Testování závislosti kvalitativních znaků

Slides:



Advertisements
Podobné prezentace
Testování statistických hypotéz
Advertisements

Statistika.
Statistické testy z náhodného výběru vyvozuji závěry ohledně základního souboru často potřebuji porovnat dva výběry mezi sebou, porovnat průměr náhodného.
Statistická indukce Teorie odhadu.
Obchodní akademie a Střední odborná škola, gen. F. Fajtla, Louny, p.o.
Základní škola a Mateřská škola, Šumná, okres Znojmo OP VK 1
Statistické metody pro testování asociace genů a nemocí
kvantitativních znaků
Nauka o podniku Seminář 6..
TEORIE ROZHODOVÁNÍ A TEORIE HER
Složené úrokování.
Vybraná rozdělení diskrétní náhodné veličiny
Testování parametrických hypotéz
Rozhodovací matice.
Testování neparametrických hypotéz
Degradační procesy Magnetické vlastnosti materiálů přehled č.1
A5M33IZS – Informační a znalostní systémy Testování modelů.
Testování statistických hypotéz
NORMOVANÉ NORMÁLNÍ ROZDĚLENÍ
Odhady parametrů základního souboru
Cvičení 6 – 25. října 2010 Heteroskedasticita
„EU peníze středním školám“
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Kdo chce být milionářem ?
Téma: SČÍTÁNÍ A ODČÍTÁNÍ CELÝCH ČÍSEL 2
Desetinný zlomek Helena Půlkrábková.
Násobení a dělení čísel 10, 100 a jejich násobků
ZVÍŘATA AUSTRÁLIE (2) - PROCVIČUJEME SČÍTÁNÍ A ODČÍTÁNÍ DO 100
VY_32_INOVACE_ 14_ sčítání a odčítání do 100 (SADA ČÍSLO 5)
Regresní analýza a korelační analýza
Zábavná matematika.
Mapa zájmu - plány.
Testování hypotéz (ordinální data)
Testování hypotéz přednáška.
Čtení myšlenek Je to až neuvěřitelné, ale skutečně je to tak. Dokážu číst myšlenky.Pokud mne chceš vyzkoušet – prosím.
Únorové počítání.
25. října 2004Statistika (D360P03Z) 4. předn.1 Statistika (D360P03Z) akademický rok 2004/2005 doc. RNDr. Karel Zvára, CSc. KPMS MFF UK
Číselné charakteristiky NV
Princip testování hypotéz, c2 testy.
Náhodná proměnná Rozdělení.
Náhoda, generátory náhodných čísel
Testování hypotéz vymezení důležitých pojmů
Hmotnostní zlomek převáděný na %
Odhady parametrů základního souboru
Testování obalu přednáška.
Odhady parametrů základního souboru. A) GNR B) neznámé r. ZS (přesné parametry) : ,   VS (odhady parametrů): x, s x.
MÍRY ZÁVISLOSTI Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS UK.
Pravděpodobnost a genetická prognóza
Ringier ČR - Výzkumné oddělení
* Procenta kolem nás Matematika – 7. ročník *
Testy významnosti Karel Mach. Princip (podstata): Potvrzení H O Vyvrácení H O →přijmutí H 1 (H A ) Ptáme se:  1.) Pochází zkoumaný výběr (jeho x, s 2.
Test dobré shody Fisherův přesný test McNemar test
Pohled z ptačí perspektivy
Fitování Konstrukce křivky (funkce), která co nejlépe odpovídá naměřeným hodnotám. - může podléhat dodatečným podmínkám Lineární vs. nelineární regrese.
8. Kontingenční tabulky a χ2 test
Biostatistika 8. přednáška
Aplikovaná statistika 2. Veronika Svobodová
Testování hypotéz Testování hypotéz o rozdílu průměrů  t-test pro nezávislé výběry  t-test pro závislé výběry.
Ústav lékařské informatiky, 2. LF UK 2008 STATISTIKA II.
Dvojrozměrné (vícerozměrné) statistické soubory Karel Mach.
Jednovýběrový a párový t - test
INDUKTIVNÍ STATISTIKA
Test dobré shody Fisherův přesný test McNemar test
- váhy jednotlivých studií
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Neparametrické testy pro porovnání polohy
7. Kontingenční tabulky a χ2 test
Testování hypotéz - pojmy
NOMINÁLNÍ VELIČINY Odhad hodnoty pravděpodobnosti určitého jevu v základním souboru Test hodnoty pravděpodobnosti určitého jevu v základním souboru Srovnání.
Transkript prezentace:

Testování závislosti kvalitativních znaků Doc. Ing. Karel Mach, Csc.

Statistický soubor rozdělen podle dvou alternativních kvalitativních znaků; dvou alternativ jednoho kvalit.znaku Příklad: Soubor o „n“… pozorování je vystaven určitému riziku onemocnění část jedinců preventivně připravena část jedinců bez tohoto opatření

U každého případu (jedince) … sledujeme dva faktory: 1 znak: ošetřen neošetřen 2 znak: onemocněl neonemocněl

Podle výsledku mohou vzniknout následující kombinace a) ošetřen – onemocněl b) ošetřen – neonemocněl c) neošetřen – onemocněl d) neošetřen - neonemocněl

A)Pomocí Χ² - testu Zjistíme účinnost ošetření, nebo-li zjistíme statistickou závislost mezi ošetřením a onemocněním (resp. neonemocněním) Ho … ošetření (např. očkování) nemá vliv na vznik onemocnění Χ² ≤ Χ² tab. … Ho se přijímá Χ² > Χ² tab. … Ho se zamítá (na zvolené hladině významnosti) Stupeň volnosti: 1 ; n – 1; n=2

B)Pomocí (korelačního) koeficientu „V“ Vyjádříme míru závislosti mezi ošetřením a onemocněním (zdravím) ! Počítáme jestliže Ho zamítnuta !

A) Ho jednoznačně (bez testace) potvrzena 1) 100 jedinců … > 50 ošetř. 50 neoš. Výsledek: poměr „zdravých“ a „nemocných“ je v obou skupinách naprosto stejný; např.: 30:20; 40:10; 25:25 2) 200 ošetř. - 160 zdrav. : 40 nem.; 100neoš. - 80 zdrav. : 20nem. - V obou případech š.p.: 4:1

B) Ho jednoznačně (bez testace) vyvrácena 1) 100 jedinců: 50 ošetř. 50 neoš. 50 ošetřených jed. … všichni zdraví 50 neošetřených jed. …všichni nemoc. 2) 200 ošetř. … všichni zdraví 100 neošetř. … všichni nemocní

C) K potvrzení nebo vyvrácení Ho je třeba testovat: 100 jedinců … > 50 ošetř. 50 neoš. Poměr „zdravý“ : „nemocný“ je v obou skupinách různý (např.): - 50 ošetř.: 40 zdr. : 10 nem. (4:1) - 50 neošetř.: 30 zdr. : 20 nem. (1,5:1) - 50 ošetř.: 38 zdr. : 12 nem. (3,17:1) - 50 neošetř.: 25 zdr. : 25 nem. (1:1) Podmínka: pro všechny jedince stejná pravděpodobnost: - „onemocněl“; - „zůstal zdravý“

DALŠÍ PŘÍKLADY: 1.000 prvků ve statistickém souboru (pokusné parcely, rostliny, zvířata) Poměr ZDRAVÍ:NEMOC = 900:100 = 90% : 10% = 9:1 Z výše uvedeného celkového počtu (1000 prvků) je 800 „ošetřených“ a 200 „neošetřených“ – před projevem onemocnění Jeden krajní výsledek (naprosto jednoznačný): (viz dále)

Př.1 Ho potvrzena, tzn. předchozí „ošetření“ nemělo vliv na výskyt nemoci Mezi 800 ošetřenými je 720 zdravých a 80 nemocných = 9:1 Mezi 200 neošetřenými je 180 zdravých a 20 nemocných = 9:1 Celkem z 1000 prvků je 900 zdravých a 100 nemocných = 9:1

Př.2 Ho jednoznačně vyvrácena, tzn. předchozí „ošetření“ mělo vliv na výskyt nemoci Mezi 800 ošetřenými je 800 zdravých a 0 nemocných = 8:0 Mezi 200 neošetřenými je 0 zdravých a 200 nemocných = 0:2 Celkem 1000 (ošetř. i neošetř.): 800zdrav. : 200 nemoc. = 8:2 Tyto dva krajní výsledky … řídký výskyt

Př.3 Ho … vyvrácena nebo potvrzena??? Mezi 800 ošetřenými je 795 zdravých a 5 nemocných = 99,4% : 0,6% Mezi 200 neošetřenými je 105 zdravých a 95 nemocných = 52,5% : 47,5% Celkem 1000 … 900 zdravých a 100 nemocných = 9:1 Tento celkový štěpný poměr odpovídá Ho Dílčí štěpné poměry ve skupině ošetřených a neošetřených – výrazný rozdíl Je tento rozdíl způsoben ošetřením, či náhodnými vlivy?

Výchozí údaje … asociační tabulka Kombinace Obměny + kvalit. zn. - Celkem Ošetřen a ao b bo a + b Neošetřen c co d do c + d a + c b + d n

Příklad 255 narozených telat: - 193 po narození ošetřeno (ošetř. pupku) - 62 ošetření nedostatečné (bez ošetření) Ho ... Onemocnění pupku není závislé na tom, zda tele po narození bylo ošetřeno či nikoliv HA … ošetřením pupku můžeme zánětu zabránit

Telata Onemocně + (ano) ní pupku - (ne) Σ Ošetřená 15 30,27 178 162,72 193 = 192,99 Bez ošetření 25 9,72 37 52,27 62 = 61,99 40 = 39,99 215 = 214,99 255

Očekávané četnosti v jednotlivých (čtyřech) kombinacích)

Poměr + : - = a+c : b+d by měl platit pro každou kombinaci zdraví – nemoc, tzn. bez ohledu na to, zda tele bylo či nebylo ošetřeno - V případě Ho

A)Pomocí Χ² - testu Nebo

A)Pomocí Χ² - testu Ho je zamítnuta Onemocnění pupku telat je s 99,9%pp závislé na tom, zda byla či nebyla telata po narození ošetřena

B)Pomocí (korelačního) koeficientu „V“ Studovaná závislost je statisticky významná na hladině významnosti P(0,01) pp 99% Míra této závislosti je vyjádřena hodnotou koeficientu V=-0,38 (závislost mezi ošetřením pupku po porodu a onemocněním telat)

Děkuji vám za pozornost

Děkuji vám za pozornost