這幾日因為台灣疫情擴大,陸續收到一些親友詢問:「你們打疫苗了嗎?AZ疫苗安不安全?」由於同樣的問題回答了許多次,想想乾脆上來跟大家分享。
#疫苗打了嗎?
英國的疫苗施打率目前應該是名列前茅,超過人口一半的3500萬人已經完成第一劑施打,更有1800萬人完成了兩劑接種。但由於英國是按照年齡依序向下施打,目前僅提供40歲以上與高風險的民眾接種,所以我目前還是溫室中的花朵,每天躲在家中,等待被翻牌子的那一天。
#AZ疫苗安不安全
身為一位成天與數學、程式、葡萄酒為伍的理工宅,面對這類問題,一向都是從理性角度出發。疫苗接種對社會整體而言,由於樣本數夠大,根據大數法則,幾乎可以100%肯定有益;而對個體來說可以做的是風險評估。但畢竟我不是醫學相關專業,因此與其不專業地評價疫苗是否安全,該不該打,我想把數字提供給大家參考,各位心中應該就有答案:
根據WIKI與BBC新聞中最新的資料統計,英國一共有6819萬人口,迄今共有442萬確診,12萬7千人死亡;而2850萬次的AZ疫苗接種紀錄中,一共有242個血栓案例,其中造成49人死亡。
依比例計算:英國每15.43人中有一人染疫、每537人當中有一人因疫情死亡;每11萬7千人次的疫苗接種有一人有血栓症狀,每58萬人中有一人因接種疫苗後嚴重血栓死亡。
另外根據BBC報導,英國政府預計將提供AZ以外的選項給30歲以下的民眾作為接種選擇。
目前的數據顯示血栓發生率與年齡有相關性(但統計上不見得是因果關係),年齡越低發生率越高。40-50歲的血栓發生率約為10萬分之一,每50萬人中有一人死亡;30-40歲著血栓發生率為6萬分之一,每25萬人中有一人死亡。
台灣民眾的接種意願低,我想很大原因是因為之前沒有本土疫情,至於安不安全,該不該打,大家可以參考上面的數字(雖然群體間有差異性),做好自我風險評估,再做定奪。
你若非要問我的話...有機會我肯定是會打的...
#酒哥碎碎念
#喝勃艮地就像買彩票
#運氣好上天堂 #運氣不好放水流
同時也有2部Youtube影片,追蹤數超過12萬的網紅朱學恒的阿宅萬事通事務所,也在其Youtube影片中提到,用民調判別民意走向,才能有正確的選舉方式。從科學角度,探究民意,才能夠掌握民意。 藍營每次都無法掌握民意,甚至還使出過蓋牌通通都不信的大家閉上眼相信我之術,最後不但大敗,而且還敗得比民調還慘。組頭都比政治人物相信科學呢! 請大家仔細思考吧。 民調以一個社會科學來講 它的科學性在哪裡 為什麼現...
「統計 樣本數 30」的推薦目錄:
統計 樣本數 30 在 日本自助旅遊中毒者 Facebook 的最佳解答
手機上網不夠穩定,用來直播是不可靠的,好吧,放棄
只好等網路搞好再直播啦!現在來發文。
錄好的影片我會上傳給大家看!抱歉啦!
#英國MHRA公布牛津疫苗評估報告
#下這樣結論的樣本數太少了….
英國MHRA在12月30日宣布批准了牛津疫苗的緊急授權使用後,在1月5日公布了他們詳細的評估報告。讓我們來看看吧。
1.此份的資料出自正在進行中的四個臨床試驗。四個臨床試驗都已經完成收案,在追蹤的階段(除了COV002還有兒童的族群還沒收案完成)。所有臨床試驗原本都預計只給一劑,後來在2020年6月根據免疫生成的結果,更改計劃書成為施打兩劑。追加劑量原則是隔28天給予,但因為是後來追加,所以追加第二劑的時間差非常多。
2.有效性資料是取自2020年11月4日之前,從英國的第二期/第三期臨床試驗(COV002),還有巴西的第三期臨床試驗(COV003)共11636人來分析(和在Lancet公布的一模一樣)。安全性則是從英國,巴西和南非執行的四個臨床試驗超過兩萬人的資料來分析。COV001和COV005這兩個臨床試驗因為各自僅有少於5例新冠確診,因此這次沒有納入分析(各自僅有1例和2例,都在對照組)。
3.施打時間,可以看到兩劑小於六週施打僅佔29.3%,6~8週佔9.8%,9~11週佔24.9%,大於12週則佔了36%。分布的非常散。
4.第2劑間隔12週打,反而抗體升的高。但要注意,半劑量組幾乎都是在相隔9週之後施打,僅有3個人是相隔小於6週施打的。而比較半劑量組打第二劑後28天的抗體,兩劑相隔大於12週的抗體效價比相隔9~11週高很多。這在全劑量組也有看到。
5.保護力大概在注射第一劑後第21天顯現效果,且至少可以維持12週。(之後未知,因為就打了第二劑了!)
6.保護力的資料這之前已經公布過了,其實審查的資料和投稿的資料是一樣的。就是兩者合在一起的資料(共11636人),保護力是70.42%(95% CI 54·84–80·63)。
標準劑量組:4440人中有27人(0.6%)得新冠,相對於對照組4455人中有71人(1.6%)得新冠,保護力僅有62.1%(95.84% CI 39·96–76·08)。
低劑量組:1367人中有3人(0.2%)得新冠,相對於對照組1374人中有30人(2.2%)得新冠,保護力可達90.05%(95.84% CI 65·84–97·10)。
7.在打完第一劑22天後,追蹤到第12週打第二劑之前,估計保護力是73%。
8.記者會中專家表示在一群受試者兩劑間隔約12週施打,這樣的保護效力可以升高到80%,文中有這一段描述。
隔8~11週施打,保護力72.85%, 95% CI (43.45 to 86.97)
隔>11週施打,保護力81.9%, 95% CI (59.93 to 91.90)
他們也有去作相隔更長施打時間的亞組分析,可以到大概80%的有效性。但因為人數不多,所以95%信賴區間很廣。
04b解讀:
1.首先我必須說,這個研究要作出分析很困難。這綜合了四個收案條件各自不太相同的臨床試驗,其中劑量不同,施打第二劑間隔不同,等於讓臨床試驗又多了好多組別,這讓整個臨床試驗難以得出統計學上有顯著意義的結果。
2.為何需要作人數很多的大規模臨床試驗?就是因為在科學上希望能得到比較確切的結果。我們不可能對全體人類執行臨床試驗,因此選擇可以代表母群體的一群人,在這群人身上看到疫苗有沒有效,如果執行人數越多,科學家當然越有信心所觀察到的數據是真實而不是靠機率才出現的。所謂的95%信賴區間,就是我們有95%的信心你再重複作一次這樣的臨床試驗,數字會落在這個區間之內。
牛津疫苗施打間隔相隔8~11週還有大於12週的人,僅有3537人。僅從3537人這樣的人數就做出這麼重大的結論,說可以相隔12週再施打第二劑,且效果比較好,我個人會覺得有點擔心。
來作個對比吧!
莫德納疫苗施打15210人(另外還有對照組),保護力94.1%(95% CI, 89.3 to 96.8%)
輝瑞/BNT疫苗施打21720人(另外還有對照組),保護力 95% (95% CI, 90.3 to 97.6%)
莫德納和輝瑞各自是三萬人和四萬人的大型臨床試驗,且受試者注射劑量都一樣,因此可以獲得如此確切的結果。但英國牛津MHRA建議可以間隔長達12週施打的科學證據,其95%信賴區間落在59.93到91.90之間。這科學證據實在還不夠確切。
3.而半劑量組和全劑量組大概各半,別忘了半劑量組都是18~55歲,所以這其實也很難釐清是不是因為年齡造成的影響讓這群人的效果看起來較好。
4.有些專家擔心如果讓只施打一劑沒有完整免疫力的民眾面對病毒,是否會加速病毒學會如何對抗這個疫苗?特別是,英國首批施打的是最年長最脆弱的族群。
5.牛津疫苗在南非也有收案。是不是可以合理的猜測南非變種病毒應該對疫苗還是有效的,不然他們應該會發現疫苗組一堆人染疫才對?
6.總之,我認為牛津疫苗該如何使用可能還得看美國執行的部分。不過美國執行的是間隔四週施打。這該怎麼辦呢....要不要修改?理論上最好應該是分4週組和12週組來進行啦。
統計 樣本數 30 在 法學博士石人仁 Facebook 的最佳解答
2020幸福指數大調查,桃園施政滿意度奪全國之冠,市府團隊持續努力讓桃園變得更好
桃園市長鄭文燦今(30)日下午前往台北喜來登大飯店,出席經濟日報「2020幸福台灣-縣市幸福指數調查公布記者會」時表示,首長施政須「接地氣」,從市民的角度看待地方的需求,思考改善與進步空間。鄭市長提到,執政是透過無聲的改變、有感的進步,長時間逐步累積的成果,因此執政的每一天皆相當重要,也相信每位首長的努力,皆是希望能夠讓市民有感,讓台灣變得更好。
鄭市長指出,6年以來,桃園增加21萬人,人口數衍伸交通、教育、環保與文化等城市轉型需求,對桃園形成巨大的挑戰,因此桃園提高公立與非營利幼兒園數量,增加約9,000位入學名額,大幅減輕年輕家庭的負擔;同時,桃園也持續設定目標精進,例如過去公共工程鮮少獲得公共工程金質獎、優良工程金安獎,經過多年的努力,桃園在公共工程設計、施工管理、工程的質感、美感、可及性與耐用度大幅提高,也屢屢成為公共工程獎項的六都前段班;又如過往桃園路平滿意度僅約3成,而今(109)年桃園在「市區道路養護管理暨人行環境無障礙考評」領先全國,獲得內政部的肯定,可謂長期努力的過程。
鄭市長提到,城市治理為全方位面向,每個縣市有其各自的優點,也致力於永續、人本與智慧,相信透過城市間交流,能展現各自的潛力,因此期許自己的團隊在交流過程中成為學習型團隊,能不斷挑戰自己。雖然每個城市不盡相同,桃園也正在成長,因此如何讓桃園在永續發展的軌道上成長,是非常重要的目標,而幸福指數大調查具有多重意義與價值,市府團隊會參考調查指標,增加桃園市民的幸福感。
經濟日報社長黃素娟表示,經濟日報自101年起啟動「縣市幸福指數大調查」,迄今已辦理9年,不同於國內其它單位的調查,經濟日報縣市幸福指數調查參考國際組織OECD美好生活指數架構,今(109)年再次調整加入地區福祉指數,使縣市幸福指數調查既可接軌國際,也能地區化比較;其次,幸福指數調查範圍包括政府統計數據及民意調查結果,以進行完整綜合評量;再者,經濟日報幸福指數調查樣本數眾多,總計超過1萬6,820位有效樣本,是台灣同性質民調中樣本數最多的,尤其適合推論母體數,也具有相當的準確性。
台灣人壽總經理莊中慶表示,一座偉大的城市背後都會有偉大的推手或魔法師,讓城市永續發展,也讓居住其中的百姓感到幸福。而台灣人壽與經濟日報連續3年共同攜手辦理幸福城市調查,經濟日報縣市幸福指數具有公信力及參考價值,其深入台灣各縣市鄉鎮,針對國民居住、經濟、教育及環境進行有感的調查,以施政滿意度反映城市居民的安心與信任,參考價值高,今日除了恭喜名列前茅的縣市首長外,也期待大家能一起努力,為了台灣人民的幸福,打造一個更好的城市。
「幸福台灣-2020縣市幸福指數大調查」,在地方政府施政滿意度方面,桃園市與新北市並列第一,滿意度高達78%;另外在幸福指數方面,桃園市幸福指數為64.74,排名全國第三,在政府統計數據與民調皆表現良好,可謂六都最佳,也展現市民對桃園的主觀認同感。
今日包括經濟日報社長黃素娟、台灣人壽總經理莊中慶均一同出席記者會。
統計 樣本數 30 在 朱學恒的阿宅萬事通事務所 Youtube 的精選貼文
用民調判別民意走向,才能有正確的選舉方式。從科學角度,探究民意,才能夠掌握民意。
藍營每次都無法掌握民意,甚至還使出過蓋牌通通都不信的大家閉上眼相信我之術,最後不但大敗,而且還敗得比民調還慘。組頭都比政治人物相信科學呢!
請大家仔細思考吧。
民調以一個社會科學來講
它的科學性在哪裡
為什麼現在我們會說
民進黨現在執政幾乎完全看民調來做事
當初你是怎麼樣接觸民調
民調 因為我念政治系
那我是1975年念政治系
正好是美國行為主義的革命
民調其實就是
可以這麼講就是近百年社會及行為科學的結晶
因為我當時在念大學的階段
正好接觸到這一個行為主義革命
我非常投入到這個裡面
因為一般對政治學的了解都是傳統政治學 對啊
我們講的政治學是科學政治學
也就是說是政治科學
Political science
就量化的研究方面最出名的那當然就是
我們講說政治態度與行為的研究
以前我們不叫民調
民調比較像說是市調啊民調這些東西
不過無論如何
我講比較簡單一點
民調作為一個科學它的根據是在於說
它有嚴謹的統計學的基礎
然後有嚴謹的社會科學研究法的這些測量方法
那麼結合起來
然後再加上這個心理學
社會心理學 人類學等等等等
這些所謂其實是一個科技整合的東西
民調作為一個目前這個
了解一般社會大眾的政治態度和行為
做一個科學工具來講那是非常成熟的
董事長我可不可以問一下
因為你知道我們學電機的時候
物理有一個叫海森堡測不準原理
行為科學呢在調查方面
有沒有類似這樣狀況
因為我先講我見過很多很惡質的民調方法
他根本沒做民調
他就是打給你
我告訴你喔 這個我們今天要做個民調
但我告訴你朱學恒是一個徹頭徹尾的人渣
請問你支不支持人渣來選立委
像這樣子的干擾行為
在民意調查裡面
這個董事長是專家你要怎麼去隔離
isolate這一類的變數
而不會導致民調變成是誰做就可以操縱
我題目設計就可以操作 這要怎麼辦呢
我跟你講這很簡單
如果是蓄意要做假民調
那種就沒有什麼科學的可談
它不是科學 不是科學
所以假民調或劣質民調是很多的到處都是
如果你要講說憑什麼我要講我們這個是真正的民調
民調的過程裡面也會碰到很多
有些人故意惡作不表示真實態度
對不對 對
可是我用一個簡單的理論講
你可能也聽過大數法則
所謂的大數法則簡單講就是說
當你的樣本足夠大的時候
你的樣本所得到的一些估計值
比如說平均數
它會跟跟母體平均數會幾乎完全一致
那如果你的樣本夠大怎麼樣叫夠大呢
以目前來講其實100個樣本都相當大
100個就夠大啦
那我們都要求1000個以上的樣本數
比方說在我們說在百分之九十五信心水準的情況底下
我們希望因為任何調查都會有誤差
我們希望你這個誤差不會太大就正負三
在正負三的這樣的一個誤差範圍之內
我們是可以接受
那樣本那隱含的說樣本會多大呢
就是1068
1068個隨機取樣的樣本得到的
那它的估計母體的這個誤差
我們大概就是正負三
我的意思就是說
談民調的精準度要先撇開所謂假民調
假民調沒辦法去談
就完全沒辦法就跟玄學一樣
他是故意做假民調根本沒做民調對不對
沒有做民調宣稱做假民調然後還有數字
那他絕對不會把他的樣本拿出來給你看
那但是正規的民調
一定是經由這樣的一個非常嚴謹的程序
得到的一個就是抽樣完之後他還會訪談
訪談之後呢所得到的一個結果
你知道我從小到大
其實對政治不是那麼感興趣
我最近幾年才開始注意政治因為工作的關係
是從什麼時候開始民進黨才把
民意調查或是數據化的政治科學
當成那麼重要的一個施政依據
而不相信自己能夠聆聽民眾的聲音
那這個事情我覺得最近很嚴重
就民調不跌
他根本不在乎你在那邊靠北什麼東西
他認為都假的
這個狀況演變我覺得可能跟您當年的民進黨也不一樣
這個是怎麼一回事
這個我倒是可以提供你一個非常重要的理論跟經驗
理論是什麼
有一位非常...叫??一個德國人
他曾經講過一個好的政治人物
他必須具備一種能力
就是說能夠預期民意反應的能力
能夠預期民意反應的能力
不但是專制的君主也好或者是這個
民主國家的元首總統也好
都應該具有這種能力
因為這樣才能夠知道民心知道民意
民心之所向
但是這個
民調其實是可以補足這些政治人物的不足
因為天縱英明的這種政治領袖很少見
一般的這種很平庸的這些政治人物要怎麼樣去了解
影響民意在哪裡
你比方說好了 美國這麼大一個國家
美國總統怎麼了解美國選民的意向是什麼
當然是民調
除了民調還有什麼
那民調就是一定要很精準的民調
所以美國歷屆總統沒有一個不重視民調
所以重視民調不是一件錯誤的事情
在台灣才很奇怪
台灣在批什麼民調治國
這是一個完全錯誤的這是一個威權心態很重的
或者是對民調不了解的人講出來的話
你當然講說這個市井小民
比方說菜市場 夜市啦
那是輿情應該去搜集應該去了解
但民調跟這個輿情沒有互相排斥 沒有互斥
民進黨對於民調的態度
特別是過去 我講過去這5年好了
我覺得是跟過去是不一樣的
跟更長遠的過去是不一樣的
小英當政之後我有一個感覺
民調高她就很高興 民調低她就怪民調
我最後簡單的問一個問題
以游盈隆老師過去5年的民調的經驗
你覺得2022年民進黨好不好選
當然不好選
民進黨的政黨支持度
是一個很敏感的指標很好的指標
在測量政黨的社會支持
現在是最低的時候
民進黨次低的時候是在2018年的11月12月的時候
那時候就是慘敗的時候
慘敗的時候就是23
現在選戰都還沒開始你就已經22點幾了
怎麼可能好 不可能好
所以你現在要收拾殘局嘛
民進黨政府要怎麼樣收拾殘局來避免2022全軍覆沒
或者是2022能夠勉強維持目前兩都四縣市的局面
可不可能不知道
那顯然是一場苦戰
直播日期:游盈隆6/30
直播連結:https://www.youtube.com/watch?v=vxDJ45oODCE
統計 樣本數 30 在 DingDing Youtube 的最佳解答
【武器傷害與屬性減免測試紀錄】
人物能力、測試數據均在影片中,
每一場測試攻擊樣本數50次傷害命中紀錄,
最後兩場暴風神射攻擊樣本數30次傷害命中紀錄,
(黑耳觸發額外傷害均不列入統計)
底下為分段節點時間,供大家快速閱覽。
1:27 第一場:+9赤焰之弓
4:33 第二場:風靈1階+9赤焰之弓
6:20 第三場:風靈2階+9赤焰之弓
7:54 第四場:風靈3階+9赤焰之弓
9:52 第五場:風靈3階+9赤焰之弓vs火靈戒指*2
11:40 第六場:+9赤焰之弓+暴風神射
13:14 第七場:+9赤焰之弓+暴風神射vs風靈戒指*2
14:19 測試完畢:數據統計與結論
15:19 神秘加碼:攻擊特效實際數值
PS:武器附加屬性、暴風神射一切屬性額外傷害均不會計入人物能力表內,屬性傷害目前為能力表外隱藏數值。
以上內容均為個人測試,
不代表官方數據,
請當參考~!!
也歡迎大家提出思考方向~
EX:妖精pk武器是否可以洗水、地屬讓攻擊屬性錯開!?
愛神【夜想曲】
Have a Good Game~
統計 樣本數 30 在 6-3-1 樣本平均數的抽樣分配(大樣本)(難度: ) - YouTube 的推薦與評價
3-5-1 統計 量數的運用:中心位置指標〔平均數、中位數、眾數〕(難度 ... CUSTCourses• 30K views · 20:06. Go to channel · 5-4-1 常態分配(難度 ... ... <看更多>
統計 樣本數 30 在 [請問] 研究的樣本數小於30人- 看板Statistics 的推薦與評價
大家晚安,想請教統計的前輩一個小問題。
我在研究中難以抉擇要用哪一個統計法。
我在分析兩種不同的教學方法對教學成效的影響,
自變項就是兩種不同的教學方法,依變項就是教學成效(後測)
這樣變量算是1個嗎??
我找一間學校同一年級的8個班級內程度差不多的學生,
從8個班中抽約60人,隨機分成實驗組和控制組,兩組獨立,在不同教室上課。
只是後來有些學生沒有全程參加,所以只剩29、19人。
雖然二組樣本經SPSS一些統計跑過後,皆符合常態性,
但總共三次後測,用共變數分析中組內迴歸係數同質性檢定,
發現其中有一次沒有變異數同質性,
另二次後測有變異數同質性。
我想請問:
1、接下來可以讓後測1(不具變異數同質性),
用無母數統計法中的曼-惠特尼U檢定,證實自變項對依變項的顯著性。
2、另二次後測先用共變數分析,證實變異數同質性後,
再用獨立樣本t檢定檢核自變項對依變項的顯著性?
請大家幫忙,拜託~~~
※ 發信站: 批踢踢實業坊(ptt.cc)
※ 轉錄者: milujan (61.57.147.243), 時間: 10/21/2013 22:53:12
... <看更多>