WYKŁAD TRZECI: OCENA ZWIĄZK PRZYCZYNOWO-SKUTKOWYCH W EPIDEMIOLOGII
|
|
- Agata Czajkowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 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
2 TREŚĆ WYKŁADU Koncepcja związku przyczynowo-skutkowego Filary Dobrej Praktyki Epidemiologicznej - reprezentatywność badania - minimalna niezbędna liczebność próby - poprawność badania epidemiologicznego Koncepcja ryzyka i jego pomiar w badaniach epidemiologicznych - ocena zależności - ocena wpływu Kryteria oceny związku przyczynowo-skutkowego wg Hill a epi demos logos
3 TREŚĆ WYKŁADU Koncepcja związku przyczynowo-skutkowego Filary Dobrej Praktyki Epidemiologicznej - reprezentatywność badania - minimalna niezbędna liczebność próby - poprawność badania epidemiologicznego Koncepcja ryzyka i jego pomiar w badaniach epidemiologicznych - ocena zależności - ocena wpływu Kryteria oceny związku przyczynowo-skutkowego wg Hill a epi demos logos
4 OD WSPÓŁZMIENNOŚCI DO ZWIĄZKU PRZYCZYNOWO-SKUTKOWEGO Gdy w stosunku do określonego zjawiska zdrowotnego i określonych okoliczności temu zjawisku towarzyszących współzmienność ma charakter powtarzalnej prawidłowości, wówczas uzasadniona jest podejrzenie związku przyczynowo-skutkowego Definicja związku przyczynowo-skutkowego "takie współwystępowanie zdarzeń, w których zmiana ilości lub jakości jednego z nich powoduje odpowiednią zmianę ilościową lub jakościową drugiego zdarzenia, przy czym za przyczynę uważamy to zdarzenie lub takie warunki, które rozpoczynają lub wywołują wystąpienie określonego skutku".
5 KANONY MILLA ( ) W INTERPRETACJI WSPÓŁZMIENNOŚCI kanon jedynej zgodności, kanon jedynej różnicy, kanon zmian towarzyszących. Kanony Milla reprezentują stanowisko określane jako determinizm (pogląd zakładający, że każde zjawisko ma swoją przyczynę, a określona przyczyna pociąga za sobą określony skutek, taki sam lub prawie taki sam, gdy stałe są warunki, w których relacja ta ma miejsce)
6 POSTULATY HENLE-KOCH a DOWÓD NA RZECZ PATOGENNYCH WŁAŚCIWOŚCI ZARAZKA Dany zarazek powinien być stwierdzany w każdym przypadku danej choroby Dany zarazek nie może być stwierdzany w przypadku innych chorób Daną chorobę można wywołać przez doświadczalne zakażenie zwierzęcia hodowlą danego zarazka Dany zarazek musi dać się identyfikować w przypadku choroby wywołanej w warunkach doświadczalnych
7 WIELOCZYNNIKOWA ETIOLOGIA CHORÓB KONCEPCJA CZYNNIKA KONIECZNEGO I WYSTARCZAJĄCEGO Typ Związku Dla wystąpienia zjawiska Y obecność X: Jest konieczna Jest wystarczająca A + + B + - C - + D - -
8 MOŻLIWE INTERPRETACJE ZJAWISKA WSPÓŁZMIENNOŚCI związek może mieć charakter przypadkowy, wynikający z niereprezentatywnego charakteru badanej próby (taki związek nie występuje w rzeczywistości w populacji, z której pochodzi próba badana); związek może mieć charakter przypadkowy, wynikający z nieujawnionego wpływu innego, rzeczywistego czynnika ryzyka, od którego zależy nie tylko obecność zjawiska, ale także poziom czynnika mylnie przyjętego za czynnik ryzyka w przeprowadzonym badaniu; związek opisuje relację pomiędzy zjawiskiem a czynnikiem, który jest czynnikiem pośrednim, podczas gdy poprzedzający go rzeczywisty czynnik ryzyka pozostaje nieujawniony w przeprowadzonym badaniu epidemiologicznym; związek odzwierciedla wpływ interakcji czynnika ryzyka z innym czynnikiem, którego obecność i poziom warunkuje wystąpienie odpowiedzi biologicznej, nieobecnej gdy dodatkowy czynnik przyjmuje wartości inne niż występujące w trakcie zrealizowanego badania epidemiologicznego.
9 TREŚĆ WYKŁADU Koncepcja związku przyczynowo-skutkowego Filary Dobrej Praktyki Epidemiologicznej - reprezentatywność badania - minimalna niezbędna liczebność próby - poprawność badania epidemiologicznego Koncepcja ryzyka i jego pomiar w badaniach epidemiologicznych - ocena zależności - ocena wpływu Kryteria oceny związku przyczynowo-skutkowego wg Hill a epi demos logos
10 FILARY DOBREJ PRAKTYKI EPIDEMIOLOGICZNEJ REPREZENTATYWNOŚĆ BADANIA
11 PODOBIEŃSTWO rozkładu analizowanych cech w populacji i analizowanych cech w grupie Gdy próba jest reprezentatywna różnice mają charakter przypadkowy, związane z tzw. błędem próby ( błędem losowania) Reprezentatywność próby osiąga się losowym doborem badanych, co oznacza, że każdy badany ma jednakowe szanse (prawdopodobieństwo) zostania wylosowanym
12 PODSTAWOWE METODY DOBORU REPREZENTATYWNEJ PRÓBY Losowanie Proste Losowanie Systematyczne Losowanie Warstwowe Losowanie Zespołowe
13 PODSTAWOWE METODY DOBORU REPREZENTATYWNEJ PRÓBY Losowanie Proste wszyscy członkowie populacji ponumerowani, losowaniem kieruje przypadek
14 PODSTAWOWE METODY DOBORU REPREZENTATYWNEJ PRÓBY Losowanie Systematyczne wszyscy członkowie populacji ponumerowani, losowany jest co n-ty numer
15 PODSTAWOWE METODY DOBORU REPREZENTATYWNEJ PRÓBY Losowanie Warstwowe wszyscy członkowie populacji pogrupowani (np. grupa kobiet i grupa mężczyzn) i ponumerowani w grupach (warstwach), losowanie osobno w każdej grupie
16 PODSTAWOWE METODY DOBORU REPREZENTATYWNEJ PRÓBY Losowanie Zespołowe wszyscy członkowie populacji pogrupowani w systematyczny sposób (np. grupy studenckie na roku, klasy w szkole), zespoły ponumerowane, losowanie zespołów, zbadani wszyscy w wylosowanych zespołach
17 BADANIE ZJAWISKA W GRUPIE pars pro toto grupa badana, populacja źródłowa, populacja docelowa
18 FILARY DOBREJ PRAKTYKI EPIDEMIOLOGICZNEJ MINIMALNA NIEZBĘDNA LICZEBNOŚĆ PRÓBY
19 ZBADANIE 300 CHORYCH JEST BŁĘDEM W SZTUCE (ETYKA, KOSZT ) MINIMALNA NIEZBĘDNA LICZEBNOŚĆ PRÓBY Wielkość próby trzeba obliczyć przed rozpoczęciem badania! (kalkulatory dostępne w zasobach internetowych) PRZYKŁAD Jak duża musi być próba, aby poznać rzeczywistą częstość zaburzeń rytmu serca u leczonych przewlekle preparatem PANACEUM. ZAŁOŻENIA (AUTOR!) Częstość zaburzeń rytmu u leczonych podobnymi preparatami wynosi 35%, a badanie ma określić rzeczywistą częstość z dokładnością +/- 4% ODPOWIEDŹ Próba musi liczyć 350 badanych
20 FILARY DOBREJ PRAKTYKI EPIDEMIOLOGICZNEJ Reprezentatywna i odpowiednio duża próba to warunki koniecznie (chociaż niewystarczające) dla uzyskania wiarygodnych wyników w badaniach epidemiologicznych
21 POPRAWNOŚĆ BADANIA EPIDEMIOLOGICZNEGO DWA OBSZARY POPRAWNOŚCI BADANIA Poprawność wewnętrzna (wobec grupy badanej) Poprawność zewnętrzna (wobec populacji źródłowej, wobec populacji docelowej).. Poprawność wewnętrzna jest kształtowana przez obecność / brak błędów przypadkowych i systematycznych oraz ich nasilenie Poprawność zewnętrzna jest kształtowana przez poprawność wewnętrzną i na drodze wnioskowania naukowego umożliwia uogólnianie wyników (np. palenie tytoniu powoduje raka płuc )
22 TREŚĆ WYKŁADU Koncepcja związku przyczynowo-skutkowego Filary Dobrej Praktyki Epidemiologicznej - reprezentatywność badania - minimalna niezbędna liczebność próby - poprawność badania epidemiologicznego Koncepcja ryzyka i jego pomiar w badaniach epidemiologicznych - ocena zależności - ocena wpływu Kryteria oceny związku przyczynowo-skutkowego wg Hill a epi demos logos
23 OCENA RYZYKA STRATEGIA TABELI CZTEROPOLOWEJ Podział wszystkich ludzi objętych obserwacją ( badanych ): C+N+ lub C+N- lub C-N+ lub C-N- Choroba obecna Choroba nieobecna Narażenie obecne Narażenie nieobecne
24 STATYSTYCZNE MIARY RYZYKA miary zależności narażenie-choroba miary oddziaływań na populację Badanie epidemiologiczne dostarcza danych, statystyka analizuje dane
25 MIARY ZALEŻNOŚCI BEZWZGLĘDNE MIARY Różnica ryzyk Różnica współczynników Różnica częstości WZGLĘDNE MIARY Ryzyko względne Iloraz współczynników Iloraz częstości Iloraz szans
26 MIARY ZALEŻNOŚCI BEZWZGLĘDNE MIARY Różnica ryzyk Różnica współczynników Różnica częstości WZGLĘDNE MIARY Ryzyko względne Iloraz współczynników Iloraz częstości Iloraz szans
27 RÓŻNICA RYZYK Pięcioletnia obserwacja ( ) wykazała: 8 nowych przypadków astmy u 200 dzieci bez atopii (grupa E-); 18 nowych przypadków astmy u 255 atopowych dzieci (grupa E+). Ryzyko w grupie E- = 8/200 = 0.04 = 4% Ryzyko w grupie E+ = 18/225 = 0.08 = 8% Różnica ryzyk = ryzykoe+ ryzykoe- = 8% - 4% = 4% Uwaga: 4% pochodzi także z (82% - 76%), (30%-26%), (i.t.d.)
28 RÓŻNICA WSPÓŁCZYNNIKÓW Pięcioletnia obserwacja ( ) wykazała: 8 nowych przypadków astmy u 200 dzieci nieatopowych (grupa E-); 18 nowych przypadków astmy u 255 dzieci atopowych (grupa E+). Współczynniki wymagają standaryzacji mianownika (i czasu): Wsp. w E- w ciągu roku = {8/200}/5 = 0.04/5 =0.008 = 8 / 1000 Wsp. w E+ w ciągu roku = {18/225}/5 = 0.08/5 =0.016 =16 / 1000 Różnica współczynników = wspe+ wspe- = 8 / 1000 (8 dodatkowych przypadków astmy u 1000 dzieci pojawia się w związku z atopią)
29 RÓŻNICA CZĘSTOŚCI Źródło Danych Epidemiologiczne badanie przekrojowe Częstość przewlekłego kaszlu: - U dzieci miejskich: 18% - U dzieci wiejskich: 15% Różnica częstości = 18% - 15% = 4% 4% odzwierciedla obecność gradientu miasto-wieś
30 MIARY ZALEŻNOŚCI BEZWZGLĘDNE MIARY Różnica ryzyk Różnica współczynników Różnica częstości WZGLĘDNE MIARY Ryzyko względne Iloraz współczynników Iloraz częstości Iloraz szans
31 RYZYKO WZGLĘDNE ( RELATIVE RISK RR ) RW = zapadalność na daną chorobę w grupie E+ podzielona przez zapadalność na tę chorobę w grupie E- ( E- = zawsze mianownik) RW = 1: brak zależności RW > 1: dodatnia zależność RW < 1: ujemna zależność
32 RYZYKO WZGLĘDNE CD. Każda grupa Narażeni: E+ = A+B Nie-narażeni: E- = C+D posiada własne, bezwzględne ryzyko): CHOROBA Tak Nie NARAŻENIE Tak A B Nie C D Ryzyko Względne = A/(A+B) : C(C+D) [ 1 jako punkt odniesienia, E-!]
33 RYZYKO WZGLĘDNE CD. Zapadalność na astmę w dwóch grupach dzieci (każda posiada własne, bezwzględne ryzyko): E+ : narażeni na BPT (n = 100) E- : nie-narażeni na BPT (n = 100) ASTMA Tak Nie BPT Tak 6 94 Nie 4 96 Ryzyko Względne = (6/100) : (4/100) = 1,5 [ 1 jako punkt odniesienia, E-!]
34 OBLICZENIE RYZYKA WZGLĘDNEGO OSZACOWANIE Co by było, gdyby do badania zostały wylosowane inne rodziny? Co by było, gdyby wylosowano inne liczby badanych? CHOROBA Tak Nie NARAŻENIE Tak A B Nie C D
35 KTÓRA WARTOŚĆ RYZYKA WZGLĘDNEGO JEST PRAWDZIWA? 1,3 czy 1,4 czy, 1,5 czy 1,7 Odpowiedź: każda (różnice mają charakter przypadkowy) RR = 1,5; 95%PU: 1,4 1,6 Kariera 95% przedziału ufności (95% confidence interval)
36 UWAGA Ryzyko Względne w czystej postaci odzwierciedla zróżnicowanie zapadalności Dane dla obliczenia RW pochodzą z badania kohortowego W nieortodoksyjnych rozważaniach źródłem danych bywa badanie przekrojowe
37 ILORAZ WSPÓŁCZYNNIKÓW, ILORAZ CZĘSTOŚCI Iloraz Współczynników Współczynnik w E+/Współczynnik w E- Iloraz Częstości Częstość w E+ / Częstość w E-
38 ILORAZ SZANS ( ODDS RATIO OR ) Względna miara zależności zarezerwowana dla epidemiologicznych badań typu kliniczno-kontrolnego
39 ILORAZ SZANS MIARA RYZYKA W B. KLINICZNO- REFERENCYJNCH W badaniach kliniczno-referencyjnych miarą ryzyka jest iloraz szans ILORAZ SZANS = UDZIAŁ NARAŻENIA chorzy / UDZIAŁ NARAŻENIA zdrowi Choroba + - Narażenie + a b a + b - c d c + d a + c b + d a + b + c + d ILORAZ SZANS = (a / c) / (b / d) = ad / bc W przypadku ilorazu szans wniosek odnośnie ryzyka nie wynika z porównań zapadalności (badanie kliniczno-referencyjne nie mierzy zapadalności)
40 MIARY ODDZIAŁYWAŃ NA POPULACJĘ
41 MIARY ODDZIAŁYWAŃ FRAKCJA PRZYPISANA W POPULACJI AF P (jaka frakcja odsetek wszystkich przypadków danej choroby w całej populacji zależy od narażenia na badany czynnik szkodliwy? tu: astma i BPT) FRAKCJA PRZYPISANA U CHORYCH AF E (w jakim stopniu obecność choroby u chorego jest związana z narażeniem tego chorego na badany czynnik szkodliwy? tu: astma i BPT)
42 AF P Populacyjne ryzyko przypisane (population attributable risk percent PAR%) Zapadalność na astmę u wszystkich dzieci = 4,5/100 (R all ) Zapadalność na astmę u dzieci bez narażenia na BPT = 4,0/100 (R E- ) AF P = [R all R E- ] / R all AF p = [(4,5/100) (4/100)] / (4,5/100) = = 0,11 = 11% 11% wszystkich nowych zachorowań na astmę w populacji dzieci można przypisać narażeniu tej populacji na BPT
43 MIARY ODDZIAŁYWAŃ FRAKCJA PRZYPISANA W POPULACJI AF P (jaka frakcja odsetek wszystkich przypadków danej choroby w całej populacji zależy od narażenia na badany czynnik szkodliwy? tu: astma i BPT) FRAKCJA PRZYPISANA U CHORYCH AF E (w jakim stopniu obecność choroby u chorego jest związana z narażeniem tego chorego na badany czynnik szkodliwy? tu: astma i BPT)
44 AF E Ryzyko przypisane u narażonych (attributable risk percent in the exposed AR%exposed) Zapadalność (lub częstość) w grupie narażonych (E+) Zapadalność (lub częstość) w grupie nienarażonych (E-) AF E = [Ryzyko E+ Ryzyko E- ] / Ryzyko E+
45 AF E cd. ASTMA A BPT Zapadalność w grupie E+ : 6 / 100 = 0,06 Zapadalność w grupie E- : 4 / 100 = 0,04 AF E = (0,06-0,04) / 0,06 = 0,33 = 33% W wieloczynnikowej etiologii astmy narażenie na BPT jest w 30% odpowiedzialne za pojawienie się tej choroby
46 TREŚĆ WYKŁADU Koncepcja związku przyczynowo-skutkowego Filary Dobrej Praktyki Epidemiologicznej - reprezentatywność badania - minimalna niezbędna liczebność próby - poprawność badania epidemiologicznego Koncepcja ryzyka i jego pomiar w badaniach epidemiologicznych - ocena zależności - ocena wpływu Kryteria oceny związku przyczynowo-skutkowego wg Hill a epi demos logos
47 KRYTERIA HILL A (Sir Austin Bradford Hill) Kryteria oceny związków przyczynowo-skutkowych, przydatne w interpretacji wyników obserwacyjnych badań analitycznych Siła związku Powtarzalność związku w różnych badaniach Swoistość związku Następstwo czasowe Obecność zależności "narażenie - odpowiedź biologiczna" Biologiczne prawdopodobieństwo związku Zgodność z dotychczasowym stanem wiedzy Obecność dowodów eksperymentalnych Obecność analogii
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 szczegółowoBadania obserwacyjne 1
Badania obserwacyjne 1 Chorobowość Chorobowość (ang. prevalence rate) liczba chorych w danej chwili na konkretną chorobę w określonej grupie mieszkańców (np. na 100 tys. mieszkańców). Współczynnik ten
Bardziej szczegółowoZapadalność (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 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 szczegółowoWYKŁAD DRUGI: TYPY BADAŃ EPIDEMIOLOGICZNYCH
SUM - WLK 2011 WYKŁAD DRUGI: TYPY BADAŃ EPIDEMIOLOGICZNYCH Prof. dr hab. med. Jan E. Zejda! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE TREŚĆ WYKŁADU Badania epidemiologiczne
Bardziej szczegółowoDr hab. n. med. Grzegorz Brożek. Interpretacja wyników badań cz1. BADANIA ANALITYCZNE założenia
Dr hab. n. med. Grzegorz Brożek Interpretacja wyników badań cz1. BADANIA ANALITYCZNE założenia Badania epidemiologiczne dostarczają informacji: Jak często występuje dany stan zdrowotny w populacji (kto,
Bardziej szczegółowoPodstawy epidemiologii
Podstawy epidemiologii Epidemiologia - Epi = na Demos = lud Logos = nauka Epidemiologia to nauka zajmująca się badaniem rozprzestrzeniania i uwarunkowań chorób u ludzi, wykorzystująca tę wiedzę do ograniczenia
Bardziej szczegółowoWYKŁAD PIERWSZY: PODSTAWY EPIDEMIOLOGII (A)
SUM - WLK 2013 WYKŁAD PIERWSZY: PODSTAWY EPIDEMIOLOGII (A) Prof. dr hab. med. Jan E. Zejda POLSKI STANDARD KSZTAŁCENIA HIGIENA I EPIDEMIOLOGIA Uwarunkowania stanu zdrowia. Znaczenie chorobotwórcze czynników
Bardziej szczegółowoEwaluacja w polityce społecznej
Ewaluacja w polityce społecznej Dane i badania w kontekście ewaluacji metody ilościowe Dr hab. Ryszard Szarfenberg Instytut Polityki Społecznej UW rszarf.ips.uw.edu.pl/ewalps/dzienne/ Rok akademicki 2017/2018
Bardziej szczegółowoDOBÓR PRÓBY. Czyli kogo badać?
DOBÓR PRÓBY Czyli kogo badać? DZISIAJ METODĄ PRACY Z TEKSTEM I INNYMI Po co dobieramy próbę? Czym różni się próba od populacji? Na czym polega reprezentatywność statystyczna? Podstawowe zasady doboru próby
Bardziej szczegółowoBadania epidemiologiczne - blaski i cienie Epidemiological research - the bad with the good
Badania epidemiologiczne - blaski i cienie Epidemiological research - the bad with the good Dr Andrzej Szpakow Kierownik katedry Medycyny Sportowej i Rehabilitacji Uniwersytet Państwowy im. Janki Kupały
Bardziej szczegółowozbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne)
STATYSTYKA zbieranie porządkowanie i prezentacja (tabele, wykresy) analiza interpretacja (wnioskowanie statystyczne) DANYCH STATYSTYKA MATEMATYCZNA analiza i interpretacja danych przy wykorzystaniu metod
Bardziej szczegółowoNIEZALEŻNOŚĆ i ZALEŻNOŚĆ między cechami Test chi-kwadrat, OR, RR
NIEZALEŻNOŚĆ i ZALEŻNOŚĆ między cechami Test chi-kwadrat, OR, RR M Zalewska Zakład Profilaktyki ZagrożeńŚrodowiskowych i Alergologii Analiza niezależności zmiennych jakościowych (test niezależności Chi-kwadrat)
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółoworozpowszechnienie (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 szczegółowoMetody doboru próby do badań. Dr Kalina Grzesiuk
Metody doboru próby do badań Dr Kalina Grzesiuk Proces doboru próby 1. Ustalenie populacji badanej 2. Ustalenie wykazu populacji badanej 3. Ustalenie liczebności próby 4. Wybór metody doboru próby do badań
Bardziej szczegółowoModel EWD dla II etapu edukacyjnego.
Model EWD dla II etapu edukacyjnego. Na podstawie materiałów Pracowni EWD Instytut Badań Edukacyjnych Warszawa, 28-29.11.2014 r. Plan zajęć /moduł 9. i 10./ 1. Idea EWD 2. Model EWD dla II etapu 3. Prezentacja
Bardziej szczegółowoPOJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.
[1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej
Bardziej szczegółowoZad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Bardziej szczegółowoOpis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA
Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów
Bardziej szczegółowoZagadnienia: wprowadzenie podstawowe pojęcia. Doświadczalnictwo. Anna Rajfura
Zagadnienia: wprowadzenie podstawowe pojęcia Doświadczalnictwo 1 Termin doświadczalnictwo Doświadczalnictwo planowanie doświadczeń oraz analiza danych doświadczalnych z użyciem metod statystycznych. Doświadczalnictwo
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 szczegółowoRodzaje badań klinicznych. Zespół EBM Klinika Pediatrii Warszawski Uniwersytet Medyczny
Rodzaje badań klinicznych Zespół EBM Klinika Pediatrii Warszawski Uniwersytet Medyczny Dwie fundamentalne zasady EBM Zasada 1 Dane z badań naukowych nie wystarczają do podejmowania decyzji klinicznych
Bardziej szczegółowoStatystyki: 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 szczegółowoMETODY 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 szczegółowoDOBÓR PRÓBY. Czyli kogo badać?
DOBÓR PRÓBY Czyli kogo badać? DZISIAJ METODĄ PRACY Z TEKSTEM I INNYMI Po co dobieramy próbę? Czym róŝni się próba od populacji? Na czym polega reprezentatywność statystyczna? Podstawowe zasady doboru próby
Bardziej szczegółowoMETODY 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 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 szczegółowoWYKŁAD 5 TEORIA ESTYMACJI II
WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak
Bardziej szczegółowoWielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6
Zad. 1. Zbadano wydajność odmiany pomidorów na 100 poletkach doświadczalnych. W wyniku przeliczeń otrzymano przeciętną wydajność na w tonach na hektar x=30 i s 2 x =7. Przyjmując, że rozkład plonów pomidora
Bardziej szczegółowoZałożenia: wyniki są binarne próby są niezależne liczba prób n ustalona przed pomiarem to samo prawdopodobieństwo sukcesu we wszystkich próbach
Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie Test dwumianowy χ 2 test dobroci dopasowania Analiza tabeli kontygencji ( tabeli krzyżywej) P k sukcesów = n k pk (1 p) n k Założenia:
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 szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata
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 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 szczegółowoKontekstowe wskaźniki efektywności nauczania - warsztaty
Kontekstowe wskaźniki efektywności nauczania - warsztaty Przygotowała: Aleksandra Jasińska (a.jasinska@ibe.edu.pl) wykorzystując materiały Zespołu EWD Czy dobrze uczymy? Metody oceny efektywności nauczania
Bardziej szczegółowoStatystyczne Metody Opracowania Wyników Pomiarów
Statystyczne Metody Opracowania Wyników Pomiarów dla studentów Ochrony Środowiska Teresa Jaworska-Gołąb 2017/18 Co czytać [1] H. Szydłowski, Pracownia fizyczna, PWN, Warszawa 1999. [2] A. Zięba, Analiza
Bardziej szczegółowoZadanie 3. Temat 1. Zbieranie danych, obliczanie współczynników wielorakich dla raka płuca; określenie rejonów endemii
Zadanie 3. Temat 1. Zbieranie danych, obliczanie współczynników wielorakich dla raka płuca; określenie rejonów endemii Prof. dr hab. n. med. B. Zemła Centrum Onkologii Instytut im. M. Skłodowskiej-Curie
Bardziej szczegółowoStatystyki: 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 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 szczegółowoWpływ zanieczyszczeń powietrza na zdrowie. Dr hab. n. med. Renata Złotkowska Instytut Medycyny Pracy i Zdrowia Środowiskowego w Sosnowcu
Wpływ zanieczyszczeń powietrza na zdrowie. Dr hab. n. med. Renata Złotkowska Instytut Medycyny Pracy i Zdrowia Środowiskowego w Sosnowcu Czy zanieczyszczenie powietrza jest szkodliwe dla zdrowia i dlaczego?
Bardziej szczegółowoPorównanie dwóch rozkładów normalnych
Porównanie dwóch rozkładów normalnych Założenia: 1. X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2) 2. X 1, X 2 są niezależne Ocena µ 1 µ 2 oraz σ 2 1/σ 2 2. Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 X 1, varx 1,
Bardziej szczegółowoTeoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej
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 szczegółowoWYKŁAD 3 Agnieszka Zembroń-Łacny, Anna Kasperska
WYKŁAD 3 Agnieszka Zembroń-Łacny, Anna Kasperska Narodowego Programu Zdrowia na lata 2007-2015: zjednoczenie wysiłków społeczeństwa i administracji publicznej prowadzące do zmniejszenia nierówności i poprawy
Bardziej szczegółowoStatystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33
Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,
Bardziej szczegółowoBadania 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 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 szczegółowoSzkice 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 szczegółowo10/15/2016. Reguła. Czułość PV(+) Bayesa. Swoistość PV(-)
A=symptom B= choroba Czułość Swoistość A ~ A ~ Reguła Bayesa ~ B ~ A) PV(+) PV(-) 1 / 2016_10_13 PV ( ) A PV ( ) A A ~ ~ sensitivity * PV ( ) sensitivity * (1 specificity)(1- ) specificity *(1- ) specificity
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 szczegółowoWykład 2: Tworzenie danych
Wykład 2: Tworzenie danych Plan: Statystyka opisowa a wnioskowanie statystyczne Badania obserwacyjne a eksperyment Planowanie eksperymentu, randomizacja Próbkowanie z populacji Rozkłady próbkowe Wstępna/opisowa
Bardziej szczegółowoAnalizy wieloczynnikowe i metaanalizy realna wiedza czy szum informacyjny?
Analizy wieloczynnikowe i metaanalizy realna wiedza czy szum informacyjny? Wojciech Saucha Śląskie Centrum Chorób Serca w Zabrzu Oświadczenie autora prezentacji Nie jestem statystykiem! Jestem lekarzem.
Bardziej szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Bardziej szczegółowoWalidacja 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 szczegółowoElementy 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 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 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 szczegółowoKARTA 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 szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
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 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 szczegółowoEPIDEMIOLOGIA ANALITYCZNA. Dr Bogumiła Braczkowska Katedra i Zakład Epidemiologii ŚUM Katowice 2011
EPIDEMIOLOGIA ANALITYCZNA Dr Bogumiła Braczkowska Katedra i Zakład Epidemiologii ŚUM Katowice 2011 Plan ćwiczeń 1. Badanie naukowe etapy 2. Epidemiologia analityczna zakres badań 3. Typy badań epidemiologicznych
Bardziej szczegółowoDefinicja testu psychologicznego
Definicja testu psychologicznego Badanie testowe to taka sytuacja, w której osoba badana uczestniczy dobrowolnie, świadoma celu jakim jest jej ocena. Jest to sytuacja tworzona specjalnie dla celów diagnostycznych,
Bardziej szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowoANALIZA PROFILU METABOLICZNEGO PACJENTÓW Z PRZEWLEKŁĄ NIEWYDOLNOŚCIĄ SERCA I WSPÓŁISTNIEJĄCYM MIGOTANIEM PRZEDSIONKÓW
ANALIZA PROFILU METABOLICZNEGO PACJENTÓW Z PRZEWLEKŁĄ NIEWYDOLNOŚCIĄ SERCA I WSPÓŁISTNIEJĄCYM MIGOTANIEM PRZEDSIONKÓW Rozprawa doktorska Autor: lek. Marcin Wełnicki Promotor: prof. dr hab. n. med Artur
Bardziej szczegółowoWykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu
Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)
Bardziej szczegółowoStatystyka 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 szczegółowoANNEX ZAŁĄCZNIK ROZPORZĄDZENIA DELEGOWANEGO KOMISJI
KOMISJA EUROPEJSKA Bruksela, dnia 16.5.2018 C(2018) 2857 final ANNEX ZAŁĄCZNIK do ROZPORZĄDZENIA DELEGOWANEGO KOMISJI zmieniającego rozporządzenie delegowane Komisji Europejskiej (UE) Nr 1042/2014 z dnia
Bardziej szczegółowoWykład 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 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 szczegółowoPodstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii 2007 Paweł Korecki 2013 Andrzej Kapanowski Po co jest Pracownia Fizyczna? 1. Obserwacja zjawisk i
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 szczegółowoTrafność 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 szczegółowoUogólniony model liniowy
Uogólniony model liniowy Ogólny model liniowy y = Xb + e Każda obserwacja ma rozkład normalny Każda obserwacja ma tą samą wariancję Dane nienormalne Rozkład binomialny np. liczba chorych krów w stadzie
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 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 9 Wnioskowanie o średnich
Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i
Bardziej szczegółowoRecenzenci: 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 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 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 szczegółowo1 Weryfikacja hipotez statystycznych
Spis treści Spis treści 1 Weryfikacja hipotez statystycznych 1 1.1 Pojęcia................................ 1 2 Porównania z normami 3 2.1 Wstęp................................ 3 2.2 Porównanie z normami:
Bardziej szczegółowoSzkolenie Statystyka w medycynie
Szkolenie Statystyka w medycynie program i cennik Łukasz Deryło Analizy statystyczne, szkolenia www.statystyka.c0.pl Szkolenie Statystyka w medycynie Co obejmuje? Szkolenie obejmuje metody statystyczne
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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. 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 szczegółowoMetody statystyczne.
#1 gkrol@wz.uw.edu.pl 1 Podsumowanie Sprawy formalne Statystyka i statystyka Badania korelacyjne Badania eksperymentalne Por. badań eksperymentalnych i korelacyjnych Przykłady badań Zarzuty pod adresem
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 szczegółowoAnaliza danych ilościowych i jakościowych
Wydział Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego 8 kwietnia 2010 Plan prezentacji 1 Zbiory danych do analiz 2 3 4 5 6 Implementacja w R Badanie depresji Depression trial data Porównanie
Bardziej szczegółowoIV WYKŁAD STATYSTYKA. 26/03/2014 B8 sala 0.10B Godz. 15:15
IV WYKŁAD STATYSTYKA 26/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 4 Populacja generalna, próba, losowanie próby, estymatory Statystyka (populacja generalna, populacja próbna, próbka mała, próbka duża, reprezentatywność,
Bardziej szczegółowoMIARY OCENY RYZYKA. zatem
MIARY OCENY RYZYKA Samą wartość statystyki 2 i powiązaną z nią wartość p nie możemy przyjąć, jako miarę siły powiązania i wielkości efektu, zależy ona bowiem od liczebności próby N. Im większe N tym większa
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 szczegółowoMETODY 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 szczegółowoSPIS TREŚCI CZĘŚĆ I : PRZEZNACZENIE, PROCES I PODSTAWY METODOLOGICZNE BADAŃ MARKETINGOWYCH...17
SPIS TREŚCI WSTĘP..13 CZĘŚĆ I : PRZEZNACZENIE, PROCES I PODSTAWY METODOLOGICZNE BADAŃ MARKETINGOWYCH...17 1. TREŚĆ, PRZEZNACZENIE I PROCES BADAŃ MARKETINGOWYCH....19 1.1. Dlaczego badania marketingowe
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38
Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoAnaliza statystyczna w naukach przyrodniczych
Analiza statystyczna w naukach przyrodniczych Po co statystyka? Człowiek otoczony jest różnymi zjawiskami i próbuje je poznać, dowiedzieć się w jaki sposób funkcjonują, jakie relacje między nimi zachodzą.
Bardziej szczegółowoPsychometria. norma (wg Słownika Języka Polskiego) NORMY. Co testy mówią nam o właściwościach osób badanych?
NORMY Psychometria Co testy mówią nam o właściwościach osób badanych? A. Normalizacja wyników testu. ZE WZGLĘDU NA SPOSÓB DEFINIOWANIA GRUP ODNIESIENIA normy ogólnokrajowe normy lokalne ZE WZGLĘDU NA SPOSÓB
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Bardziej szczegółowoŹródła i zasady zbierania danych o stanie zdrowia populacji
Źródła i zasady zbierania danych o stanie zdrowia populacji Źródła informacji, którymi dysponuje epidemiologia dzielimy na: pierwotne (bezpośrednie) wtórne (pośrednie) Za pierwotne źródła informacji uznaje
Bardziej szczegółowoJAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE
JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE 1 Dokładność i poprawność Dr hab. inż. Piotr KONIECZKA Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska ul. G. Narutowicza 11/12 80-233 GDAŃSK e-mail:
Bardziej szczegółowo