SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE
|
|
- Alojzy Michałowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 SUM - WLK 2011 WYKŁAD CZWARTY: BIOSTATYSTYKA Prof. dr hab. med. Jan E. Zejda! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE
2 TREŚĆ WYKŁADU Podstawowe zadania statystyki Specyfika biostatystyki - zarys koncepcji sygnału i szumu - zmienne i ich rodzaje Statystyka opisowa - prezentacja zmiennych ilościowych - prezentacja zmiennych jakościowych Statystyka analityczna - znaczenie pytania badawczego - hipotezy i ich weryfikacja - koncepcja statystycznej znamienności - proste testy statystycznej znamienności różnic - proste tety statystycznej znamienności zależności Memento epi demos logos
3 PODSTAWOWE ZADANIA STATYSTYKI Gromadzenie danych Klasyfikacja danych Prezentacja danych Analiza danych Intepretacja wyników analizy danych
4 STATYST STYKA Dyscyplina nauki zajmująca się formułowaniem metod liczbowego przetwarzania indywidualnych informacji statystycznych w celu opisu i wnioskowania statystycznego Nowa Encyklopedia Powszechna PWN, 1997 informacje o zjawiskach biologicznych
5 BIOSTATYSTYKA Biostatystyka jest to gałąź statystyki uwzględniająca specyfikę zjawisk biologicznych, a w szczególności skutki zmienności biologicznej stanowiącej przejaw zróżnicowania procesów fizjologicznych i patologicznych, charakteryzujących stan zdrowia i choroby.
6 SPECYFIKA BIOSTATYSTYKI Zmienność biologiczna w zakresie: narażenia; podatności; odpowiedzi biologicznej; wywiadu chorobowego; etc. zidentyfikować i kontrolować źródła zmienności
7 PRZYKŁADY ZMIENNOŚCI Wzrost i masa ciała Palenie tytoniu a rak płuc Nefropatia jako powikłanie cukrzycy Skuteczność leku hipotensyjnego Tętno Stężenie hormonów sterydowych Stan zdrowia
8 KLASYFIKACJA ZMIENNOŚCI BIOLOGICZNEJ Zmienność międzyosobnicza: np. skurczowe ciśnienie tętnicze krwi u 10 zdrowych studentów w wieku lat Zmienność wewnątrzosobnicza: np. skurczowe ciśnienie tętnicze krwi u 1 zdrowego studenta, zmierzone codziennie o godzinie 8:00 przez 7 dni
9 SYGNAŁ vs SZUM Gdy istnieje duży sygnał jest on widoczny (ergo: wykrywalny) nawet w obecności dużego szumu Niewielki sygnał tonie w szumie Co jest sygnałem, co jest szumem?
10 Identyfikacja i pomiar sygnału wymaga wiedzy na temat potencjalnych źródeł szumu, umiejętności wykazania jego obecności, kontroli jego maskującego wpływu Biostatystyka raz jeszcze ale Biostatystyka to nie panaceum to tylko narzędzie Przede wszystkim METODOLOGIA!!
11 ZMIENNE RODZAJE ZMIENNYCH (FORMAT I FUNKCJA)
12 TERMINOLOGIA STOSOWANA W OPISIE BAZY DANYCH Obserwacje (1 pacjent=1 obserwacja) Zmienne Nr PLEC WZROST KSD FVC FEV Nazwa Zmiennej Wartość Zmiennej zmienna, albowiem naturalna zmienność wartości
13 RODZAJE ZMIENNYCH PROSTY PODZIAŁ UWGLĘDNIAJ DNIAJĄCY FORMAT Zmienne ilościowe (wzrost, FVC, FEV 1 ) Zmienne jakościowe (płeć, KSD)
14 RODZAJE ZMIENNYCH PRAKTYCZNY PODZIAŁ UWGLĘDNIAJ DNIAJĄCY FORMAT ZMIENNE ILOŚCIOWE JAKOŚCIOWE transformacja
15 RODZAJE ZMIENNYCH PRAKTYCZNY PODZIAŁ UWGLĘDNIAJ DNIAJĄCY FUNKCJĘ Zmienna zależna (w danej analizie: jedna zmienna) Zmienne niezależne (w danej analizie jedna lub więcej zmiennych) Funkcja zmiennej zależy od celu: np. czy KSD zależy od FEV 1? KSD ~ FEV 1 zmienna zależna zmienna niezależna
16 DWA OBSZARY STATYSTYKI Statystyka Opisowa Statystyka Analityczna (ile?, jak często?) ( charakterystyka ) Szacowanie Testowanie Hipotez
17 wzrost bilirubinemia glikemia dochód masa ciała opór dróg oddechowych STATYSTYKA OPISOWA czas karmienia piersią obwód talii CELE czas hospitalizacji stężenie ołowiu w krwi ciśnienie tętnicze krwi
18 STATYSTYKA OPISOWA - CEL Prezentacja danych w postaci tabelarycznej i graficznej (histogramy, wykresy liniowe, itd.) oraz za pomocą zintegrowanej formy matematycznej liczby (przy pomocy tzw. statystyk wartość średnia, częstość, itd.). Częstość (%) poszczególnych klas cholesterolemii w grupie mężczyzn (%) Cholesterolemia (mg/dl) Średnie stężenie cholesterolu w badanej grupie mężczyzn 215 mg/dl
19 wzrost bilirubinemia glikemia dochód masa ciała opór dróg oddechowych STATYSTYKA OPISOWA czas karmienia piersią PREZENTACJA ZMIENNYCH ILOŚCIOWYCH stężenie ołowiu w krwi czas hospitalizacji obwód talii ciśnienie tętnicze krwi
20 WARTOŚĆ ŚREDNIA I ODCHYLENIE STANDARDOWE Wartość średnia i odchylenie standardowe opisują rozkład wartości zmiennej ilościowej % min x-2s X x+2s max Rozkład normalny: 95% wszystkich wartości mieści się w przedziale x-2 os x+2 os precyzyjnie mówiąc: 1,96
21 DOMINUJĄCE ZNACZENIE ROZKŁADU NORMALNEGO W ANALIZIE DANYCH -1- WIĘKSZOŚĆ PROCEDUR SZACOWANIA I TESTOWANIA HIPOTEZ (ODNOŚNIE ZALEŻNOŚCI I RÓŻNIC) WYKORZYSTUJE METODY STATYSTYCZNE, KTÓRE ZOSTAŁY WYPRACOWANE W OPARCIU O KONCEPCJĘ ROZKŁADU NORMALNEGO -2- ZJAWISKA BIOLOGICZNE SĄ ŁATWIEJ POSTRZEGANE PRZY ODWOŁANIU SIĘ DO ROZKŁADU NORMALNEGO ( WARTOŚĆ PRZECIĘTNA I WARTOŚCI EKSTREMALNE )
22 OPIS ZMIENNEJ ILOŚCIOWEJ MIARY POŁOŻENIA (MIARY TENDECJI CENTRALNEJ) Średnia arytmetyczna, mediana, modalna MIARY ROZPROSZENIA Zakres, zmienność, odchylenie standardowe X ± SD ( tablica rejestracyjna zmiennej ilościowej )
23 X ± SD Współczynnik Zmienności im mniejsza wartość SD tym mniejsza zmienność generalnie TAK, ale rola X, dlatego: Współczynnik Zmienności (WZ) = (s / x) * 100% PRAKTYCZNE ZASTOSOWANIE WSPÓŁCZYNNIKA ZMIENNOŚCI porównanie rozkładu jednej zmiennej w dwóch różnych grupach porównanie rozkładu kilku zmiennych w jednej grupie odchylenie standardowe błąd standardowy
24 hiperglikemia płeć nadwaga obturacja jakość życia kliniczny stopień duszności zawód STATYSTYKA OPISOWA wykształcenie PREZENTACJA ZMIENNYCH JAKOŚCIOWYCH cień okrągły w płucach krwotok rodzaj porodu hipercholesterolemia mutacja
25 ROZKŁAD ZMIENNEJ JAKOŚCIOWEJ matematyczna i graficzna prezentacja częstości poszczególnych wartości zmiennej jakościowej (zasada wzajemnie wykluczających się wartości) Rozkład zmiennej nastrój u 50 badanych: - 35 optymistów - 15 pesymistów zmienna nastrój ma dwie wartości: optymista i pesymista
26 ROZKŁAD ZMIENNEJ JAKOŚCIOWEJ (sposób prezentacji tabelarycznej) WYNIKI TERAPII X W GRUPIE 75 CHORYCH Zmienna Objawy uboczne Wartość zmiennej Częstość bezwzględna (n) Częstość względna (%) Częstość skumulowana (%) Brak 10 13,3 13,3 Słabe 25 33,3 46,6 Średnie 20 26,6 73,2 Duże 12 16,4 89,4 B. duże 8 10,6 100,0 Razem ,0
27 DWA OBSZARY STATYSTYKI Statystyka Opisowa Statystyka Analityczna (ile?, jak często?) ( charakterystyka ) Testowanie Hipotez Modelowanie Związków Przyczynowo-Skutkowych Ocena Wiarygodności Pomiaru itp.
28 DWA OBSZARY STATYSTYKI Statystyka Opisowa Statystyka Analityczna (ile?, jak często?) ( charakterystyka ) Testowanie Hipotez Modelowanie Związków Przyczynowo-Skutkowych Ocena Wiarygodności Pomiaru itp. ilościowe zmienne jakościowe proste metody złożone
29 ZNACZENIE PYTANIA BADAWCZEGO
30 PROCES POZNANIA NAUKOWEGO W PRAKTYCE Gruntowna wiedza Dobry warsztat ( dobra praktyka epidemiologiczna ) Twórcze wykorzystanie informacji (interpretacja) Inwencja, iluminacja, przypadek Umiejętne komunikowanie wyników
31 TREŚĆ PYTANIA BADAWCZEGO INICJUJE I WARUNKUJE SPOSÓB WNIOSKOWANIA STATYSTYCZNEGO -1- STATYSTYKA OPISOWA WNIOSKOWANIE STATYSTYCZNE -2- STATYSTYKA ANALITYCZNA Wnioskowanie Statystyczne = Wnioskowanie dotyczące natury zjawiska w populacji na podstawie obserwacji obejmującej próbę reprezentującą populację DGN populacyjna formułowana na podstawie DGN w próbie zawiera niepewność, co jest domeną teorii prawdopodobieństwa, a zatem wymaga opracowań statystycznych
32 HIPOTEZY
33 (sąd, HIPOTEZA d, testowalne stwierdzenie) Hipoteza: Częstość występowania otyłości zależy od tradycji żywieniowych Hipoteza musi podlega weryfikacji albo się ostanie jako prawdziwa, albo zostanie uznana za fałszywą: jak weryfikować zależność od tradycji? Hipoteza: Częstość występowania otyłości jest większa wśród osób preferujących tradycyjny styl żywienia Skąd pewność, że częstość jest większa a nie mniejsza? Hipoteza: Częstość występowania otyłości różni się pomiędzy grupami o różnym stylu żywienia Problem: na gruncie metodologii badań naukowych nie jest możliwe weryfikowanie hipotezy zakładającej różnicę (dowód słuszności tego stwierdzenia wykracza poza program kursu)
34 SOLUTIO - I weryfikacja hipotezy zakładającej brak różnicy Częstość występowania otyłości nie różni się pomiędzy grupami o różnym stylu żywienia WYNIK WERYFIKACJI (TESTOWANIA) albo odrzucenie hipotezy albo brak podstaw do odrzucenia hipotezy Tak, to prawda (w świetle moich danych) tu interpretacja jest prosta
35 SOLUTIO - I weryfikacja hipotezy zakładającej brak różnicy Częstość występowania otyłości nie różni się pomiędzy grupami o różnym stylu żywienia WYNIK WERYFIKACJI (TESTOWANIA) albo odrzucenie albo brak podstaw do odrzucenia Co w sytuacji odrzucenia hipotezy?
36 SOLUTIO - II Układ 2 hipotez H 0 (hipoteza zerowa) i H A (hipoteza alternatywna) H 0 brak różnicy, brak zależności, brak efektu H A obecna różnica, obecna zależność, obecny efekt STRATEGIA ALBO-ALBO odrzucenie H 0 powoduje aktualność H A nieodrzucenie H 0 powoduje nieaktualność H A TERTIUM NON DATUR
37 SFORMUŁOWANIE OWANIE WERYFIKOWALNEJ HIPOTEZY H 0 Wartośċ średnia A = Wartośċ średnia B Częstośċ A = Częstośċ B Czas przeżycia A = Czas przeżycia B Siła zależności A = Siła zależności B itd.
38 SFORMUŁOWANIE OWANIE WERYFIKOWALNEJ HIPOTEZY H A Wartośċ średnia A Wartośċ średnia B Częstośċ A Częstośċ B Czas przeżycia A Czas przeżycia B Siła zależności A Siła zależności B itd.
39 SPECYFICZNE BŁĘB ŁĘDY TOWARZYSZĄCE TESTOWANIU HIPOTEZ
40 Źle się dzieje, gdy prawdziwa H 0 jest odrzucona Błąd Typu I (błąd α) Prawdopodobieństwo błędu I istnieje zawsze na jakie się godzimy? JEST TO STATYSTYCZNA ZNAMIENNOŚĆ BADANIA
41 Źle się dzieje, gdy fałszywa H 0 nie jest odrzucona Błąd Typu II (błąd β) Założenie to wyznacza obszar braku błędu równy (1- β ) JEST TO MOC BADANIA (1-ß)
42 DECYZJA W SPRAWIE POZIOMU STATYSTYCZNEJ ZNAMIENNOŚCI I MOCY TESTU W wyniku testu dochodzi do: H 0 może być albo-albo: Prawdziwa Fałszywa Nieodrzucenia H 0 OK Błąd typu II Odrzucenia H 0 Błąd typu I OK KONWENCJA BŁĄD TYPU I = α = 0,05 BŁĄD TYPU II = β = 0,20 Akceptujemy przypadkowość, ale niech będzie ona rzadkim zjawiskiem!
43 STATYSTYCZNA ZNAMIENNOŚĆ Zmniejszenie RR u chorych stosujących lek A może wystąpić całkiem przypadkowo, nawet gdy lek nie jest aktywny farmakologicznie. Nie zdarza się to często. Jaka częstość może być uznana za rzadkie zdarzenie?
44 CZĘSTA INTERPRETACJA RZADKICH ZDARZEŃ Specyfika rozkładu normalnego danej zmiennej wynika z faktu, że pod krzywą znajduje się 100% możliwych wartości zmiennej, ale ich gęstość nie jest jednorodna (wartości: częste, mniej częste, jeszcze mniej częste, rzadkie) % A X B 2.5% 95% 2.5% 0,025 0,95 0,025 rzadkie wartości rzadkie wartości CZĘSTOŚĆ RZADKICH WARTOŚCI = 2,5% + 2,5% = 5% CZĘSTOŚĆ RZADKICH WARTOŚCI = 0, ,025 = 0,05 X ± 1.96 SD definiuje obszar obejmujący 95% możliwych wartości, To co pozostaje to 5% obszar rzadkich wartości (0,05)
45 STATYSTYCZNA ZNAMIENNOŚĆ KLINICZNA ZNAMIENNOŚĆ Przy dużych grupach nawet trywialna różnica może być statystycznie znamienna (konsekwencja wzoru matematycznego)
46 TESTOWANIE HIPOTEZ
47 DWA TYPY HIPOTEZ DWA TYPY TESTÓW Hipotezy odnośnie różnicy Hipotezy odnośnie zależności Weryfikacja hipotez polega na analizie danych i poddaniu ich ocenie przy użyciu testów statystycznej znamienności różnic lub zależności Testy statystycznej znamienności różnic Testy statystycznej znamienności zależności
48 TESTY STATYSTYCZNEJ ZNAMIENNOSCI A RODZAJ ZMIENNYCH TESTY DLA ZMIENNYCH ILOŚCIOWYCH TESTY DLA ZMIENNYCH JAKOŚCIOWYCH
49 TESTY STATYSTYCZNEJ ZNAMIENNOSCI A CHARAKTER ROZKŁADU ZMIENNYCH TESTY PARAMETRYCZNE TESTY NIEPARAMETRYCZNE
50 TESTY STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICE ZALEŻNOŚCI ZMIENNE ZMIENNE ZMIENNE ZMIENNE ILOŚCIOWE JAKOŚCIOWE ILOŚCIOWE JAKOŚCIOWE
51 TESTY STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICR < GENERALIA >
52 KONCEPCJA SYGNAŁU U I SZUMU 25 Sygnał Szum
53 EFEKT = SYGNAŁ/SZUM Im większy sygnał tym większy efekt Im mniejszy szum tym większy efekt Im większa różnica tym większy efekt Im mniejsze rozproszenie tym większy efekt
54 EFEKT = SYGNAŁ/SZUM Im większy sygnał tym większy efekt Im mniejszy szum tym większy efekt Im większa różnica tym większy efekt Im mniejsze rozproszenie tym większy efekt
55 WYNIK TESTU STATYSTYCZNEJ ZNAMIENNOŚCI Wynikiem testu jest statystyka (konkretna liczba) Np. wynikiem testu t-studenta jest statystyka t t = 2,04 t = ( X1 X2 ) / (SDx1-x2 / n ) duży sygnał duże t mały szum duże t
56 INTERPRETACJA WYNIKU TESTU t = 2,04 ale czy jest to wartość statystycznie znamienna? duże t (-) małe t (-) 0 małe t (+) duże t (+) 2SE X 2SE Gdy wartość t lokuje się na końcu rozkładu ( wpada w strefę rzadkich zdarzeń ) wówczas można przyjąć, że uzyskany wynik jest na tyle rzadki, iż nie może być dziełem przypadku. Jest to zatem wynik statystycznie znamienny. Kryterium Statystycznej Znamienności p (zwyczajowo <5% = <0,05) WYNIK TESTU STATYSTYCZNEJ ZNAMIENNOŚCI: STATYSTYKA I JEJ PRAWDOPODOBIEŃSTWO (np. t=2,04, p=0,04)
57 TESTY STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICR (ROZKŁAD ADÓW) < ZMIENNE ILOŚCIOWE >
58 OCENA STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICR! KLUCZOWE PYTANIA! Liczba porównywanych grup? Dwie grupy lub Więcej niż dwie grupy Rozkład zmiennych? Rozkład normalny lub Rozkład odbiegający od normalnego wg: Pereira-Maxwell F.: A-Z of Medical Statistics. A companion for critical appraisal. Arnold, London 1998
59 DANE NIESPAROWANE I DANE SPAROWANE (LICZBA LCD4 W GRUPACH NNO+ I NNO-) Dzisiaj Grupa NNO+ Porównanie LCD4 Grupa NNO- Porównanie LCD4 Jutro (np. po terapii sterydami) Grupa NNO+ POZIOMO: PIONOWO: TEST DLA DWÓCH ŚREDNICH, REPREZENTUJĄCYCH DWIE PORÓWNYWANE, RÓŻNE GRUPY TEST DLA DWÓCH ŚREDNICH, REPREZENTUJĄCYCH JEDNĄ GRUPĘ (DWA POMIARY W ODSTĘPIE CZASOWYM)
60 OCENA STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICR ZMIENNE ILOŚCIOWE Dane pochodzące z niezależnych pomiarów (dane niesparowane) Scenariusz: masa ciała chłopców (grupa A) i dziewcząt (grupa B) -Liczba grup 2: -Liczba grup 3 lub więcej: test t-studenta, gdy rozkład normalny test Mann-Whitney, gdy rozkład nie-normalny analiza wariancji ( anova ), gdy rozkład normalny test Kruskall-Wallis a, gdy rozkład nie-normalny Dane pochodzące z zależnych pomiarów (dane sparowane) Scenariusz: masa ciała dziewcząt przed (grupa A1) i po kuracji (grupa A2) odchudzającej -Liczba grup (punktów pomiaru) 2: test t-studenta dla par, gdy rozkład normalny test Wilcoxon a dla par, gdy rozkład nie-normalny - Liczba grup 3 lub więcej: brak standardowych metod
61 TEST T STUDENTA I ANOVA TO TESTY PARAMETRYCZNE, OPRACOWANE DLA ANALIZ ZMIENNYCH O ROZKŁADZIE NORMALNYM gdy rozkład analizowanej zmiennej nie spełnia kryterium rozkładu normalnego (weryfikacja np. testem Shapiro-Wilk a); gdy mała (n<30) liczba obserwacji w próbie; gdy pomiary zmiennej odznaczają się ograniczoną dokładnością (mała precyzja narzędzia pomiarowego) gdy pomiary mają charakter półilościowy (np. skala Apgar) lub ograniczoną dokładność TESTY NIEPARAMETRYCZNE
62 PODSTAWOWE TESTY NIEPARAMETRYCZNE DLA OCENY RÓŻNIC Test znaków (sign test) odwołuje się do wartości mediany i liczby wartości powyżej (+) i poniżej (-) mediany (test dla prób niezależnych lub sparowanych) małe zastosowanie 2 grupy, niesparowany: Test mediany i jego modyfikacja test Mann-Whitney; test Wilcozon a dla dwóch grup (alternatywa dla testu t-studenta) 3 lub więcej grup, niesparowany: Test Kruskal-Wallis (alternatywa dla ANOVY) 2 grupy, sparowany: Test znaków Wilcoxon a dla danych sparowanych (ponadto stosowany tam, gdzie pomiar reprezentuje wartość uzyskaną jako wskaźnik, współczynnik, itp.)
63 TESTY STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNIC (ROZKŁADÓW) < ZMIENNE JAKOŚCIOWE >
64 OCENA STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICR! KLUCZOWE PYTANIA! Oczekiwana częstość wartości zmiennej jakościowej? <5 lub 5+ Liczba porównywanych grup? Dwie grupy lub Więcej niż dwie grupy Zależność obserwacji? Dane sparowane lub Dane niesparowane wg: Pereira-Maxwell F.: A-Z of Medical Statistics. A companion for critical appraisal. Arnold, London 1998
65 OCENA STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICR ZMIENNE JAKOŚCIOWE Dane pochodzące z niezależnych pomiarów (dane niesparowane) Scenariusz: otyłość (%) wśród chłopców (grupa A) i dziewcząt (grupa B) -Liczba grup 2: -Liczba grup 3 lub więcej: test chi2, test Fisher a (dla małej częstości) test chi2 Dane pochodzące z zależnych pomiarów (dane sparowane) Scenariusz: otyłość (%) wśród dziewcząt przed (grupa A1) i po kuracji (grupa A2) odchudzającej -Liczba grup (punktów pomiaru) 2: test McNemar a - Liczba grup 3 lub więcej: test Stuart-Maxwell a
66 TESTY STATYSTYCZNEJ ZNAMIENNOŚCI RÓŻNICE ZALEŻNOŚCI ZMIENNE ZMIENNE ZMIENNE ZMIENNE ILOŚCIOWE JAKOŚCIOWE ILOŚCIOWE JAKOŚCIOWE
67 TESTY STATYSTYCZNEJ ZNAMIENNOŚCI ZALEŻNO NOŚCI < GENERALIA > H 0 : brak zależności
68 (PROSTE) TESTY STATYSTYCZNEJ ZNAMIENNOŚCI ZALEŻNO NOŚCI ZMIENNA ZALEŻNA ZMIENNA NIEZALEŻNA NA.. Masa (kg) Dwie Zmienne Ilościowe Wzrost (cm).. Mutacja (tak/nie) Dwie Zmienne Jakościowe Narażenie na WWA (tak/nie)..
69 (PROSTE) TESTY STATYSTYCZNEJ ZNAMIENNOŚCI ZALEŻNO NOŚCI ZMIENNA ZALEŻNA ZMIENNA NIEZALEŻNA NA.. Masa (kg) Dwie Zmienne Ilościowe Wzrost (cm).. Mutacja (tak/nie) Dwie Zmienne Jakościowe Narażenie rozkład na WWA normalny (tak/nie).. ANALIZA KORELACJI LINIOWEJ Zmienna Ilościowa i Jakościowa rozkład nie-normalny FEV 1 (%w.n w.n.).) Zmiany rtg w płucach p (tak/nie).. ANALIZA REGRESJI LINIOWEJ Zmienna Jakościowa i Ilościowa Hiperglikemia (tak/nie) Podaż kalorii na dobę (kcal)
70 ANALIZA KORELACJI LINIOWEJ
71 KORELACJA IQ ~ Pb-B IQ [j] Pb-B [ug/dl]
72 KORELACJA (WZAJEMNA RELACJA) Współczynnik Korelacji r zawiera się w przedziale od 1 do +1 r = [NΣxy (Σx)( Σy)] / [NΣx2 (Σx)2][NΣy2 (Σy)2] r (IQ-PbB) = - 0,3
73 WSPÓŁCZYNNIK KORELACJI LINIOWEJ r [-1, +1] Praktyczna interpretacja wartości liczbowej 0,0 < r < 0,3 słaba korelacja 0,3 < r < 0,7 średnia korelacja 0,7 < r silna korelacja ale czy znamienna statystycznie?
74 ANALIZA KORELACJI LINIOWEJ JEST TESTOWANIEM HIPOTEZY H 0 : r = 0 (H A : r 0) ergo poza obliczeniem r konieczne jest podanie wartości p (można także obliczyć 95% PU gdy nie zawiera 0 wówczas r 0)
75 ALTERNATYWA NIEPARAMETRYCZNA (r) Nazwa współczynnik korelacji liniowej mnemotechnicznie przywołuje wymóg analizy wartości zmiennych mierzonych według skali liniowej. Gdy pomiary pochodzą z innych skal (np. stopień duszności, poziom samopoczucia, średnica bąbla itp.) wówczas zasadne metody odwołujące się do rankingu wyników: ANALIZA KORELACJI METODĄ SPEARMANA (dla zmiennych o normalnym rozkładzie metoda Pearson a) NIEPOROZUMIENIA INTERPRETACYJNE r Interpretacja r jako miernika siły zależności pomiędzy przyczyną i skutkiem Wykorzystanie analizy korelacji do porównania wartości dwóch metod Przewidywanie wartości Y na podstawie wartości X Obecność korelacji liniowej nie jest automatycznym dowodem na obecność zależności biologicznej
76 ANALIZA REGRESJI LINIOWEJ
77 ANALIZA REGRESJI LINIOWEJ y = a + b x gdzie: a punkt odcięcia; b kąt nachylenia prostej (zmiana wartości y w odpowiedzi na jednostkową zmianę wartości x ) DEFINICJA ZMIENNEJ ZALEŻNEJ! Y jest funkcją X, Y zależy od X gdy b = 0 (w rozumieniu statystycznym, t.j. nie różni się w sposób statystycznie znamienny od 0 ), wówczas nie ma dowodu, że Y zależy od X: H 0 : b = 0 H A : b 0
78 PRAKTYCZNE ZNACZENIE ANALIZY REGRESJI LINIOWEJ DOKUMENTOWANIE (ILOŚCIOWE) ZALEŻNOŚCI POMIĘDZY Y I X PRZEWIDYWANIE WARTOŚCI Y DLA DANEJ WARTOŚCI X
79 (PROSTE) TESTY STATYSTYCZNEJ ZNAMIENNOŚCI ZALEŻNO NOŚCI ZMIENNA ZALEŻNA ZMIENNA NIEZALEŻNA NA.. Masa (kg) Dwie Zmienne Ilościowe Wzrost (cm).. Mutacja (tak/nie) Dwie Zmienne Jakościowe Narażenie na WWA (tak/nie).. Zmienna Ilościowa i Jakościowa TEST CHI-KWADRAT FEV 1 (%w.n w.n.).) Zmiany rtg w płucach p (tak/nie) ANALIZA REGRESJI Zmienna LOGISTYCZNEJ Jakościowa i Ilościowa Hiperglikemia (tak/nie) Podaż kalorii na dobę (kcal)
80 TEST CHI-KWADRAT
81 ZALEŻNO NOŚĆ 2 ZMIENNYCH JAKOŚCIOWYCH CZY CZĘSTOŚĆ PRZEWLEKŁEGO KASZLU ZALEŻY OD WIELKOŚCI NARAŻENIA BPT % Kaszlących Małe Narażenie Bierne Palenie Tytoniu ("BPT") Duże Narażenie Klasyczna Tabela Czteropolowa BPT - Duże BPT Małe Kaszel Tak 6 4 Kaszel Nie Test chi-kwadrat ( 2 lub chi 2 ) i jego modyfikacje
82 ZALEŻNO NOŚĆ 2 ZMIENNYCH JAKOŚCIOWYCH Metodą analizy jest test chi 2, a interpretacja siły zależności wynika z obliczenia 1) ryzyka względnego (H 0 : RW = 1) 2) ilorazu szans (H0: IS = 1) Wybór (1) lub (2) zależy od protokołu badawczego
83 ANALIZA REGRESJI LOGISTYCZNEJ
84 MODEL REGRESJI Z JAKOŚCIOW CIOWĄ ZMIENNĄ ZALEŻNĄ Hipertrójgicerydemia (tak/nie) ~ dobowa podaż tłuszczu (g) SOLUTIO FUNKCJA ŁĄCZĄCA (FŁ) Hipertrójgicerydemia [FŁ] = dobowa podaż tłuszczu TUTAJ TZW. LOGIT
85 ANALIZA REGRESJI LOGISTYCZNEJ y = a + b x (logit ukryty w procedurze) Analiza regresji logistycznej testuje konwencjonalny układ hipotez: H 0 : b = 0 H A : b 0 Gdy p dla b >0,05 wówczas y nie zależy od x w sposób statystycznie znamienny *** Analiza regresji logistycznej nie tylko informuje o obecności i sile związku, ale także umożliwia przewidywanie wartości zmiennej zależnej na podstawie wartości zmiennej niezależnej
PODSTAWY STATYSTYKI SEMINARIUM 2 ! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE
STUDIUM DOKTORANCKIE KATOWICE, 2011/12 PODSTAWY STATYSTYKI SEMINARIUM 2! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE Jan E. Zejda Katedra Epidemiologii WLK, SUM TREŚĆ SEMINARIUM
Bardziej szczegółowoPODSTAWY STATYSTYKI SEMINARIUM 3 ! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE
STUDIUM DOKTORANCKIE KATOWICE, 2011/12 PODSTAWY STATYSTYKI SEMINARIUM 3! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE Jan E. Zejda Katedra Epidemiologii WLK, SUM TREŚĆ SEMINARIUM
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoSLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE
SUM - WLK 2011 WYKŁAD PIĄTY: BIOSTATYSTYKA C.D. Prof. dr hab. med. Jan E. Zejda! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE TREŚĆ WYKŁADU Dokumentowanie efektu (analiza danych
Bardziej szczegółowoSTUDIUM DOKTORANCKIE WLK PODSTAWY STATYSTYKI SEMINARIUM 1 ! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE
STUDIUM DOKTORANCKIE WLK PODSTAWY STATYSTYKI SEMINARIUM 1! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE Jan E. Zejda Katedra Epidemiologii WLK, SUM TREŚĆ SEMINARIUM 1 Rola biostatystyki
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoPodstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak
Podstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak Autor prezentuje spójny obraz najczęściej stosowanych metod statystycznych, dodatkowo omawiając takie
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoWnioskowanie statystyczne Weryfikacja hipotez. Statystyka
Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoJak sprawdzić normalność rozkładu w teście dla prób zależnych?
Jak sprawdzić normalność rozkładu w teście dla prób zależnych? W pliku zalezne_10.sta znajdują się dwie zmienne: czasu biegu przed rozpoczęciem cyklu treningowego (zmienna 1) oraz czasu biegu po zakończeniu
Bardziej szczegółowoKatedra Biotechnologii i Genetyki Zwierząt, Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy
Temat: Weryfikacja hipotez statystycznych dla jednej i dwóch średnich. MS EXCEL Do weryfikacji różnic między dwiema grupami jednostek doświadczalnych w MS Excelu wykorzystujemy funkcję o nazwie T.TEST.
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Bardziej szczegółowoZ poprzedniego wykładu
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne
Bardziej szczegółowoSTATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech
TATYTYKA wykład 8 Wnioskowanie Weryfikacja hipotez Wanda Olech Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowolaboratoria 24 zaliczenie z oceną
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Niestacjonarne
Bardziej szczegółowoSIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Dwuczynnikowa analiza wariancji (2-way
Bardziej szczegółowoLABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoProjektowanie badań i interpretacja wyników okiem biostatystyka. Warszawa, 15 marca 2016, Anna Marcisz
Projektowanie badań i interpretacja wyników okiem biostatystyka Warszawa, 15 marca 2016, Anna Marcisz Agenda Część I Cel badań - hipotezy badawcze/statystyczne Wielkość próby potrzebna do badania Jak odczytywać
Bardziej szczegółowoWykład ze statystyki. Maciej Wolny
Wykład ze statystyki Maciej Wolny T1: Zajęcia organizacyjne Agenda 1. Program wykładu 2. Cel zajęć 3. Nabyte umiejętności 4. Literatura 5. Warunki zaliczenia Program wykładu T1: Zajęcia organizacyjne T2:
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Bardziej szczegółowo12/30/2018. Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie. Estymacja Testowanie hipotez
Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie Wyznaczanie przedziału 95%CI oznaczającego, że dla 95% prób losowych następujące nierówności są prawdziwe: X t s 0.025 n < μ < X + t s
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Bardziej szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. laboratoria 30 zaliczenie z oceną
Wydział: Psychologia Nazwa kierunku kształcenia: Psychologia Rodzaj przedmiotu: podstawowy Opiekun: dr Andrzej Tarłowski Poziom studiów (I lub II stopnia): Jednolite magisterskie Tryb studiów: Stacjonarne
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoStatystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28
Statystyka #5 Testowanie hipotez statystycznych Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2016/2017 1 / 28 Testowanie hipotez statystycznych 2 / 28 Testowanie hipotez statystycznych
Bardziej szczegółowoStatystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.
Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde
Bardziej szczegółowoZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel
ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA dr inż. Aleksander Astel Gdańsk, 22.12.2004 CHEMOMETRIA dziedzina nauki i techniki zajmująca się wydobywaniem użytecznej informacji z wielowymiarowych
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 5 Anna Skowrońska-Szmer lato 2016/2017 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją jako prawdziwą
Bardziej szczegółowoWyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Bardziej szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoTestowanie hipotez statystycznych
Testowanie hipotez statystycznych Hipotezą statystyczną jest dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia
Bardziej szczegółowoAdam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład IX, 25.04.2016 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Plan na dzisiaj 1. Hipoteza statystyczna 2. Test statystyczny 3. Błędy I-go i II-go rodzaju 4. Poziom istotności,
Bardziej szczegółowoZadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.
Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w
Bardziej szczegółowoUwaga. Decyzje brzmią różnie! Testy parametryczne dotyczące nieznanej wartości
TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu, z którego pochodzi próbka. Hipotezy dzielimy na parametryczne i nieparametryczne. Parametrycznymi
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4
KARTA KURSU (do zastosowania w roku ak. 2015/16) Nazwa Statystyka 1 Nazwa w j. ang. Statistics 1 Kod Punktacja ECTS* 4 Koordynator Dr hab. Tadeusz Sozański (koordynator, wykłady) Dr Paweł Walawender (ćwiczenia)
Bardziej szczegółowoSCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoMETODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II Podział zmiennych Zmienne zależne zmienne, które są przedmiotem badania, których związki z innymi zmiennymi chcemy określić Zmienne
Bardziej szczegółowoStatystyka matematyczna Test χ 2. Wrocław, 18.03.2016r
Statystyka matematyczna Test χ 2 Wrocław, 18.03.2016r Zakres stosowalności Testowanie zgodności Testowanie niezależności Test McNemara Test ilorazu szans Copyright 2014, Joanna Szyda ZAKRES STOSOWALNOŚCI
Bardziej szczegółowoWnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoZadania ze statystyki cz.8. Zadanie 1.
Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,
Bardziej szczegółowoS YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy
S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne Nazwa modułu: Moduł B - Statystyka z elementami matematyki Rodzaj modułu/przedmiotu Wydział PUM Kierunek studiów Specjalność Poziom studiów Forma studiów
Bardziej szczegółowokod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2
kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoKierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych
Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych kod modułu: 2BL_02 1. Informacje ogólne koordynator
Bardziej szczegółowoKorelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego
Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoKARTA KURSU. Kod Punktacja ECTS* 1
KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci
Bardziej szczegółowoGraficzna prezentacja danych statystycznych
Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych Katowice, 12 i 26 czerwca 2014 r. Dopasowanie narzędzia do typu zmiennej Dobór narzędzia do
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoPozyskiwanie wiedzy z danych
Pozyskiwanie wiedzy z danych dr Agnieszka Goroncy Wydział Matematyki i Informatyki UMK PROJEKT WSPÓŁFINANSOWANY ZE ŚRODKÓW UNII EUROPEJSKIEJ W RAMACH EUROPEJSKIEGO FUNDUSZU SPOŁECZNEGO Pozyskiwanie wiedzy
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 9 i 10 1 / 30 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych
STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące
Bardziej szczegółowoSTATYSTYKA Statistics. Inżynieria Środowiska. II stopień ogólnoakademicki
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/13 STATYSTYKA
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test
Bardziej szczegółowoBadanie zależności skala nominalna
Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 6
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Metody sprawdzania założeń w analizie wariancji: -Sprawdzanie równości (jednorodności) wariancji testy: - Cochrana - Hartleya - Bartletta -Sprawdzanie zgodności
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoBadania marketingowe 2016_12. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski
Badania marketingowe 2016_12 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski Ramowy program konwersatorium 1. Formułowanie oraz wyjaśnianie tematyki badań 2. Identyfikacja
Bardziej szczegółowoWeryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,
Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (punktowa, przedziałowa) Weryfikacja
Bardziej szczegółowoprzedmiot podstawowy obowiązkowy polski drugi
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 07/08 IN--008 STATYSTYKA W INŻYNIERII ŚRODOWISKA Statistics in environmental engineering
Bardziej szczegółowoTestowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.
Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ
Bardziej szczegółowoWyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowo