Estimation de la taille de l'échantillon des tests t de Student apparié en biostatistique
Dans la biostatistique, lorsque l'on compare les mesures appariées (tels que les changements entre deux points dans le temps pour le même sujet) en utilisant un test t de Student apparié, le taille de l'effet est exprimée comme le rapport de # 916- (delta, la variation moyenne) divisé par # 963- (sigma, l'écart type des changements). Un autre, peut-être plus facile, moyen d'exprimer la taille de l'effet est par le nombre relatif de sujets attendus avec positif contre des changements négatifs. (Ces ratios sont présentés ci-dessous chaque courbe.)
Chaque tableau dans la figure suivante montre une courbe en cloche indiquant la propagation des changements, ainsi que la taille de l'effet (# 916 - / # 963-), le rapport de positif à des différences négatives, et le nombre requis de sujets analysables (chaque sujet fournissant une paire de mesures). Choisissez le tableau qui ressemble à une quantité importante de changement (par rapport à la ligne verticale représentant aucun changement). Par exemple, le graphique du milieu correspond à un changement moyen est que les trois quarts aussi grande que l'écart type des variations, avec environ 3,4 fois plus de sujets de plus en plus que la diminution. Si cela ressemble à une quantité importante de changement, alors vous avez besoin de 16 paires de mesures (telles que 16 sujets, chacun avec un pré-traitement et une valeur de post-traitement).
Pour les autres # 916 - / # 963- valeurs, utilisez cette règle de base pour estimer la taille de l'échantillon: Vous avez besoin d'environ 8 / (# 916 - / # 963-)2 + 2 paires de mesures.
-
Combien de propagation est là dans les données? -
Comment calculer les paramètres et estimateurs -
Trouver écart type dans un échantillon statistique -
Comment tester une différence moyenne en utilisant le test t apparié -
Et déviation standard variance -
Distributions statistiques: binomiale, et t-distribution normale
Déterminer statistiquement taille de l'échantillon Lors de la conception d'une étude, la taille de l'échantillon est une considération importante parce que plus la taille de l'échantillon, plus les données que vous avez, et la plus précise vos résultats seront (en supposant données de haute…
Biostatistique pour les nuls Pour un test de corrélation en biostatistique (tels que Pearson ou le test de Spearman), choisir le nuage de points qui ressemble à une quantité importante de corrélation. Chaque graphique montre la valeur de r (le coefficient de corrélation)…
En comparant les moyennes: comment les différences de situation de déterminer les méthodes d'essai Vous pouvez vous demander pourquoi il ya tant de nombreux tests pour une telle tâche simple comparaison des moyennes. Eh bien, "moyennes comparant" ne se réfère pas à un seul task- il est un terme large qui peut appliquer à beaucoup de…
Estimation de la taille de l'échantillon pour des tests de corrélation en biostatistique Pour un test de corrélation en biostatistique (tels que Pearson ou le test de Spearman), choisir le nuage de points qui ressemble à une quantité importante de corrélation. Chaque graphique montre la valeur de r (le coefficient de corrélation)…
L'estimation des besoins taille de l'échantillon avec une calculatrice à portée de main Alors que de nombreux programmes, applications et pages Web sont disponibles pour effectuer puissance et taille de l'échantillon des calculs, ils ne sont pas toujours facile ou intuitif à utiliser. Parce que les tableurs comme Excel sont…
Estimation de la taille de l'échantillon lorsque l'on compare deux proportions en biostatistique La proportion de sujets ayant un certain attribut (comme répondant au traitement) peut être comparé entre les deux groupes de sujets par la création d'un tableau croisé à partir des données, où les deux rangées représentent les deux…
Comment comparer des ensembles de nombres appariés Les non appariés (indépendant-échantillon), l'un des tests t-Way ANOVA, ANCOVA, et leurs homologues non paramétriques traitent avec des comparaisons entre deux ou plusieurs groupes de indépendant échantillons de données, tels que les…
Comment comparer les changements au sein des groupes entre les groupes Comparaison des changements au sein de groupe entre les groupes est une situation particulière, mais qui revient très fréquemment dans l'analyse des données des essais cliniques. Supposons que vous testez plusieurs médicaments contre l'arthrite…
Comment utiliser des tests t de Student pour comparer les moyennes Vous pouvez exécuter les test t de Student en utilisant un logiciel statistique typique et interpréter la sortie produite. Dans cet exemple, vous serez en utilisant le logiciel OpenStat.L'idée de base d'un test tTous les tests t de Student pour…
Estimation de la taille de l'échantillon test t de Student non appariés en biostatistique Dans la biostatistique, lorsque l'on compare les moyennes de deux groupes indépendants de sujets en utilisant un test t de Student non apparié, le taille de l'effet est exprimée comme le rapport de # 916- (delta, la différence entre les moyennes…
L'écart type, la variance et coefficient de variation des données de biostatistique La écart-type (généralement abrégé SD, sd, ou juste s) D'un tas de chiffres vous indique combien les numéros individuels ont tendance à différer (dans les deux sens) de la moyenne. Il est calculé comme suit:Cette formule est dit que vous…
Théorie de la décision statistique Théorie de la décision statistique est peut-être la plus grande branche de la statistique. Il englobe tous les célèbres (et de nombreux pas-si-célèbres) tests de signification - t tests de Student, les tests de chi-carré, analyse de la…
Test de signification avec le test d'hypothèse Tous les fameux tests de signification statistique (Student t, khi-carré, ANOVA, etc.) fonctionnent sur le même principe général - ils évaluent l'ampleur de l'effet apparent que vous voyez dans vos données contre la taille des fluctuations…
Trouver la taille des échantillons Avec analyse de la clientèle, la collecte de données à partir d'un échantillon de clients coûte beaucoup moins cher et prend beaucoup moins de temps que la mesure de chaque client. Le niveau de précision que vous obtenez de même un petit…