如何计算P(X<Y)医学统计学P值及X方？

来源：蜘蛛抓取(WebSpider) 时间：2018-03-02 11:55 标签： E(X|Y)怎么计算

这个帖子发布于2年零201天前，其中的信息可能已发生改变或有所发展。

问题已解决悬赏丁当:10

A组156名患者，平均58岁；B组78名患者，平均44.5岁。现只有这么多数据，两组详细的年龄未知，标准差等其他数据也未知，这可以算p值吗？

    不知道邀请谁？试试他们

  • 政治敏感、违法虚假信息

t是T检验（小样本质量检测,在参数检验中）的统计量,f是F检验（SPSS中的方差分析有）的统计量,p是一个判断原假设是否成立的量,若p>a,接受原假设,p

我尽量用形象的语言说 p值越小 说明犯第一类错误的概率越小 你越可以推翻传统的、保守的观点 越可以接受新提出的、感兴趣的观点 什么是第一类错误 统计上把保守的、传统的观点作为原假设 新颖的、感兴趣的、想去论证的观点作为备择假设 就好比一个犯罪嫌疑人 在没有确凿的证据前都只能以他无罪为原假设 因为一个人无罪判他有罪 比

这样的分组一般无意义,分类结果数小于5,相对整体而言p

统计学意义（p值）ZT结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法.专业上,p值为结果可信程度的一个递减指标,p值越大,我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标.p值是将观察结果认为有效即具有总体代表性的犯错概率.如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的.即假设总

p值为0的统计结果其实不能认为 p=0,一般当所得结果p

说的通俗一些,0.05或 0.01是表示一个小概率事件,统计学上认为,发生概率非常小的事件在一次试验中是不可能发生的.那多小的概率才算是小概率呢?就是0.05或 0.01了.什么时候取0.05什么时候取0.01,这个问题有些复杂,一般来说要求的结果比较严格的时候取0.01

均值可以简单理解为数值的平均数,了解数据数值上的平均情况；中位数,可以在均值不可用或者不适合使用的时候,位置上的“中等”位置,比如班级有35个人,第18名同学的成绩平均分是95（满分100）,那么本班成绩比较高；众数是指数据源中出现次数最多的数,有点“真理掌握在多数人决定的”意思,通过观察众数来推测数据的质量：比如一个

气象台发布的明天的气温就是预测值,而实测的气温是观察值,而根据实测数据和经验模型计算出的气温是拟合值.没有观测就没有拟合,没有拟合也就无法预测.

你想只是计算知晓率（依从率）比较,还是知晓情况（依从情况）的比较, 1、如果是知晓率（依从率）,那么怎么算是知晓率（依从率）?掌握和基本掌握算是知晓?完全依从和部分依从算是依从吗? 将病人分为两部分：知晓的 不知晓的 （表2自然就分为依从与不依从两部分） 然后用卡方检验计算卡方值与P值. 2、如果是知晓情况（依从情况）

关于统计学中的f值,在统计学中有专业而且权威的论述.在这,就我的理解,简单的说：f值用来检验样本的结果能够代表总体的真实程度.也就是常说的求样本p值,当p值的结果为0.05≥p>0.01被认为是具有统计学意义,或结果为0.01≥p≥0.001被认为具有高度统计学意义.这样简单的回答,不知您是否满意!

在回归分析中,t检验就是对回归参数的显著性进行检验；f检验是对回归方程的显著性进行检验.在一元回归中,二者是等价的；在多元回归中,t检验通过则f检验一定能够通过,而f检验通过t检验不一定通过.p值就是方便大家判断显著性的,一般软件运行结果中都有,例如在a=0.05时,P

P值是衡量控制组与实验组差异大小的指标,*意思是P值小于.05,表示两组存在显著差异,**意思是P值小于.01,表示两组的差异极其显著,这个可以用SPSS统计,根据你的描述自变量应该是果蝇的性别（雌还是雄）,因变量应该是寿命,自变量是名义变量,因变量是连续变量,所以用单因素方差分析就可以得出结果了.另外,在统计解释时一

统计学意义（p值）ZT 结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法.专业上,p值为结果可信程度的一个递减指标,p值越大,我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标.p值是将观察结果认为有效即具有总体代表性的犯错概率.如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的.即假设

x2检验（chi-square test）或称卡方检验，是一种用途较广的假设检验方法。可以分为成组比较（不配对资料）和个别比较（配对，或同一对象两种处理的比较）两类。

一、四格表资料的x2检验

例20.7某医院分别用化学疗法和化疗结合放射治疗卵巢癌肿患者，结果如表20-11，问两种疗法有无差别？

表20-11 两种疗法治疗卵巢癌的疗效比较

表内用虚线隔开的这四个数据是整个表中的基本资料，其余数据均由此推算出来；这四格资料表就专称四格表（fourfold table），或称2行2列表（2×2 contingency table）从该资料算出的两种疗法有效率分别为44.2%和77.3%，两者的差别可能是抽样误差所致，亦可能是两种治疗有效率（总体率）确有所不同。这里可通过x2检验来区别其差异有无统计学意义，检验的基本公式为：

式中A为实际数，以上四格表的四个数据就是实际数。T为理论数，是根据检验假设推断出来的；即假设这两种卵巢癌治疗的有效率本无不同，差别仅是由抽样误差所致。这里可将两种疗法合计有效率作为理论上的有效率，即53/87=60.9%，以此为依据便可推算出四格表中相应的四格的理论数。兹以表20-11资料为例检验如下。

2.计算理论数（TRC），计算公式为：

式中TRC是表示第R行C列格子的理论数，nR为理论数同行的合计数，nC为与理论数同列的合计数，n为总例数。

以推算结果，可与原四项实际数并列成表20-12：

表20-12 两种疗法治疗卵巢癌的疗效比较

因为上表每行和每列合计数都是固定的，所以只要用TRC式求得其中一项理论数（例如T1.1=26.2），则其余三项理论数都可用同行或同列合计数相减，直接求出，示范如下：

在查表之前应知本题自由度。按x2检验的自由度v=（行数-1）（列数-1），则该题的自由度v=（2-1）（2-1）=1，查x2界值表（附表20-1），找到x20.001（1）=6.63，而本题x2=10.01即x2＞x20.001（1），P＜0.01，差异有高度统计学意义，按α=0.05水准，拒绝H0，可以认为采用化疗加放疗治疗卵巢癌的疗效比单用化疗佳。

通过实例计算，读者对卡方的基本公式有如下理解：若各理论数与相应实际数相差越小，x2值越小；如两者相同，则x2值必为零，而x2永远为正值。又因为每一对理论数和实际数都加入x2值中，分组越多，即格子数越多，x2值也会越大，因而每考虑x2值大小的意义时同时要考虑到格子数。因此自由度大时，x2的界值也相应增大。

对于四格表资料，还可用以下专用公式求x2值。


式中a、b、c、d各代表四格表中四个实际数，现仍以表20-12为例，将上式符号标记如下（表20-13），并示范计算。

表20-13 两种疗法治疗卵巢肿瘤患者的疗效

计算结果与前述用基本公式一致，相差0.01用换算时小数点后四舍五入所致。

三、四格表x2值的校正

x2值表是数理统计根据正态分布中的定义计算出来的。 是一种近似，在自由度大于1、理论数皆大于5时，这种近似很好；当自由度为1时，尤其当1＜T＜5，而n＞40时，应用以下校正公式：

如果用四格表专用公式，亦应用下式校正：

例20.8某医师用甲、乙两疗法治疗小儿单纯性消化不良，结果如表20-14.试比较两种疗法效果有无差异？

表20-14 两种疗法效果比较的卡方较正计算

从表20-14可见，T1.2和T2.2数值都＜5，且总例数大于40，故宜用校正公式（20.15）检验。步骤如下：

2.计算理论数：（已完成列入四格表括弧中）

3.计算x2值：应用公式（20.15）运算如下：

按α=0.05水准，接受H0，两种疗效差异无统计学意义。

如果不采用校正公式，而用原基本公式，算得的结果x2=4.068，则结论就不同了。

如果观察资料的T＜1或n＜40时，四格表资料用上述校正法也不行，可参考预防医学专业用的医学统计学教材中的精确检验法直接计算概率以作判断。

适用于两个组以上的率或百分比差别的显著性检验。其检验步骤与上述相同，简单计算公式如下：

式中n为总例数；A为各观察值；nR和nC为与各A值相应的行和列合计的总数。

例20.9北方冬季日照短而南移，居宅设计如何适应以获得最大日照量，增强居民体质，减少小儿佝偻病，实属重要。胡氏等1986年在北京进行住宅建筑日照卫生标准的研究，对214幢楼房居民的婴幼儿712人体检，检出轻度佝偻病333例，比较了居室朝向与患病的关系。现将该资料归纳如表20-15作行×列检验。

表20-15居室朝向与室内婴幼儿佝偻病患病率比较

该表资料由2行4列组成，称2×4表，可用公式（20.17）检验。

H0：四类朝向居民婴幼儿佝偻病患病率相同。

H1：四类朝向居民婴幼儿佝偻病患率不同。

x20.01（3）=11.34，本题x2=15.08，x2＞x20.01（3），P＜0.01，按α=0.05水准，拒绝H0，可以认为居室朝向不同的居民，婴幼儿佝偻病患病率有差异。

（二）行×列表x2检验注意事项

1.一般认为行×列表中不宜有1/5以上格子的理论数小于5，或有小于1的理论数。当理论数太小可采取下列方法处理：①增加样本含量以增大理论数；②删去上述理论数太小的行和列；③将太小理论数所在行或列与性质相近的邻行邻列中的实际数合并，使重新计算的理论数增大。由于后两法可能会损失信息，损害样本的随机性，不同的合并方式有可能影响推断结论，故不宜作常规方法。另外，不能把不同性质的实际数合并，如研究血型时，不能把不同的血型资料合并。

2.如检验结果拒绝检验假设，只能认为各总体率或总体构成比之间总的来说有差别，但不能说明它们彼此之间都有差别，或某两者间有差别。

在计量资料方面，同一对象实验前后差别或配对资料的比较与两样本均数比较方法有所不同；在计数资料方面亦如此。例如表20-16是28份咽喉涂抹标本，每份按同样条件分别接种在甲、乙两种白喉杆菌培养基中，观察白喉杆菌生长情况，试比较两种培养基的效果。

表20-16 两种白喉杆菌培养基培养结果比较

从表中资料可见有四种结果：（a）甲+乙+，（b）甲+乙-（c）甲-乙+，（d）甲-乙-；如果我们目的是比较两种培养基的培养结果有无差异，则（a）、（d）两种结果是一致的，对差异比较毫无意义，可以不计，我们只考虑结果不同的（b）和（c），看其差异有无意义，可以应用以下简易公式计算：

3.确定P值和分析 配对资料v=1，查附表20-1得知x20.05（1）=3.84，x2＞x0.05（1），P＜0.05，按α=0.05水准，拒绝H0，可以认为甲培养基的白喉杆菌生长效率较高。

如果b+c＞40，则可采用：

此外还有两种以上处理方法的比较，可参阅预防医学专业的医学统计方法有关章节。

我要回帖

更多关于 E(X|Y)怎么计算 的文章

 

随机推荐