Documente Academic
Documente Profesional
Documente Cultură
PARAMETRILOR
STATISTICI
1
PROBABILITĂŢI
= şansa ca un eveniment să aibă loc considerând toate rezultatele
posibile
Valoarea predictivă a probabilităţii:
Reflectă ce “ar trebui” să se întâmple şi nu ce o să se întâmple efectiv
Pentru un pacient supus unei operaţii cu o rată de succes de 75% rezultatul nu poate
fi 75% succes
2
EXEMPLU: DISTRIBUŢIA GREUTATII
Media = 69, s = 3
68,26% = 66-72 (168-183)
p=0,68
3
PRINCIPII GENERALE
In studiul într-o populaţie P a parametrilor a unei
caracteristici oarecare (cantitative sau calitative) adesea
este necesar să se urmeze procedeul:
1. Se extrage un eşantion reprezentativ al populaţiei.
2. Se descrie distribuţia caracteristicii pe eşantionul extras
a) frecvenţa observată (calitativă)
sau
a) media şi variaţia (cantitativă)
3. Prin mijloacele statisticii inferenţiale (inductive) se extind la
întreaga populaţie rezultatele observate pe eşantion.
4
PRINCIPII GENERALE
Eşantionare
Calculul
caracteristicii
Inferenţă
5
PRINCIPII GENERALE
Cazul unei variabile X calitative
Frecvenţa teoretică p a variabilei X în populaţia P este
necunoscută.
6
PRINCIPII GENERALE
7
PRINCIPII GENERALE
Eşantionare
Variabile calitative
FRECVENŢA
Calculul
caracteristicii
Variabile cantitative
MEDIA
MEDIANA Inferenţă
MODULUL
8
DEFINIŢIA UNUI ESTIMATOR
9
ESTIMAREA PUNCTUALĂ
10
PRINCIPII GENERALE
Eşantionare
Variabile calitative
FRECVENŢA
Calculul
caracteristicii
ESTIMATOR
Variabile cantitative
MEDIA
MEDIANA Inferenţă
MODULUL
11
ESTIMATOR FĂRĂ BIAS
Fie T estimarea punctuală a unui parametru teoretic al
unei populaţii.
T este o variabila aleatoare valorile ei variînd
întâmplător odată cu eşantionul pe baza căruia se
calculează.
Estimatorul T se spune că este fără bias dacă speranţa
matematică a lui T este egală cu valoarea adevărată
(teoretică) a parametrului estimat adică M(T) = .
Se spune în acest caz că estimarea dată de T este
corectă.
12
ESTIMAREA PUNCTUALĂ
Proprietăţi ale estimatorilor medie si frecventa:
P1. Speranţa matematică a mediilor observate, m, pe eşantioane extrase
aleator este egală cu media teoretică a populaţiei din care sau extras
eşantioanele, medie considerată pentru valorile unei variabile cantitative
luată în studiu: M(m) = .
n
S2 s2
n 1
14
CONCLUZIE
15
ESTIMAREA CU INTERVALE DE INCREDERE
16
ESTIMAREA CU AJUTORUL INTERVALULUI DE INCREDERE
17
ESTIMAREA UNEI MEDII
Fie P o populaţie în care variabila X are o media teoretică
necunoscută. Din populaţia P se extrage la întâmplare eşantionul E
reprezentativ. In eşantionul E pentru variabila X se observă o medie m
şi se calculează o variaţie punctuală estimată
n
( x i m)
2
s2 i 1
n
S
2
n 1 n 1
18
ESTIMAREA UNEI MEDII: ESANTIOANE MARI
N>=30
media de eşantionare m este o variabilă aleatoare
normală
m
Z
N ( , n )
n
19
ESTIMAREA UNEI MEDII: ESANTIOANE MARI
m
Z Z
n
de unde rezultă că:
m Z m Z
n n
20
ESTIMAREA UNEI MEDII: ESANTIOANE MARI
s ,m Z s
m Z n 1
n 1
21
ESTIMAREA UNEI MEDII: ESANTIOANE MARI
s s
m 1,96 , m 1,96
n 1 n 1
22
EXEMPLU
Într-o populaţie de 50 cunoaştem media greutăţii la naştere a
noilor născuţi: 3400g şi abaterea standard: 142
Pe un eşantion aleator de 10 nou născuţi:
media=3275g, abaterea standard=854
23
EXEMPLU
A – distribuţia de eşantionare a
mediei pentru n=10
B – distribuţia de eşantionare a
mediei pentru n=50
Pe măsură ce creşte n eroarea de
eşantionare scade şi eşantioanele
devin mai reprezentative, media lor
este mai apropiată de cea a populaţiei
Deviaţia standard a distribuţiei de
eşantionare este un indicator al erorii
de eşantionare
24
DEVIAŢIA STANDARD A DISTRIBUŢIEI DE EŞANTIONARE
25
EXEMPLU (CONTINUARE)
A = media=115, abaterea
standard=30
Sx=9,5
B = media=115, abaterea
standard=30
Sx=4,2
Pe măsură ce creşte n scade
eroarea standard a mediei
Aproximarea distribuţiei
populaţiei
26
INTERVALE DE ÎNCREDERE
Formula de determinare a limitelor intervalului de
încredere:
II X ( z ) s X
Pentru intervale de încredere de 95% Z= ± 1,96
27
EXEMPLU
Studiul Fitzgerald al mobilităţii prin extensie a coloanei
lombare la indivizi de vârste cuprinse între 30 şi 39 de ani
n=42, media=40° şi s=8,8 °
Media populaţiei poate fi estimată la 40°
Care este acurateţea acestei estimări?
Cum estimăm intervalul de încredere?
28
EXEMPLU (CONTINUARE)
n=42, media=40°, s=8,8° Sx=1,36
95,45% din distribuţie este cuprinsă între ±2Sx sau ±2Z
29
EXEMPLU (CONTINUARE)
Estimarea zonei de 95%
Este mărginită de un scor Z de ± 1,96
Interval de încredere de 95%
30
EXEMPLU (CONTINUARE)
95% II = 40,0± (1,96)(1,36)
95% II = 40,0±2,67
95% II: [37,33; 42,67]
31
EXEMPLU 99%
Z = ± 2,576
99% II = 40,0± (2,576)(1,36)
99% II = 40,0±3,50
99% II: [36,5; 43,5]
32
INTERVALE DE ÎNCREDERE CU EŞANTIOANE MICI
n<30
Cu cât eşantioanele sunt mai mici cu atât distribuţia de eşantionare
este mai dispersată faţă de distribuţia normală
Se foloseşte o altă distribuţie: distribuţia t sau Student
Diferenţa majoră dintre distribuţia t şi cea normală constă în faptul că
prima îşi schimbă forma odată cu schimbarea dimensiunii eşantionului
33
ESTIMAREA UNEI MEDII: ESANTIOANE MICI
m Z n , m Z n
Nu se cunosate variatia si n<30
s ,m t s
m t n 1
n 1
34
CALCULUL INTERVALULUI DE ÎNCREDERE
df = n-1
df = grade de
libertate
II X (t ) s X
35
GRADE DE LIBERTATE
df
Direcţiile disponibile pentru mişcare într-un spaţiu dat
Numărul de componente care pot varia într-un set de date
n-1
36
GRADE DE LIBERTATE - EXEMPLU
5 măsurători, avem o sumă de 30 şi o medie de 6
După ce face primele 4: 8,9,10,11 a cincea poate fi calculată şi setul
de date are numai 4 grade de libertate
37
CALCULUL INTERVALULUI DE ÎNCREDERE
n=6 df = 5
II95% t= ±2,571
n=10 df = 9
II95% t= ±2,262
n=30
II95% t= ±2,042
Creşterea lui n determină ca
valoarea lui t să se apropie
de 1,96 curba tinde spre
distribuţia normală
38
ESTIMAREA UNEI FRECVENTE
f(1-f) f(1-f)
f Z n
, f Z
n
39
DETERMINAREA TALIEI EŞANTIOANELOR
Dacă pentru un risc dat se doreşte obţinerea unei precizii date k
pentru intervalul de încredere, adică acesta să aibă forma:
[f - k , f + k]
atunci ţinând seama de faptul că, pe de altă parte, intervalul de
încredere se exprimă prin:
f (1 f ) f (1 f )
f Z , f Z
n n
f (1 f ) Z 2 f (1 f )
k Z n
n k2
40
EXEMPLU
Se doreşte evaluarea prevalenţei unei maladii într-o anumită
populaţie. Se ştie că această prevalenţă este de ordinul a 30% (=h).
Dacă se doreşte o precizie a estimării prevalenţei de k=4% la un risc
= 0.05 (căruia îi corespunde U = 1.96) trebuie realizată această
estimare utilizând un eşantion a cărei talie trebuie să fie superioară
sau egală cu
(1.96) 2 0.30.7
(0.04) 2
41