Rozkład zmiennej losowej
• Prawdopodobieństwo
• Rozkład normalny
• Przedział ufności
PODSTAWY
STATYSTYKI OPISOWEJ
Parametry
opisowe
zbiorowoś
ci
statystycz
nej
charakterystyki
liczbowe, dające
sumaryczny i
skrócony opis
zbiorowości
statystycznej.
Jeżeli na n osób m jest liczbą kobiet, to możemy
powiedzieć, że prawdopodobieństwo że x jest
kobietą, co zapiszemy P(x=kobieta) wynosi
m/n; 0<=P<=1
Rozkład normalny
W statystyce istnieje wiele rozkładów
teoretycznych. Najczęściej
występującym to rozkład normalny:
P(-<x<)=1
Rozkład normalny określony przez
funkcję gęstości:
2
2
2
)
(
2
1
)
(
x
e
x
f
gdzie:
e, - stałe matematyczne
- średnia w populacji;
- odchylenie standardowe w populacji
Zmienna losowa ma rozkład normalny o
parametrach
,
, co piszemy N(
,
).
Parametr
wyznacza środek symetrii
wykresu, a parametr
decyduje o jego
wysokości
Estymatory punktowe
średniej
szereg
szczegółowy
n
i
i
x
n
x
1
1
szereg rozdzielczy punktowy
k
i
i
i
n
x
n
x
1
1
szereg rozdzielczy
o
przedziałach
klasowych
k
i
i
i
n
x
n
x
1
1
Metody wnioskowania
statystycznego
• Estymacja punktowa
• Estymacja przedziałowa
• Weryfikacja hipotez statystycznych
Estymować inaczej oceniać pewne rozkłady, czy
parametry rozkładów
Weryfikować inaczej sprawdzać
założenia/przypuszczenia nazywane dalej
hipotezami
Wnioskowanie
statystyczne
Prawdopodobieństwo
• A – zdarzenie losowe
• P(A) – prawdopodobieństwo zdarzenia
losowego jest to funkcja zdarzeń losowych
przyjmująca wartości rzeczywiste i
spełniająca następujące warunki:
• (*) 0 < P(A) <1
• (**) dla A i B rozłącznych;
P(A lub B) = P(A) + P(B)
• (***) P( zdarzenia niemożliwego) = 0
Własności
prawdopodobieństwa
• 1) P( zdarzenia pewnego) = 1
• 2) P(A lub B) = P(A) + P(B – P(A i B)
• 3) jeżeli zd.A zawiera się w B,
to P(A) < P(B)
4) jeśli A’ jest zdarzeniem
przeciwnym do zdarzenia A, to P
( A’) = 1- P(A)
Zmienna losowa
• Zmienną losową nazywamy każdą funkcje
zdarzeń losowych przyjmującą wartości
rzeczywiste.
• Podobnie jak badane cechy zmienną losową
dzielimy na skokową (dyskretną) i ciągłą.
• Przykładami zmiennej losowej skokowej są:
• liczba szczepień, liczba chorych, tętno.
• Przykładami zmiennej losowej ciągłej są:
temperatura, ciśnienie tętnicze krwi
Parametry
opisowe
zbiorowoś
ci
statystycz
nej
charakterystyki
liczbowe, dające
sumaryczny i
skrócony opis
zbiorowości
statystycznej.
Rozkład zmiennej losowej
Zmienne
losowe i
ich
rozkłady
charakterystyki
liczbowe, dające opis
zbiorowości
statystycznej pod
względem częstości
występowania
wartości zmiennej
losowej.
Jeżeli na n osób m jest liczbą kobiet, to możemy
powiedzieć, że prawdopodobieństwo że x jest
kobietą, co zapiszemy P(x=kobieta) wynosi
m/n; 0<=P<=1
Rozkład normalny
W statystyce istnieje wiele rozkładów
teoretycznych. Najczęściej
występującym to rozkład normalny:
P(-<x<)=1
Rozkład normalny określony przez
funkcję gęstości:
2
2
2
)
(
2
1
)
(
x
e
x
f
gdzie:
e, - stałe matematyczne
- średnia w populacji;
- odchylenie standardowe w populacji
Zmienna losowa ma rozkład normalny o
parametrach
,
, co piszemy N(
,
).
Parametr
wyznacza środek symetrii
wykresu, a parametr
decyduje o jego
wysokości
Przedział ufności
Reguła 3 sigm
)
(x
f
f(x)
0,0
0,1
0,2
0,3
0,4
0,5
-3
-2
-1
0
1
2
3
x
Wykres funkcji gęstości rozkładu normalnego dla =0
i =1
Jeżeli zmienna losowa X ma rozkład normalny N(
,σ) to:
P(
- σ<x<
+ σ) =0, 6827 - 68,27 % wyników jest w przedziale (
-σ,
+ σ)
P(
-2σ<x<
+2σ) =0, 9545 - 95,45 % wyników jest w przedziale (
-2σ,
+2σ)
P(
- 3σ<x<
+ 3σ) =0, 9973 - 99,73 % wyników jest w przedziale (
-3σ,
+ 3σ)
Estymatory punktowe
przedziałowe średniej
populacji
szereg
szczegółowy
n
i
i
x
n
x
1
1
szereg rozdzielczy punktowy
k
i
i
i
n
x
n
x
1
1
szereg rozdzielczy
o
przedziałach
klasowych
k
i
i
i
n
x
n
x
1
1
P
rzykład
Zmierzono wzrost 100 siedmioletnich dzieci.
Obliczona średnia x=35 cm i odchylenie
standardowe s=5 cm.
Przy założeniu że cecha ta ma rozkład normalny i
korzystając z prawa „trzech sigm” można wyliczyć
odpowiednie przedziały:
P(35-5<x< 35+5) =0, 6827 68,27 % wyników
jest w przedziale (30, 40),
P(35-10<x< 35+10) =0, 9545 95,45 % wyników
jest w przedziale (25, 45),
P(35-15<x< 35+15) =0, 9973 99,73 % wyników
jest w przedziale (20, 50).
Wiele metod statystycznych stosowanych do
analizy danych wymaga założeń normalności
rozkładu badanej cechy.
ZADANIA PARAMETRÓW
OPISOWYCH
Określenie:
• przeciętnego poziomu zmiennych opisujących
analizowane cechy statystyczne przez wybór
pojedynczej wartości, tj. miary przeciętnej
(położenia), reprezentującej wszystkie
wartości szeregu,
• zmienności (dyspersji, rozproszenia) wartości
zmiennych w obserwowanej zbiorowości,
• miary asymetrii tj. w jakim stopniu badany
szereg odbiega od idealnej symetrii,
• miary koncentracji tj. stopnia skupienia
poszczególnych jednostek wokół średniej.
PODSTAWOWE RÓŻNICE
MIĘDZY ZBIOROWOŚCIAMI
• Rozkłady mogą się różnić:
• położeniem, tzn. wartością zmiennej,
w pobliżu której skupiają się obserwacje,
• obserwacje mogą się skupiać wokół tej
samej wartości, lecz różnić obszarem
zmienności,
• rozkłady mogą różnić się jednocześnie
co do obu tych charakterystyk
liczbowych.
KLASYFIKACJA MIAR
ŚREDNICH
ś re d n ia a ry tm e ty c z n a
ś re d n ia h a rm o n ic z n a
ś re d n ia g e o m e try c z n a
ś re d n ia k w a d ra to w a
k la s y c z n e
d o m in a n ta , m o d a ln a
k w a rty le z m e d ia n ą
k w in ty le
d e c y le
c e n tyle
k w a n ty le
p o z yc y jn e
m ia ry ś re d n ie
• Dobór odpowiednich testów
statystycznych
• Przykłady obliczeń w STATISTICA:
test t Studenta i analiza wariancji
test chi-kwadrat
testy nieparametryczne
korelacja i regresja
Analiza danych oparta o
weryfikację hipotez statystycznych
Weryfikacja i testy statystyczne
• H0: hipoteza zerowa (1= 2)
• H1: hipoteza alternatywna (1 2,)
• W oparciu o wynik obliczonego testu z
danych z próby możemy H0: odrzucić lub
nie.
• Nie wiemy czy H0: zachodzi w populacji.
• Zatem można popełnić:
• błąd I rodzaju jeśli odrzucimy H0 jeśli
jest prawdziwa w populacji
• błąd II rodzaju jeśli nie odrzucimy H0
wtedy kiedy jest ona fałszywa w populacji
• W naukach medycznych przyjmujemy
poziom istotności = 0,05
Błędy przy wnioskowaniu
= prawdopodobieństwo popełnienia
błędu I rodzaju
= prawdopodobieństwo popełnienia błędu
II rodzaju
Populacja
H
0
jest
prawdziw
a
H
0
jest fałszywa
Czyli prawdziwa
jest
H
1
Decyzj
a z
wynikó
w
oblicze
ń
z
próby
Przyjęcie
H
0
1-
Błąd II rodzaju
Odrzucenie
H
0
Błąd I
rodzaju
1-
Sformułować hipotezę zerową H
o
i alternatywną
H
1
oraz dobrać odpowiedni test do weryfikacji
Wykonać obliczenia i wybrać potrzebne
wyniki, przede wszystkim wartość p określającą
prawdopodobieństwo
popełnienia
błędu
odrzucenia H
o
, gdy jest prawdziwa w populacji
(błąd I rodzaju).
Przyjąć poziom istotności , ale mniejszy niż
lub równy 0,05.
Podjąć decyzję o hipotezie zerowej H
o
:
jeżeli obliczona wartość p ≤ , odrzucamy H
o
i
przyjmujemy H
1
jeżeli obliczona wartość p > , to brak podstaw
do odrzucenia H
o
.
• Wniosek w populacji z obliczeń w grupie
.
Schemat weryfikacji
hipotez
Test t-Studenta
Założenie:
Cecha X ma rozkład normalny w obu
populacjach o jednorodnych wariancjach, czyli N(
1
,
)
i
N(
2
,
)
leptokurtyczny
platokurtyczny
normalny
n
i
x
i
Test t-Studenta dla dwóch średnich
• H0: 1= 2 hipoteza zerowa
• H1: 1 2, hipoteza alternatywna
• Gdzie
• dane, średnie i liczebności w próbach
• W pakiecie statystycznym wyliczamy t i wartość p równą
prawdopodobieństwu popełnienia błędu I rodzaju
(odrzucenie prawdziwej H0 )
• Wartość p porównujemy z przyjętym poziomem istotności
• Jeżeli p< odrzucamy H0 i stwierdzamy istotną różnicę
między średnimi
• Przykłady w STATISTICA
)
1
1
(
2
)
(
)
(
2
1
2
1
2
2
2
2
1
1
2
1
n
n
n
n
x
x
x
x
x
x
t
i
i
j
j
ij
n
x
x
,
,
Przykład
H0: średni wzrost mężczyzn= średni
wzrost kobiet w populacji
H0: średni wzrost mężczyzn średni
wzrost kobiet w populacji
n Średnia Odch.std. n Średnia Odch.std.
WZROST (m) 65 1,72
0,05 81 1,67
0,05 6,25 0,000 1,22 0,40
Cecha
Równość średnich
jednorodność
wariancji
Mężczyźni
Kobiety
t
p iloraz F p
Analiza wariancji
-
kilka populacji
• Dodatkowym założeniem które powinno być
spełnione to jednorodność wariancji. Należy
więc zweryfikować hipotezę zerową Ho:
21=. . . =2k kontra alternatywnej H1:
wariancje są niejednorodne (test Levene’a)
• ANOVA
• Hipoteza zerowa Ho: 1=. . . =k
• H1: średnie są różne pomiędzy sobą.
• Jeżeli stwierdza się istotność różnic pomiędzy
średnimi, to należy znaleźć pomiędzy którymi
średnimi te różnice są istotne (test Scheffego)
Tablica z wynikami analizy
wariancji
Ź
r
ó
d
ł
o
S
u
m
a
k
w
a
d
r
a
t
ó
w
S
t
o
p
n
i
e
s
w
o
b
o
d
y
Ś
r
e
d
n
i
a
k
w
a
d
r
a
t
ó
w
W
a
r
t
o
ś
ć
F
(
W
a
r
t
o
ś
ć
p
)
Z
m
i
e
n
n
o
ś
ć
m
i
ę
d
z
y
g
r
u
p
o
w
a
S
S
m
k
-
1
V
m
=
1
m
S
S
k
m
b
V
F
V
B
ł
ą
d
S
S
b
n
-
k
V
b
=
b
S
S
nk
G d z ie: k – lic z b a g r u p ; n – lic z b a w sz y stk ic h o só b z e w sz y stk ic h g r u p
2
2
1
1
1
(
) ;
(
)
j
n
k
k
m
j
j
b
i j
j
j
j
i
S S
n
x
x
S S
x
x
x
ij
w y n ik c e c h y u i- tej o so b y w j- tej g r u p ie , n
j
– lic z b a o só b w j- te j g r u p ie
x
j
– śr e d n ia w j - tej g r u p ie , x – śr e d n ia z w sz y stk ic h p o m ia r ó w
Jeżeli wartość p <0,05 to są różnice między średnimi, należy
znaleźć między którymi (test Scheffe’go)
Przykład ANOVA
n
x
s
chirurgia
21
39,1
2,8
interna
21
53,9
3,4
ginekologia
21
58,4
3,6
oddział
wiek
Test Levene'a
F
p
wiek
1,61
0,21
Źródło
SS Stopnie V
F
p
oddział
4265,4
2 2132,7 198,00 0,00
Błąd
646,3
60
10,8
Bieżący efekt: F(2, 60)=198,00, p=0,0000
Pionowe słupki oznaczają 0,95 przedziały ufności
chirurgia
interna
ginekologia
oddział
35
40
45
50
55
60
65
w
ie
k
Test Manna-Whitneya
• Stosowany do oceny różnic jednej cechy pomiędzy dwoma
populacjami, gdy nie spełnione założenia przy teście t_Studenta
Dane: x
11
, . . . x
n1
z 1-szej populacji; x
12
, . . . x
m2
z 2-giej populacji.
Porządkujemy obie próby razem i nadajemy im rangi oddzielnie.
Wartość tego testu wyliczana jest z wzoru:
1
(
1)
2
n n
U nm
R
gdzie: n, m liczebności grup, R
1
jest sumą rang w 1-szej grupie.
Jeżeli p< stwierdzamy istotną różnicę
analizowanej cechy między populacjami
Przykład
U kobiet tętno w
cukrzycy
T
est U Manna-Whitneya (bazaStomat)
Wzg.zmienn. Cukrzyca
zmienna
Sum.rang
NIE
Sum.rang
TAK
U poziom p
Tętno
2470
1717
771
0,038
Histogram: Tętno
50
60
70
80
90
100
110
X <= Granica klasy
0
5
10
15
20
25
30
35
40
Li
cz
b
a
o
b
s.
Wykres ramka-wąsy dla grup
Zmienna: Tętno
Mediana
25%-75%
Min.-Maks.
NIE
TAK
Cukrzyca
50
60
70
80
90
100
110
120
Tę
tn
o
Test Chi2
Dane w tabeli czteropolowej:
X
Cechy
1
0
1
a
b
Y
0
c
d
H
0
: cechy X, Y są niezależne
H
1
: cechy X, Y są zależne
C
h
i
2
=
2
(
)(
)
( )( )( )( )
a
db
cabcd
acbdabcd
Jeżeli wartość p <0,05 to cechy X, Y są zależne
Przykład.Cukrzyca i
płeć
T
abela liczności (bazaStomat)
T
abela:Płeć(2) x Cukrzyca(2)
Płeć
Cukrzyca
NIE
Cukrzyca
TAK
Wiersz
Razem
M
53
28
81
K
48
43
91
Ogół grp
101
71 172
Płeć x Cukrzyca
Statystyki:
Chi-kwadr
.
p
Chi kwadrat Pearso
2,844759
p=,09168
Roz kład dwuwymiarowy: Płeć x Cukrz yca
Korelacja prostoliniowa
Pearsona
H
0
: cechy X, Y są niezależne
H
1
: cechy X, Y są zależne
Dane: x
1
, . . . x
n
wyniki 1-szej cechy; y
1
, . . . y
n
2-giej cechy
w n-elementowej próbie.
W
a
r
t
o
ś
ć
w
s
p
ó
ł
c
z
y
n
n
i
k
a
1
2
2
1
1
(
)
(
)
(
)
(
)
n
i
i
i
n
n
j
j
i
i
x xy y
r
x x
y y
Jeżeli wartość p <0,05 to cechy X, Y są zależne
Regresja logistyczna
• W naukach medycznych mamy często
sytuacje, gdy zmienna zależna jest typu
dychotomicznego. Przykładowo może to być
cecha występowanie choroby z poziomami:
1 - tak, 2 - nie.
• Szukamy wówczas powiązania, podobnego
do funkcji regresji, pomiędzy
prawdopodobieństwem wystąpienia choroby
grupą zmiennych niezależnych, takich jak
np: wiek, płeć lub nawyki palenia.
Regresja prostoliniowa
y=ax+b
Dane: x
1
, . . . x
n
wyniki 1-szej cechy; y
1
, . . . y
n
2-giej cechy
w n-elementowej próbie.
1
2
1
;
(
)(
)
(
)
n
i
i
i
n
j
i
x x y y
a
b y ax
x x
• Współczynniki regresji a i b liczymy wtedy jeżeli x i
y są skorelowane
Przykład: waga i wzrost
Korelacje
Zmienna
WAGA (kg)
WZROST (m)
r=0,4340
p=,000
WZROST (m) vs. WAGA (kg)
WAGA (kg) = -48,32 + 75,884 * WZROST (m)
Korelacja: r = ,43400
1,50
1,55
1,60
1,65
1,70
1,75
1,80
1,85
1,90
WZ ROST (m)
20
30
40
50
60
70
80
90
100
110
W
A
G
A
(
k
g
)
Regresja logistyczna
• W naukach medycznych mamy często
sytuacje, gdy zmienna zależna jest typu
dychotomicznego. Przykładowo może to być
cecha występowanie choroby z poziomami:
1 - tak, 2 - nie.
• Szukamy wówczas powiązania, podobnego
do funkcji regresji, pomiędzy
prawdopodobieństwem wystąpienia choroby
grupą zmiennych niezależnych, takich jak
np: wiek, płeć lub nawyki palenia.
Tabela
Narażenie
Nowotwór płuc
wystąpił
nie wystąpił
Palący
243
30
Niepalący
48
240
Propozycja doboru testu statystycznego w zależności
od rodzaju cechy i typu analizy
Rodzaj cechy
Ilościowa
Spełnione założenia stosowania testu
parametrycznego
Typ analizy
Tak
Testy parametryczne
Nie
Testy
nieparametryczne
Jakościowa
1 cecha
2
grupy
Test t-Studenta
dla prób
niezależnych
Test Manna-
Whitney’a
Wilcoxona
Test
2
1 cecha
Więcej
niż 2
grupy
Analiza
wariancji
ANOVA
Test
Kruskala-
Wallisa
Test
2
1 cecha
mierzona
2 razy
1
grupa
Test t-Studenta
dla prób
zależnych
Test rang
Wilcoxona
dla prób
zależnych
Test
2
lub test McNemary
2 cechy
1
grupa
Współczynnik
korelacji
prostoliniowej
Pearsona
Współczynnik
korelacji rang
Spearmana
Test
2
i współczynniki
siły związku