对临床试验中显著性检验、区间检验及置信区间检验之间关系一致性的认识

显著性检验是最基本的统计假设检验,它的基本思想是小概率原理;区间检验是传统显著性检验的延伸,它用来检验两个总体的差异是否在某范围之内;置信区间检验是先找到药物疗效差值的置信区间,通过置信区间下限或(和)上限与界值的关系来判断两种药物非劣效、等效、优效的关系。通过公式推导发现,区间检验与显著性检验的主要区别是前者的假设中包含了有临床意义的界值△,而区间检验和置信区间检验是一致的,可以用置信区间检验实现区间检验的目的。

Bootstrap法与H-L法中位数差值区间检验在非劣效试验中的模拟比较研究

目的比较Bootstrap法和Hodges-Lehmann法(H-L法)在中位数差值非劣效性检验中的特点,为相关研究中统计学方法的选择提供依据。方法以某临床试验中试验组与对照组咽痛消失时间的比较为基础,通过计算机模拟生成单组样本量分别为20、30、50、100、200各500个两独立样本,分别服从参数为90h(试验组)、100 h(对照组)的Poisson分布。针对每个样本采用基于正态近似和百分位数的Bootstrap法、H-L法求得中位数差值的置信区间,并通过置信区间下限与非劣性界值进行比较,得出三种方法的检验效能。结果三种方法均随着样本量增加,检验效能增加。在样本量为20时,H-L法与正态近似法检验效能相当(25%vs.24%),且都高于百分位数法(19%)。在样本量为30、50、100时,H-L法检验效能高于正态近似法与百分位数法,且正态近似法高于百分位数法。在样本量为200时,三种方法的检验效能相当,均在95%以上。结论整体来看,H-L法获得的区间最窄且最稳定,检验效能最高,尤其在样本量不大时建议选择H-L法。

EXCEL在生物等效性统计检验中的应用

在生物等效研究中，美国药典收录的《体内生物等效性研究的指导性文件》把双处理交叉设计作为标准统计步骤。20年来，各国普遍采用两种处理、两周期的随机交叉实验设计，通过多因素方差分析、双单侧t检验和计算90％置信区间来评价药物间的生物等效性。近年来，EXCEL由于其普遍性、使用的简易性及可编程性，在药学实验中的数据处理及医院药剂科的管理工作中的应用都受到了专业人员的重视。本文通过实例介绍在EXCEL工作簿中进行方差分析，对AUC数据进行区间检验的方法。

井下导线观测中仪器高量测数据的统计检验

文中引用某矿井下7″级基本控制导线量高的实测数据,采用一系列统计方法进行可靠性评价。采用三倍标准差法进行粗差检测;采用数学期望和标准偏差进行精度评价;采用误差分布的假设检验对量高数据是否服从正态分布进行验证;采用置信区间检验进行粗差估计,并确定相应置信度下的置信区间范围;采用显著性检验评价数据差异性大小。最后获得结论:在剔除粗差之后"前视高"比"后视高"量测数据更为稳定和可靠。

基于量化投资角度的多因素模型投资综合策略报告

此篇策略报告旨在运用量化投资的思想,通过数学、计算机软件（matlab,又名矩阵实验室）、统计学等学科知识的综合运用,介绍量化投资中运用多因素模型进行投资的基本方法步骤,量化出股票价格走势的大致曲线,对股票的未来价格走势做出大致的预测,使我们的投资思想得以实现,并取得超越市场平均水平的收益率.本篇报告基于这样的理念展开了相关的逻辑推理,并介绍使用各种科学方法,诠释通过计算机软件实现我们的投资策略的基本步骤.