Teste statistice neparametrice

nominale.
Distribuţia binomială

conf. dr. M. Popa

 Teste statistice
a) parametrice
• inferenţele sunt probate prin utilizarea
“parametrilor” populaţiei (indicatori care
descriu tendinţa centrală şi împrăştierea
valorilor)
• testele t, corelaţia, ANOVA
b) neparametrice
• inferenţele sunt probate prin raportare la
probabilitatea evenimentelor aleatoare
• în final, rezultatul eşantionului se raportează
tot la un model teoretic (distribuţie de nul)
 exemplu
• evaluarea eficienţei unei proceduri terapeutice
anxiolitice:
a) măsurarea cantitativă a anxietăţii, “înainte-după”
• aplicarea testului t pentru eşantioane dependente
b) chestionarea la sfârşitul terapiei
• ameliorat (80%)
• fără efect (20%)
 Când se utilizează teste
neparametrice?
• variabila dependentă este măsurată pe scale
calitative (nominală, ordinală)
• variabila dependentă este măsurată pe scală
parametrică, dar...
– nu respectă condiţiile pentru test parametric
(normalitate, omogenitatea împrăştierii)
• transformare calitativă (grupare de frecvenţe,
ordonare după rang)
– volum foarte mic al eşantionului
 avantaje ale testelor neparametrice
• nu presupun condiţii la fel de restictive (normalitatea
distribuţiei, omogenitatea varianţei, etc.) ceea ce reduce
mult situaţiile în care nu sunt aplicabile;
• calcule sunt relativ simple şi uşor de efectuat manual
• concepte şi metode mai uşor de înţeles;
• se pot utiliza pe scale ale căror calităţi de măsurare sunt
„slabe” (ordinale, nominale);
• pot fi utilizate în cazul variabilelor afectate de valori
extreme care nu pot fi eliminate.
 dezavantaje ale testelor
neparametrice
• se bazează pe măsurări nominale şi ordinale, prin
natura lor, mai puţin precise decât cele cantitative
(de interval sau de raport)
• au o „putere” mai redusă decât testele parametrice
de a proba că ipoteza cercetării este adevărată;
• tind sa fie utilizate şi în situaţii în care se pot
utiliza teste parametrice
• deşi se bazează pe calcule elementare, adesea
acestea pot fi destul de complexe şi de laborioase.
 Distribuţia binomială
• Concepte:
– “evenimente” dihotomice
• sexul la naştere (M/F)
• răspunsul la o întrebare (Corect/Eronat)
• starea după tratament (Vindecat/Nevindecat)
– “încercare” (observaţie)
• fiecare naştere; fiecare întrebare; fiecare tratament
 Distribuţia binomială
• Distribuţia binomială descrie frecvenţa de apariţie ale unui anumit eveniment de
tip dihotomic...
– sexul M/F, corect-greşit, ameliorat-neschimbat, etc...
– P=evenimentul vizat (feminin, corect, ameliorat...)
– Q=evenimentul complementar (Q=1-P) (masculin, greşit, )
• ...în contextul unei serii de observaţii (încercări)
– un număr de naşteri, mai multe întrebări, mai mulţi subiecţi trataţi
– numărul “observaţiilor” (încercărilor) este simbolizat cu N
• distribuţia binomială diferă în funcţie de
– nr. încercărilor „observaţiilor” (N)
– probabilitatea de apariţie a „evenimentului” (P)
• şansă teoretică de apariţie a evenimentului
• la aruncarea unei monede, o singură dată, probabilitatea teoretică de apariţie a
„mărcii” este P=1/2=0.5 iar Q=P=0.5
 Jakob Bernoulli
Abraham De Moivre
(1654-1705)
(1667-1754)
- distribuţia evenimentelor
- teoria probabilităţilor dihotomice
 un exemplu practic...
• patru întrebări de statistică
• răspuns dihotimic “corect”/”greşit”
• un student dă 4 răspunsuri corecte!
• răspunsurile sunt bazate pe “învăţare” sau
pe “şansa” de a le fi ghicit pe toate?
 P(C) P(C) cumulată
eveniment individuală (multiplicare)

1 E C 0.5 0.5

2 E C 0.5 0.5*0.5=0.25

3 E C 0.5 0.5*0.5*0.5=0.125

0.5 0.5*0.5*0.5*0.5=0.0625
4 E C
4 răspunsuri corecte nu indică
suficient de sigur “cunoştinţe”
P=0.0625 > alfa=0.05
 C C C C C E C C E C C C E E C C
C C C E C E C E E C C E E E C E
C C E C C E E C E C E C E E E C
C C E E C E E E E C E E E E E E

Nr. răsp. corecte 0 1 2 3 4

Frecvenţa 1 4 6 4 1
P(C) 1/16=0.0625 4/16=0.25 6/16=0.375 4/16=0.25 1/16=0.0625

D is tr ib u ţia b in o m ia lă (N = 4 )

0 ,3 7 5
0 ,4
0 ,3 0 ,2 5 0 ,2 5

0 ,2
0 ,1 0 ,0 6 2 5 0 ,0 6 2 5

0
0 1 2 3 4
 0.25
0.375
0.5 0.25 0.125
0.25 0.125

0 1 2 0 1 2 3 4 0 1 2 3 4 5 6
distributia binomială distribuţia binomială distribuţia binomială
9=2 9=4 9=6
0,25 0,2256

0,1934 0,1934
0,2

0,15
0,1208 0,1208

0,1
0,0537 0,0537
0,05
0,0161 0,0161
0,0002 0,0029 0,0029 0,0002
0

0 1 2 3 4 5 6 7 8 9 10 11 12
distribuţia binomială
(9=12)
 Pentru P≠Q?
• Exemplu:
– patru variante de răspuns la fiecare întrebare
– numai una este corectă
– probabilitatea răspunsului corect (P) este ¼=0.25
• distribuţia binomială nu este simetrică la valori mici ale lui N, dar
tinde să devină simetrică pe măsură ce N creşte.
• nu există un răspuns exact cu privire la valoarea lui N pentru care
distribuţia binomială este aproximată suficient de bine de cea
normală.
• se acceptă faptul că
– pentru P=0.5, N nu trebuie să fie mai mare de 20-25
– pentru P apropiat de 0 sau 1 se impune o valoare pentru N de cel puţin
100.
• se poate lua în considerare aproximarea
distribuţiei binomiale cu o distribuţie
normală
• putem exprima valorile z în termeni de N, P
şi Q

X −µ X −  *P
z= z=
σ  * P *Q
• pentru 8 răspunsuri corecte la un chestionar
cu 10 întrebări
X −  ∗P 8 − 10 ∗ 0.5 8−5 3
z= = = = = 1.897
 ∗ P ∗Q 10 ∗ 0.5 ∗ 0.5 2.5 1.581

• sub curba normală... p(z=1.897) = 0.0294

• pentru alfa=0.05, unilateral
– putem respinge ipoteza de nul
– admitem că studentul nu a răspuns la întâmplare
• pentru alfa=0.05, bilateral
– admitem ipoteza de nul (z=2.56)
Pentru 4 variante de răspuns la fiecare întrebare, din
care una este corectă (8 răspunsuri corecte din 10
întrebări):

P=1/4=0.25 iar Q=3/4=0.75

X −  *P
z=
 * P *Q

8 − 10 * 0.25 8 − 2.5 5.5

z= = = = 4.01
10 * 0.25 * 0.75 1.875 1.369

z calculat (4.01) > z critic; alfa=0.05, bilateral (1.96)

Teste z pentru proporţii, bazate pe
distribuţia binomială

1. Testul z pentru proporţia unui eşantion

în raport cu populaţia
2. Testul z pentru diferenţa dintre
proporţiile a două eşantioane
independente
3. Testul semnului (pentru eşantioane
dependente)
 1. Testul z pentru proporţia unui
eşantion în raport cu populaţia
• echivalentul pentru date nominale al testului z
parametric pentru un singur eşantion
• Exemplu:
– pe un eşantion aleator de 100 de subiecţi dintr-
o anumită comunitate, procentul stângacilor
este de 20%, în timp ce studiile la nivelul
populaţiei generale indică un procent de
stângaci de numai 15% .
– există o „anomalie” a lateralităţii?
 X −  *P prin împărţirea simultană
z= a numărătorului şi numitorului cu N
 * P *Q

p (mic) =probabilitatea măsurată a
evenimentului cercetat,
p−P
z=
P (mare) = probabilitatea aceluiaşi
PQ eveniment la nivelul populaţiei,

Q = probabilitatea complementară a lui P,

N = volumul eşantionului.

0.20 − 0.15 0.05

z= = = 1.42
0.15 ∗ 0.85 0.127
100 100

p (z=1.42) pe curba normală=0.0778 (mai mare decât alfa=0.05)

acceptăm ipoteza de nul

proporţia stângacilor nu depăşeşte semnificativ proporţia la nivelul
populaţiei generale.
• Testul z pentru proporţii implică testarea
semnificaţiei unui procent observat în raport
procentul populaţiei (atunci când este
cunoscut), pentru evenimente de tip
dihotomic.
• Exemplu
– se poate răspunde la întrebarea dacă un procent
55% de nou născuţi băieţi este neobişnuit de
mare, ştiind care este procentul general al noilor
născuţi băieţi
• Pentru situaţiile în care evenimentele
cercetate nu sunt de tip dihotomic, se aplică
alte teste statistice, despre care vom vorbi
mai târziu.
 2. Testul z pentru diferenţa dintre
proporţiile a două eşantioane independente
• două eşantioane din două ţări diferite
– (n1=100)
– stângaci (P1=0.15)
– (n2=90)
– stângaci (P2=0.25)
• este numărul stângacilor din ţara 2 mai mare decât cel
din ţara 1?
• ipoteza cercetării: P1≠P2
• ipoteza de nul: P1=P2 (P1-P2=0)
• P1 şi P2 → probabilităţile unui eveniment aleator de tip
binomial,
• evenimentul complementar (Q1, respectiv Q2) este
caracteristica de a fi „dreptaci” (vom ignora acum faptul că
pot exista şi „ambidextri”).
 • p1 şi p2 sunt proporţiile evenimentului la nivelul
eşantioanelor
( p1 − p 2 ) − ( P1 − P2 ) • P1 şi P2 sunt proporţiile evenimentului la
z= nivelul populaţiei (ipoteza de nul)
σ (p −p
1 2 ) • σ(p1-p2) este eroarea standard a distribuţiei de
eşantionare

• q1=1-p1
p1 * q1 p 2 * q 2
σ (p −p ) =
1 2
+ • q2=1-p2
n1 n2
• n1 şi n2 sunt volumele celor două eşantioane
  1   1 
p1 − p 2  p1 −  −  p 2 − 
z= pt. eşant. mici  2 * n1   2 * n2 
z=
p1 * q1 p 2 * q 2 (N<30) p1 * q1 p 2 * q 2
+ +
n1 n2 n1 n2

0.15 − 0.25 − 0.10 − 0.10

z= = = = −1.85
0.15 * 0.85 0.25 * 0.75 0.001 + 0.002 0.054
+
100 90

• pt. alfa=0.05, bilateral

• se admite ipoteza de nul
 3. Testul semnului
• 1710 - John Arbuthnot
• se utilizează pentru compararea proporţiilor
obţinute pe un eşantion evaluat în două situaţii
diferite
• echivalentul neparametric al testului t pentru
eşantioane dependente
• Exemplu:
– Un psiholog clinician aplică o metodă de reducere a
manifestărilor de tip fobic la un grup de 8 de
subiecţi.
– După un număr de şedinţe îi întreabă pe cei 8 John Arbuthnot
subiecţi dacă se simt mai bine decât la începutul (1667-1735)
tratamentului.
• 6 afirmă că se simt mai bine
• 2 afirmă că nu simt nici o modificare (să
admitem că nimeni nu răspuns că “se simte mai
rău”)
– se poate decide că metoda este eficientă?
• ipoteza cercetării:
– metoda are efect
– procentul de ameliorare este semnificativ mai mare
decât cel al absenţei oricărui efect al terapiei
• Ipoteza de nul
– metoda nu are efect
– eficienţa/ineficienţa terapiei sunt echivalente (P=Q=0.5)
• P(ameliorare) = 6/8=0.75
• Este P(ameliorare) semnificativ diferit de cel al
ipotezei de nul (0.5)?
 X −  *P X −  * P − 0.5
z= corecţia Yeates z=
 * P *Q  * P *Q
• pentru datele noastre...
6 − 8 * 0.75 − 0.5 − 0.5
z= = = −0.40
8 * 0.75 * 0.25 1.22
• p (z=-0.4)=0.844 (mai mare decât alfa=0.05)
• acceptăm ipoteza de nul
• datele nu susţin efectul terapiei