Statistica Descriptivă

TRUNCHI COMUN, anul I (2008-
(2008-2009) TRUNCHI COMUN, anul I (2008-

(2008-2009)
1 2
Despre cunoaştere şi relaţia dintre

Cunoaşterea
unoaşterea în Ştiinţele Medicale
Populaţie
cunoaştere şi statistica medicală
Populaţie vs Eşantion
Statistică
Statistică Descriptivă
Descriptivă
Sorana D. BOLBOACA – INFORMATICĂ MEDICALĂ ŞI BIOSTATISTICĂ Curs 7 Sorana D. BOLBOACA – INFORMATICĂ MEDICALĂ ŞI BIOSTATISTICĂ Curs 7

(2008-2009)
3 4
Cunoaşterea: definiţie Ce permite activitatea de cunoaştere

“Cunoaşterea este un tip special de interacţiune între Reflectare a lumii înconjurătoare în creierul şi
fiinţa umană şi realitatea fizică, biologică sau socială, sistemul nervos central al omului
întemeiată pe capacitatea creierului uman, ca materie
superioară organizată, de a reflecta realitatea Descifrare a legităţilor care guvernează
înconjurătoare; această reflectare nu este o simplă fenomenele înregistrate
reproducere a realităţii percepute ci o surprindere a Predicţii ale fenomenelor studiate.
legilor şi tendinţelor de devenire a realităţilor
repective.”
(Irimie, 1982)

(2008-2009)
5 6
Stadii de dezvoltare a cunoştinţelor Stadii de dezvoltare a cunoştinţelor

medicale (DEP) medicale (DEP)
1. Descriere 3. Predicţie:
Care este amplitudinea volumului prostatei unui
eşantion de pacienţi cu patologie urologică? Care este probabilitatea ca un pacient cu rezultat
Care este diferenţa între volumul mediu al prostatei la negativ la examinarea rectală digitală, cu o
pacienţii cu biopsie pozitivă în comparaţie cu cei cu
biopsie negativă? valoare a antigenului specific prostatic de 9 şi
2. Explicare (inferenţă = testarea unei ipoteze) un volum al prostatei de 30 ml să prezinte
Pentru un eşantion de pacienţi cu probleme de prostată,
cancer?
ne putem aştepta ca media volumului prostatie să fie Predicţia ne permite intervenţia diagnostică /
mai mică la pacienţii cu biopsie pozitivă în comparaţie terapeutică în scopul scăderii şansei de apariţie a
cu cei cu biopsie negativă?
unui eveniment nedorit
1
(2008-2009)
7 8
Rolul cunoaşterii: Forme ale cunoaşterii

Cunoaşterea este Inamicul Bolii
Observarea → caracter constatativ-existenţial cel
Folosirea cunoştinţelor acumulate pentru mult descriptiv-calitativ:
Indispensabilă măsurării şi experimentului
alegerea celui mai adecvat comportament –
Măsurarea (cunoaştere experimentală) → caracter

“The application of what we know will have a bigger descriptiv-cantitativ
impact on health and disease than any single drug or – Atribuirea unei valori cantitative (numerice)
technology likely to be introduced in the next decade.” – Trebuie să se caracterizeze prin precizie
Sir Muir Gray, UK National Library for Health – Efectuarea măsurătorilor într-un număr adecvat de repetiţii
(eroarea de măsurare este invers proporţională cu radicalul
numărului repetiţiilor – e = 1/√n)

(2008-2009)
9 10
Forme ale cunoaşterii

Experimentul → intervenţia directă a cercetătorului în
desfăşurarea naturală a evenimentului de interes Ce permite cunoaşterea în
medicină
medicină?
Modelarea → transformarea în modele (teoretice,
matematice ...) a fenomenelor de sănătate

(2008-2009)
11 12
2
(2008-2009)
13 14
De reţinut! – Cunoaşterea în medicină

Aplicarea a ceea ce cunoaştem în îngrijirea
pacientului are un impact mai mare decât orice
medicament!
Observarea – măsurarea – experimentul –
modelarea sunt forme ale cunoaşterii medicale.
În medicină, cunoaşterea e în relaţie directă cu
statistica!

(2008-2009)
15 16
Conceptele statistice elementare

Populaţia statistică
Eşantionul
Populaţie vs eşantion Unitatea statistică (vezi Cursul 6)
Variabilă statistică (vezi Cursul 6)

(2008-2009)
17 18
Populaţia statistică Populaţia statistică

mulţime de elemente (obiecte sau subiecţi) un grup de persoane
care au anumite însuşiri (atribute sau caractere) o mulţime de obiecte
comune, care formează obiectul unei analize un grup de fenomene sau evenimente
statistice
numărul elementelor populaţiei se numeşte
volumul sau talia populaţiei
3
(2008-2009)
19 20
Eşantionul: de ce? Eşantionul

De cele mai multe ori volumul populaţiei nu permite Reprezentativ pentru populaţie:
investigarea exhaustivă a acesteia
Restricţii: timp – bani – personal Talie
Studiul întregii populaţii poate determina distrugerea ei Caracteristici
Avem acces doar la o parte din populaţie
Procesul şi tehnicile de măsurare sunt mai precise la nivelul Calculul taliei eşantionului:
eşantionului decât la nivelul populaţiei Riscul de a respinge ipoteza nulă dacă ea e
adevărată (alfa, α = 5% = 0,05)
Prin extragerea corectă a participanţilor la studiu dintr-o Puterea studiului (probabilitatea de a respinge
populaţie specifică, cercetătorul poate analiza eşantionul şi
realiza inferenţe despre caracteristica studiată a populaţiei. ipoteza nulă când nu este adevărată)

(2008-2009)
21 22
Paşi în obţinerea eşantionului Determinarea volumului eşantionului

Populaţia ţintă Acurateţe: valoarea reală + eroarea (cu cât volumul eşantionului
e mai mare cu atât probabilitatea de eroare e mai mică)
Populaţia accesibilă Cost (cu cât volumul eşantionului e mai mare cu atât costul
cercetări e mai mare)
Determinarea volumului eşantionului Omogenitatea populaţiei (membrii populaţiei sunt similari în
ceea ce priveşte caracteristica de studiat): cu cât variabilitatea în
populaţie e mai mare cu atât volumul eşantionului trebuie să fie
mai mare
Alţi factori care pot influenţa: (a) există variabile pe care nu le
putem controla; (b) se doreşte împărţirea eşantionului în
subgrupe; (c) se prevede un număr mare de pierduţi din vedere;
(d) se doreşte o putere statistică înaltă.

(2008-2009)
23 24
Volumul eşantionului: reguli empirice Metode de eş

eşantionare
Volumul/talia populaţiei Volumul/talia eşantionului (%) Eşantionarea:
0 – 100 100 simplu randomizată
101 – 1000 10 sistematică
1001 – 5000 5 stratificată
5001 – 10000 3
cluster
> 10000 1
4
(2008-2009)
25 26
Eşantionarea simplu randomizată

randomizată Eşantionarea sistematică
subiecţi extraşi la întâmplare din populaţia este selectat pentru a fi inclus în eşantion fiecare al k-
statistică lea element din structura de eşantionare
fiecare subiect are aceiaşi şansă de a fi inclus numărul k se obţine împărţind talia populaţiei la talia
dorită a eşantionului
în eşantion
populaţie de 10000 – eşantion de 1000: k = 10
Tabele cu numere randomizate Se selectează prin randomizare punctul de start (0 - 9)
Folosirea funcţiilor Excel pentru generarea nu este indicat să fie folosită atunci când în structura
numerelor randomizate (RANDBETWEEN) de eşantionare ar putea apare o periodicitate

(2008-2009)
27 28
Eşantionare stratificată Eşantionare de tip cluster

se împarte populaţia în mai multe subgrupe procedeu în două etape
relevante numite straturi se împarte populaţia în clusteri
se constituie eşantionul prin extrageri aleatoare se selectează aleator o submulţime de clusteri
din straturi în mod obişnuit alegerea clusterilor se bazează
fiecare strat trebuie să fi reprezentat în pe criterii geografice, iar acest procedeu este
eşantion în funcţie de importanţa sa în aplicat în special în studiile epidemiologice.
populaţie

(2008-2009)
29 30
De reţinut! – Populaţie vs Eşantion

Populaţia ţintă.
Populaţia disponibilă. Statistică Descriptivă
Eşantionul.
Reprezentativitatea eşantionului.
5
(2008-2009)
31 32
Parametrii în statistica descriptivă Măsuri de centralitate

Măsuri de centralitate Măsuri de împrăştiere Valori simple care ne dau informaţii despre distribuţia
Media Amplitudine datelor
Mediana Variaţia Parametrii:
Modulul Deviaţia standard modulul
mediana
Coeficientul de variaţie
Media aritmetică
Eroarea standard
Măsuri de simetriei Măsuri de localizare
Asimetria Cvartiel (decile; percentile)
Excesul

(2008-2009)
33 34
Măsuri de centralitate Măsuri de centralitate

9 9
8 8
femei bărbaţi
7 7
Frecvenţa absolută
6
6
5 5
4 4
3 3
2 2
1 1
0 0
3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5 11.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5 11.5
nr ore dormite pe noapte nr ore dormite pe noapte

(2008-2009)
35 36
Măsuri de centr
centralitate Măsuri de centralitate:
centralitate: Modulul
40 Denumit şi valoarea modală
35 este o valoare care are cea mai mare frecvenţă
30 din serie
25
Nu există formulă matematică de calcul
20
Corespunde punctului cel mai înalt pe
15
10
distribuţia grafică de frecvenţe.
5
Care este valoare modală pentru cele trei
0
reprezentări grafice anterioare?
0 20 40 60 80 100 120 140 160 180 200 220 240
Venit (100 RON)
6
(2008-2009)
37 38
Măsuri de centralitate:
centralitate: Modulul Măsuri de centralitate:
centralitate: Modulul
Serie unimodală: 2 1 2 1 1 Nu este influenţat de valorile extreme
Vârsta pacienţilor 7
internaţi în Clinica
Pentru un eşantion 6
Pediatrie I cu sindrom
n = 25 studenţi
7
diareic în perioada 5
frecvenţa absolută
notele la examenul
6
1.11-8.11.2008 4
practic sunt:
5
Serie bimodală: 2 1 2 1 1
3 4
3, 4, 9, 5, 4, 6, 7, 7, 8,
2 2 1 3 3
3
2
5, 9, 7, 9, 5, 6, 9, 10, 2
6, 7, 7, 8, 9, 8, 9, 6 1
Serie multimodală: 2 1 2 1 1
1
Modulul = 9 0
0
3 4 5 6 7 8 9 10
2 3 3 3 4 3 4 5 6
Nota
Nota
7 8 9 10

(2008-2009)
39 40
centralitate: Modulul Măsuri de centralitate:
centralitate: Mediana
Distribuţie bi-modală Valoarea care împarte Dacă volumul n al seriei este
distribuţia în jumătate impar, atunci mediana este dată
prin formula:
Pentru un eşantion
7
Paşi în calculul medianei:
n = 26 studenţi notele la
6
Se ordonează datele seriei Me = X n+1
în ordine crescătoare.
5
7
examenul practic sunt: 2

Dacă n este par, atunci mediana
Se localizează poziţia
6
4
3, 4, 9, 5, 4, 6, 7, 7, 8, 5, este dată prin formula:
medianei în acest şir şi se
5
3
9, 7, 9, 5, 7, 6, 9, 10, 6,
determină valoarea ei.

4
2
7, 7, 8, 9, 8, 9, 6 3
1
Valoarea este egala cu Xn + Xn
Modulul = 9
2
valoarea percentilei 50 +1
0 1
Me = 2 2
3 0 4
3 4
5
5
6
6 Nota
Nota
7
7 8
8
9
9
10
10
2

(2008-2009)
41 42
centralitate: Mediana Măsuri de centralitate:
centralitate: Mediana
1. Mediana nu este afectată de valorile extreme ale 3, 4, 9, 5, 4, 6, 7, 7, 8, 5, 9, 7, 9, 5, 7, 6, 9, 10, 6, 7, 7,
seriei de date. 8, 9, 8, 9, 6
2. Valoarea obţinută pentru mediană poate fi Ordonarea:
nereprezentativă pentru distribuţia datelor seriei
dacă valorile individuale nu se grupează înspre
valoarea centrală (mediana). n = 26 (număr par)
3. Mediana este o măsură de tendinţă centrală care Me = (X13+X14)/2 = (7+7)/2 = 7
minimizează suma valorilor absolute ale abaterilor
Excel: = MEDIAN(număr1,număr2,...,număr26)
de la o valoare X de pe dreapta numerelor reale
7
(2008-2009)
43 44
centralitate: Mediana Măsuri de centralitate:
centralitate: Media
Media aritmetică
aritmetică
Ordonarea: Suma tuturor datelor Populaţie (media
seriei împărţită la populaţiei în problemele
numărul de date din de statistică e n
serie cunoscută): ∑ Xi
Modificarea unei µ= i=1
n
n = 25 (număr impar) singure date din serie nu Eşantion (se calculează):
afectează valoare n
Me = X(25+1)/2= X13= 7
modală sau mediana dar ∑X i
Excel: = MEDIAN(număr1,număr2,...,număr26) va afecta media X= i=1
n
aritmetică

(2008-2009)
45 46
centralitate: Media
Media aritmetică
aritmetică Măsuri de centralitate:
centralitate: Media
Media aritmetică
aritmetică
Este parametrul cel mai
preferat ca măsură de
Media aritmetică: centralitate atât ca şi
7 parametru de descriere a 6
= (3+4+...+9+10)/26 6 datelor cât şi ca 5
= 6,92 estimator
5 4
4
Dar, pentru ca media să 3
3
aibă semnificaţie
Excel: 2
variabila de interes
2
=AVERAGE (număr1,..., număr26) 1 1
0
trebuie să fie de tip
0
3 4 5 6
Nota
7 8 9 10 interval. protestant greco catolic ortodox baptist

(2008-2009)
47 48
centralitate: Media
Media aritmetică
aritmetică Măsuri de centralitate:
centralitate: Media
Media aritmetică
aritmetică
Proprietăţi: Proprietăţi:
1. Orice valoare a seriei este luată în considerare în 5. Schimbarea originii scalei de măsură a variabilei X din care
calculul mediei. provine seria de date are influenţă asupra mediei. Fie
2. Valorile extreme pot influenţa media aritmetică X”=X+C (unde C este o constantă)
distrugându-i reprezentativitatea. 6. Transformarea scalei de măsură a variabilei X, de asemenea,
3. Media aritmetică se situează printre valorile seriei de influenţează media aritmetică . Dacă se ia X” = h·X, h fiind
date. o constantă reală.
4. Suma diferenţelor dintre valorile individuale din serie şi 7. Suma pătratelor abaterilor valorilor seriei de la media
medie este zero: aritmetică este minimul sumei pătratelor abaterilor valorilor
n seriei de la o valoare X
∑ (X − X) = 0
i
n
∑ (X − X)i
2
n
= min ∑ (Xi − X)2
i=1
i=1 X∈R i=1
8
(2008-2009)
49 50
centralitate: Măsuri de centralitate:
centralitate:
Media aritmetică
aritmetică ponderată
ponderată Media pă
pătratică
tratică
fiecare valoare Xi este înmulţită cu o pondere Media pătratică:
Wi nenegativă, care indică importanţa valorii
respective în raport cuncelelalte valori: 1 n 2
∑WX i i
mp = ∑ Xi
n i=1
mX = i=1
n
∑W
i=1
i
Valoarea centrală:
Dacă ponderile Wi sunt alese egale şi pozitive
atunci se obţine media aritmetică obişnuită Xmax + Xmin
Valoarea centrala =
2

(2008-2009)
51
De reţ
reţinut!
inut! Măsuri de centralitate
+++ ---
uşor de calculat slabă stabilitatea de
MODUL utilă pentru datele eşantionare
nominale
nu e afectată de valorile Într-o oarecare măsură
MEDINANA extreme slabă stabilitate de
eşantionare
stabilitate de Nu este utilă pentru
eşantionare datele discrete
MEDIA
în legătură cu varianţa E afectată de distribuţia
asimetrică a datelor
Sorana D. BOLBOACA – INFORMATICĂ MEDICALĂ ŞI BIOSTATISTICĂ Curs 7

Statistica Descriptivă

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Statistica Descriptivă

Încărcat de

Drepturi de autor:

Formate disponibile

TRUNCHI COMUN, anul I (2008-

(2008-2009) TRUNCHI COMUN, anul I (2008-

Despre cunoaştere şi relaţia dintre

TRUNCHI COMUN, anul I (2008-

Cunoaşterea: definiţie Ce permite activitatea de cunoaştere

TRUNCHI COMUN, anul I (2008-

Stadii de dezvoltare a cunoştinţelor Stadii de dezvoltare a cunoştinţelor

Rolul cunoaşterii: Forme ale cunoaşterii

 Măsurarea (cunoaştere experimentală) → caracter

TRUNCHI COMUN, anul I (2008-

Forme ale cunoaşterii

TRUNCHI COMUN, anul I (2008-

De reţinut! – Cunoaşterea în medicină

TRUNCHI COMUN, anul I (2008-

Conceptele statistice elementare

TRUNCHI COMUN, anul I (2008-

Populaţia statistică Populaţia statistică

Eşantionul: de ce? Eşantionul

TRUNCHI COMUN, anul I (2008-

Paşi în obţinerea eşantionului Determinarea volumului eşantionului

TRUNCHI COMUN, anul I (2008-

Volumul eşantionului: reguli empirice Metode de eş

Eşantionarea simplu randomizată

TRUNCHI COMUN, anul I (2008-

Eşantionare stratificată Eşantionare de tip cluster

TRUNCHI COMUN, anul I (2008-

De reţinut! – Populaţie vs Eşantion

Parametrii în statistica descriptivă Măsuri de centralitate

TRUNCHI COMUN, anul I (2008-

Măsuri de centralitate Măsuri de centralitate

TRUNCHI COMUN, anul I (2008-

TRUNCHI COMUN, anul I (2008-

examenul practic sunt: 2

determină valoarea ei.

TRUNCHI COMUN, anul I (2008-

TRUNCHI COMUN, anul I (2008-

 = (3+4+...+9+10)/26 6 datelor cât şi ca 5

 =AVERAGE (număr1,..., număr26) 1 1

TRUNCHI COMUN, anul I (2008-

TRUNCHI COMUN, anul I (2008-

Sorana D. BOLBOACA – INFORMATICĂ MEDICALĂ ŞI BIOSTATISTICĂ Curs 7

S-ar putea să vă placă și

Măsurarea (cunoaştere experimentală) → caracter

= (3+4+...+9+10)/26 6 datelor cât şi ca 5

=AVERAGE (număr1,..., număr26) 1 1