统计学知识点(完整)2970.pdf

上传人:得****3 文档编号:83936578 上传时间:2023-03-31 格式:PDF 页数:10 大小:1.32MB
返回 下载 相关 举报
统计学知识点(完整)2970.pdf_第1页
第1页 / 共10页
统计学知识点(完整)2970.pdf_第2页
第2页 / 共10页
点击查看更多>>
资源描述

《统计学知识点(完整)2970.pdf》由会员分享,可在线阅读,更多相关《统计学知识点(完整)2970.pdf(10页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、标准文档 实用文案 基本统计方法 第一章 概论 1.总体(Population):根据研究目的确定的同质对象的全体(集合);样本(Sample):从总体中随机抽取的部分具有代表性的研究对象。2.参数(Parameter):反映总体特征的统计指标,如总体均数、标准差等,用希腊字母表示,是固定的常数;统计量(Statistic):反映样本特征的统计指标,如样本均数、标准差等,采用拉丁字字母表示,是在参数附近波动的随机变量。3.统计资料分类:定量(计量)资料、定性(计数)资料、等级资料。第二章 计量资料统计描述 1.集中趋势:均数(算术、几何)、中位数、众数 2.离散趋势:极差、四分位间距(QR=P

2、75-P25)、标准差(或方差)、变异系数(CV)3.正态分布特征:X轴上方关于X=对称的钟形曲线;X=时,f(X)取得最大值;有两个参数,位置参数和形态参数;曲线下面积为 1,区间的面积为 68.27%,区间1.96的面积为 95.00%,区间2.58的面积为 99.00%。4.医学参考值范围的制定方法:正态近似法:/2XuS;百分位数法:P2.5-P97.5。第三章 总体均数估计和假设检验 1.抽样误差(Sampling Error):由个体变异产生、随机抽样造成的样本统计量与总体参数的差异。抽样误差不可避免,产生的根本原因是生物个体的变异性。2.均数的标准误(Standard error

3、 of Mean,SEM):样本均数的标准差,计算公式:/Xn。反映样本均数间的离散程度,说明抽样误差的大小。3.降低抽样误差的途径有:通过增加样本含量 n;通过设计减少 S。4.t分布特征:单峰分布,以 0 为中心,左右对称;形态取决于自由度,越小,t值越分散,t分布的峰部越矮而尾部翘得越高;当逼近,XS逼近X,t分布逼近u分布,故标准正态分布是t分布的特例。5.置信区间(Confidence Interval,CI):按预先给定的概率(1-)确定的包含总体参数的一个范围,计算公式:/2,XXtS或/2,XXuS。95%CI含义:从固定样本含量的已知总体中进行重复抽样试验,根据每个样本可得到

4、一个置信区间,则平均有 95%的置信区间包含了总体参数。6.假设检验的基本原理:小概率反证法的思想。反证法:从问题的对立面(H0)出发间接判断要解决的问题(H1)是否成立。小概率事件:在 H0成立的条件下计算检验统计量,根据概率分布确定检验水准下P标准文档 实用文案 值大小,判断是否为小概率事件(通常P视为小概率事件,通常取),是则拒绝 H0,接受 H1;否则尚不能拒绝 H0。7.假设检验一般步骤:建立假设(反证法,H0和 H1),确定检验水准();计算统计量:u,t,F;确定概率值P,做出推断结论。8.t检验需满足的条件:比较的两个样本相互独立、均服从正态分布。9.P的含义:是指从 H0规定

5、的总体随机抽样,抽得等于及大于(或/和等于及小于)现有样本获得的检验统计量(如t、u等)值的概率。10.型错误(Type error):拒绝了实际上成立的 H0,这类“弃真”的错误称为型错误,型错误的大小为检验水准。型错误(Type error):接受了实际上不成立的 H0,这类“存伪”的错误称为型错误,型错误的大小用表示,1-表示检验效能。越小,越大,增大样本量可以同时降低和。11.置信区间和假设检验的区别和联系:可以通过判断置信区间是否包含零假设,判断单样本均数是否来自已知的总体;置信区间不但能回答差别有无统计学意义,还可提示差别有无实际意义。假设检验可提供置信区间不能提供的信息,如 P

6、值和检验效能等。第四章 方差分析 1.方差分析的基本思想:根据研究目的和设计类型,把所有测量值的总变异按照处理因素和水平等分解成两部分(组内变异和组间变异)或更多部分,同时把对自由度相应进行分解,再进行比较,评价由处理因素引起的变异是否具有统计学意义。2.方差分析的应用条件:各样本是相互独立的随机样本,均来自正态分布的总体,各样本的总体方差相等(具有方差齐性)。3.方差分析表:变异来源 SS MS F P 组间变异 a g-1 a/(g-1)MS组间/MS组内 组内变异 b N-g b/(N-g)总变异 a+b N-1 4.g=2 时,随机区组设计的方差分析与配对设计资料t检验等价,tF。5.

7、多个样本均数间的多重比较:LSD-t检验,即最小显著差异t检验,适用于一对或几对在专业上有特殊意义的样本均数间的比较;Dunnett-t 检验:适用于 g-1 个实验组与一个对照组均数差别的多重比较;SNK-q 检验:适用于多个样本均数两两之间的全面比较。第五章 计数资料的统计描述 1.相对数的类型:强度相对数(率,如死亡率、发病率等);结构相对数(构成比);相对比(如性别比等)2.应用相对数的注意事项:结构相对数不能代替强度相对数;计算相对数应有足够的数量;正确计算合计率;注意资料的可比性;对比不同时期资料应注意客观条件是否相同;样本率(或构成比)的抽样误差。3.标准化率(Standardi

8、zation rate):采用标准化法进行计算,消除数据内部构成的差异,使标化后的合计率具有可比性,这种经过标化后的合计率称为标准化率。4.标准化率的注意事项:只适用于内部构成不同,影响总率的可比性的问题;选择的标准不同,计算得到的标准化率也不同,多个标准化率比较时,应选同一标准;标准化率标准文档 实用文案 已经不再反映当地的实际水平;样本标准化率是样本值,存在抽样误差。比较两样本标准化率,当样本量较小时,需做假设检验。第六章 几种离散型变量的分布及应用 1.二项分布XB(n,)的适用条件:每次试验只发生两种对立的可能结果之一;每次试验产生某结果的概率固定不变;重复试验是相互独立的。2.二项分

9、布的性质:阳性次数X的总体均数(n)、标准差((1)n);样本率 p 的均数(p)、标准差((1)pppSn,即率的标准误)。二项分布的正态近似条件:np和n(1-p)均大于 5。3.泊松分布 XP()的性质:总体均数和总体方差2相等;当n很大,很小,且np=为常数时,二项分布近似泊松分布;20 时,泊松分布近似正态分布;泊松分布具备可加性。第七章 2检验 1.2检验的基本思想:根据2分布特征,通过比较实际频数与理论频数的差异,确定在成立的条件下该差异由抽样误差造成是否为小概率事件,进而判断差异是否具有统计学意义。2值反映了实际频数与理论频数的吻合程度。2.RC 列联表中的各格子 T1,并且

10、1T5 的格子数不宜超过 1/5 格子总数,否则可能产生偏差。处理方法有三种:增加样本量,使理论频数增大;根据专业知识,删除或合并行列;采用 Fisher 确切概率法分析。3.有序分组资料表线性趋势检验:双向无序的 RC 列联表:多个样本率的比较采用 RC 列联表的2检验;两个分类变量的关联性分析则采用 RC 列联表的2检验和 Pearson 列联系数进行分析。单向有序的 RC 列联表:行有序而列无序:RC 列联表的2检验;行无序而列有序,采用 Wilcoxon 秩和检验。双向有序属性相同的 RC 列联表:配对四格表的扩展,采用一致性检验(Kappa 检验)。双向有序属性不同的 RC 列联表:

11、样本率的比较采用 Wilcoxon 秩和检验;相关性分析采用 Spearman 相关分析;线性变化趋势分析采用有序分组资料的线性趋势检验或 CMH2检验等。第八章 非参数检验 1.秩和检验的适用范围:总体分布偏态的计量资料;数据两端有不确定值;等级资料;各组离散程度相差悬殊,总体方差不齐的资料。2.非参数检验对总体分布的形状差别不敏感,只对总体分布位置差别敏感;非参数检验没有充分利用资料信息,较参数检验的检验效低。故能用参数检验尽量采用参数检验,不满足参数检验条件才使用非参数检验。3.不同数据类型的统计分析路径:(1)样本均数与总体均数的比较:正态,样本均数与总体均数的t检验;非正态,Wilc

12、oxon符号秩检验。标准文档 实用文案(2)两样本均数比较:独立正态:两独立样本t检验;独立非正态:两独立样本的Wilcoxon 秩和检验;配对设计差值正态,配对t检验;配对设计差值非正态,Wilcoxon符号秩检验。(3)多样本均数比较:独立正态(方差齐),方差分析;独立非正态 Kruskal-Wails H检验;非独立正态,重复测量资料的方差分析;非独立非正态,Friedman M检验 第九章 双变量回归和相关 1.直线回归应满足的条件:自变量与因变量呈线性关系、观察值之间相互独立、因变量Y随机正态、对任何X因变量Y的标准差相等。直线回归方程的一般形式为:YabX,a为截距,b为回归系数,

13、回归系数的估计采用最小二乘法原则(Least Squares Method,使残差平方和最小)进行估计。2.决定系数(coefficient of determination):回归平方和与总平方和的比值,R2=SS回/SS总。R2取值 01 之间无单位,其数值大小反映回归贡献的相对程度,即总变异中回归模型能够解释的百分比。3.秩相关的应用适用范围:(1)不服从双变量正态分布而不宜作 Pearson 相关分析;(2)总体分布型未知;(3)等级资料的相关分析。4.相关与回归的区别与联系区别(1)区别:资料:回归分析资料要求Y为正态随机变量,X为选定变量;相关分析资料X、Y服从双变量正态分布。应用

14、:回归分析是由一个变量值推算另一个变量值(依存关系);相关分析只反映两个变量间的相互关系。回归系数b与原度量单位有关,而相关系数r无关。b的绝对值越大,回归直线越陡,即X变化 1 个单位时Y的平均变化越大;r的绝对值越大,所有点越趋近于一条直线,两变量的关系越密切,相关度越高。(2)联系:r与b值可相互换算,YYXXllbr;r与b正负号一致;r与b的假设检验等价:对于同一资料brtt,检验完全等价;回归可解释相关。相关系数的平方r2(决定系数)是回归平方和与总的离均差平方和之比(SS回/SS总)。5.应用直线回归时的注意事项(1)作回归分析要有实际意义,不能把毫无关联的两种现象作回归分析,必

15、须对两种现象间的内在联系有所认识。(2)在进行直线回归分析之前,应绘制散点图,当观察点的分布有直线趋势时,才适宜作直线回归分析,散点图还能提示资料有无异常点。异常点的存在往往对方程中的系数(a、b)的估计产生较大影响。因此,需对异常点进行复查。(3)建立直线回归方程后,要对系数进行假设检验,以确定回归方程有无意义。(4)直线回归方程的适用范围一般以自变量的取值范围为限,避免外延。获得自变量值的手段也应与建立方程时相同。否则会产生较大偏差。标准文档 实用文案 第十章 统计表和统计图 1.统计表的基本要求(1)标题:概括表的主要内容(时间、地点、研究内容等),放在表的上方。表编号与标题间间隔一个汉

16、字距离;如整个表指标统一,还应将指标的单位标在标题后面。(2)标目:分别用横标目和纵标目说明每行和每列内容或数字的意义,标明指标的单位。通常描述的对象为横标目,内容(指标)为纵标目,从左向右读可以构成完整的一句话。(3)线条:至少用 3 条线:顶线、底线和纵标目线。顶线和底线将表格与文章其他部分分隔开,纵标目线将标目的文字区与表格的数字区隔开,还可用横线将合计和两重纵标目隔开,其他竖线和斜线一概省去。顶线和底线线条粗细一般为 1.5 磅,其他线条一般为 0.5 磅。(4)数字:用阿拉伯数字表示。无数字用“”表示,缺失数字用“”表示,数值为 0者记为“0”,不留空项。数字按小数点位数对齐,同一指

17、标最好保留相同位数的小数位数。(5)备注:表中数字区不要插入文字。必须说明者表“*”,在表下方以备注的形式说明。高级统计方法 第十二章 重复测量资料的方差分析 1.重复测量设计与随机区组设计的区别:(1)重复测量设计中“处理”是在区组(受试者)间随机分配,区组内的各时间点是固定的,不能随机分配;(2)重复测量设计区组内实验单位彼此不独立;2.球对称(sphericity):所有两两时间点变量间差值对应的方差相等,即重复测量的误差的协方差经正交对比变换后与单位矩阵成比例。3.重复测量资料方差分析的资料条件:(1)正态性:处理因素的各水平样本个体间是相互独立的随机样本,其总体均数服从正态分布(个体

18、间独立,个体内不独立);(2)方差齐性:相互比较的各处理水平的总体方差相等,即具有方差齐同;(3)各时间点组成的协方差阵具有球形性特征。第十五章 多元线性回归分析 1.偏回归系数(partial regression coefficient):多元线性回归模型中自变量Xj的系数j,表示在其他自变量保持不变时,Xj增加或减少一个单位是Y的平均变化量。2.复相关系数(multiple correlation coefficient):2RR,表示因变量Y与多个自变量的线性相关程度,也是观察值 Y 与估计值Y之间的相关程度。若只有一个自变量,Rr。3.标准化回归系数:对数据标准化后得到的标准化回归方

19、程的回归系数即为标准化回归系数,jjjYSbbS,用来比较各个自变量jX对Y的影响强度,在有统计学意义的前提下,标准文档 实用文案 标准化回归系数的绝对值越大说明相应自变量对Y的作用越大。4.多元线性回归模型(01122mmYXXXe)应满足的条件:Y与X1,X2,Xm之间具有线性关系;各例观察值Yi相互独立;残差e服从正态分布。5.哑变量(dummy variable):在多元线性回归模型中,当自变量为多分类变量(g 个水平)时,需要将原来的多分类变量转化为(g-1)个哑变量并进行编码,每个哑变量只代表两个级别或多个级别间的差异。应用哑变量时要注意:哑变量同时存在,其统计学意义是相对而言的,

20、不能采用常规的逐步回归进行变量选择;可采用加与不加入哑变量的偏回归平方和 F 检验确定哑变量有无意义。6.多重共线性(collinearity):某些自变量间存在较强的线性关系,使得一个或几个自变量可以由另外的自变量的线性关系表示,则该变量与另外的自变量间存在多重共线性。多重共线性可能导致回归方程不稳定、参数估计值标准误变得很大、t 检验不准确、估计值的正负符号与实际不符等。7.交互作用:当某一自变量对因变量的作用大小与另一自变量的取值有关,则这两个自变量有交互作用。是否考虑交互作用主要靠专业知识判断。为了检验两个自变量是否具有交互作用,普遍的做法是在模型中加入它们的乘积项(作为交互项)。8.

21、线性回归分析的 SAS 结果解释:(1)线性回归方程:2.994220.99733Yx;(2)该线性回归模型的统计学检验结果:模型的方差分析统计量F=6.91,P=0.03030.05,说明该线性回归模型具有统计学意义。(3)R-Square=0.46353 的意义:该线性回归模型可以解释因变量Y的总变异的 46.353%;(4)回归系数估计值b=0.99733 的意义:表示X对Y影响的大小,X每改变一个单位,Y改变 0.99733 个单位;其假设检验结果合方差分析结果的联系:方差分析结果说明X与Y之间存在的线性关系,t检验结果说明计算得到的回归系数b有统计学意义,在此问题中,二者是等价的,均

22、说明该回归模型具有统计学意义。(5)相关系数及其检验结果并解释该结果:r=0.68073,对 r 进行t检验得到 P=0.0303标准文档 实用文案 0.05,则该相关系数具有统计学意义,说明X与Y之间具有中等强度的正相关关系。第十六章 Logistic 回归分析 1.logistic 回归模型一般形式:011lnlogit()exp()1mmPPXXP。将某事件的阳性与阴性结果概率之比去自然对数称为 logit 变换,记为 logit(P)。2.回归系数j采用最大似然估计(maximum likelihood estimate,MLE,使在一次抽样中获得现有样本的概率最大)得到表示自变量Xj

23、改变一个单位时 logit P的改变量。多变量调整后的优势比exp()jjOR,表示扣除了其他自变量的影响后危险因素的作用。ORj=1,说明Xj对疾病发生不起作用ORj1,说明Xj是一个危险因素;ORj1,说明Xj是一个保护因素,ORj的1可信区间为:/2exp()jjbbuS。3.logistic 回归模型假设检验的方法:似然比法(102(lnln)GLL,适合单个和多个自变量的假设检验)、Wald 检验(jjbbuS或22jjbbS,适合单个自变量的假设检验)和计分检验(适合样本量较小的情况)。变量筛选的方法:前进法、后退法、逐步法。4.条件 logistic 回归:适用于 1:M配对设计

24、资料,条件似然函数估计的是在 M+1 个观察对象中恰好第一个观察对象属于病例组的条件概率,它只估计了表示危险因素作用的j,表示匹配组效应的常数项0被消去。5.有序 logistic 回归基于累积概率构建回归模型,g 个类别的因变量 Y 的有序 logistic回归包括 g-1 个方程,这些方程的回归系数均相同,差别主要体现在各方程的常数项0不同。在对因变量Y赋值时,应将专业上最不利的等级赋最小值,最有利的等级赋最大值。6.多分类 logistic 回归是二分类 logistic 回归的扩展,即选择一个参照类别,拟合剩余各类别相对于参照类别的 logistic 回归模型。第十七章 生存分析 1.

25、生存分析的数据特点:(1)同时考虑生存时间和生存结局;(2)通常含有删失数据(censoring,可能的原因:研究截止但终点事件仍未出现;失去联系或其他原因导致失访;死于其他“事件”);(3)生存时间的分布通常不服从正态分布。2.统计学分析方法:由于生存时间一般不呈正态分布,且需考虑是否为删失值,所以生存分析有其独特的统计方法。(1)非参数法:生存率的估计采用 Kaplan-Meier 法、寿命表法(频数表资料);两组或多组生存率的比较,常用 log-rank 检验(时序法,权重1i,对观察后期标准文档 实用文案 差别敏感)和 Breslow 检验(权重iin,in为期初人数,随生存时间增大而

26、逐渐减小,Breslow 检验给观察早期差别更大权重,故对观察早期差别敏感)。(2)半参数法:多因素生存分析常采用 Cox 比例风险模型(前提条件:假定风险比值h(t)/h0(t)为固定值,即协变量对生存率的影响不随时间的改变而改变。检验此前提的方法:分类协变量每组的 K-M 生存曲线无交叉;协变量与生存时间的交互项无统计学意义等。其参数估计方法为最大似然法)。(3)参数法:指数分布法、Weibull 分布法等回归模型。3.多元线性回归、logistic 回归和 Cox 回归的相同点和不同点(1)相同点:自变量可为连续变量和多分类变量,多分类变量需哑变量化,哑变量在模型中是一个整体,必须同时“

27、进”同时“出”;自变量间存在较强相关关系时可能导致多重共线性问题;自变量间可能存在交互作用,模型中通常采用自变量的乘积作为交互项;均可采用逐步回归筛选变量;均可进行影响因素分析、混杂因素校正、预测分析等。(2)不同点:第十八、十九章 判别分析和聚类分析 1.判别分析(discriminant analysis):根据一批分类明确的样本在若干指标上的观察值,建立一个关于指标的判别函数和判别准则,然后根据这个判别函数和判别准则对新的样本进行分类,并且根据回代判别的准确率评估它的实用性。2.Fisher 判别准则:它使得类间点的距离最大,而类内点的距离最小,适合于两类的判别分析;Bayes 判别准则

28、:它使得每一类中的每个样本都以最大的概率进入该类,适合于多类的判别分析。标准文档 实用文案 3.评估判别函数的判别效能:原始数据的分类要可靠准确;指标变量对判别函数的作用要显著;判别函数的回代错判率和事后概率错误率要小。4.聚类分析(Cluster Analysis):对于总体分类未知的一群事物依照“物以类聚”思想,把性质相近的事物归入同一类,而把性质相差较大的事物归入不同类的一种统计分析方法。5.聚类分析和判别分析的区别和联系(1)区别:聚类分析可以对样本进行分类,也可以对指标进行分类;而判别分析只能对样本进行分类;聚类分析事先不知道事物的类别,也不知道应分几类;而判别分析必须事先知道事物的

29、类别,也知道应分几类;聚类分析不需要分类的历史资料,能直接对样本进行分类;而判别分析需要分类历史资料去建立判别函数,然后才能对样本进行分类。(2)联系:先采用聚类分析获得各个个体的类别(classification);然后采用判别分析建立判别函数,对新个体进行类型识别((identification)第二十章 主成分分析和因子分析 1.主成分的性质(1)主成分互不相关;(2)主成分的贡献率和累积贡献率:贡献率越大,表明主成分综合原始指标信息的能力越强;累积贡献率越高,说明前k个主成分综合原始资料信息的比例越高;(3)主成分个数的选取:以累计贡献率确定:累积贡献率70%为宜;以特征根值大小确定:

30、特征根值1。(4)因子荷载:因子荷载反映主成分与原始指标间密切程度与作用方向;(5)样品的主成分得分:根据主成分表达式计算样品的主成分值,推断和评价样品的特性。2.因子模型的性质:(1)公共度:共性方差hi2反映全体原始指标Xi对所有公因子的依赖程度;(2)因子贡献及因子贡献率:gj2的值越大,则Fj对原始指标的影响越大;(3)因子荷载及因子荷载矩阵:因子荷载反映公因子与原始指标间密切程度与作用方向;2.主成分分析和因子分析的区别和联系(1)联系:都是根据变量之间内部相关性来提取主要信息,获得新的变量(公因子变量和主成分变量),达到减少变量个数(降维)的目的;主成分分析模型两端同时乘以A,则有

31、X A F,即为无特殊因子的公因子模型;因子分析的结果(主成分解)即为主成分分析的结果,因子分析的主因子解也常常由主成分分析的结果作为hi2的初始值计算。(2)区别:主成分分析是将m个原变量提取I(Im)个互不相关的主成分,准确计算各主成分的得分,其分析重点在于通过主成分综合原始变量的信息;因子分析是提取I(Im)个支配原变量的共性因子和 1 个特殊因子,各因子之间可以互不相关或相关,根据共性因子得分系数估计因子得分,其分析重点是通过寻找共性因子解释原始变量之间的关系。标准文档 实用文案 第二十一章 典型相关分析 1.典型相关(Canonical Correlation Analysis):是

32、研究两组变量之间相关性的一种统计分析方法。是一种降维技术。2.典型相关分析基本思想:借助主成分分析的思想,分别计算得到两组变量的主成分,根据主成分综合原始变量信息的能力配对得到第i对典型相关变量(Ui,Vi)。两个第一主成分间的相关程度最大,即构成了第一对典型相关变量(U1,V1)。根据典型相关变量计算典型相关系数,更加全面得反映原来两组变量之间的整体相关性。3.典型相关系数(canonical correlation coefficient):第i对典型相关变量间(Ui,Vi)的相关系数称为第i典型相关系数,反映了两组变量中存在的多种相关信息中第i大的一种。医学研究的统计学设计 1.统计学设

33、计内容:研究对象(分组、设置对照、样本含量)、处理因素、观察指标、数据的质量控制与管理、统计分析方法。2.研究设计的三要素:受试对象、处理因素、实验效应。3.实验设计的基本原则:重复、对照、随机化 4.随机的三个含义:分组随机均衡性:每个研究对象有同等机会被分配到各处理组 抽样随机代表性:总体中每个观察个体有同等机会被抽取 实验顺序随机:每个研究对象先后接受处理的机会相同 5.影响样本含量大小的因素:样本含量的估计时,通常是由犯 I 类错误的概率、检验效能 1、个体值间的离散程度S、以及容许误差d来确定样本含量。6.常用的随机抽样方法:单纯随机抽样、系统抽样、分层抽样、整群抽样、多阶段抽样等。

34、7.对照类型:、空白对照、实验对照、标准对照、相互对照、自身对照 诊断试验评价与 ROC 分析 1.常用指标:正确百分率、灵敏度、特异度、Youden 指数、阳性似然比、阴性似然比、阳性预测值、阴性预测值。诊 断 结 果(T)金标准(D)合 计 病例(D+)对照(D-)阳 性(T+)TP(真阳性)FP(假阳性)TP+FP 阴 性(T-)FN(假阴性)TN(真阴性)FN+TN 合计 TP+FN FP+TN N 2.灵敏度与特异度取值范围均在 01 之间,其值不受患病率的影响;Youden 指数的取值范围在 01 之间,其值越接近于 1,诊断准确性越好;阳性似然比的取值范围为(0,),其值越大,检测方法证实疾病的能力越强;阴性似然比的取值范围为(0,),其值越小,检测方法排除疾病的能力越好;当灵敏度与特异度为常数时,增加患病率将增加阳性预测值,而降低阴性预测值。

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 应用文书 > 工作报告

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁