一直以來,總是希望自己能夠獨立寫出一篇內容豐富的論文被期刊接受,卻不知道該怎麼學習,也不知道該怎麼準備文章內容。
⠀
從課前的 Q&A 中看到許多心中的疑問得到解答,才知道原來很多人有一樣的困擾。課前有好的開始,讓人期待可以在課程中得到更多收穫。
⠀
講師們深入淺出地介紹怎麼寫好文章段落,不但讓我知道該怎麼提筆寫作,也學到如何更有效率閱讀文獻資料。除了明白文章該有的架構,同時也擬定自己的投稿策略,不至於讓辛苦撰寫的論文無處可去。
⠀
【統計不假他人之手,自己來學吧!
⠀
如何跑統計絕對是來上課的重點,我希望自己有能力處理研究結果的統計,不要受限於環境(醫院只有一位統計老師,很多 data 等著他處理,要拿到結果不知道要等多久)。
⠀
大學時,就已經聽不懂統計學,現在除了知道 p < 0.05 表示統計上有顯著意義外,剩下的統計知識根本所剩無幾。好在陳一銘醫師整理的表格,讓我可以很快知道,什麼種類的 data 要對應使用什麼統計方法,跳過繁雜難懂的理論,直接讓數字說話!
⠀
更重要的是統計實作練習有任何問題,助教可以很快個別指導,讓我在操作時不會卡關太久,最後看到自己可以做出簡潔、一目了然的統計圖表,覺得很神奇!
⠀⠀
⠀⠀
《#醫學論文與寫作工作坊》,開放報名!
⠀
➠ 【台北班】8/21(六)一堂課秒懂 5 種研究必學統計!
➠ 立即報名|https://mepa2014.innovarad.tw/20210821_event/
⠀
➠ 【台南班】9/12(日)新思惟首次南部開課!
➠ 立即報名|https://mepa2014.innovarad.tw/20210912_event/
「統計學重點整理」的推薦目錄:
- 關於統計學重點整理 在 新思惟國際 Facebook 的最讚貼文
- 關於統計學重點整理 在 Facebook 的最佳解答
- 關於統計學重點整理 在 張之豪 Facebook 的精選貼文
- 關於統計學重點整理 在 Re: [課業] 程大器的統計學重點整理例題問題- 看板Examination 的評價
- 關於統計學重點整理 在 統計學(一) 筆記- 第二章A 的評價
- 關於統計學重點整理 在 統計學重點整理在PTT/Dcard完整相關資訊 - 星星公主 的評價
- 關於統計學重點整理 在 統計學重點整理在PTT/Dcard完整相關資訊 - 星星公主 的評價
- 關於統計學重點整理 在 搶救課業大作戰-Nchu超級小老師 - Facebook 的評價
- 關於統計學重點整理 在 Re: [課業] 程大器的統計學重點整理例題問題- 看板Examination 的評價
- 關於統計學重點整理 在 Examination - Re: [課業] 程大器的統計學重點整理例題問題 的評價
- 關於統計學重點整理 在 [心得] 111年非本科諮商所(政大/台師/市北) - PTT推薦 的評價
統計學重點整理 在 Facebook 的最佳解答
你需要自己買快篩試劑嗎?
今天我不談法規的問題
我今天想來談談從科學的角度出發你到底需不需要
董老師這篇文章寫的很棒
淺顯易懂
有學過生物統計學的來複習一下吧
沒有學過的大家也可以來看看熱鬧
特別徵詢過老師的同意
將原文轉載至此
但為了希望讓更多的人看到所以我不直接用分享的而做轉載
請多包涵
原文在此👇👇👇
https://www.facebook.com/100002089426441/posts/4082960111783596/?d=n
先說我自己想告訴你的話吧👇👇👇
我現在不建議一般人自行買來篩檢
尤其你自己是沒有症狀無接觸史或在低風險的區域
有可能你是為了買安心結果出來嚇死你自己反而必須去篩檢站做確認人擠人反而增加感染的風險
而且
你自己採檢我怎麼知道你採檢的方式對不對?
如果你真的有感染結果沒有正確採檢到你會不會很想吐?
如果你採檢結果是沒有的因此讓你喪失戒心很高興的到處趴趴走這不會比較好畢竟你這時候沒有中但是下1秒沒做好防護隨時還是都可能被感染
防疫的作為隨時都會因為狀況不同而隨時改變
但在現階段你自己買來採檢只是為了求心安我覺得真的不適合啦
當然接下來如果狀況有變化我會再隨時跟大家聊聊
簡單口語化再說明一下👇👇👇
如果
你是在高盛行率的地方
這確實是一個很好用的工具
如果你是在低盛行率的地方
10個快篩驗出來陽性結果只有大概三個是真的感染
看到這種結果你可能會想罵髒話
但這就是科學
如果你手上沒有其他確診工具
無誠勿試
但話又說回來
也沒有哪一種確診工具是百分之百準確的
即便目前的黃金標準(golden standard)RT-PCR也是如此
這個輪迴繼續存在
所以真的拜託大家不要聽到普篩就高潮
這絕對不該是政治問題
這是科學問題
誰再來跟我鬼吵這個或是帶風向說也說不聽的我一定不會跟你客氣
再說一次
沒有什麼東西是絕對的好與壞
都要看你怎麼用在什麼時候用
之前就說過了
電擊棒很屌吧
但你會想要隨便用電擊棒打小孩嗎
(先說我不打小孩的😌)
在適當的時間用適當的工具與方法
這是一種藝術
也是科學問題
人家麻豆穿Dolce & Gabbana西裝超帥我穿起來就是俗仔
就醬
原文在此👇❤️👇
=====================
COVID-19快篩試劑為何不適用於低風險率地區?
我想很多人最近都會被"偽陽性"這個名詞搞得昏頭轉向,尤其是羅一鈞副署長說的"低風險地區偽陽性可能高達7成"。好吧! 我現在剛好煮好晚餐把我家那口子的嘴巴塞飽了,有點空閒,就來告訴大家這7成偽陽性是如何計算出來的。內容有點長,沒興趣的人請直接閃,我主要是要幫我的學生們(醫技系或醫學系)複習一下7月即將面臨的國考啦! 順便貼在FB哩。
只要是檢驗試劑我們一定都會討論到敏感度(sensitivity)和特異性(specificity)。至於臨床端比較重視的是陽性預測值(Positive Predictive Value,PPV)和陰性預測值(Negative Predictive Value,NPV)。這些名詞的定義及計算我整理在下面的第一張圖。所以大家要先清楚定義之後(尤其是陽性預測值PPV),我們再來估算"在低風險區做COVID-19快篩可能的偽陽性機率"。至於目前台灣的COVID-19快篩試劑有TFDA核准上市的廠商有3-4家。以寶齡富錦Vstrip最有名。當然試劑核准一定會經過實驗測試程序,包括多少個陽性檢體及陰性檢體,以估算出試劑的敏感度和特異性。但因為台灣一直沒有疫情發生,因此這些去年早已核准上市的快篩試劑事實上在台灣並無法用於真正的臨床檢體檢驗的評估。直到最近的台灣本土疫情爆發,PCR來不及檢驗,所以COVID-19快篩試劑就緊急派上用場了。至於這些不同廠牌的快篩試劑的準確度(包括特異性敏感度...),我相信CDC不久就會有評估報告了,今天就先別討論。
好吧!進入重點囉! 假如標示著特異性是98%的快篩試劑,意味著"沒有感染且檢驗陰性的機率是98%",也就是說這試劑的偽陽性是2%。但為何還會有羅副署長說的"在低危險區,COVID-19快篩有7成(70%)的偽陽性"呢。2%怎會變成70%呢? 應該很多人會一頭霧水,讓我算給你們看...
如第二張圖,羅副署長說的,假如COVID-19快篩試劑準確性(敏感度和特異性)是98%。(1)在高風險地區(例如萬華)假設盛行率是10%及(2)在低風險地區(例如宜蘭)假設盛行率是1%。現在(1)和(2)分別都有1000個人去做快篩,依照試劑98%的敏感度及98%特異性來計算。我們來算一下分別可能結果:
(1) 在高風險地區(例如萬華)假設盛行率是10%,表示這1000人中100人有感染900人沒感染
有感染(100人) 沒感染(900人)
檢驗陽性 a (98) c (18) a+c (116)
檢驗陰性 b (2) d (882) b+d
a=100x98%=98 b=100-98=2
d=900x98%=882 c=900-882=18
陽性預測值(PPV)=a/a+c=98/98+18=84.5%
=> 偽陽性=1-PPV=15.5%
=> 也就是說高危險區快篩是陽性的約有15%是偽陽性
(2)若在低風險地區(例如宜蘭)假設盛行率是1%,表示這1000個人中有10人有感染990人沒有感染
有感染(10人) 沒感染(990人)
檢驗陽性 a (9.8) c (19.8) a+c (29.6)
檢驗陰性 b (0.2) d (970.2) b+d
a=10x98%=9.8 b=10-9.8=0.2
d=990x98%=970.2 c=990-970.2=19.8
陽性預測值(PPV)=a/a+c=9.8/9.8+19.8=33.1%
=> 偽陽性=1-PPV=66.9%
=> 也就是說低危險區快篩是陽性的約有67%(近7成)是偽陽性
當然一個疫情在各地區的盛行率一定是要在整個疫情結束之後才可以較準確地統計出來。但由以上的計算希望可以幫大家解惑"為何COVID-19快篩試劑不適用於低風險率地區?"
=====================
好的
各位新同學
我們有目錄
要發問前可以先找一下喔👇👇👇👇
導覽目錄在這裡
https://drsu.blog/2017/12/18/super-list/
不然
置頂文也有👇👇👇👇
https://www.facebook.com/100047331422378/posts/192828068971573/?extid=0&d=n
對了
有同學說我寫太多很難找
關於這點我很抱歉
可以善用搜尋功能喔👇👇👇👇
https://drsu.blog/2018/01/01/super180101/
關於基因醫學部落格在這裡👇👇👇
https://sofivagenomicsblog.wordpress.com
統計學重點整理 在 張之豪 Facebook 的精選貼文
如果有人說什麼東西是「世界級笑話」,就可以先看看,世界在幹嘛,如果只是他覺得沒看過,那不叫世界級笑話,那叫做「增長見聞」。
陳時中指揮官宣佈 2021.5.22 新增 321 件本土個案,並且校正回歸 400 件。
有人開始批評「校正回歸」這個新名詞。
我也同意,對普羅大眾說明,可以不要用這麼統計學的詞彙,用更直白的用詞,一般民眾可以更好理解。
但是一些政黨、政治人物,見獵心喜,開始大酸特酸,又再大肆鼓吹「政府蓋牌」、「世界級笑話」。
台灣是人人有手機、處處可爆料的國家,到底要怎麼蓋牌?
事實就是,當篩檢的人一多,地方政府、中央政府、各專責實驗室,就是塞車爆量。
所以篩檢的檢體,送驗,回報,過程中,就是會「塞車」(backlog)。
「塞車」就會有明明是上週的感染、疫調、篩檢,但卻拖到今天才完成篩檢回報。
如果有人說什麼東西是「世界級笑話」,就可以先看看,世界在幹嘛,如果只是他覺得沒看過,那不叫世界級笑話,那叫做「增長見聞」。
所以全球有塞車嗎?有回歸嗎?
我只簡單把一小部份案例整理出來,簡譯重點。
同時,BBC有一篇專門講塞車的「Coronavirus: Why is there a test results backlog?」,這篇文章我會全文翻譯放在留言裡,給大家參考。
基隆市議員 張之豪 翻譯整理
※
美國(L.A. Times,2020/10/23)
洛杉磯週四公佈 3,600 確診案例,其中有 2,000 件為之前塞車的。
美國 (KGNS TV,2021/1/14)
德州Laredo市衛生局長 Chamberlain 表示,「今天新增的總確診數是 2,066 件,但其中只有 1,609 件是真的在今天才新增的。」Chamberlain 強調,州政府面對「塞車」不是新聞,只要擴散沒有慢下來,塞車就會繼續。
美國(King5 News,2020/11/22)
冠狀病毒篩檢結果造成州政府公布數據上的塞車,華盛頓州衛生部宣佈暫停公佈負數的篩檢結果。衛生部一天收到 30,000 至 50,000 件篩檢送件,州政府的能量是一天檢驗 33,000 件。週六,衛生部宣佈大量的檢驗需求,已經造成 53,000 件篩檢結果塞車,無法如期在網站上公佈。
美國 (StarTribune,2021/3/10)
過去五個月中,四間實驗室,約有 37,000 件篩檢沒有被送往明尼蘇達州衛生部,包括 891 件COVID確診案例。
加拿大(CBC,2020/10/1)
安大略省的檢驗塞車,讓一些人等待超過一週才有結果。「...安大略省創新紀錄,等待篩檢結果的塞車,一共有 82,473 人在等待結果...」
加拿大(CTV,2021/5/3)
新斯科舍省有上千件篩檢塞車:「...這不是任何人做錯了什麼的問題,而是為了要正確地做,而產生的問題...現在我們有 45,000 篩檢案件在塞車中。」
英國(The Guardian,2020/9/13)
英國政府的冠狀病毒篩檢計畫,現在面臨 185,000 件塞車,檢體被送往德國與義大利實驗室檢驗,因為國內實驗室已經塞車爆量了。
※
我們當然希望篩檢不要塞車,我們也希望疫情能控制下來,但這一切的關鍵仍然在「每一個台灣人」能不能有信心、有耐心、有自律,別的國家從疫情爆發開始,擴大、封城、等待疫苗開發、等待政府協商採購,這個過程,超過一年半,總共有1.66億確診,344萬人死亡。
我們台灣從疫情真正爆發至今,不到兩週。
而疫苗已經陸續抵達,更多疫苗,不論進口或國產研發,都會在2-3個月到位。
世界各國撐1.5年的事情,我們一樣有中央疫情指揮中心,整體政府團隊在撐,撐到大家都差點忘了還有這個疫情的存在。
但就算全體國人都要面對這場疫情,我們要面對的,只是幾個月的等待。
我們撐得過去的,台灣人加油。
基隆市議員 張之豪
統計學重點整理 在 統計學(一) 筆記- 第二章A 的推薦與評價
2A 介紹. 類別型變數Categorical Data. 類別型變數可以用符號、名稱來界定不同類別. 可呈現的表. 次數分配; 相對次數分配; 百分比次數分配; 長條圖 ... ... <看更多>
統計學重點整理 在 統計學重點整理在PTT/Dcard完整相關資訊 - 星星公主 的推薦與評價
提供統計學重點整理相關PTT/Dcard文章,想要了解更多統計學自學ptt、統計學線上課程推薦、統計學線上課程ptt有關星座與運勢文章或書籍, ... ... <看更多>
統計學重點整理 在 Re: [課業] 程大器的統計學重點整理例題問題- 看板Examination 的推薦與評價
※ 引述《goshfju (Cola)》之銘言:
: 現在才看到有這篇
: 我還是回下好了
: ※ 引述《melody0107 (melody)》之銘言:
: : 在算程大器這本書時,有遇到一些問題,所以特地上來請教大家
: : 有些問題可能對大家來說很簡單,但我真的想了許久想不出來,所以上來發文請教
: : 我的疑惑跟自己的想法都寫在圖片上了,如果圖片字太小請告訴我,謝謝
: : 問題一https://ppt.cc/h~mc
: x1>0 , x2>0
: y2=x1/(x1+x2)
: 都是正數 所以y2>0
: 分母比分子大 所以 y2<1
: 綜合起來 0<y2<1
: 但我覺得你對機率分配要熟悉些
: iid
: X1,X2 ~ Exp(λ=1)
: Y1=X1+X2 一看就知道是Gamma分配
: Y2=X1/(X1+X2) 一看就知道是Beta分配 , 範圍當然是 0<y2<1
: 這樣才不會解錯也不知道
: : 問題二https://ppt.cc/-ZFK https://ppt.cc/dyw~
: 其實我覺得解答有點硬算
: 積分會積得比較辛苦
: 沒有充分利用指數分配的性質
: 提供另解:
: X~Exp(λ=α)
: 令 Y=X-1 則 Y|X>1 ~ Exp(λ=α)
: ( 因指數分配有遺失記憶性或進行變數變換也可找出)
: E(X|X>1) = E(Y|X>1) + 1 = 1/α +1
: : 問題三https://ppt.cc/lBTy
: 看起來是你無法適應加總的符號, 那不如把他展開的形式寫出來
: 工具 e^a = 1+a+a^2/2!+a^3/3!+....
: M(t)=E(e^tX)=E(1+tX+(tX)^2/2!+(tX)^3/3!+...)
: = 1+tE(X)+t^2E(X^2)/2!+t^3E(X^3)/3!+...
: = 1+t p +t^2 p /2!+t^3 p /3!+...
: = 1+ p ( t +t^2/2! + t^3/3! + ... )
: ^^^^^^^^^^^^^^^^^^^^^^^^^^^^ 對比下 e^t = 1+t+t^2/2!+t^3/3!+...差個1
: = 1+ p (e^t -1)
: = pe^t + 1-p
: 單純應付這題就這樣解
: 但我覺得你要對機率分配要敏感些
: E(X^k) = p 代表其各階動差皆是 p
: X~ Bernoulli(p) 才會這樣:
: x 1 0
: p(x) p 1-p => E(X^k) = 1^k*p + 0^k*(1-p) = p
: 其動差生成函數為 M(t) = pe^t+1-p
: : 問題六https://ppt.cc/uZw~ https://ppt.cc/fCqN
: : 先謝謝大家!!
: 看圖就知道了(題目本來只有圖)
: 別拘泥在數學式子上
: F(x) 在 x=1 的跳動高度為 1-3/4=1/4
: 所以 P(X=1)=1/4
: 其中 1 代表 F(1)
: 3/4 代表 F(1-) = 1/4+1/2 =3/4
: 1- 代表 x很接近1卻小於1 , 所以是將x代入1
: F(1-) = lim F(x) 是極限的意思
: x->1-
你代入錯了阿
所以我才比較建議畫圖
一般來說題目直接給我cdf的數學式算機率
或給pdf(pmf)叫我求cdf
我大多會把cdf圖形畫出來
此題x=2的地方
F(x)完全沒有跳動高度
所以P(X=2)=0
配合你說的數學式子計算的話
F(x) = ..... ; if x<-1
..... ; if -1≦x<1
1 ; if x≧1
不難看出在2附近F(x)都等於1
所以 P(X=2)=F(2)-F(2-)=1-1=0
通常這種題目要出得有鑑別度..
都是考混合型(同時有間斷型跟連續型在裡面)
真的建議要把cdf畫出來
才不容易算錯
給你一題做練習
F(x) = 0 ; x<0
= 1-(1/2)e^(-x) ; x≧0
(1) 求 機率密度函數 f(x)
(2) 求 動差生成函數 M(t)
(2) 求 E(X),Var(X)
不難看出不先把F(x)畫出來
就很容易會做錯~
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.95.178
※ 文章網址: https://www.ptt.cc/bbs/Examination/M.1415552101.A.569.html
※ 編輯: goshfju (220.136.95.178), 11/10/2014 00:59:25
... <看更多>