关于相对平均偏差和相对标准偏差

负红颜

我不要你认为，我要我认为。

门门

负红颜 发表于 2022-2-24 20:06
我不要你认为，我要我认为。

验证了吗？风险评估了吗？没验证过，你怎么可以认为

负红颜

门门 发表于 2022-2-24 20:14
验证了吗？风险评估了吗？没验证过，你怎么可以认为

哈哈哈哈哈哈哈，我蒙特卡洛模拟过1万次。

门门

负红颜 发表于 2022-2-24 20:28
哈哈哈哈哈哈哈，我蒙特卡洛模拟过1万次。

懵了！那是什么？
但是我还可以这样说：计算机化系统验证了吗 哈哈哈哈哈哈

负红颜

门门 发表于 2022-2-24 20:37
懵了！那是什么？
但是我还可以这样说：计算机化系统验证了吗 哈哈哈哈哈哈

对不起，我的软件是D版的。

门门

负红颜 发表于 2022-2-25 07:44
对不起，我的软件是D版的。

不错不错好厉害！
我是用算盘和口算复核的计算
算盘数过了，算盘珠子每天数一遍，没丢珠子。

山顶洞人

门门 发表于 2022-2-24 17:33
啊 啊 啊 好可怕！我改一下回答行吧！
药典委一看，没有发呆，意料之中，不上2020版药典了！这样行了吧

哈哈哈，关键不是这个，你改的不行

负红颜

门门 发表于 2022-2-25 09:08
不错不错好厉害！
我是用算盘和口算复核的计算
算盘数过了，算盘珠子每天数一遍，没丢珠子。

那还是您厉害啊。我得退回结绳记事的手段才能和您有得一拼。

glm1024

负红颜 发表于 2022-2-24 20:28
哈哈哈哈哈哈哈，我蒙特卡洛模拟过1万次。

1万次怎么够，当然要10万次或者100万次了

负红颜

glm1024 发表于 2022-2-25 09:54
1万次怎么够，当然要10万次或者100万次了

你的R语言学的咋样了

aox97

中国药典9401生物活性，以下原文：

3. 数据分析计划
　　应按照验证方案中列出的数据分析计划对验证结果进行分析，包括对验证指标结果的绘图和统计学分析，以及判断它们是否符合可接受标准等。常规的统计学方法一般要求数据之间相互独立，并呈近似正态分布和方差齐性。而测得的相对效价在多数情况下服从近似对数正态分布，因此，为满足上述统计学要求，通常采用相对效价的对数转换值进行数据分析，本指导原则中对数转换的底数可取任一适用的底数，一般以无理数e或10为底。当无法满足上述统计学要求时，也可考虑釆用其他适宜的替代方法进行数据分析。可在测定方法开发阶段通过对适量历史数据的分析而获知测得的相对效价的分布情况，若确定测得的相对效价为正态分布，则可直接釆用测得值按下述统计方法进行数据处理，此时精密度一般用标准偏差（SD）或相对标准偏差（RSD，%）表示。

相对偏倚计算公式如下：
　　
　　在每个效价水平上，测得的相对效价的对数平均值的
　　100（1-2α）％（通常取α=0.05，即90%）置信区间（CI )
　　可按下式计算:
　　
　　式中    Average为每个效价水平效价测定值的对数平均值；
　　SD为每个效价水平效价测定值的对数标准偏差；
　　n为每个效价水平效价测定值的个数；
　　tdf为自由度为df时的t界值表查表值；
　　df为自由度，等于每个效价水平测定值个数减1。
　　再按下式计算每个效价水平上相对偏倚的100（1-2α）％（通常取α=0.05，即90%）置信区间（CIRB）。
　　
　　式中    LCI为每个效价水平效价测定值的对数平均值的90%置信下限；
　　UCI为每个效价水平效价测定值的对数平均值的90%置信上限。
　　（3）数据要求  应报告每个效价水平效价测定值的相对偏倚、直线回归方程的斜率或其他适宜的评价指标，上述指标均应符合验证方案中预先设定的可接受标准。必要时还应报告相对偏倚或其他适宜指标的置信区间。
　　3. 精密度
　　（1）定义  精密度系指在规定的条件下，同一份均匀供试品，经多次取样测定所得结果之间的接近程度，包括重复性、中间精密度和重现性。由于相对效价测定方法的中间精密度包含重复性考察，因此，本指导原则中主要介绍中间精密度的评价方法，必要时还应进行不同实验室间的重现性考察。相对效价测定方法的精密度一般用几何标准偏差（GSD）或几何变异系数（GCV，%）表示，可采用下述方法或方差分析法（ANONA）进行评价。
　　（2）评价方法  在规定范围内，考察随机变动因素如不同日期、不同分析人员、不同仪器、不同关键试剂批次等对精密度的影响，实验设计同本指导原则“一、(二)2.相对准确度(2)评价方法”项。以每个效价水平测得的相对效价的几何标准偏差或几何变异系数来评价中间精密度。
　　在每个效价水平上，测得的相对效价的几何标准偏差计算公式如下：
　　GSD=antilog(SD)
　　式中   SD为每个效价水平效价测定值的对数标准偏差。
　　在每个效价水平上，测得的相对效价的几何变异系数计算公式如下：
　　GCV=(GSD-1)×100%
　　对于SD，仅需关注其100(1-α)%(通常取α=0.05，即95%)的置信上限(CISD)，其计算公式如下：
　　
　　(3)数据要求  应报告每个效价水平效价测定值的几何标准偏差、几何变异系数或相应的置信区间，几何变异系数应符合验证方案中预先设定的可接受标准。采用方差分析法进行评价时，还可报告各效价水平合并计算后总的几何变异系数，并分析变异来源。
　　4. 线性
　　(1)定义  通常系指在设计的范围内，测得的相对效价与真实值或参考值之间的线性关系，为与相对准确度相关的稀释线性。
　　(2)评价方法  在规定范围内，取标准品稀释至不同的目标效价水平，通常至少制备3个效价水平的标准品溶液，但推荐评估5个效价水平。以效价理论值的对数(横坐标)对其相应的效价测定值的对数(纵坐标)作图，釆用最小二乘法进行线性回归。
　　(3)数据要求  应列出线性图、直线回归方程、斜率、丁轴截距和相关系数。相关系数应符合验证方案中预先设定的可接受标准或直线回归方程的显著性检验应具有统计学意义。

三、统计学术语及名词解释
　　1. 系统适用性(System Suitability)指判断试验结果有效性的要求，考察试验体系是否能够按照试验方案的规定良好运行。
　　2. 样品适用性(Sample Suitability)指判断样品结果有效性的要求，主要通过供试品和标准品剂量-反应曲线的相似性来评价。
　　3. 等效性检验(Equivalence Test)系一种通过比较两个量值的差异是否在允许的区间范围内来判断两个量值是否等效的统计学方法。
　　4. 对数正态分布(Lognormal Distribution)指一个随机变量的对数服从正态分布，则该随机变量服从正态分布。
　　5. 相似性(Algebraic Similarity)指在供试品和标准品具有同质性的前提下，供试品和标准品的剂量-反应曲线在某种程度上呈代数相关，一般表现为剂量-反应曲线平行。
　　6. 置信区间(Confidence Interval，CD)指在给定的置信水平下，由统计学方法计算出的包含参数真值的随机区间。
　　7. 对数平均值(Logmean Value)指将随机变量取对数后求其平均值所得的值。
　　8. 对数标准偏差(Logstandard Deviation)指将随机变量取对数后求其标准差所得的值。
　　9. 方差分析法(Analysis of Variance，ANOVA)指通过分析研究不同来源的变异对总变异的贡献大小，从而确定各种因素对实验结果影响的大小的统计方法。
　　10. 统计过程控制(Statistical Process Control，SPC)指用于监控过程中的漂移或变化趋势的一套统计学方法。

glm1024

负红颜 发表于 2022-2-25 13:42
你的R语言学的咋样了

学习了基础的部分就是常规的统计那一块，然后发现好多包啊。。。。。多到甚至不知道该用哪一个。。。

负红颜

glm1024 发表于 2022-2-28 08:22
学习了基础的部分就是常规的统计那一块，然后发现好多包啊。。。。。多到甚至不知道该用哪一个。。。

看的是哪本书

glm1024

就是我发的那一本，但是发现有些功能R是没有的，比如双样本的Lenven检验只能给出P值与统计量，不能给出差值的置信区间。

yangseine

完全能理解楼主所说的，也完全支持楼主的观点，有理有据，事实上，确实很多人不懂什么是相对平均偏差（SD）和相对标准偏差（RSD），根本不知道这两者的适用范围是什么，以前有个和我撕逼的开口闭口就是就是硕士毕业怎么怎么的，就张口回复我类似的问题，不同样本的两个测量值计算RSD的，就是这样啥都不懂。

负红颜

glm1024 发表于 2022-2-28 13:23
就是我发的那一本，但是发现有些功能R是没有的，比如双样本的Lenven检验只能给出P值与统计量，不能给出差值 ...

你不会自己构建函数吗？哈哈哈哈。

glm1024

负红颜 发表于 2022-2-28 17:58
你不会自己构建函数吗？哈哈哈哈。

我倒是想啊，可惜我查了很多资料都查不到Lenven检验差值置信区间的计算公式，Minitab的帮助文件里面倒是提供了一个公式，但是我在Excel里面按帮助文件中的公式设置后用2组数据算出来的结果与MInitab自己算的结果对不上。。。。。

负红颜

glm1024 发表于 2022-3-1 08:11
我倒是想啊，可惜我查了很多资料都查不到Lenven检验差值置信区间的计算公式，Minitab的帮助文件里面倒是 ...

肃然起敬

云水风度1

各位都是大神！佩服！

s741945671

学习一下，谢谢分享！