Metody stosowane w planowaniu i przeprowadzaniu eksperymentów naukowych w badaniach biomedycznych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Metody stosowane w planowaniu i przeprowadzaniu eksperymentów naukowych w badaniach biomedycznych"

Transkrypt

1 Metody stosowane w planowaniu i przeprowadzaniu eksperymentów naukowych w badaniach biomedycznych Zakład Zaburzeń Krzepnięcia Krwi Katedry Diagnostyki Laboratoryjnej Uniwersytetu Medycznego w Łodzi Cezary Watała

2 Badania naukowe w medycynie - rodzaje badań i ich charakterystyka

3 Badania naukowe w medycynie ze względu na charakter zbierania i analizy obserwacji wyróżniamy: badania pierwotne badania wtórne

4 Idea badań naukowych w medycynie niezależnie od rodzaju i sposobu czy schematu przeprowadzenia badania medycznego, jego celem jest zawsze ustalenie zależności między: ekspozycją na działanie czynnika sprawczego (przyczyną, risk factor) a pojawieniem się interesujących nas symptomów (chorobowych, zdrowieniowych, itp.) (skutkiem, outcome)

5 Badania naukowe w medycynie - podejście badacza metody obserwacyjne metody interwencyjne badacz obserwuje chorych bez podejmowania interwencji badacz celowo wprowadza procedurę lub zmienia zachowanie chorych

6 Badania naukowe w medycynie - poszukiwanie zależności Algorytm postępowania w różnych badaniach (przeprowadzaniu badania) jest różny w zależności od tego czy: znamy skutek (outcome) i staramy się dociec potencjalnej/możliwej przyczyny (określić co stanowi czynnik ryzyka obserwowanej zmiany) znamy ekspozycję (czynnik/i ryzyka) i obserwujemy pojawianie się interesujących nas symptomów (chorobowych, zdrowieniowych, itp.) (wystąpienie skutku)

7 Badanie pierwotne primary study, original study doświadczenie, podczas którego zbierane są dane dotyczące wpływu określonych procedur medycznych na wybrane punkty końcowe badania badania obserwacyjne badania interwencyjne (eksperymentalne)

8 Badania obserwacyjne polegają na biernej obserwacji grupy pacjentów wybranych z populacji badacz nie wpływa ani nie moduluje działania czynników sprawczych dane obserwacyjne mogą pochodzić z informacji zgromadzonych w bazach danych (badania retrospektywne) lub są zbierane na bieżąco w trakcie obserwacji (badania prospektywne)

9 Badania prospektywne Badania prospektywne to takie badania, w których śledzimy zachowanie się lub wystąpienie zmian określonych zmiennych po (jednokrotnym lub wielokrotnym) zadziałaniu czynnika modyfikującego (modulatora) Badania te mają formę aktywnej (badacz manipuluje działaniem czynnika) i dynamicznej (monitorowanie odbywa się w sposób ciągły) obserwacji

10 Badania retrospektywne Badania retrospektywne to takie badania, w których różnicujemy jak określona jednostka chorobowa (która pojawiła się kiedyś w przeszłości) wpływa na częstość wystąpienia interesujących nas modyfikacji zmiennej W badaniach tych spoglądamy wstecz i oceniamy jak status kliniczny który możemy traktować jako rodzaj modulatora wpływa na wartości zmiennej/zmiennych Celem obserwacji retrospektywnej jest estymacja czy i w jakim stopniu badane zmienne mogłyby dla nas być w przyszłości predyktorami wystąpienia choroby, tzn. czy samo rejestrowanie zmian wartości określonych parametrów może być dla nas wskazówką, że występuje określona jednostka chorobowa

11 Algorytm postępowania w badaniach retrospektywnych etap 1: wybierz przypadki kontrole etap 2: zmierz ekspozycję w przeszłości ekspozycja (+) ekspozycja (- ) ogółem a c a + c b d b + d

12 Algorytm - badania retrospektywne etap 3: etap 4: etap 5: p = [e(+)]/[e(+)+e(-) porównaj proporcje w grupach poddanych ekspozycji przypadki kontrole a/(a + c) vs. b/(b + d) oblicz iloraz szans (OR) OR = a/c : b/d oblicz proporcje przypadków przypisaną ekspozycji PC = [p*(or-1)][(p*(or-1)+1]

13 Algorytm postępowania w badaniach prospektywnych etap 1: wybierz osoby narażone na działanie czynnika osoby nie narażone na działanie czynnika etap 2: obserwuj stan zdrowia w obu grupach nowe zachorowania zdrowi ogółem a c a + c b d b + d

14 Algorytm - badania prospektywne etap 3: określ zapadalność w obu grupach osoby narażone na działanie czynnika osoby nie narażone na działanie czynnika Z eksp = a/(a + c) vs. Z nieeksp = b/(b + d) etap 4: oblicz ryzyko względne (RR) RR = Z eksp : Z nieeksp etap 5: oblicz ryzyko przypisane ekspozycji ARR = Z eksp - Z nieeksp

15 Badanie kliniczno-kontrolne kontrolne case-control control, case-referent study badanie (z reguły) retrospektywne, w którym porównujemy ekspozycję na działanie czynnika w grupie pacjentów oraz w grupie osób zdrowych na podstawie zgromadzonej wcześniej dokumentacji klinicznej grupy dobiera się na podstawie wystąpienia lub nie wystąpienia choroby (skutku) wyniki mogą być zafałszowane przez zmienne zakłócające (confounders) efektywne narzędzie badawcze w przypadku chorób rzadko występujących w populacji

16 Badanie kliniczno-kontrolne kontrolne zagnieżdżone nested case-control control study szczególne badanie kliniczno-kontrolne, w którym w kohorcie obserwowanej prospektywnie identyfikuje się wszystkie osoby, u których wystąpił punkt końcowy dla każdej z tych osób dobiera się z tej samej kohorty jedną lub więcej osób kontrolnych, u których punkt końcowy nie wystąpił ekspozycję (odsetek narażonych) porównuje się w obu grupach

17 Badanie kohortowe cohort study polega na określeniu prawdopodobieństwa wystąpienia obserwowanego schorzenia (zachorowalności) w grupie narażonych (kohorta badana) i nie narażonych (kohorta kontrolna) na działanie danego czynnika grupy dobiera się nie na podstawie wystąpienia choroby (skutku), lecz na podstawie zadziałania czynnika (ekspozycji) pozwala na oszacowanie związku pomiędzy działaniem badanego czynnika a pojawieniem się po określonym czasie obserwowanej choroby wyższy odsetek zachorowań lub zgonów w kohorcie badanej zdaje się potwierdzać związek pomiędzy badanym czynnikiem a wystąpieniem choroby

18 Badanie kohortowe korzyści i zalety w stosunku do metody retrospektywnej dokładniej i rzetelniej określają mierniki bezpośredniego ryzyka rozwoju choroby w populacji (współczynniki zapadalności, remisji, umieralności) w powiązaniu z zagrożeniami środowiskowymi ich wyniki są obarczone mniejszym błędem w pozyskiwaniu informacji o badanych czynnikach, gdyż kryteria i procedury pomiarowe i diagnostyczne można lepiej i ściślej ustalić i wystandaryzować umożliwiają ustalenie relacji badanych czynników ryzyka także w odniesieniu do innych chorób niż badana (badanie retrospektywne pozwala analizować tylko jedną wybraną chorobę)

19 Badanie kohortowe (prospektywne) - niedogodności i wady trudności organizacyjne i wyższe koszty duże grupy populacyjne, długi czas obserwacji konieczne zapewnienie tego samego standardu procedur diagnostycznych w toku długotrwałych obserwacji prospektywnych nieprzydatne (niepraktyczne) w badaniu rzadkich chorób, w przypadku niskiej zapadalności udział chorych obserwowanych maleje w czasie i zmniejsza się element losowości doboru grup (wartości parametrów u osób uczestniczących w badaniu w porównaniu do tych, którzy wypadli z badania

20 Badanie przekrojowe sectional study badanie, w którym związek między występowaniem określonej choroby (punktu końcowego) a ekspozycją na dany czynnik w populacji bada się w jednym punkcie czasowym (jednocześnie) są odmienne od badań kliniczno-kontrolnych (wychodzi się od punktu końcowego i wstecz ocenia ekspozycję) oraz badań kohortowych (wychodzi się od ekspozycji i prospektywnie ocenia występowanie punktu końcowego)

21 Badania eksperymentalne odbywają się z interwencją badacza, który moduluje włączanie testowanego czynnika mogą uwzględniać tylko te sposoby postępowania z pacjentem, co do których istnieje uzasadnione przypuszczenie, ze spowodują poprawę stanu zdrowia chorych w praktyce przeprowadzane są z zastosowaniem procedur randomizacji mają szczególne znaczenie przy ocenie szkodliwości interwencji medycznych

22 Badania kontrolowane clinical controlled trials Badanie eksperymentalne, w którym wpływ czynnika badanego na grupę badaną jest porównywany z grupą kontrolną, na którą dany czynnik nie działa Grupa kontrolna otrzymuje placebo lub lek, którego działanie jest już dobrze poznane (lek referencyjny, lek odniesienia) mogą być: - randomizowane - z pseudorandomizacją

23 Badania randomizowane randomized trials eksperymentalne badanie kliniczne, w którym rozdział pacjentów do grupy badanej i kontrolnej następuje na drodze losowego, w pełni przypadkowego przydziału pozwala to na podobny rozkład czynników zakłócających w obu porównywanych grupach i przez to uzyskanie jednorodnych (homogennych) grup pacjentów

24 Badanie krzyżowe cross-over over study doświadczenie, w którym każdy pacjent otrzymuje na przemian porównywane interwencje (np. lek A - lek B), w kolejności ustalonej na drodze losowania przy naprzemiennym stosowaniu dwóch rodzajów leczenia możliwy jest tzw. "efekt przeniesienia", polegający na przedłużonym działaniu preparatu, który już odstawiono, i modyfikacji odpowiedzi na drugi badany lek zniwelowaniu efektu przeniesienia służy tzw. "washout period", czyli okres przerwy pomiędzy porównywanymi interwencjami w celu eliminacji z organizmu działającej substancji aktywnej

25 Cele klinicznych badań zrandomizowanych (trials) udokumentować skuteczność kliniczną (Evidence of Efficacy) porównać skutecznośc, bezpieczeństwo oraz tolerancję (Comparative Efficacy and Safety) wykazać nadrzędność wobec innego leczenia (Evidence of Superiority) wykazać (bio)zgodność i równocenność wobec innego leczenia (Evidence of Equivalence or Noninferiority) wykazać zależność efektu od dawki (Evidence of Dose-response Relationship)

26 Określenie celu badania interwencyjnego formułowanie celu i zadania badawczego: określenie poziomu początkowego i końcowego doświadczenia czy bodziec (czynnik doświadczalny) wywołuje zmianę? co się stanie gdy na stan X zadziała czynnik Z? pytanie wartościowe o ile: można zmierzyć poziom wyjściowy i poziom końcowy

27 Czego oczekujemy? Założenia badawcze poziom początkowy (wyjściowy) czynnik (bodziec) doświadczalny poziom końcowy (skutek)

28 Planowanie badania interwencyjnego Model 2 niezależnych grup (Parallel Group Design) osoby badane w sposób przypadkowy przydzielane do grupy kontrolnej (placebo) lub grupy interwencyjnej (lek badany) Model krzyżowy (Crossover Design) pary placebo-lek tworzone zgodnie ze schematem zrównoważonej alokacji Model mieszany (Factorial Design) kilka schematów leczenia badane równolegle w różnych zestawieniach

29 Model doświadczenia w układzie ciągłym czynnik A działa inaczej niż czynnik B grupa kontrolna stan początkowy (wyjściowy) X1 czynnik A stan końcowy (skutek) X2 grupa badana X3 czynnik B X4 porównujemy różnice skutków X2 X1 oraz X4 X3

30 Model doświadczenia w układzie naprzemiennym założenie: czynnik A działa inaczej niż czynnik B stan początkowy (wyjściowy) stan końcowy (skutek) stan końcowy (skutek) pomiar stanu zdrowia czynnik 1 pomiar stanu zdrowia czynnik 2 pomiar stanu zdrowia porównujemy różnice skutków X2 X1 oraz X3 X1

31 Przydział zabiegów / procedur układy ciągłe dobór parami (2 zabiegi) bloki randomizowane (więcej niż 2 zabiegi) układy naprzemienne kwadraty łacińskie i grecko-łacińskie w zabiegach naprzemiennych

32 Eksperyment sekwencyjny nie zakłada z góry pożądanej liczebności próby trwa do chwili uzyskania dowodów do weryfikacji hipotezy badawczej

33 Rodzaje badań klinicznych - podsumowanie

34 Które metody badawcze są najbardziej wartościowe naukowo w badaniach medycznych? kontrolowane zrandomizowane badanie interwencyjne (RCT) kontrolowane badanie interwencyjne obserwacyjne badanie kohortowe (prospektywne) obserwacyjne badanie kliniczno-kontrolne (retrospektywne) inne badania

35 Po co dobieramy grupę kontrolną?

36 grupa kontrolna - co to takiego? grupa kontrolna to taka grupa osób włączonych do badania, która umożliwia przeprowadzenie dyskryminacji efektów obserwowanych jako skutek testowanego leczenia od innych efektów, wywoływanych przez pozostałe (nie kontrolowane) czynniki

37 grupa kontrolna towarzysząca - concurrent control group grupa wybrana z tej samej populacji co grupa badana, badana w tym samym czasie (równocześnie) i traktowana zgodnie z protokołem badania klinicznego dotyczącego wpływu testowanego leczenia

38 Rodzaje towarzyszących grup kontrolnych w badaniach klinicznych placebo (placebo concurrent control) wzgl. etyczne brak leczenia (no-treatment concurrent control) wzgl. etyczne rózne dawkowanie (dose-response concurrent control) inne skuteczne leczenie (active (positive) concurrent control) kontrola zewnętrzna (external control) spoza populacji badanej

39 Literatura uzupełniająca Wiesław Jędrychowski Zasady planowania i prowadzenia badań naukowych w medycynie, Wyd. Uniwersytetu Jagiellońskiego, Kraków, 2004 Hulley, S.B., Cummings, S.R., Browner, W.S., Grady, D., Hearst, N., Newman, T.B. Designing Clinical Research. 2 nd ed. Lippincott Williams & Wilkins, Philadelphia, 2001, ss. vii-336

40 Dobór zmiennych i punktów końcowych

41 Zmienne (variables( variables) - podstawowe pojęcia i terminy Zmienne (parametry, cechy) - wielkości, które mierzymy, kontrolujemy lub którymi manipulujemy w jakiś sposób w czasie badań. Możemy je klasyfikować do różnych kategorii zależnie od kryterium podziału

42 Rodzaje zmiennych zmienne niezależne takie zmienne, których wartości możemy dobierać i zmieniać w doświadczeniu (są to zmienne manipulowane przez badacza) zmienne zależne które mogą być jedynie mierzone lub rejestrowane przez badacza, nie ma on jednak wpływu na to jakie wartości przyjmują

43 Definicje zmiennych zmienne dyskretne, czyli takie które zmieniają się skokowo i mogą przyjmować jedynie określone wartości zbioru liczb całkowitych; wartości tych zmiennych nie muszą zmieniać się monotonicznie/porządkowo zmienne ciągłe, które przyjmują dowolne wartości z określonego przedziału zbioru liczb rzeczywistych; tworzą szeregi rosnące/malejące co wynika z tej charakterystyki?

44 Skale zmiennych nominalne takie, które mogą być mierzone jedynie w kategoriach zaklasyfikowania poszczególnych egzemplarzy do jednej z rozróżnialnych kategorii porządkowe takie, które pozwalają na rangowanie (ustawianie w określonym porządku) badanych elementów przedziałowe które pozwalają nie tylko szeregować (rangować) mierzone elementy lecz również mierzyć różnice wielkości pomiędzy nimi ilorazowe które są podobne do zmiennych przedziałowych, lecz charakteryzuje je ponadto istnienie punktu absolutnego zera skali

45 Pytania, zmienne i rodzaj analizy jakim analizom statystycznym poddajemy zmienne? interesują nas różnice/związki w aspekcie częstości zjawiska/procesu testy na liczebnościach: test chi 2, test dokładny Fishera interesują nas różnice/związki w aspekcie wartości parametru testy inferencyjne: testy inferencyjne: test t Studenta, test Manna- Whitneya, ANOVA...

46 Pomiary zmiennych precyzja jak dalece pomiary są powtarzalne w serii (powtarzalność) trafność jak dalece pomiar mierzy to co ma mierzyć (internal validity)

47 Precyzja (powtarzalność) jak oceniamy? porównując wartości pomiarów i sprawdzając ich powtarzalność w serii jakie ma znaczenie dla badania? zwiększa szanse wykrycia realnych różnic między grupami (moc statystyczną) jaka przyczyna braku? błędy losowe

48 Trafność (internal validity) jak oceniamy? porównując wartości pomiarów ze standardem/ uznanymi wartościami referencyjnymi jakie ma znaczenie dla badania? zwiększa wiarygodność wyników jaka przyczyna braku? jaka przyczyna braku? błędy systematyczne

49 Punkt końcowy - (critical) endpoint etap obserwacji lub epizod w badaniach klinicznych, na podstawie którego możemy zweryfikować korzystne lub niekorzystne działanie badanego czynnika przykłady punktów końcowych badania: zawał serca ustąpienie objawów choroby zgon zator naczyniowy istotna zmiana badanego parametru

50 Punkt końcowy jako kryterium dichotomizacji efektu badania punkty końcowe pierwszorzędowe - parametry kliniczne badania zawał serca ustąpienie objawów choroby zgon zator naczyniowy punkty końcowe drugorzędowe - parametry fizykochemiczne badania (surrogates) zmiana ciśnienia krwi wystąpienie załamka Q w EKG zmiana stężenia cholesterolu LDL

51 Populacja pacjentów populacja generalna ogólna zbiorowość, do której mają się odnosić wyniki badania, np. Europejczycy, Kaukazoidzi, itp. populacja docelowa zbiorowość, z której losujemy elementy do naszego badania i do której mają się odnosić jego wyniki, np. mieszkańcy Polski środkowej, jeśli badanie ma być przeprowadzone przez ośrodki badawcze w Polsce centralnej populacja źródłowa zbiorowość, z której losujemy elementy do naszego badania i która spełnia warunki badania, np. pacjenci z ChNS stosujący terapię przeciwpłytkową populacja zakwalifikowana do badań - dobrana populacja uczestnicząca w badaniach - badani

52 Literatura uzupełniająca Wiesław Jędrychowski Zasady planowania i prowadzenia badań naukowych w medycynie, Wyd. Uniwersytetu Jagiellońskiego, Kraków, 2004 Hulley, S.B., Cummings, S.R., Browner, W.S., Grady, D., Hearst, N., Newman, T.B. Designing Clinical Research. 2 nd ed. Lippincott Williams & Wilkins, Philadelphia, 2001, ss. vii-336 Andrzej Stanisz Przystępny kurs statystyki, tom 1 i 2, StatSoft, Kraków, 2006, 2007 Zar J. Biostatistical analysis. Simon & Schuster/A Viacom Company, Upper Saddle River, N.J., Prentice-Hall International, Inc., Watala C. Biostatystyka - wykorzystanie metod statystycznych w pracy badawczej w naukach biomedycznych. Bielsko-Biała: alfa- Medica Press, 2002

53 Testowanie hipotez statystycznych i błędy statystyczne

54 Błędy statystyczne błąd d statystyczny I rodzaju popełniamy popełniamy jeżeli eli odrzucamy hipotezę zerową, gdy jest ona prawdziwa błąd statystyczny II rodzaju popełniamy jeżeli eli nie odrzucamy hipotezy zerowej wtedy, gdy jest ona fałszywa

55 Kiedy popełniamy błędy statystyczne błąd statystyczny I rodzaju prawdopodobieństwo odrzucenia hipotezy zerowej, gdy jest ona prawdziwa błąd statystyczny II rodzaju prawdopodobieństwo przyjęcia hipotezy zerowej, gdy jest ona fałszywa

56 zasady wnioskowania statystycznego Hipoteza może e być odrzucona jedynie z określonym prawdopodobieństwem a nigdy z zupełną pewności cią Jeżeli eli nie mamy podstaw do zaprzeczenia hipotezy, to nie może e być ona odrzucona, ale nie oznacza to że e jest prawdziwa

57 hipotezy statystyczne testowanie typu RS i typu AS Reject-support (RS) testing odrzucenie H 0 potwierdza naszą teorię Accept-support (AS) testing przyjęcie H 0 potwierdza naszą teorię

58 testowanie hipotez statystycznych kompromis między wystarczająco wysoką mocą statystyczną a rozsądnie niską liczebnością próby w testowaniu typu RS nawet trywialne różnice między bardzo licznymi grupami wiodą do odrzucenia H 0, niezależnie od jej prawdziwości w testowaniu typu AS bardzo liczne grupy wiodą do tego samego, a zatem działają przeciwko teorii badacza

59 porównanie testowania RS i AS RS testing AS testing chcemy odrzucić H 0 chcemy przyjąć H 0 niski α niski β wysokie n korzystne wysokie n niekorzystne ważna wysoka moc testowania ważne niskie α

60 Literatura uzupełniająca Zar J. Biostatistical analysis. Simon & Schuster/A Viacom Company, Upper Saddle River, N.J., Prentice-Hall International, Inc., Hulley, S.B., Cummings, S.R., Browner, W.S., Grady, D., Hearst, N., Newman, T.B. Designing Clinical Research. 2 nd ed. Lippincott Williams & Wilkins, Philadelphia, 2001, ss. vii-336 Watala C. Sample size and significance somewhere between statistical power and judgment prostration. Arch Med Sci 2007; 3: Watala C. Biostatystyka - wykorzystanie metod statystycznych w pracy badawczej w naukach biomedycznych. Bielsko-Biała: alfa-medica Press, 2002.

61 Badania wtórne integrative research, secondary study meta-analizy przeglądy systematyczne analizy farmakoekonomiczne raporty oceny Technologii Medycznych (HTA, Health Technology Assessment)

62 Meta-analiza analiza Opracowanie oparte na danych klinicznych uzyskanych z pierwotnych badań klinicznych spełniających określone kryteria Badania kliniczne uzyskane dzięki pełnemu przeglądowi systematycznemu muszą zostać poddane ocenie wiarygodności, a następnie połączeniu ( agregacji ) danych klinicznych Celem meta-analizy jest zwiększenie precyzji i dokładności wyników dzięki połączeniu danych z kilku mniejszych badań pierwotnych

63 Meta-analiza analiza a przegląd systematyczny przegląd systematyczny - jakościowy przegląd wszystkich badań dotyczących tego samego pytania klinicznego (podobne punkty końcowe, badana populacja, interwencja), z użyciem odpowiednich metod zmniejszających błąd systematyczny; p.s. może obejmować metaanalizę metaanaliza - ilościowa synteza wyników wszystkich wiarygodnych badań dotyczących tego samego pytania klinicznego (podobne punkty końcowe lub oceniane zmienne, badana populacja, interwencja) za pomocą odpowiednich metod statystycznych; generuje standaryzowaną średnią różnic (SMD) lub ważoną średnią różnic (WMD)

64 Kryteria oceny meta-analiz analiz Czy pytanie kliniczne wystarczająco precyzyjnie określa pacjentów, interwencję i metody badania skuteczności interwencji? Czy selekcja badań oryginalnych była kompletna i zdeterminowana ich wiarygodnością? Jakie jest prawdopodobieństwo, że niektóre wiarygodne badania na interesujący nas temat zostały pominięte? Czy autorzy ocenili wiarygodność badań oryginalnych? Czy ocena badań oryginalnych była powtarzalna? Czy pozytywne skutki działania leku przewyższają jego działania uboczne?

65 Efektywność kliniczna badań jest wypadkową: skuteczności klinicznej - pozytywne skutki kliniczne zastosowanej procedury medycznej bezpieczeństwa stosowania terapii - potencjalnie negatywne skutki (działania niepożądane) zastosowanej procedury medycznej

66 Efektywność eksperymentalna efficacy wyniki kliniczne uzyskane w ściśle określonych wystandaryzowanych warunkach klinicznych, w badaniach randomizowanych odpowiada badaniu klinicznemu leków III fazy (badanie przedrejestracyjne) określenie efektywności eksperymentalnej jest celem randomizowanych badań klinicznych, w których porównuje się daną procedurę z placebo lub technologią referencyjną

67 Efektywność rzeczywista effectiveness wyniki kliniczne uzyskane w warunkach rzeczywistych (w codziennej praktyce klinicznej) odpowiada badaniu klinicznemu leków IV fazy (badanie porejestracyjne) badania efektywności rzeczywistej sprowadzają się przede wszystkim do zbierania danych na temat działań niepożądanych związanych ze stosowaniem określonej procedury

68 RANDOMIZACJA definicja: przypadkowy, losowy dobór badanych osób, obiektów, komórek

69 PRZYPADKOWOŚĆ (randomness( randomness) z definicji zakłada całkowity brak jakiejkolwiek schematyczności oraz możliwości przewidzenia wyniku chociaż rządzi się prawami teorii prawdopodobieństwa, w swojej definicji jest całkowitym zaprzeczeniem celów, jakie ta teoria sobie wyznacza

70 Prawdopodobieństwo a proporcja prawdopodobieństwo antycypowane a priori; może być obliczone jedynie dla przypadkowych sekwencji zdarzeń proporcja obliczana na podstawie obserwacji a posteriori ; może być obliczone zarówno dla przypadkowych jak i nieprzypadkowych sekwencji zdarzeń

71 RANDOMIZACJA Po co ją przeprowadzamy? w celu wyboru konkretnych osób/obiektów do badań w celu przyporządkowania badanych do odpowiedniej procedury diagnostycznej, doświadczalnej, leczniczej itp.

72 RANDOMIZACJA Po co ją przeprowadzamy? po to aby na podstawie zbadania wycinka dużej zbiorowości wypowiedzieć się obiektywnie i wiarygodnie na temat całej zbiorowości gwarancją takiej wiarygodności i obiektywności jest reprezentatywność próby badanej (jako wycinka ogólnej zbiorowości)

73 KORZYSĆI RANDOMIZACJI Pozwala na zminimalizowanie wpływu dwóch zagrożeń wiarygodności badania: obciążenie - bias wpływ zmiennych zakłócających - confounding variables (confounders)

74 OBCIĄŻENIE - bias definicja: Obciążenie jest rodzajem systematycznego błędu, który prowadzi do przekłamania wyniku testu lub zależności czynniki obciążenia mogą eliminować, zmniejszać lub wzmacniać rzeczywisty efekt

75 PRZYCZYNY OBCIĄŻENIA w badaniach populacyjnych dobór próby mieszkaniec Wąchocka może nie być dobrym przedstawicieli populacji Polski zbieranie informacji np. nieodpowiednio ułożone pytania kwestionariusza mogą prowadzić do różnych odpowiedzi; zdrowi ludzie częściej przemilczają spożycie alkoholu niż chorzy; błędna klasyfikacja przypadków do grup model badania follow-up ryzyko nieukończenia badania przez osoby chore jest większe niż w przypadku osób zdrowych

76 ZMIENNE ZAKŁÓCAJĄCE - confounders definicja: (w epidemiologii) cechy współwystępujące nie tylko z ekspozycją, ale także z badanym skutkiem zdrowotnym; nie mają udziału w analizowanym procesie patologicznym

77 ZMIENNA ZAKŁÓCAJĄCA - confounder jest dobrym predyktorem wystąpienia choroby nie jest rzeczywistym elementem zależności między działaniem czynnika (przyczyną) a wystąpieniem choroby (skutkiem) nierównomiernie rozmieszczona w każdej z porównywanych grup

78 RODZAJE RANDOMIZACJI prosta randomizacja simple randomization randomizacja ograniczona restricted randomization ma na celu uzyskanie zrównoważenia (dopasowania, matching) wielkości grup oraz ich charakterystyki

79 RANDOMIZACJA ORGANICZONA resticted randomization dokonuje się na drodze dwóch zasadniczych zabiegów: tworzenie bloków blocking tworzenie warstw stratification

80 Maskowanie próby - zaślepienie badań polega na ukryciu kodu alokacji procedury randomizacyjnej (a wiec przypisanej interwencji) przed: pacjentem - pojedyncza ślepa próba pacjentem oraz lekarzem prowadzącym badanie podwójnie ślepa próba pacjentem, lekarzem prowadzącym badanie oraz osobą zbierającą wyniki badań - potrójnie ślepa próba Maskowanie próby służy wyeliminowaniu tzw. "efektu placebo"

81 Placebo Procedura lub preparat bez istotnej wartości terapeutycznej Efekt placebo Korzystny skutek terapeutyczny uzyskiwany w sposób wykluczający wpływ substancji aktywnej na procesy metaboliczne lub fizjologiczne organizmu, np. poprawa samopoczucia zmniejszeniu objawów ocenianych subiektywnie (np. bólu) zmniejszeniu intensywności objawów choroby. Ma mechanizm psychologiczny lub psychosomatyczny.

82 Istotność statystyczna badania klinicznego Metody służące sprawdzeniu, czy różnica w wynikach klinicznych otrzymana po zakończeniu okresu obserwacji badania jest w rzeczywistości związana z działaniem badanej interwencji czy też jest dziełem przypadku prawdopodobieństwo (p) przedział ufności (CI)

83 Istotność kliniczna i statystyczna podobieństwa i różnice istotność statystyczna dotyczy wpływu czynnika losowego na wynik badania analiza statystyczna odnosi się do grupy obiektów, postępowanie kliniczne do indywidualnych pacjentów wnioskowanie statystyczne wymaga dostatecznej liczby obserwacji, decyzje lekarskie podejmowane są przy niewystarczającej liczbie danych są z natury probablistyczne, nie odnoszą się do konkretnych pacjentów analiza statystyczna wymaga wykonania pomiarów, postępowanie lekarskie opiera się często na doświadczeniu i wyczuciu (nie wszystko da się zmierzyć) pojęcia normy statystycznej i klinicznej nie są tożsame

84 Literatura uzupełniająca Stephen B. Hulley, Steven R, Cummings, Warren S. Browner, Deborah Grady, Norman Hearst, Thomas B. Newman. Designing Clinical Research. LWW, A Wolters Kluwer Co., Philadelphia, 2001 Thomas A. Lang, Michelle Secic. How to report statistics in medicine. Annotated Guidelines for Authors, Editors, and Reviewers. ACP, Philadelphia, 1997 Andrzej Stanisz Przystępny kurs statystyki, tom 1 i 2, StatSoft, Kraków, 2006, 2007

85 Literatura uzupełniająca James E. De Muth - Basic statistics and pharmaceutical statistical applications, New York, Marcel Dekker, 1999 Watala C. How to plan an experiment. I. Randomization: current fad or (ever)lasting fashion? Arch Med Sci 2006; 2: Watala C. Biostatystyka - wykorzystanie metod statystycznych w pracy badawczej w naukach biomedycznych. Bielsko-Biała: alfa-medica Press, 2002.

statystyka badania epidemiologiczne

statystyka badania epidemiologiczne statystyka badania epidemiologiczne Epidemiologia Epi = wśród Demos = lud Logos = nauka Epidemiologia to nauka zajmująca się badaniem rozprzestrzenienia i uwarunkowań chorób u ludzi, wykorzystująca tą

Bardziej szczegółowo

Metodologia poznania naukowego. Ochrona własności intelektualnej

Metodologia poznania naukowego. Ochrona własności intelektualnej Metodologia poznania naukowego. Ochrona własności intelektualnej Odpowiedzialny za przedmiot: prof. dr hab. Cezary Watała Rodzaje badań naukowych Zakład Zaburzeń Krzepnięcia Krwi KDL Uniwersytetu Medycznego

Bardziej szczegółowo

EBM w farmakoterapii

EBM w farmakoterapii EBM w farmakoterapii Dr Przemysław Niewiński Katedra i Zakład Farmakologii Klinicznej AM we Wrocławiu Katedra i Zakład Farmakologii Klinicznej AM Wrocław EBM Evidence Based Medicine (EBM) "praktyka medyczna

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie 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 szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ 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 szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja 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 szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. 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 szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

Metodologia badań psychologicznych

Metodologia badań psychologicznych Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka 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 szczegółowo

166 Wstęp do statystyki matematycznej

166 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 szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

BIOSTATYSTYKA KARTA PRZEDMIOTU. 1. Nazwa przedmiotu. 2. Numer kodowy COM03c. 3. Język, w którym prowadzone są zajęcia polski. 4. Typ kursu obowiązkowy

BIOSTATYSTYKA KARTA PRZEDMIOTU. 1. Nazwa przedmiotu. 2. Numer kodowy COM03c. 3. Język, w którym prowadzone są zajęcia polski. 4. Typ kursu obowiązkowy Projekt OPERACJA SUKCES unikatowy model kształcenia na Wydziale Lekarskim Uniwersytetu Medycznego w Łodzi odpowiedzią na potrzeby gospodarki opartej na wiedzy współfinansowany ze środków Europejskiego

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 3 Hipotezy statystyczne Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza

Bardziej szczegółowo

Testy nieparametryczne

Testy 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 szczegółowo

Wykład 10 Zrandomizowany plan blokowy

Wykład 10 Zrandomizowany plan blokowy Wykład 10 Zrandomizowany plan blokowy Staramy się kontrolować efekty zróżnicowania badanych jednostek eksperymentalnych poprzez zapewnienie ich ``jednorodności wewnątrz każdej grupy zabiegowej. Dzielimy

Bardziej szczegółowo

Warszawa, dnia 11 kwietnia 2012 r. Poz. 388 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 2 kwietnia 2012 r.

Warszawa, dnia 11 kwietnia 2012 r. Poz. 388 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 2 kwietnia 2012 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dnia 11 kwietnia 2012 r. Poz. 388 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 2 kwietnia 2012 r. w sprawie minimalnych wymagań, jakie muszą spełniać analizy

Bardziej szczegółowo

Analiza wariancji - ANOVA

Analiza wariancji - ANOVA Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu

Bardziej szczegółowo

Spis 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. 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 szczegółowo

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański

KARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka 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 szczegółowo

SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE

SLAJDY 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 szczegółowo

Pragmatyczne badania III fazy w procesie decyzyjnym projekt GET REAL. Mateusz Nikodem

Pragmatyczne badania III fazy w procesie decyzyjnym projekt GET REAL. Mateusz Nikodem Pragmatyczne badania III fazy w procesie decyzyjnym projekt GET REAL Mateusz Nikodem > WP 2 To provide different possible options of designs for preauthorization studies to assess Relative Effectiveness

Bardziej szczegółowo

Farmakoekonomika podstawy. Paweł Petryszyn Katedra i Zakład Farmakologii Klinicznej UM we Wrocławiu

Farmakoekonomika podstawy. Paweł Petryszyn Katedra i Zakład Farmakologii Klinicznej UM we Wrocławiu Farmakoekonomika podstawy Paweł Petryszyn Katedra i Zakład Farmakologii Klinicznej UM we Wrocławiu Dyrektywa przejrzystości z 1988 r. Obowiązek uzasadniania podjętych decyzji dotyczących cen i refundacji

Bardziej szczegółowo

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności

Wyniki 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 szczegółowo

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008 Redaktor: Alicja Zagrodzka Korekta: Krystyna Chludzińska Projekt okładki: Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008 ISBN 978-83-7383-296-1 Wydawnictwo Naukowe Scholar

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

WYKŁAD TRZECI: OCENA ZWIĄZK PRZYCZYNOWO-SKUTKOWYCH W EPIDEMIOLOGII

WYKŁAD TRZECI: OCENA ZWIĄZK PRZYCZYNOWO-SKUTKOWYCH W EPIDEMIOLOGII SUM - WLK 2011 WYKŁAD TRZECI: OCENA ZWIĄZK ZKÓW PRZYCZYNOWO-SKUTKOWYCH W EPIDEMIOLOGII Prof. dr hab. med. Jan E. Zejda! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE TREŚĆ WYKŁADU

Bardziej szczegółowo

Statystyka 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 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

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

STATYSTYKA 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 szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM 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 szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

Statystyka 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 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 szczegółowo

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0 Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy

Bardziej szczegółowo

Zapadalność (epidemiologia)

Zapadalność (epidemiologia) Chorobowość Chorobowość (ang. prevalence rate) liczba chorych w danej chwili na konkretną chorobę w określonej grupie mieszkańców (np. na 100 tys. mieszkańców). Współczynnik ten obejmuje zarówno osoby

Bardziej szczegółowo

WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA

WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA Psychologia poznawcza dr Mateusz Hohol METODA NAUKOWA (1) problem badawczy (2) hipoteza (4) analiza danych (3) eksperyment (5) wniosek: potwierzenie

Bardziej szczegółowo

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Wykład 4: Wnioskowanie statystyczne Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Idea wnioskowania statystycznego Celem analizy statystycznej nie jest zwykle tylko

Bardziej szczegółowo

Aneks II. Niniejsza Charakterystyka Produktu Leczniczego oraz ulotka dla pacjenta stanowią wynik procedury arbitrażowej.

Aneks II. Niniejsza Charakterystyka Produktu Leczniczego oraz ulotka dla pacjenta stanowią wynik procedury arbitrażowej. Aneks II Zmiany dotyczące odpowiednich punktów Charakterystyki Produktu Leczniczego oraz ulotki dla pacjenta przedstawione przez Europejską Agencję Leków (EMA) Niniejsza Charakterystyka Produktu Leczniczego

Bardziej szczegółowo

STATYSTYCZNE ASPEKTY PLANOWANIA I ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W MEDYCYNIE

STATYSTYCZNE ASPEKTY PLANOWANIA I ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W MEDYCYNIE STATYSTYCZNE ASPEKTY PLANOWANIA I ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W MEDYCYNIE Janusz Wątroba, StatSoft Polska Sp. z o.o. Chyba w żadnej innej dziedzinie badań empirycznych umiejętne zaplanowanie, przeprowadzenie

Bardziej szczegółowo

Przedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii

Przedmowa 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 szczegółowo

Szkice rozwiązań z R:

Szkice rozwiązań z R: Szkice rozwiązań z R: Zadanie 1. Założono doświadczenie farmakologiczne. Obserwowano przyrost wagi ciała (przyrost [gram]) przy zadanych dawkach trzech preparatów (dawka.a, dawka.b, dawka.c). Obiektami

Bardziej szczegółowo

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej

Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Przykład. Producent pewnych detali twierdzi, że wadliwość jego produkcji nie przekracza 2%. Odbiorca pewnej partii tego produktu chce sprawdzić, czy może wierzyć producentowi.

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów

STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów STATYSTYKA MATEMATYCZNA narzędzie do opracowywania i interpretacji wyników pomiarów Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Statystyka matematyczna - część matematyki

Bardziej szczegółowo

Trafność czyli określanie obszaru zastosowania testu

Trafność czyli określanie obszaru zastosowania testu Trafność czyli określanie obszaru zastosowania testu Trafność jest to dokładność z jaką test mierzy to, co ma mierzyć Trafność jest to stopień, w jakim test jest w stanie osiągnąć stawiane mu cele Trafność

Bardziej szczegółowo

Walidacja metod analitycznych Raport z walidacji

Walidacja metod analitycznych Raport z walidacji Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących

Bardziej szczegółowo

Badania marketingowe

Badania marketingowe Wiesz już co chcesz osiągnąć w badaniu marketingowym i jak to (idealnie) zorganizować. Ale jakimi metodami? Skąd pewność, że będą efektywne? Ćwiczenie: jaką metodą zbadasz co koledzy/koleżanki na sali

Bardziej szczegółowo

STANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI

STANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI STANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI 1. Ogólne dane o programie Nazwa własna Autorzy programu Organizacja/ instytucja odpowiedzialna

Bardziej szczegółowo

Wykład ze statystyki. Maciej Wolny

Wykład 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 szczegółowo

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis 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 szczegółowo

Importowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22

Importowanie 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 szczegółowo

Etyka finansowania leczenia chorób rzadkich onkologicznych

Etyka finansowania leczenia chorób rzadkich onkologicznych Etyka finansowania leczenia chorób rzadkich onkologicznych Piotr Fiedor VI Letnia Akademia Onkologiczna dla Dziennikarzy Opracowano na podstawie źródeł udostępnionych w systemie informacji publicznej 11.08.2016

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka 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 szczegółowo

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Statystyczna 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 szczegółowo

PRZYSTĘPNIE O STATYSTYCZNYM PODEJŚCIU DO TESTOWANIA HIPOTEZ BADAWCZYCH I SZACOWANIA LICZEBNOŚCI PRÓBY

PRZYSTĘPNIE O STATYSTYCZNYM PODEJŚCIU DO TESTOWANIA HIPOTEZ BADAWCZYCH I SZACOWANIA LICZEBNOŚCI PRÓBY PRZYSTĘPNIE O STATYSTYCZNYM PODEJŚCIU DO TESTOWANIA HIPOTEZ BADAWCZYCH I SZACOWANIA LICZEBNOŚCI PRÓBY Janusz Wątroba, StatSoft Polska Sp. z o.o. Potrzeba dobrego rozumienia statystycznego podejścia do

Bardziej szczegółowo

Uwaga! Test studenta dla pojedynczej próby, niekierunkowy. Wykład 9: Testy Studenta. Test Studenta dla jednej próby, kierunkowy

Uwaga! Test studenta dla pojedynczej próby, niekierunkowy. Wykład 9: Testy Studenta. Test Studenta dla jednej próby, kierunkowy Wykład 9: Testy Studenta Jest kilka typów testów Studenta. Mają podobną strukturę, ale służą do testowania różnych hipotez i różnią się nieco postacią statystyki testowej. Trzy podstawowe typy testów Studenta

Bardziej szczegółowo

Kierunek i poziom studiów: Biologia, poziom drugi Sylabus modułu: Metody statystyczne w naukach przyrodniczych

Kierunek 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 szczegółowo

Wydział Matematyki. Testy zgodności. Wykład 03

Wydział Matematyki. Testy zgodności. Wykład 03 Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy

Bardziej szczegółowo

KARTA PRZEDMIOTU / SYLABUS

KARTA PRZEDMIOTU / SYLABUS Załącznik nr 5b do Uchwały nr 21/2013 Senatu KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna

Bardziej szczegółowo

Badania marketingowe. - Konspekt wykładowy

Badania marketingowe. - Konspekt wykładowy Badania marketingowe - Konspekt wykładowy Badania marketingowe w logistyce Zakres materiału do egzaminu: 1. Wprowadzenie do przedmiotu - istota, przesłanki oraz użyteczność badań marketingowych 2. Informacja

Bardziej szczegółowo

Elementy statystyki STA - Wykład 5

Elementy statystyki STA - Wykład 5 STA - Wykład 5 Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 ANOVA 2 Model jednoczynnikowej analizy wariancji Na model jednoczynnikowej analizy wariancji możemy traktować jako uogólnienie

Bardziej szczegółowo

Badania sondażowe. Schematy losowania. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Schematy losowania. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badania sondażowe Schematy losowania Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa 1 Próba jako miniatura populacji CELOWA subiektywny dobór jednostek

Bardziej szczegółowo

PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II

PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść II Szkic wykładu 1 Wprowadzenie 2 3 4 5 Weryfikacja hipotez statystycznych Obok estymacji drugim działem wnioskowania statystycznego jest weryfikacja hipotez

Bardziej szczegółowo

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Aleksandra Jakubowska

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Aleksandra Jakubowska METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH Aleksandra Jakubowska Źródła błędów Źródło Zmiana w czasie Efekt procedury Efekt obserwatora Błąd losowy (zmienność generowana przez eksperymentatora) Co redukuje

Bardziej szczegółowo

Szanse i zagrożenia przygotowania RSS na podstawie raportu HTA

Szanse i zagrożenia przygotowania RSS na podstawie raportu HTA Szanse i zagrożenia przygotowania RSS na podstawie raportu HTA Co może być istotne w procesie tworzenia RSS? Magdalena Władysiuk Ustawa refundacyjna W krajach o średnim dochodzie RSSs są szansą na finansowanie

Bardziej szczegółowo

Adam 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 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 szczegółowo

METODY I TECHNIKI BADAŃ SPOŁECZNYCH

METODY I TECHNIKI BADAŃ SPOŁECZNYCH METODY I TECHNIKI BADAŃ SPOŁECZNYCH Schemat poznania naukowego TEORIE dedukcja PRZEWIDYWANIA Świat konstrukcji teoret Świat faktów empirycznych Budowanie teorii Sprawdzanie FAKTY FAKTY ETAPY PROCESU BADAWCZEGO

Bardziej szczegółowo

Podstawowe pojęcia statystyczne

Podstawowe pojęcia statystyczne Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk

Bardziej szczegółowo

SYLABUS. Nazwa przedmiotu/modułu. Farmakologia Kliniczna. Wydział Lekarski I. Nazwa kierunku studiów. Lekarski. Język przedmiotu

SYLABUS. Nazwa przedmiotu/modułu. Farmakologia Kliniczna. Wydział Lekarski I. Nazwa kierunku studiów. Lekarski. Język przedmiotu Nazwa przedmiotu/modułu Wydział Nazwa kierunku studiów Poziom kształcenia Forma studiów Język przedmiotu Wydział Lekarski I Lekarski Jednolite magisterskie stacjonarne polski SYLABUS Farmakologia Kliniczna

Bardziej szczegółowo

System monitorowania realizacji strategii rozwoju. Andrzej Sobczyk

System monitorowania realizacji strategii rozwoju. Andrzej Sobczyk System monitorowania realizacji strategii rozwoju Andrzej Sobczyk System monitorowania realizacji strategii rozwoju Proces systematycznego zbierania, analizowania publikowania wiarygodnych informacji,

Bardziej szczegółowo

BADANIA PASS ROLA CRO W PLANOWANIU I ZARZĄDZANIU

BADANIA PASS ROLA CRO W PLANOWANIU I ZARZĄDZANIU BADANIA PASS ROLA CRO W PLANOWANIU I ZARZĄDZANIU Agnieszka Almgren- Rachtan MD PhD BADANIEM Post- authorisajon safety study Porejestracyjne badanie farmakoepidemiologiczne lub próba kliniczna przeprowadzona

Bardziej szczegółowo

KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Zdrowie Publiczne ogólnoakademicki praktyczny inny jaki. Zakład Statystyki i Informatyki Medycznej

KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Zdrowie Publiczne ogólnoakademicki praktyczny inny jaki. Zakład Statystyki i Informatyki Medycznej Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi

Bardziej szczegółowo

Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk

Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk Badania marketingowe. Podstawy metodyczne Stanisław Kaczmarczyk Badania marketingowe stanowią jeden z najważniejszych elementów działań marketingowych w każdym przedsiębiorstwie. Dostarczają decydentom

Bardziej szczegółowo

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA 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 szczegółowo

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN

Bardziej szczegółowo

rozpowszechnienie (występowanie i rozmieszczenie chorób, inwalidztwa, zgonów oraz innych stanów związanych ze zdrowiem, w populacjach ludzkich),

rozpowszechnienie (występowanie i rozmieszczenie chorób, inwalidztwa, zgonów oraz innych stanów związanych ze zdrowiem, w populacjach ludzkich), EPIDEMIOLOGIA Określenie Epidemiologia pochodzi z języka greckiego: epi na demos lud logos słowo, nauka czyli, nauka badająca: rozpowszechnienie (występowanie i rozmieszczenie chorób, inwalidztwa, zgonów

Bardziej szczegółowo

Statystyka. #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/ / 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 szczegółowo

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH. 1.2.1. Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających

CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH. 1.2.1. Faza identyfikacji problemów decyzyjnych lub okoliczności sprzyjających Badania marketingowe. Podstawy metodyczne Autor: Stanisław Kaczmarczyk Wstęp CZĘŚĆ I. PRZYGOTOWANIE PROCESU BADAŃ MARKETINGOWYCH Rozdział 1. Badania marketingowe a zarządzanie 1.1. Rozwój praktyki i teorii

Bardziej szczegółowo

Rola i zadania AOTMiT w procesie refundacji leków Aneta Lipińska

Rola i zadania AOTMiT w procesie refundacji leków Aneta Lipińska Rola i zadania AOTMiT w procesie refundacji leków Aneta Lipińska Agencja Oceny Technologii Medycznych i Taryfikacji (AOTMiT) Słów kilka o HTA HTA nie jest: nauką o ochronie zdrowia nauką / analizą dot.

Bardziej szczegółowo

13. Interpretacja wyników testowych

13. Interpretacja wyników testowych 13. Interpretacja wyników testowych q testowanie a diagnozowanie psychologiczne q interpretacja wyników testu q interpretacja kliniczna a statystyczna q interpretacja ukierunkowana na kryteria lub normy

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie 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 szczegółowo

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE

Bardziej szczegółowo

Statystyka 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. 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 szczegółowo

Agencja Oceny Technologii Medycznych (AOTM) Agency for Health Technology Assessment (AOTM)

Agencja Oceny Technologii Medycznych (AOTM) Agency for Health Technology Assessment (AOTM) 9 FA R M AC J A W S P Ó Ł C Z E S N A 2011; 4: 9-13 Akademia Medycyny ARTYKUŁ POGLĄDOWY/REVIEW PAPER Otrzymano/Submitted: 16.03.2011 Zaakceptowano/Accepted: 18.03.2011 Agencja Oceny Technologii Medycznych

Bardziej szczegółowo

Karta (sylabus) modułu/przedmiotu Inżynieria Materiałowa Studia II stopnia Specjalność: Inżynieria Powierzchni

Karta (sylabus) modułu/przedmiotu Inżynieria Materiałowa Studia II stopnia Specjalność: Inżynieria Powierzchni Karta (sylabus) modułu/przedmiotu Inżynieria Materiałowa Studia II stopnia Specjalność: Inżynieria Powierzchni Przedmiot: Statystyczne Sterowanie Procesami Rodzaj przedmiotu: Obowiązkowy Kod przedmiotu:

Bardziej szczegółowo

Badania eksperymentalne

Badania eksperymentalne Badania eksperymentalne Pomiar na skali porządkowej mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com

PDF 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 szczegółowo

ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 listopada 2010 r.

ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 listopada 2010 r. Dziennik Ustaw Nr 222 15439 Poz. 1453 1453 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 listopada 2010 r. w sprawie wzorów wniosków przedkładanych w związku z badaniem klinicznym, wysokości opłat za złożenie

Bardziej szczegółowo

BIOSTATYSTYKA. Liczba godzin. Zakład Statystyki i Informatyki Medycznej

BIOSTATYSTYKA. Liczba godzin. Zakład Statystyki i Informatyki Medycznej Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi

Bardziej szczegółowo

Statystyka matematyczna Test χ 2. Wrocław, 18.03.2016r

Statystyka 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 szczegółowo

KARTA PRZEDMIOTU / SYLABUS

KARTA PRZEDMIOTU / SYLABUS Kierunek Profil kształcenia Nazwa jednostki realizującej moduł/przedmiot: Kontakt (tel./email): Osoba odpowiedzialna za przedmiot: Osoba(y) prowadząca(e) Przedmioty wprowadzające wraz z wymaganiami wstępnymi

Bardziej szczegółowo

dr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę.

dr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę. dr Dominik M. Marciniak Analizy statystyczne w pracach naukowych czego unikać, na co zwracać uwagę. Statistics in academic papers, what to avoid and what to focus on. Uniwersytet Medyczny im. Piastów Śląskich

Bardziej szczegółowo