论文部分内容阅读
在生物医学的评价领域里，当比较两种新旧药之间的疗效,两种新旧诊断方法之间的效果的时候，常常需要进行非劣性检验.与最优方法相比,非劣性替代方法在统计功效上并不逊色,而且还有其他优点，比如节省成本费用或对人体无伤害,或易于操作等.因此这方面的工作显得比较重要.二项分布是最简单最基本的离散分布,在离散数据的分析与处理中具有重要的地位,因此两个独立二项分布的非劣性检验受到关注.关于二项分布参数的非劣性检验,目前已有许多利用频率方法和贝叶斯方法(Bayes)的研究。频率方法中，经典的渐近的Score检验方法由于它严格地控制第一类错误,使得它计算出的p值过小,从而太过保守.贝叶斯方法中最为关键的是确定其先验分布，然而,确切的先验分布并不是经常存在.例如,无验前信息和历史样本信息量较少,即使可以确定先验分布,其分布函数往往较为粗糙,造成推断效果较差.Bayes方法因其先验分布主观性而遭受批评.为避免使用先验分布，Fisher在1930年代提出了一种异于频率和贝叶斯方法的推断方法就是信仰推断(FiducialInference).它不需要利用参数的先验分布,而是由模型结合数据得到参数的信仰分布，进而给出兴趣参数的信仰推断. 本文的主要工作是基于信仰推断观点对两个独立二项分布的风险差和风险比进行非劣性检验，这将有助于解决p值过小和无验前信息或验前历史信息较少时先验分布的确定问题.首先，我们回顾了现存的关于二项分布参数的非劣性检验的经典的频率方法和贝叶斯方法.接着基于二项分布的信仰推断，我们给出了两个独立二项分布的风险差和风险比的信仰推断的两种方法，同时实例解释了两种新方法的应用，我们在小样本下进行了数值模拟来比较两种新方法，频率方法和贝叶斯方法的表现.模拟结果表明基于信仰推断的风险差和风险比的非劣性检验统计量具有很好的统计性质,其检验的犯第一类错误的概率非常接近于给定的显著性水平,且具有较高的功效.最后，我们对全文进行了总结并提出了进一步的研究方向.