分组检测方法和binGroup包.pdfVIP

统计之都 分组检测方法和 binGroup 包 分组检测方法和 binGroup 包 张博安† 今天给大家介绍一下分组检测（group testing ）方法和我们写的关于该方法的R 包 binGroup。分组检测（又叫 pooled testing ）主要用在样本检测当中，就是把一定数量的 单个样本混合在一起，然后对混合样本（称为组；group ）检测是否有某种特征。举一个例 子，现在要检验 1000 个血液样本是否有艾滋病毒。如果对所有单个样本挨个检测（称为单 体检测；individual testing ），费时费力并且花费很大。如果我们把每四个单个样本混合， 我们只需要对 250 个混合样本进行检测。对检验呈阳性的组，我们可以再对其中每个单个 样本进行再检测。当具有所检测的特征样本比例比较小的时候，分组检测可以大幅减少检 验的次数，从而节省时间和成本。因而分组检测在传染病监测 (Gaydos, 2005)，药物研发 (Remlinger et al., 2006)，基因分型(Chi et al., 2009) 等各种有关样本检测的领域中都有成 功和广泛的应用。 1 均一总体（HOMOGENEOUS POPULATION ） 分组检测方法在很长一段时间里都只用在均一（homogeneous ）的总体上。在这个总 体里，我们假定所有个体都是独立的，并且具有所检测特征的概率均为 。 称为该特征的 总体流行率（overall prevalence ）。把 记作在第 组中样本 的值，（ 表明该样 本没有所检测的特征； 表明该样本具有所检测的特征）。把 记做第 组中样本 个数（称为组大小；group size ），则对于 ， ， 是独立同分布的 Bernoulli( ) 随机变量。类似的，把 记做第 组的观测值（ 表明该组检测呈阴 性， 表明该组检测呈阳性），则对于 ， 是 Bernoulli( ) 随机变量。 我们的目的是估计 ，但是因为 无法观测到，我们需要找出 和 间的 关系。假定所有检测是完美的，我们有 ∑ 和 ∑ 。 则不难推出 。又因为 是独立的 Bernoulli 随机变量，我们可以写出如下的似然函数： ∏ 再由 MLE 方法求得，并通过Fisher 信息矩阵算出 的方差。我们写了两个R 函数计算 的置信区间。bgtCI() 用来计算当所有组有相同大小时 的置信区间。下面我们用一个例 子说明如何使用 bgtCI()。刘沛等 (1997) 这篇论文研究了在我国徐州地区丙型肝炎的流行 率。实验者把 个献血者的血液样本每五个混合（组大小为 5 ），再用ELISA 检验试 剂对 个组进行检测。结果有 个组检验呈阳性。则徐州地区丙型肝炎的总体流行率 的% 置信区间可以如下计算： 1 bgtCI(n = 375, y = 37, s = 5, 2 + conf.level = 0.95, 3 + alternative = two.