例如:抛掷硬币100次,正面向上不超过50次的概率,即pbinom(50,100,0.5)。
r语言有四个内置函数来生成二项分布。它们的描述分别如下:
dbinom(x,size,prob)函数,该函数表示每个点的概率密度分布。
pbinom(x,size,prob)函数,该函数为事件的累积概率,它表示概率的单个值。
qbinom(p,size,prob)函数,该函数采用概率值,并给出累积值与概率值匹配的数字。
rbinom(n,size,prob)函数,该函数从给定样本产生给定概率的所需数量的随机值。
其中,x是数字的向量,p是概率向量,n是观察的数量,size是试验的数量,prob是每个试验成功的概率。
在诊断试验中,研究者希望考察不同诊断方法在诊断结果上是否具有一致性,比如:不同医务工作者对同一组病人的诊断结果是否一致、不同的诊断方法对同一个样本或研究对象的化验结果是否一致等。Cohen 等提出用 Kappa 值作为评价一致性的指标,并得到了广泛的应用,本节将向大家介绍不同条件下的一致性检验。
用于一致性检验的方法取决于数据类型(属性数据,顺序数据,连续数据)以及需要检验的结果组数。
以下是 irr 包中的diagnoses 数据集的一部分,包括三个医生对 30 位病人的诊断结果。
两组结果一致性检验: Cohen’s Kappa
多组结果一致性检验: Fleiss’s Kappa, Conger’s Kappa
如果出现多个评分者,将使用Fleiss’s Kappa。
当然也可以使用Conger’s (1980) 的方法计算精确的Kappa。(注意:目前不知道这个方法效果相对于普通的是好是坏。)