wyklad 3a Etapy realizacji badania naukowego

background image

Etapy realizacji badania

naukowego

• Planowanie badania

(zakres, populacja)

• Konstrukcja badania

(aparat losowania,

próba)

• Wykonanie badania

(baza danych)

• Analiza danych

(pakiet statystyczny)

• Prezentacja otrzymanych wyników
• Interpretacja

background image

Konstrukcja badania

• Określenie badanej próby
• Reprezentatywność próby, aparat

losowania

• Określenie liczebności próby

background image

Jaka ma być liczebność

próby?

• Zbyt duża – niepotrzebne koszty

badania

• Zbyt mała – uniemożliwia wykrycie

ważnych zjawisk medycznych

• Metoda obliczenia liczebności

próby zależy od stopnia złożoności
konstrukcji badania

Przykłady obliczeń w STATISTICA

background image

Analiza danych

• Dobór odpowiednich testów

statystycznych

Przykłady obliczeń w STATISTICA:

test t Studenta i analiza wariancji
test chi-kwadrat
testy nieparametryczne
korelacja i regresja

background image

Przedstawienie wyników i

interpretacja

• Wykresy
• Tabele

background image

Cechy jakościowe:
płeć, zawód, diagnoza.szeregi
wielodzielcze.
-wyliczone wskaźniki struktury, natężenia i
poglądowości
-wykres słupkowy, kołowy.i inny
Cechy ilościowe: wzrost, masa ciała,wiek.

-wyliczone miary średnie i rozproszenia
bądź zestawienie wyników obserwacji w
szeregach szczegółowych, czy
rozdzielczych i wyliczanie wskaźników
struktury, natężenia i poglądowości
oraz wyliczanie miar średnich i
rozproszenia

Opis zebranego materiału

background image

Cechy jakościowe

Częstość występowania, odsetki w

tablicach

Grupa

Kobiety

Mężczyźni

Razem

n

%

n

%

n

%

Cukrzyca

25

55,6

20

44,4

45

100,0

Bez

cukrzycy

45

60,0

30

40,0

75

100,0

background image

Graficzna prezentacja

60

40

55,6

44,4

0

20

40

60

%

Kobiety Mężczyźni

Cukrzyca

Bez cukrzycy

55,6

44,4

background image

Cechy ilościowe

• Średnia, odchylenie standardowe, mediana, rozstęp,

tablice, wykres ramka-wąsy, szereg rozdzielczy,
histogram.

• Rozstęp:R= wartość maks. – wartość minim
• Długość przedziału d =

Liczba przedziałów l jest tak dobrana, by długość

przedziału d była łatwa do dodawania, czyli w
miarę całkowita, lub z niedużą liczbą miejsc
dziesiętnych, przy czym 6< l
<12 w zależności od
liczby pomiarów.

1j.m. to jest 1 jednostka miary, np. jeżeli wysokość jest
mierzona w centymetrach z jednym miejscem dziesiętnym
23,4 cm; 24,0 cm itd., to 1 j.m.
wynosi 0,1 cm.

background image

Przykład –masa ciała dzieci

min=3,5; max=45,4; R=45,4-

13,5=31,9; d =

jeżeli l=8 to d=4

P

r

z

e

d

z

i

a

ł

y

k

l

a

s

o

w

e

L

i

c

z

b

a

o

b

s

e

r

w

a

c

ji

i

n

P

r

a

w

d

o

p

o

d

o

b

i

e

ń

s

t

w

o

i

p

[

1

3

,5

1

7

,5

)

1

9

0

,1

8

[

1

7

,5

2

1

,5

)

2

2

0

,2

1

[

2

1

,5

2

5

,5

)

3

3

0

,3

1

[

2

5

,5

2

9

,5

)

1

6

0

,1

5

[

2

9

,5

3

3

,5

)

1

2

0

,1

1

[

3

3

,5

3

7

,5

)

2

0

,0

2

[

3

7

,5

4

1

,5

)

2

0

,0

2

[

4

1

,5

4

5

,5

)

1

0

,0

1

R

a

z

e

m

1

0

7

1

,0

0

background image

Graficzna prezentacja

0

0,2

0,4

pr

aw

do

po

do

bi

st

w

o

[1

3,

5

17

,5

)

[1

7,

5

21

,5

)

[2

1,

5

25

,5

)

[2

5,

5

29

,5

)

[2

9,

5

33

,5

)

[3

3,

5

37

,5

)

[3

7,

5

41

,5

)

[4

1,

5

45

,5

)

background image

Próba – populacja

Miary położenia i rozproszenia

Średnia arytmetyczna i odchylenie standardowe w populacji: .

Średnia arytmetyczna i odchylenie standardowe z próby:

n

x

x

n

i

i

1

1

)

(

1

2

n

x

x

s

n

i

i

gdzie:

n- liczba elementów w próbie,

x

i

– wartość i-tego elementu z próby

background image

Graficzna prezentacja

Wykres ramka-wąsy:

Średnia
Średnia±Błąd std
Średnia±1,96*Błąd std

76

77

78

79

80

81

82

83

84

85

W

A

G

A

(

k

g

)

background image

Błąd standardowy SE=

n

S

Rozstęp = wartość największa-wartość
najmniejsza
Mediana Me=wartość środkowa w
posortowanych danych
Modalna – wartość najczęściej
występująca
Są to miary położenia i rozproszenia
(zmienności)
Zadanie: s=4; SE=?
125,134,146,134,130
Me=? Modalna=?

background image

Przedział ufności dla średniej

w populacji

- nieznana średnia w populacji,

• , s średnia i odchylenie standardowe

obliczone z próby dla cechy X, mającej
rozkład normalny, to

• P( -1,96s<

< +1,96s)=0,95

• Przykład =175; s=10, to
• P(155,4<

< 194,6)=0,95

background image

ANALIZA

WSPÓŁZALEŻNOŚCI

Analiza struktury zjawisk dotyczyła jednej

cechy. W praktyce jednak bywa tak, że
badane jednostki statystyczne
charakteryzowane są przez kilka cech.
Cechy te nie są od siebie odizolowane,
mają na siebie wpływ oraz posiadają
wzajemne uwarunkowania. Dlatego często
zachodzi potrzeba badania
współzależności między tymi cechami.

background image

Przeprowadzając analizę można spotkać

dwa rodzaje współzależności zmiennych:

1. Współzależność funkcyjną, polegającą

na tym, że zmiana wartości jednej

zmiennej pociąga określoną zmianę

wartości drugiej zmiennej.

2. Współzależność stochastyczną

(probabilistyczną), polegającą na tym,

że wraz ze zmianą jednej zmiennej

zmienia się rozkład prawdopodobieństwa

drugiej zmiennej. Szczególnym

przypadkiem zależności

stochastycznej jest zależność

korelacyjna.

background image

Zależności korelacyjne zachodzą

wówczas, gdy określonym wartościom
jednej zmiennej odpowiadają ściśle
określone średnie wartości
drugiej zmiennej.

Zdarzają się jednak sytuacje, w

których nie istnieje
współzależność (korelacja) ale ma
miejsce zbieżność występowania
zjawisk. Taką zbieżność określa się
mianem korelacji pozornej.

background image

Najczęściej spotykanymi metodami

wykrywania związków korelacyjnych są:

Metoda porównywania

przebiegu szeregów statystycznych.

Metoda graficzna.

y

i

0 x

i

y

i

0 x

i

background image

Związek ujemny (wzrost wartościchy X indukuje obniżanie

wartości cechy Y)

X

Y

X

Y

X

Y

X

Y

Związek dodatni

Brak związku

background image

Cechę dwuwymiarową oznacza się jako

uporządkowaną parę (X,Y). Składowymi
mogą być zarówno cechy ilościowe
jak i jakościowe. To od tego, z jakimi cechami
mamy do czynienia zależy wybór sposobu
opisu współzależności.

Podstawą analizy jest zbiorowość

jednostek scharakteryzowanych parą
własności ,

gdzie i=1,2,...,n.
Badając zbiorowość jednostek pod względem

wyróżnionych cech otrzymuje się ciąg par wartości:

 

.

,

,...,

,

,

,

2

2

1

1

n

n

y

x

y

x

y

x

i

i

y

x ,

background image

MIARY

WSPÓŁZALEŻNOŚCI

Do badania zależności między zmiennymi

X i Y wykorzystuje się najczęściej
współczynnik korelacji liniowej
Pearsona, będący miarą siły związku
prostoliniowego między dwiema
cechami mierzalnymi. Współczynnik ten
wylicza się ze wzoru:

gdzie:
cov(x,y) - kowariancja zmiennych X i Y

   

y

s

x

s

y

x

r

xy

,

cov

background image

Kowariancja jest średnią

arytmetyczną iloczynu odchyleń
zmiennych X i Y od ich
średnich arytmetycznych:

 

 

n

i

i

i

y

y

x

x

n

y

x

1

1

,

cov

Rozpatrując kowariancję uzyskać

można następujące informacje o
istniejącym związku pomiędzy
zmiennymi X i Y:

Jeżeli cov(x,y)>0 – dodatnia korelacja
Jeżeli cov(x,y)<0 – ujmena korelacja
Jeżeli cov(x,y)=0 – brak korelacji

background image

Kowariancji nie można

stosować do bezpośrednich
porównań. Dlatego jest ona
standaryzowana przez odchylenia
standardowe, dzięki czemu otrzymuje
się współczynnik korelacji liniowej
Pearsona.

Właściwości współczynnika korelacji:
1.

Przyjmuje wartości z przedziału <-1;1>

2.

Dodatni znak świadczy o dodatnim, zaś
ujemny o ujemnym związku korelacyjnym

3.

Im tym związek
korelacyjny jest silniejszy.

background image

Sposoby komentowania

współczynnika korelacji

:

a)

- współzależność nie występuje,

b) - słaby stopień współzależności,
c)

- umiarkowany (średni) stopień

współzależności,

d) - znaczny stopień współzależności,
e)

- wysoki stopień współzależności,

f)

- bardzo wysoki stopień

współzależności,

g) - całkowita (ścisła) współzależność
(zależność funkcyjna pomiędzy
badanymi cechami).

0

XY

r

3

,

0

0

XY

r

5

,

0

3

,

0

XY

r

7

,

0

5

,

0

XY

r

9

,

0

7

,

0

XY

r

1

9

,

0

XY

r

1

XY

r

background image

Analizę współzależności należy

uzupełnić o współczynnik
determinacji, będący kwadratem
współczynnika korelacji liniowej
Pearsona ( ).

Współczynnik determinacji

informuje, jaka część zmiennej
objaśnianej jest wyjaśniona przez
zmienną objaśniającą. Przy pomocy
tego współczynnika można
wnioskować, czy na zmienną
objaśniającą wpływają również inne
czynniki, nie podlegające badaniu.

2

xy

r

background image

W sytuacji, gdy obserwacje

statystyczne dotyczące badanych
zmiennych są liczne, bazowanie na
wartościach szczegółowych może być
uciążliwe. W celu zapewnienia
przejrzystości zebranych danych
sporządza się wówczas tablicę korelacyjną.

Na skrzyżowaniu kolumn z

wierszami wpisuje się liczebności
jednostek zbiorowości statystycznej, u
których zaobserwowano jednoczesne
występowanie określonych wartości
i .

i

x

i

x

i

y

background image

Schemat tablicy

korelacyjnej:

x

i

y

j

y

1

y

2

...

y

t

i

t

i

ij

n

n

1

x

1

x

2

.
.
.

x

k

n

11

n

21

.
.
.

n

k1

n

12

n

22

.
.
.

n

k2

.
.
.
.
.
.

n

1t

n

2t

.
.
.

n

kt

n

1

n

2

.
.
.

n

k

j

k

i

ij

n

n

1

n

.1

n

.2

n

.t

n

background image

W tablicy korelacyjnej zawarte są

rozkłady brzegowe i warunkowe.
Rozkład brzegowy (por. ostatnia
kolumna określa rozkład brzegowy
cechy X, ostatni wiersz – rozkład
brzegowy cechy Y) prezentuje
strukturę wartości jednej zmiennej (X
lub Y) bez względu na kształtowanie
się wartości drugiej zmiennej.

Rozkłady brzegowe i warunkowe

mogą być scharakteryzowane pewnymi
sumarycznymi wielkościami (najczęściej
są to średnie arytmetyczne)

background image

Średnie arytmetyczne z

rozkładów brzegowych wyznacza
się ze wzorów:

Średnie arytmetyczne z

rozkładów warunkowych oblicza
się następująco:

i

k

i

i

n

x

n

x

1

1

j

t

i

j

n

y

n

y

1

1

ij

k

i

i

j

j

n

x

n

x

1

.

1

ij

t

i

j

i

i

n

y

n

y

1

.

1

background image

W sytuacji, gdy wraz ze

wzrostem (spadkiem) wartości jednej
zmiennej następuje wzrost (spadek)
warunkowych średnich drugiej
zmiennej, wówczas można stwierdzić
istnienie korelacji dodatniej
między zmiennymi. W sytuacji,
kiedy występuje przeciwny kierunek
zmian, można mówić o korelacji
ujemnej.

background image

Jeżeli różnice pomiędzy

średnimi są takie same, tzn.:

wówczas związek między

zmiennymi jest liniowy.

1

2

3

1

2

...

t

t

x

x

x

x

x

x

1

2

3

1

2

...

k

k

y

y

y

y

y

y

background image

Innym miernikiem korelacyjnego związku cech

jest współczynnik korelacji rang
Spearmana. Współczynnik ten stosowany
jest głównie do badania współzależności
cech niemierzalnych, bądź cechy mierzalnej i
niemierzalnej. Może być on również
stosowany w badaniu związku
korelacyjnego pomiędzy cechami
mierzalnymi (szczególnie w przypadku małej
próby).

Konstrukcja współczynnika korelacji

rang opiera się na zgodności pozycji, którą
zajmuje każda z odpowiadających sobie
wielkości we wzrastającym lub
malejącym szeregu wartości cechy.

background image

Współczynnik korelacji rang Spearmana

(Q) wylicza się w oparciu o wyznaczone
różnice rang ( ) oraz liczby par
obserwacji (n):

przy czym:

gdzie:
- rangi zmiennej X oraz Y (i=1,2,...n)

n

n

d

Q

n

i

i

3

1

2

6

1

i

i

y

x

i

v

v

d

i

i

y

x

v

v ,

background image

gdy

Współczynnik korelacji rang

przyjmuje wartości z przedziału
, a jego interpretacja
jest analogiczna do
współczynnika korelacji Pearsona

1

Q

0

1

2

n

i

i

d

1

1

Q

background image

Przykład. W celu zbadania, czy istnieje związek
między zdyscyplinowaniem pacjentów względem
zaleceń personelu medycznego a wynikami
terapii na pewną dolegliwość poddano
obserwacji 10 pacjentów. Otrzymano
następujące wyniki obserwacji zestawione w
tabeli

:

Pacjent

Ranga

zdyscyply-

-nowanie

Ranga

terapii

Różnica

rang (d)

Kwadrat

różnicy

rang (d

2

)

1
2
3
4
5
6
7
8
9

10

6
2
5
1

10

4
9
3
8
7

4
1
5
3

10

7
6
2
9
8

2
1
0

-2

0

-3

3
1

-1
-1

4
1
0
4
0
9
9
1
1
1

Razem

0

30


Document Outline


Wyszukiwarka

Podobne podstrony:
wyklad 3 Etapy realizacji badania naukowego
Etapy realizacji badania naukowego
Wyklad 11 Problemy etyczne w badaniach naukowych
Wyklad 11 Problemy etyczne w badaniach naukowych
Wykład V Etapy realizacji wymagań niezawodnosciowych ED
Etapy badania naukowego, Resocjalizacja, Dydaktyka ogólna
etyka w badaniach naukowych, wyklady pielegniarstwo, licencjat, pielęgniarstwo
Wykład badania naukowe orzecz Ci Ubezp
Wykład 27 Badania naukowe w świetle prawa wybrane zagadnienia Polit
Etyka psychologiczna Teoplitz Wiśniewska wykład 12 Badanie naukowe Planowanie i publikowani ppt
Wykład 2 Badania naukowe w fizjoterapii, Propesreusryka
Wykład 3a 3aGiełdy w Polsce
Wykład VII hazard, realizacja na NAND i NOR
T 14. ETYKA W BADANIACH NAUKOWYCH, LICENCJAT
Badania naukowe i innowacje

więcej podobnych podstron