R语言 TrialSize包 IBE()函数中文帮助文档(中英文对照)

loveR

IBE(TrialSize)
IBE()所属R语言包：TrialSize

                                         Individual Bioequivalence
                                         个体生物等效性

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Consider 2 by 2 crossover design. gamma=delta^2+sigmaD^2+sigmaWT^2-sigmaWR^2-thetaIBE*max(sigma0^2,sigmaWR^2)
考虑2 2交叉设计。 γ=Delta^ 2 + sigmaD ^ 2 + sigmaWT ^ 2-sigmaWR ^ 2 thetaIBE *最大（sigma0 ^ 2，sigmaWR ^ 2）

H0: gamma >= 0
H0：γ= 0

Ha: gamma <  0
哈：γ<0


用法----------Usage----------


IBE(alpha, beta, delta, sigmaD, sigmaWT, sigmaWR, a, b, thetaIBE)



参数----------Arguments----------

参数：alpha
significance level  
显着性水平


参数：beta
power = 1-beta  
功率= 1-β


参数：delta
delta is the mean difference  
Delta的平均差异


参数：sigmaD
sigmaD^2=sigmaBT^2+sigmaBR^2-2*rho*sigmaBT*sigmaBR, sigmaBT^2 is the between-subjects variance in test formulation, sigmaBR^2 is the between-subjects variance in reference formulation  
sigmaD ^ 2 = sigmaBT ^ 2 + sigmaBR ^ 2-2 *卢* sigmaBT * sigmaBR，sigmaBT ^ 2是在受试制剂学科之间的差异，sigmaBR ^ 2之间的差异在参比制剂


参数：sigmaWT
sigmaWT^2 is the within-subjects variance in test formulation  
sigmaWT ^ 2是内方差制定测试


参数：sigmaWR
sigmaWR^2 is the within-subjects variance in reference formulation  
sigmaWR ^ 2是内方差参比制剂


参数：a
Sigma(a,b)=sigmaD^2+a*sigmaWT^2+b*sigmaWR^2  a=0.5 here  
Sigma公司（一，二）= sigmaD ^ 2 +一个* sigmaWT ^ 2 + b的* sigmaWR ^ 2 = 0.5这里


参数：b
b=0.5 here  
= 0.5这里


参数：thetaIBE
thetaIBE=2.5  
thetaIBE = 2.5


参考文献----------References----------



实例----------Examples----------


Example.10.4<-IBE(alpha=0.05, beta=0.2,delta=0, sigmaD=0.2,sigmaWT=0.3,sigmaWR=0.3,a=0.5,b=0.5,thetaIBE=2.5)
Example.10.4

# n=22 IBE reach 0 [N = 22 IBE达到0]



## The function is currently defined as[＃功能目前被定义为]
function(alpha, beta,delta, sigmaD,sigmaWT,sigmaWR,a,b,thetaIBE){
Sigma<-function(sigmaD,sigmaWT,sigmaWR,a,b)
{
Sigma=sigmaD^2+a*sigmaWT^2+b*sigmaWR^2
  }


U<-function(n,alpha, beta,delta, sigmaD,sigmaWT,sigmaWR,a,b,thetaIBE)
{
U=((abs(delta)+qt(alpha,2*n-2)*Sigma(sigmaD,sigmaWT,sigmaWR,0.5,0.5)*sqrt(2/n)/2)^2-delta^2)^2
+Sigma(sigmaD,sigmaWT,sigmaWR,0.5,0.5)^4*((2*n-2)/qchisq(1-alpha, 2*n-2)-1)^2
+0.5^2*sigmaWT^4*((2*n-2)/qchisq(1-alpha, 2*n-2)-1)^2
+(1.5+thetaIBE)^2*sigmaWR^4*((2*n-2)/qchisq(alpha, 2*n-2)-1)^2
  }

gamma=delta^2+sigmaD^2+sigmaWT^2-sigmaWR^2-thetaIBE*sigmaWR^2
for (i in 1:1000){
bound=gamma+sqrt(U(i,alpha, 0.05,delta, sigmaD,sigmaWT,sigmaWR,a,b,thetaIBE))
+sqrt(U(i,alpha, beta,delta, sigmaD,sigmaWT,sigmaWR,a,b,thetaIBE))
print(c(i,bound))
  }
  }

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。