Методы статистического анализа презентация

Биометрия Cистема знаний, опирающаяся на союз математики, биологии и информатики, составляют суть биометрии - науки, вспомогательной в медико-биологических исследованиях, но придающей им законченный описательный и достоверный смысл Основные задачи биометрии

Слайд 1Состояние проблемы на современном этапе
Ярко выраженный примитивизм математической обработки в научных

медицинских исследованиях, которая в лучшем случае характеризуется параметрическими показателями, критерием Стьюдента и коэффициентом линейной парной корреляции Браве-Пирсона

Практически отсутствует системный подход к статистическому анализу: применение той или иной его разновидности ничем специально не обосновывается и не диктуется логикой научного исследования

Игнорируется предшествующее любой научной работе статистическое планирование, которое само может и должно определять структуру исследовательской работы и оптимальный методический минимум

Низкая культура преподавания высшей математики и информатики особенно в медицинских вузах, которая постепенно трансформируется в научные исследования с неэффективными практическими рекомендациями


Слайд 2Биометрия
Cистема знаний, опирающаяся на союз математики, биологии и информатики, составляют суть

биометрии - науки, вспомогательной в медико-биологических исследованиях, но придающей им законченный описательный и достоверный смысл

Основные задачи биометрии - описание явления, оценка его достоверности (воспроизводимости), изучение механизмов его развития (во взаимосвязи с другими процессами и явлениями) и условий его максимального проявления, принятие решения (прогноз, предсказание, экстраполяция)

Ученый, который открыл некоторые новые явления, зависимости, тенденции, на этом построил рабочую гипотезу должен защитить ее от предположения, что все эти явления и эффекты не обусловлены случаем. Он должен оценить, сколько необходимо провести наблюдений, чтобы доказать наличие достоверного результата


Слайд 3
Схема полного статистического анализа
Предварительные иссле-дования, оценка достижи-мости получения досто-верного результата, кор-ректировка

плана работы

Выбор адекватных методов статистического изучения этого явления и составление соответствующего плана проведения исследования

Предварительная инфор-мация о возможности су-ществования определен-ного явления

Проведение основного исследования

Полный статистический анализ

Описательная статистика: – среднее значение – дисперсия – вид распределения

Аналитическая статистика: – общие закономерности – механизмы их формирования – прогноз

Параметрические и нрепараметри-ческие критерии: Фишера, Стью-дента, Хи-квадрат, Колмогорова, Вилкоксона и т.п.

Корреляционный анализ Регрессионный анализ Дисперсионный анализ Дискриминантный анализ

Построение статистической модели изучаемого феномена, проверка рабочей гипотезы, изучение условий лучшей проявляемости явления

Постановка новой проблемы

1

2

3

4

5

6

7

8

9

10

11


Слайд 4
-3 σ -2 σ -1σ

Х +1 σ +2 σ +3 σ

68,3%


95,5%


99,9%

Х = (х1+ х2 + … +хn) / n
σ = √(∑x2i - (∑xi)2/n) / (n-1)
m = σ / √n

Основные параметры нормального распределения


Слайд 5Арифметическая точность в представлении данных
Неправильно
Правильно
0,4±0,022

0,412±0,0217
7,0±0,063 7,03±0,063
12,33±0,15 12,3±0,15
384,54±18,608 385±18,6

Правило 1
Точность представления среднего значения зависит от его величины
До 1 – три знака после запятой
От 1 до 10 – два знака после запятой
От 10 до 100 – один знак после запятой
Свыше 100 – целое число.

Правило 2
Ошибка среднего значения пишется на один знак точнее среднего значения


Слайд 8Анализ взаимосвязей
Функциональные зависимости
Корреляционные зависимости
Линейная зависимость:
коэффициент парной корреляции Пирсона (

r ) от -1 до +1

Частная корреляция

Нелинейная зависимость:
корреляционное отношение ( η2 ) от 0 до +1

Непараметрическая корреляция

Ранговая корреляция Спирмена ( ρ ) от -1 до +1

Абсолютные значения коэффициента корреляции слабая зависимость < 0,3 средняя зависимость 0,3 - 0,6 сильная зависимость 0,3 - 0,9

Корреляционные плеяды

Бисериальная корреляция


Слайд 9
Виды корреляционных зависимостей

***
********
**************
************************
********************************
******************************
********************
**********
***


***
********
**************
************************
********************************
******************************
********************
**********
***



***
***** *****
*********** *************
********* **************
******** ***********
********* *********
******** *********

х

х

y

y

y

х


r = +0,64

r = -0,58

r = 0,0

η2 = 0,84


Слайд 10Регрессионный анализ
На основе корреляционного анализа и анализа дисперсий строится математическая модель

влияния одного параметра на другой

Парная регрессия
Y = aX + b

Множественная регрессия
Y = a1X1 + a2X2 + … anXn + b

Регрессионный анализ позволяет строить прогностические модели - по изменению одного (или нескольких) показателей предсказывать изменение какого-либо параметра


Слайд 11Дисперсионный анализ
η2 = η2контр. + η2случайн.
Изменение параметра во время воздействия

является результатом действия факторов, часть из которых врач контролирует, а часть – нет (т.е. влияние могут оказать случайные факторы)

Дисперсионный анализ применяют в многофакторных моделях; он позволяет выделить ту часть динамических процессов, которая определяется тем или иным контролируемым фактором. Главное условие применения этого вида анализа – необходимость выделения градаций внутри каждого фактора


Слайд 12Факторный анализ
Дальнейшее развитие дисперсионного анализа, который позволяет выделить из суммы случайных

влияний скрытые факторы, которые по тем или иным причинам врач не контролирует.
Типичный вывод после проведения факторного анализа: изменение параметра Х в процессе лечения на 12% объясняется выбранной методикой лечения, 39% изменений – результат случайных воздействий, но другие 49% объясняются влиянием, например, трех неучтенных факторов (F1 – 25%; F2 – 11%’ F3 – 13%)

Слайд 13Классификационный анализ
Кластерный анализ
Корреляционные плеяды
Дискриминантный анализ
Математическое обоснование группировки параметров в гипотетические функциональные

системы



Построение уравнения разграничительной функции для разделения пациентов на различные классы (диагностика)

Выделение из суммы параметров важнейших, которые вносят значимый вклад в уравнение разграничительной функции




Слайд 14Непараметрическая статистика
Непараметрическая оценка изменения средних значений
критерий Вальда-Вольфовица
критерий Диксона-Муди
критерий

Вилкоксона

Непараметрическая корреляция
Ранговая корреляция Спирмена
Корреляция Кендала
Критерий ассоциации Пирсона

Оценка формы распределения встречаемости признака
Критерий Пирсона χ2


Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.


Для правообладателей

Яндекс.Метрика