第五章 假设检验的功效与样本量.doc

第五章 假设检验的功效与样本量 ? 当假设检验不拒绝H0时，推断正确的概率称为检验功效。 ? 临床科研中不时遇到假设检验无统计学意义，此时，很有必要对检验功效作出评价。 5.1 两类错误与功效 1. 两类错误的概率 H0: ?＝?0， H1: ?＞?0 (5.1) （略） Z＝ (5.2) （略） ? 任何假设检验都可能出现两类错误，用两个概率来度量 第Ⅰ类错误概率＝P(拒绝H0｜H0为真)≤? (5.3) 第Ⅱ类错误概率＝P(不拒绝H0｜H1为真)≤? (5.4a) 也可以理解为 第Ⅱ类错误概率＝P(不拒绝H0｜H0为假)≤? (5.4b) ? 如果将诊断是否患有某病也视为一个假设检验问题： H0：无病， H1：有病 第Ⅰ类错误：假阳性∕误诊，概率 P(阳性｜无病) (?) 第Ⅱ类错误：假阴性∕漏诊，概率 P(阴性｜有病) (?) ? 两类错误的背景： 拒绝H0时可能犯第Ⅰ类错误 不拒绝H0时可能犯第Ⅱ类错误 ? 两类错误的后果： 第Ⅰ类错误可能将“真实无效误作有效”∕误诊 第Ⅱ类错误可能将“真实有效误作无效”∕漏诊 ? 一般?, ?的数值要在科研设计时事先确定 2. 功效 (power) ? 假设检验发现真实差异的功效就不低于1-β，即 检验功效＝P(拒绝H0｜H1为真)≥1-β (5.5) 检验功效＝P(拒绝H0｜H0为假)≥1-β (5.5) ? 功效就是真实有效的药物被发现的概率∕疾病被诊断出来的概率 5.2 影响功效的四要素 ? 假设检验的功效至少受四个要素的影响，参看(5.2)式 ≥Z? (5.6) ? 功效的影响因素为：?=，?，n，? ≥?0+Z? (5.7) （略） ? 现用分布图形来定性地讨论四要素对功效的影响 1. 客观差异越大，功效越大 ～N(?，?2/n) (5.8) （略） 若H0为真，～N(?0，?2/n) (5.9) （略） 若H1为真，～N(?0+?，?2/n) (5.10) （略） ( (a)均数间实际距离d1较小 (1.5); (b)均数间实际距离d2较大(1.8) 图5.1 均数间差异越大,功效越大 H0 H0 ? ? ?0 ?0 ?0+?1 ?0+?2 1-?2 1-?1 ?2 ?1 H1 H1 2. 个体间标准差越小， 功效越大。 3. 样本量越大，功效越大 ( (a)个体标准差s1较大或样本量n1较小; (b)个体标准差s2较小或样本量n2较大 图5.2 个体间标准差越小或样本量越大，功效越大 ? ? H0 H0 ?0 ?0 ?0+? ?0+? 1-?2 1-?1 ?2 ?1 H1 H1 4. ?值越大，功效越大 ? 筛选新药时?大些，以免漏掉有苗头的新药(?=0.10/0.20) 新药上市前?小些，以免误将真实无效的新药大量生产(?=0.01) ( (a) ?1较小; (b) ?2较大 图5.3 ?值越大,功效越大 H0 H0 ? ? ?0 ?0 ?0+?1 ?0+?2 1-?2 1-?1 ?2 ?1 H1 H1 5.3 功效与四要素的定量关系 1. 单组样本均数的检验 (5.11) （略） 简化后得到 Z?＝ (5.12) 例5.1 某药的平均有效时间原为6小时，现改进了配方，据称可延长至7小时。为核实这一点，某研究组观察了25例该病患者，得到的却是阴性结果(P＞0.05)，即不能认为平均有效时间长于6小时，试分析原因。 解 这个问题实际上是检验假设 H0:?＝6， H1: ?＞6 据题意，不妨令?＝1。?的数值可参考此次25例的观察结果，设连同以往经验猜测?＝2。 将?＝1，?＝2，n＝25和单侧Z0.05＝1.64代入(5.12)式 Zβ＝＝ 0.86 查标准正态分布表得，即1-β＝0.8051 果表明，此项检验的功效为80.51% 2. 两组样本均数的检验 欲检验假设 H0：?1＝?2， H1：?1＞?2 (5.13) （略） H0: ?1-?2＝0， H1: ?1-?2＞0 (5.14) Z＝ (5.15) （略） H1：?1-?2＝? (5.16) (5.17) （略） 简化后得到 Zβ ＝ (5.18) 图5.4 两组样本均数检验示意图 图5.4 两组样本均数检验示意图 H0 ? ? 1-? H1 ? 例5.2 一项关于降血压药的临床试验分设两组随机样本，各含15例同病患者。一组服用常规药，另一组服用新药。如果