使用T-=3.5做为检验统计T。25，3。确定p值，在本示例中，获得配对设计T边界值表(p334)，n=11，单侧：T0.005，11=5-61，T=3.5，P0.005，=0.05，26，第二节两个独立样本比较等级和检查1，原始数据的两个样本比较，示例12-3对10名肺癌患者和12名矽肺0名工作人员用x-ray测量肺门直径右距离RD值(cm)，参见表12-3。问肺癌患者的RD值是否高于矽肺0期工人的RD值。27，法规：n1N2，n1匹配等级之和为t。28，1。建立检查假设并确定检查水平H0:肺癌患者和矽肺工人的RD值的总中值相同(全部分布相同)，h 13360肺癌患者的RD值为矽肺工人的RD值检查水平=0.05，29，2。计算检验统计数据t值(1)排名：将两组数据按从小到大的顺序放在同一样本上，按顺序排名2)在同一数据不同样本上平均排名，30，(2)排名总计：如果样本数较少，则需要n1，其排名总计为T1(141.5)。N=n1 N2，此范例N=22，T1 T2=N(N 1)/2=253，等级总计计算没有错误。(3)确定检验统计信息T值：如果n1=n2，则T=T1或T=T2。如果N1n2，则T=T1。在本例中，T=141.5。排名总计，31，3。确定p值并推断，(1)表确认方法：n110和N2-n110t边界值表，用于调度11、p336、两个独立示例排名和检验。首先在左侧查找n1(n1和N2中较小的n1)。此范例为10。在表格上方找出两个执行处理之间的差异(n2-n1)。在这种情况下，n2-n1=2是两个实例相交的t的阈值。确保p值方法与以前相同。T=141.5，单侧：0.02510，可以通过附录11范围外的正则近似法来检查，其公式为：如果常积较多(例如25%以上)，学校的公式为：比较33、2级资料的两个样本，例12-4的研究人员想评价新药按摩音乐口服液对高甘油3脂血症治疗的效果，将189名高甘油三脂血症患者随机分成两组，用按摩口服液和山楂精密降脂片治疗，见表12-4，并询问两种药物对高甘油3脂血症治疗有什么效果。34，表9-4，35，1。建立检查假设并确定检查水平H0:两种药物疗效总体分布位置相同H1:两种药物疗效总体分布位置不同的检查水平=0.05。36，2。计算检验统计数据t值(1)等级：每个等级的人数合计、等级范围、平均等级。表(4)-(6)列。同级的排名属于僵局。(2)查找排名合计：将每个组中每个排名实例的数量乘以平均排名，然后将T1和T2求和，请参阅(7)和(8)列。(3)检验统计确定t值：本例为n1=69，超出两个独立样本t边值表范围，需要近似正则测试。37，表10-4-2，等级，死锁，z值修正，38，3。确定p值，推断t边界值表(计划3，P316)、ZC=3.31，P3，Hc或h几乎遵循自由度为k-1的2分布，并检查2边界值。47，2，分级数据多样本比较，12-6 4种疾病患者痰内嗜酸白细胞检查结果见表12-6。问痰中4种疾病患者嗜酸白细胞是否有差异。48、49，指数变量是排名变量，不能用2检查，必须用Kruskal-WallisH检查。1.确定检查标准H0: 4个疾病患者痰中嗜酸白细胞的整体分布相同H1: 4个疾病患者痰中嗜酸白细胞的整体分布不相同检查水平=P0.005。50，(1)等级(2)等级总计(3)检验统计确定h值，2。检验统计信息计算h值，51，3。p值确定推断=4-1=3，时间表9(2边界值表，p333)，p 0。可以认为，四种疾病患者痰中含有的嗜酸白细胞有差异。52，一，多个完全随机设计样本的多个比较公共扩展t测试。53，扩展的t检验，统计t公式(本书没有):54，12-7某医院使用三种复方小叶枇杷治疗老年慢性支气管炎的资料，比较表12-7的(1)-(4)栏中三种处方的疗效。55，相同的前化合物样品排名合计：56，各种排名和检验统计值h，57，h测试结果：HC=25.1214，H0拒绝，差异统计，3种复方枇杷处方对老年慢性支气管炎的疗效差异。在三种化合物小叶枇杷处方中，为了判断哪种标本不同，还需要两种比较。58，59，多重比较中的平均排名，60，找到61。计算结果见表12-8。62，3。确定值，进行统计推断。63，独立样品全部进行多重比较。因为像扩展t检验这样的多种比较方法不能在统计软件中实现。统计软件可以实现的两种方法是：(1)排名转换方法(大样本)排名转换后的方差分析和多重比较表12.7(p170)(2)测试级别调整方法Bonferroni方法。两个独立抽样排名总计测试。64，Bonferroni法，也称为Bonferronit检查。本费里罗尼提出，在多次比较时，每个比较的检查水平为时，进行总m次的比较，如果H0为真，则犯第一类错误的累积概率不超过m，这是众所周知的本费里隆不等式。因此，多次比较后，确保犯第一类错误的累积概率不超过指定的alpha，生成=malpha ，从而在多个比较中确定每个比较的检查级别alpha =alpha/m。所以Bonferroni的本质是调整检查水平。也称为Bonferroni调节法。65，例如，在比较三个样本时，m=k(k-1)/2得出检验级的结论。66，iv随机区域组设计数据的排名总计测试随机区域组设计是对设计的扩展。A处理，B处理，配对设计，A处理，B处理，C处理，兼容性设计，子，zone组，A，B，B，C，68，随机化zone组设计数据的排序和检查，例12-8想利用学生的学习分数综合分数来评价4种教学方法的差异，根据年龄、性别、年级、社会经济地位、学习动机、智力水平、学习情况等，将4名学生分成1组，共8组，每个地区组的4人随机分成4组请参阅表12-9。比较四种教学方式对学生学业成就也影响综合分数吗？69，本例是区域组设计的随机化，观测指标是连续变量数据，每个教学方法组数据来自非规则群体，不应进行方差分析。表12-9，70，本例使用FriedmanM检查，该检查推断任意区域组设计数据的多个相关样例在多个总体分布中是否存在差异。71，1。建立检验假说，确定检验水平h 0: 4种教学方法的综合分数总体分布位置相同h 1: 4种教学方法综合分数总体分布位置不相等检验水平=0.05。72，(1)排名，求排名总计：首先对每个分区组的数据进行从小到大的排序，然后对相同值进行平均排名。合计每个处理组的排名，以获得每个处理组的排名总计。(2)检验统计计算m值：2。计算检验统计信息m值，k是处理数，b是区组数，Ri是示例排名之和。73，此范例，k=4，b=8，各种等级总计：74，3。确定p值并推断(1)M边界值方法根据k，b检查计划13的M边界值表(p338)。此范例确认区域群组数目b=8、处理数目k=4、排程13M范围值表格(M0.05=105M=191.5 m 0.05，p 0.05alpha=0.05单击检查级别，拒绝H0，接受H1。可以认为，不同的教学方法对学生的学业成绩也影响综合分数。75，2(M)的值计算如下，(2)2近似，k是进程数，b是区域组数，Rj是示例排名之和。2通过边界值确定p值。同样的排名多的时候要纠正。76，在此例中，k=4，b=8，所有排名总计：77，如果随机区域组设计数据拒绝m检查结果H0，则需要进一步比较每个处理组。随机区域组设计数据的多个比较类似于组设计数据的多个比较。(1)等级转换方法(大样本)等级转换后的方差分析和多重比较(