Bugün gerçekten çok basit: Bilgisayara ve pratik olarak ne yaptığınızı bilmeden, gerçekten şaşırtıcı bir hızda makul ve saçmalık yaratabilirsiniz. (J. Boks)

Tıbbi istatistiklerin ana şartları ve kavramları

Bu yazıda, tıbbi araştırmalarla ilgili bazı önemli istatistik kavramlarını sunuyoruz. Daha ayrıntılı olarak, şartlar ilgili makalelerde anlaşılmaktadır.

varyasyon

Tanım. Değer açısından veri saçılması (işaretler) derecesi

Olasılık

Tanım. Olasılığı belirli koşullarda belirli bir olayın yeteneğinin derecesidir.

Misal. Teklifin tanımını açıklayalım "Uygulanırken iyileşme olasılığı" tıbbi hazırlama Arimidex% 70'dir. " Etkinlik, "hastanın iyileşmesi", "Hasta Arimidex'i benimsemiştir", olasılık derecesi% 70 (kabaca konuşurken, Arimidex'i kabul eden, 70 kişi kurtarır).

Kümülatif olasılık

Tanım. T gün hayatta kalma (hayatta kalmanın kümülatif olasılık olasılığı), hastaların bu zamana kadar hayatta kalanların payı ile aynıdır.

Misal. Beş yıllık tedavi oranı 0.7'den sonra hayatta kalmanın kümülatif olasılığını söylerse, o zaman dikkate alınan hasta sayısının% 70'inin kaldığı ve% 30'u öldüğü anlamına gelir. Başka bir deyişle, her yüz kişiden 30, ilk 5 yıl boyunca öldü.

Etkinlik zamanı

Tanım. Etkinliğin zamanı, belirli bir etkinliğin başlangıcından önce bazı ilk zamandan beri geçen bazı birimlerde ifade edilen zamandır.

Açıklama. Zaman birimleri olarak tıbbi araştırma Günler, aylar ve yıllar gerçekleştirin.

İlk zaman noktalarının tipik örnekleri:

hastanın gözleminin başlangıcı

cerrahi tedavi yürütmek

Söz konusu olayların tipik örnekleri:

hastalığın ilerlemesi

nüksün ortaya çıkışı

hastanın ölümü

Örneklem

Tanım. Seçim ile elde edilen nüfusun bir parçası.

Numunenin analizinin sonuçlarına göre, yalnızca seçim rastgele ise meşru olan tüm nüfus hakkında sonuçlar var. Nüfusun rastgele seçiminin uygulanması neredeyse imkansız olduğundan, örneğin nüfusla ilgili en azından temsili olmasını sağlamak için çabalamalıdır.

Bağımlı ve Bağımsız Örnekler

Tanım. Çalışmanın nesnelerinin birbirinden bağımsız olarak kazandığı örnekler. Bağımsız örneklere bağlı (bağlı, çift) örneklere bir alternatif.

Hipotez

Bilateral ve Tek Taraflı Hipotez

İlk olarak, terim hipotezinin istatistiksel olarak uygulanmasını açıklar.

Çoğu çalışmanın amacı, bazı onayların gerçeğini doğrulamaktır. İlaçların test edilmesinin amacı çoğu zaman bir ilacın diğerinden daha verimli olduğu hipotezi kontrol eder (örneğin, Arimidex Tamoxifen'den daha etkilidir).

Çalışmanın titizliğini açıklamak için, doğrulanabilir ifade matematiksel olarak ifade edilir. Örneğin, A, ARIMIDEX'i kabul eden bir hastayı yaşayacak yılların sayısı ise ve bunun, bir hastayı tamoksifen alarak yaşayacak yılların sayısı, sonra kontrol edilen hipotez, a\u003e t olarak yazılabilir.

Tanım. Hipotez, iki değerin eşitliğinden oluşursa, ikili (2 taraflı) denir.

İki taraflı hipotez örneği: A \u003d t.

Tanım. Hipotez, iki değer eşitsizliğinden oluşursa, tek taraflı (1 taraflı) denir.

Tek yönlü hipotez örnekler:

DICHOTOUS (İkili) Veri

Tanım. Yalnızca iki izin verilen alternatif değer tarafından ifade edilen veriler

Örnek: Hasta "Sağlıklı" - "hasta". Ödem "öyle" - "Hayır".

Güven aralığı

Tanım. Bazı değer için güven aralığı (güven aralığı), bu değerin gerçek değerinin (belirli bir güven seviyesi ile) bulunduğu değerin değerinin değeridir.

Misal. Çalışma altındaki değerin yıllık hasta sayısıdır. Ortalama olarak, numaraları 500'e eşittir ve% 95 -Former aralığı - (350, 900). Bu, büyük olasılıkla (% 95 olasılıkla), en az 350, en az 350 kişi, yıl boyunca kliniğe dönüşecekleri anlamına gelir.

Atama. Azaltma çok sık kullanılır: DI% 95 (CI% 95),% 95'lik bir güven seviyesine sahip bir güven aralığıdır.

Doğruluk, İstatistiksel Önem (P - Seviye)

Tanım. İstatistiksel anlamlılık Sonuç, "gerçeğini" güvenin bir ölçüsüdür.

Herhangi bir çalışma, nesnelerin tek bir kısmına dayanmaktadır. İlacın etkinliğinin incelenmesi, genel olarak gezegendeki tüm hastalara dayanarak yapılmaktadır, ancak yalnızca belirli bir hasta grubu (tüm hastalara dayalı analiz yapmak için basitçe imkansızdır).

Analizin bir sonucu olarak, bazı sonuçların yapıldığını varsayalım (örneğin, bir Arimidex'in yeterli terapi olarak kullanılması, tamoksifen ilacından 2 kat daha verimlidir).

Sorulması gereken soru: "Bu sonucu ne kadar güvenebilirsin?".

Sadece iki hastaya dayalı bir çalışma yaptığımızı hayal edin. Tabii ki, bu durumda, sonuçları endişeyle tedavi etmek gerekir. Çok sayıda hasta incelenmişse (sayısal anlam " Çok sayıda"Duruma bağlıdır), o zaman sonuçlara güvenmek zaten mümkün.

Öyleyse, güven derecesi ve P-seviyesinin değeri (P-değeri) ile belirlenir.

Daha yüksek p seviyesi daha fazla karşılık gelir düşük seviye Numuneyi analiz ederken elde edilen sonuçlara güven. Örneğin, 0.05'e (% 5) olan p-seviye, belirli bir grubun analizinde yapılan sonucun bu nesnelerin sadece% 5'lik bir olasılıkla rastgele bir özelliği olduğunu göstermektedir.

Başka bir deyişle, çok yüksek olasılıkla (% 95), çıktı tüm nesnelere uzatılabilir.

Birçok çalışmada% 5, P-seviyesinin kabul edilebilir bir değeri olarak kabul edilir. Bu, örneğin, p \u003d 0.01, sonuçlara güvenmek mümkündür ve p \u003d 0.06 ise imkansız olduğu anlamına gelir.

Ders çalışma

İleriye dönük çalışma - Bu, kaynak faktörün temelinde numunelerin tahsis edildiği ve bazı sonuçta bazı faktörlerin numunelerde analiz edildiği bir çalışmadır.

Retrospektif çalışma - Bu, sonuçta elde edilen faktör temelinde numunelerin tahsis edildiği ve bazı ilk faktörlerin numunelerde analiz edildiği bir çalışmadır.

Misal. Kaynak faktörü, 20 yaşın üzerindeki hamile bir kadındır. Elde edilen faktör - çocuk, 2,5 kg'dan daha kolay / daha ağırdır. Çocuğun ağırlığının annenin yaşına bağlı olup olmadığını analiz ediyoruz.

Eğer 2 numune alırsak, 20 yaşın altındaki annesiyle, bir başkasında, daha sonra her gruptaki çocuk kütlesini analiz edersek, bu prospektif bir çalışma.

Eğer 2 numune yazarsak, çocukları 2,5 kg'dan daha kolay doğum yapan bir anne, diğerlerine - daha ağır ve daha sonra her gruptaki annelerin yaşını analiz ederse, bu retrospektif çalışma (doğal olarak, böyle bir çalışma taşınabilir) Sadece deneyim tamamlandığında, bunlar. Bütün çocuklar doğdu).

Exodus

Tanım. Klinik olarak anlamlı bir fenomen, bir laboratuvar göstergesi veya araştırmacının ilgilendiği bir nesne olarak hizmet veren bir işaret. Klinik çalışmalar yürütürken, sonuçlar terapötik veya önleyici etkinin etkinliğini değerlendirmek için kriterler olarak hizmet eder.

Klinik Epidemiyoloji

Tanım. Çalışmaya dayanarak her bir hasta için bir veya başka bir sonucu öngörmeyi sağlayan bilim klinik Akış Sıkı kullanarak benzer durumlarda hastalıklar bilimsel yöntemler Tahminlerin doğruluğunu sağlamak için hastaları incelemek.

Grup

Tanım. Herhangi biriyle birleşmiş bir grup araştırma katılımcısı genel işaret Oluşumu sırasında ve uzun süre çalıştılar.

Kontrol

Tarihsel kontrol

Tanım. Önceki araştırma döneminde kontrol grubu oluşturulmuş ve incelenmiştir.

Paralel Kontrol

Tanım. Kontrol grubu, ana grubun oluşumu ile aynı anda oluşturulmuştur.

Korelasyon

Tanım. Bunu gösteren iki işaretin (kantitatif veya sıra) istatistiksel bağlantısı daha fazla değer Olguların belirli bir bölümünde bir özellik daha fazla - pozitif (düz) bir korelasyon durumunda - başka bir özelliğin veya daha az değerin değeri - negatif (ters) bir korelasyon durumunda.

Misal. Hastanın kanındaki trombositler ve lökositler arasında anlamlı bir korelasyon tespit edildi. Korelasyon katsayısı 0.76'dır.

Risk Katsayısı (CR)

Tanım. Risk katsayısı (tehlike oranı), birinci nesne grubu için bazı ("kötü") olaylarının oluşma olasılığının, ikinci nesne grubu için aynı olayın başlangıcının olasılığına göre oranıdır.

Misal. Sigara içmeyenlerde akciğer kanserinin ortaya çıkması olasılığı% 20'dir ve sigara içenler% 100'dür, daha sonra Kırgız Cumhuriyeti beşte birine eşit olacaktır. Bu örnekte, ilk nesne grubu sigara içilmeyen insanlar, ikinci grup - sigara içenler ve "kötü" bir olay olarak, akciğer kanserinin oluşumu göz önünde bulundurulur.

Şöyle açık şu ki:

1) KR \u003d 1 ise, o zaman bir olayın aynı gruplardaki olasılığı

2) CR\u003e 1 ise, olay ilk gruptan gelen nesnelerle daha sık gerçekleşir.

3) CR ise<1, то событие чаще происходит с объектами из второй группы, чем из первой

Meta analizi

Tanım. Dantatistik analiz, çeşitli çalışmaların sonuçlarının genelleştirilmesi, aynı problemi keşfetmek (genellikle tedavi, önleme, teşhisin etkinliği). Araştırma incelemesi, birleşik araştırmanın analizini ve büyük istatistiksel gücünü analiz etmek ve daha büyük bir örnek sunar. Çalışılan yöntemin etkinliğini sonuçlandırmak için kanıtları veya güvenini arttırmak için kullanılır.

Yöntem Kaplan - Meyer (Kaplan Multimitasyonları - Meyer)

Bu yöntem İstatistikler E.l. Kaplan ve Meyer Field tarafından icat edildi.

Yöntem, hasta izleme süresi ile ilişkili farklı değerleri hesaplamak için kullanılır. Bu değerlerin örnekleri:

İlacımı kullanırken bir yıl boyunca iyileşme olasılığı

ameliyattan üç yıl sonra operasyondan sonra nüks etme şansı

organ amputasyonu ile prostat kanseri olan hastalar arasında beş yıl boyunca hayatta kalmanın kümülatif olasılığı

Kaplan - Meyer'in yöntemini kullanmanın faydalarını netleştirelim.

"Sıradan" analiz altındaki değerlerin değeri (jeton-Meyer yöntemini kullanmamak), aralıklarla dikkate alınarak zaman aralığının bölümüne dayanarak hesaplanır.

Örneğin, hastanın ölümünün 5 yıl boyunca ölüme olasılığını keşfedersek, zaman aralığı 5 parça olarak bölünebilir (1 yıldan az, 1-2 yıl, 2-3 yıl, 3-4 yaş, 4-5 yıllar), öyle ve 10 (her biri yarım yıl boyunca) veya başka bir aralık var. Farklı tarafların sonuçları farklı olacaktır.

En uygun bölümün seçimi kolay bir iş değildir.

Kaplan-Meyer yöntemi tarafından elde edilen değerlerin değerlerinin tahminleri, aralıklarla gözlem zamanının bölümüne bağlı değildir ve her bir hastaların ömrüne bağlıdır.

Bu nedenle, araştırmacının analiz yapılması daha kolaydır ve sonuçlar genellikle "normal" analizin nitel sonuçları olarak ortaya çıkıyor.

Kaplan-Meier eğrisi (Kaplan - Meier Curve), Kaplan-Meier yöntemi tarafından elde edilen hayatta kalma eğrisinin bir grafiğidir.

Cox modeli

Bu model Sir David Rocksby Coke (s.1924), ünlü İngiliz istatistikleri, 300'den fazla makale ve kitabın yazarı tarafından icat edildi.

Kok modeli, araştırmacı altındaki değerlerin zamanın işlevleri sırasında analiz edildiği durumlarda kullanılır. Örneğin, T yıl (t \u003d 1.2, ...) ile nüks olasılığı, günlük (T) logaritmasına bağlı olabilir.

Kok tarafından önerilen yöntemin önemli bir avantajı, bu yöntemin çok sayıda durumlarda uygulanabilirliğidir (model doğa veya olasılık dağılımı şekli üzerinde ciddi kısıtlamalar getirmez).

Kok modeline dayanarak, bunun sonucu risk katsayısı için risk ve güven çizelgesinin değeri olan bir analiz (Kok Analizi (COX analizi) olarak adlandırılması mümkündür.

Parametrik olmayan istatistiksel yöntemler

Tanım.Esas olarak normal bir dağılım oluşturmayan nicel verileri analiz etmek ve kaliteli verileri analiz etmek için kullanılan istatistiksel yöntemlerin sınıfı.

Misal. Hastalığın sistolik basıncındaki farklılıkların önemini belirlemek için, tedavi türüne bağlı olarak, Mann-Whitney'in parametrik olmayan kriterini kullanıyoruz.

İşaret (değişken)

Tanım. H.Çalışma nesnesinin sarhoşluğu (gözlem). Yüksek kaliteli ve nicel işaretleri ayırt eder.

Randomizasyon

Tanım.Özel araçlar kullanarak araştırma nesnelerinin ana ve kontrol grubuna rastgele dağılımı (tablolar veya rasgele sayılar sayacı, madeni parayı ve diğer yolları, yanlışlıkla birlikte verilen gözlemlere atama). Randomizasyonun yardımı ile, çalışma altındaki exodus'u potansiyel olarak etkileyen iyi bilinen ve bilinmeyen özelliklere göre gruplar arasındaki farklar en aza indirilir.

Risk

Nitelik - Çalışmanın nesnesinde belirli bir karakteristik (risk faktörü) varlığından dolayı olumsuz sonuç (örneğin hastalık). Bu, bu risk faktörü ile ilişkili olan bir hastalık geliştirme riskinin bir parçasıdır, bunlar tarafından açıklanmıştır ve bu risk faktörü ortadan kalkarsa elimine edilebilir.

Göreceli risk - Bir grupta olumsuz bir durumun ortaya çıkması riskinin, bu durumun başka bir grupta riskine oranı. Gruplar önceden oluşturulduğunda, prospektif ve gözlemsel çalışmalarda kullanılır ve incelenen devletin ortaya çıkışı henüz gerçekleşmedi.

Sürgülü sınav

Tanım.Değerli modelin dengesini, güvenilirliğini, performansını (geçerliliği) kontrol etme yöntemi, değişimin gözlemlerini ve yeniden hesaplanmasıyla ve yeniden hesaplayarak istatistiksel modelin performansını (geçerliliği). Elde edilen daha benzer modeller, daha kararlı, güvenilir bir model.

Etkinlik

Tanım.Çalışmada gözlenen klinik sonuç, örneğin komplikasyonun ortaya çıkması, nüks, iyileşme başlangıcı, ölüm.

Stratifikasyon

Tanım. M.Çalışmaya dahil edilme kriterlerine karşılık gelen tüm katılımcıların setinin, ilk olarak, bir veya daha fazla özellik (genellikle cinsiyet, yaş) temelinde, çalışılan sonucu etkileyen bir veya daha fazla özellik (genellikle cinsiyet, yaş) temelinde gruplara (strata) ayrılmıştır. Bu grupların her birinden (Stratus) bağımsız olarak deney ve kontrol grubuna bir dizi katılımcı tutar. Bu, araştırmacının deney ve kontrol grupları arasındaki önemli özelliklerin dengesini gözlemlemesini sağlar.

Cama tablosu

Tanım.Gözlemlerin mutlak frekanslarının (miktar) tablosu, bunların aynı özelliğin değerlerine karşılık gelen sütunlar ve dizeler başka bir özelliğin değerleridir (iki boyutlu bir çağrışım tablosu durumunda). Mutlak frekans değerleri, satırların ve sütunların kesişimindeki hücrelerde bulunur.

Bir konjugasyon tablosuna bir örnek verelim. Anevrizma üzerinde işlem 194 hasta yapıldı. Ameliyat öncesi hastalarda ödemin ciddiyeti ile tanınır.

Ödem \\ exodus
Ödeme yok	20	6	26
ilımlı şişlik	27	15	42
dile getirilen ödem	8	21	29
m j.	55	42	194

Böylece, ödem yapmayan 26 hastanın bulunduğu, operasyondan sonra 20 hasta öldü - 6 hasta öldü. Ilımlı şişliğe sahip 42 hastanın 27 hasta hayatta kaldı, öldü - 15, vb.

Köleli masaları için ki-kare kriter

Aynı özellikte farklılıkların önemini (güvenilirlik), diğerine bağlı olarak (örneğin, ödemenin ciddiyetine bağlı olarak, işlemin sonucu), konjugasyon tabloları için bir ki-kare kriteri kullanılır:

Şans

Belirli bir olayın olasılığının p'ye eşit olmasına izin verin. Sonra olayın 1-p'ye eşit olmadığı olasılığı.

Örneğin, hastanın beş yıldan 0,8'e (% 80) eşitlenmesinden sonra canlı kalacağı olasılığı, o zaman bu zaman aralığı boyunca (% 20) 0,2 öleceğinin olasılığı.

Tanım. Şans, olayların olay olmadığı ihtimalin ortaya çıkması olasılığının oranıdır.

Misal. Örneğimize (hasta hakkında), Şans, 0.8 / 0.2 \u003d 4 olarak 4'tür.

Böylece, iyileşme olasılığı, ölüm olasılığının 4 katıdır.

Değerin değerinin yorumlanması.

1) Eğer şans \u003d 1 ise, bir etkinliğin olasılığı olayın gerçekleşmemesi olasılığına eşittir;

2) eğer\u003e 1 şansı varsa, olayın oluşma olasılığı olayın olasılığının olmadığı olasılığından daha büyüktür;

3) Eğer şans ise<1, то вероятность наступления события меньше вероятности того, что событие не произойдёт.

Tutum şansı

Tanım. Şansın oranı (oran oranı), ilk nesne grubu için şansın ikinci nesne grubu için şansın tutumuna oranıdır.

Misal. Bazı tedavinin hem erkek hem de kadınların geçtiğini varsayalım.

Erkek hastalığının beş yıl sonra 0,6'ya (% 60) daha sonra canlı kalması olasılığı; Bu zaman aralığında 0.4 (% 40) öleceğinin olasılığı).

Kadınlar için benzer olasılıklar 0,8 ve 0,2'ye eşittir.

Bu örnekte şansın oranı eşittir

Değerin değerinin yorumlanması.

1) Eğer şans oranı \u003d 1 ise, birinci grup için şansın ikinci grup için bir şansa eşittir.

2) eğer şans oranı\u003e 1 ise, ilk grup için şans ikinci grup için şansdan daha büyüktür.

3) Eğer şans oranı<1, то шанс для первой группы меньше шанса для второй группы

Görev 3. Beş okul öncesi bir test sunulur. Her görevi çözme zamanı kaydedilir. Testin ilk üç görevini çözme süresi arasında istatistiksel olarak anlamlı farklar bulunur mu?

Test numarası

Referans malzemesi

Bu görev dağılım analizi teorisine dayanmaktadır. Genel durumda, dispersiyon analizi sorunu, deney sonucu üzerinde önemli bir etkisi olan faktörleri tanımlamaktır. Dispersiyon analizi, numune sayısı ikiden fazla ise, orta ölçekli örnekleri karşılaştırmak için kullanılabilir. Bunun için tek faktörlü bir dispersiyon analizi sunar.

Aşağıdakilere atanan görevleri çözmek için. Faktörlerin etkisi durumunda optimizasyon parametresinin elde edilen değerlerinin dağılması, faktörlerin etkisinin yokluğunda sonuçların dağılımlarından farklılık gösterirse, böyle bir faktör önemli olarak tanınır.

Görevin ifadesinden görülebileceği gibi, istatistiksel hipotezlerin test yöntemleri burada, yani iki ampirik dispersiyonu kontrol etme görevi. Sonuç olarak, dispersiyon analizi, Fisher'in kriteriyle dispersiyonları kontrol etmeye dayanır. Bu görevde, testin ilk üç görevini çözme süresi arasındaki farkların altı okul öncesi her biri gerekli olup olmadığını kontrol etmek gerekir.

Sıfır (ana) hipotezi olarak adlandırılır. ESSENCE E, karşılaştırılan parametreler arasındaki farkın sıfır olduğuna (bu nedenle ve hipotezin adı sıfırdır) ve gözlenen farkların rastgele olduğu varsayılmaktadır.

Rakip (alternatif), sıfıra çelişen H 1 hipotezi denir.

Karar:

Dispersiyon analizinin anlamlılık düzeyinde α \u003d 0.05, altı okul öncesi cinsiyette testin ilk üç görevini çözme süresi arasındaki istatistiksel olarak anlamlı farkların varlığına ilişkin sıfır hipotezi (H O) kontrol edin.

Üç test görevinin her birine ortalama çözümü bulduğumuz görev koşulunun tablosunu düşünün

Test numarası	Faktör seviyeleri
Test numarası	Testin ilk görevini çözme zamanı (sn.).	İkinci test görevini çözme zamanı (sn.).	Testin üçüncü görevini çözme zamanı (sn.).






Grup ortalaması

Ortak bir ortalama buluruz:

Her test arasındaki geçici farkların önemini dikkate almak için, genel seçici dispersiyon, ilki faktör olarak adlandırılan iki parçaya ayrılır ve ikincisi artık

Formül tarafından toplam ortalamadan sapma seçeneğinin karelerinin toplam miktarını hesaplayın.

veya P, test görevlerinin zaman çözümlerinin ölçümlerinin sayısı, Q - konu sayısı. Bunu yapmak için, bir kare seçenekleri yapın.

Test numarası	Faktör seviyeleri
Test numarası	Testin ilk görevini çözme zamanı (sn.).	İkinci test görevini çözme zamanı (sn.).	Testin üçüncü görevini çözme zamanı (sn.).

Değişkenler arasındaki herhangi bir bağımlılığın ana özellikleri.

Değişkenler arasındaki ilişkinin en basit iki özelliğini not edebilirsiniz: (a) bağımlılığın ve (b) bağımlılığın güvenilirliğinin değeri.

- Değer vermek . Bağımlılık miktarı, güvenilirlikten daha kolay ve ölçmek daha kolaydır. Örneğin, numunedeki herhangi bir erkek lökosit sayısının (WCC) sayısının herhangi bir kadının değerine sahipse, o zaman iki değişken (zemin ve WCC) arasındaki ilişkinin çok yüksek olduğunu söyleyebilirsiniz. Başka bir deyişle, bir değişkenin değerlerini farklı değerlerle tahmin edebilirsiniz.

- Güvenilirlik ("Hakikat"). Bağımsızlığın güvenilirliği, bağımlılığın büyüklüğünden daha az görsel bir kavramdır, ancak son derece önemlidir. Bağımlılığın güvenilirliği, sonuçlara dayanarak, belirli bir örneğin temsilciliği ile doğrudan ilişkilidir. Başka bir deyişle, güvenilirlik, bağımlılığın, aynı popülasyondan elde edilen bu diğer örneklerde yeni keşfedileceğinin (başka bir deyişle, onaylandığı) nasıl olduğunu gösterir.

Nihai hedefin neredeyse hiç bu belirli değerleri incelememesi gerektiği hatırlanmalıdır; Örnek sadece ilham alınır, çünkü tüm nüfus hakkında bilgi verir. Çalışma bazı özel kriterleri karşılıyorsa, bulunan bağımlılıkların numunenin değişkenleri arasındaki güvenilirliği, standart bir istatistiksel önlem kullanılarak ölçülebilir ve sunulabilir.

Bağımlılık ve güvenilirliğin büyüklüğü, değişkenler arasında iki farklı bağımlılık özelliklerini temsil eder. Bununla birlikte, tamamen bağımsız olduklarını söylemek imkansızdır. Uygunluktaki değişkenler arasındaki bağımlılığın (iletişim) büyüklüğü ne kadar büyük olursa, normal birimin örneğindeki değişkenler arasında, daha fazla güvenilirdir (bir sonraki bölüme bakın).

Sonucun istatistiksel olarak önemi (P-Seviye), "gerçeği" ("örnekleme temsilcisi" anlamında) tahmin edilen bir güven ölçüsüdür. Daha teknik olarak daha özel olarak, P-seviyesi, sonucun güvenilirliğine bağlı olarak bağımlılığı azaltmada bir göstergedir. Daha yüksek bir P-seviyesi, değişkenler arasındaki seçimde bulunan bağımlılığa daha düşük bir güven seviyesine karşılık gelir. P-seviyesinin, gözlenen sonuçların tüm popülasyonun yayılmasıyla ilişkili bir hatanın olasılığını temsil etmesidir.

Örneğin, p-LEVEL \u003d 0.05 (yani 1/20), değişkenler arasındaki numunede bulunan bağlantının sadece bu örneğin rastgele bir özelliği olduğunun% 5'lik bir şans olduğunu göstermektedir. Birçok çalışmada, P-Level 0.05, hatanın "kabul edilebilir sınır" seviyesi olarak kabul edilir.

Tahkimlikten kaçınmanın bir yolu yoktur, hangi anlamlılık düzeyinde "önemli" olarak kabul edilmelidir. Sonuçların yanlış olarak reddedildiği belirli bir anlamlılık düzeyinin seçimi oldukça keyfidir.

Uygulamada, nihai çözelti genellikle, bunun genellikle bir priori (yani, deneyden önce) tarafından tahmin edilip edilmediğine veya çeşitli verilerle yapılan geleneklerin yanı sıra birçok analiz ve karşılaştırmanın bir sonucu olarak bir alıcıya sahip olup olmadığına bağlıdır. Bu araştırma alanı.

Genellikle birçok alanda, sonuç p .05, istatistiksel bir öneme sahip kabul edilebilir bir sınırdır, ancak bu seviyenin hala daha büyük bir hata olasılığı (% 5) içerdiği unutulmamalıdır.

P .01 düzeyinde önemli olan sonuçlar genellikle istatistiksel olarak anlamlı olarak kabul edilir ve sonuçlar P .005 veya p seviyesi ile. 001 Ne kadar önemli. Ancak, anlamlılık düzeylerinin bu sınıflandırmanın oldukça keyfi olduğu anlaşılmalıdır ve pratik deneyim temelinde yalnızca gayrı resmi bir anlaşma olduğu anlaşılmalıdır. bir araştırma alanında.

Analizlerin sayısının, bir dizi toplanan veri ile gerçekleştirileceği açıktır, ilgili sonuçların sayısı (seçilen seviyede), tamamen tesadüfen keşfedilecektir.

Birçok karşılaştırma içeren bazı istatistiksel yöntemler ve böylece bu tür bir hatayı tekrarlamak için önemli bir şansa sahip, toplam karşılaştırma sayısı için özel bir ayarlama veya değişiklik oluşturur. Bununla birlikte, birçok istatistiksel yöntem (özellikle basit veri araştırma yöntemleri) bu sorunu çözmenin herhangi bir yolu sunmuyor.

"Objektif olarak" değişkeni arasındaki bağlantı zayıfsa, bu bağımlılığı, büyük bir hacimli bir örneği keşfetmenin dışında kontrol etmenin başka bir yolu yoktur. Örnek kesinlikle temsilciyse bile, örnek küçükse, etki istatistiksel olarak anlamlı olmayacaktır. Benzer şekilde, bağımlılık "objektif olarak" çok güçlü ise, çok küçük bir örnekte bile yüksek bir anlamlılık derecesi ile tespit edilebilir.

Değişkenler arasındaki ilişkiyi zayıflatırsa, örneğin daha büyük olanı, bunu önemli ölçüde tespit etmek için gereklidir.

Çok farklı gelişmiş ara bağlantı önlemleri Değişkenler arasında. Belirli bir çalışmada belirli bir önlem seçimi, ölçüm terazilerinin, bağımlılıkların niteliği, vb. Tarafından kullanılan değişkenlerin sayısına bağlıdır.

Bu önlemlerin çoğu, yine de genel prensibe bağlıdır: gözlenen bağımlılığı tahmin etmeye çalışıyorlar, dikkate alınan değişkenler arasındaki "maksimum maksimum bağımlılık" ile karşılaştırırlar. Teknik olarak konuşurken, bu tür tahminleri yerine getirmenin olağan yolu, değişken değerlerin ne kadar değiştiğini ve daha sonra mevcut değişimin tamamının hangi kısmının "genel" ("eklem") varyasyonlarının (veya daha fazlasının) varlığı ile nasıl açıklanabileceğini görmektir. ) değişkenler.

Önem, esas olarak numunenin boyutuna bağlıdır. Daha önce açıklandığı gibi, çok büyük örneklerde, değişkenler arasındaki çok zayıf bağımlılıklar bile önemli olacaktır, küçük örneklerde bile çok güçlü bağımlılıklar bile güvenilir değildir.

Böylece, istatistiksel önem seviyesini belirlemek için, bir fonksiyonun her örneklem büyüklüğü için değişkenler arasındaki ilişkinin "büyüklüğü" ve "önemi" arasındaki ilişkiyi temsil edecek bir fonksiyona ihtiyaç duyar.

Böyle bir fonksiyon, nüfusa böyle bir bağımlılık olmadığı varsayımıyla, bu hacmin örneğinde bu değerinin (veya daha fazla) bağımlılığını nasıl elde edebileceğini tam olarak gösterir. " Başka bir deyişle, bu işlev önem seviyesini verir
(P düzeyi) ve bu nedenle, yanlışlıkla bu bağımlılığın yokluğundaki varsayımını yanlışlıkla reddetme olasılığı.

Bu "alternatif" hipotez (nüfusa bağımlılık olmadığı gerçeğinden oluşan) genellikle denir sıfır hipotez.

Bir hatanın olasılığını hesaplayan bir fonksiyonun doğrusal olduğunu ve farklı örnekleme hacimleri için sadece farklı eğimlere sahipse mükemmel olurdu. Ne yazık ki, bu özellik önemli ölçüde daha karmaşık ve her zaman tamamen aynı değildir. Bununla birlikte, çoğu durumda, formu bilinmektedir ve numune örneklerinin çalışmasında anlamlılık düzeylerini belirlemek için kullanılabilir. Bu fonksiyonların çoğu, denilen dağıtım sınıfı ile ilişkilidir. normal .

Tıpta istatistiksel yöntemlerin uygulanmasının tipik bir örneğini düşünün. İlacın yaratıcıları, benimsenen dozla orantılı olan diürezleri arttırdığını göstermektedir. Bu varsayımı doğrulamak için, ilacın farklı dozlarında beş gönüllüye reçete edilirler.

Gözlemlerin sonuçlarına göre, dozun dius devresinin bir grafiği inşa edilmiştir (Şekil 1.2A). Bağımlılık çıplak gözle görülebilir. Araştırmacılar birbirlerini keşifle tebrik eder ve dünya yeni bir diüretik ile.

Aslında, veriler, dius devresinin dozdan bağımlılığının bu beş gönüllü içinde gözlendiğinden emin olun. Bu bağımlılığın, ilacı alacak olan tüm insanlarda kendilerini ortaya koyacağını -
zy.

dan

. Güvenli olduğunu söylemek imkansızdır - aksi takdirde, neden deneyler koyuyorsunuz?

Ancak ilaç satışa çıktı. Giderek daha fazla insan, diürezlerini arttırmayı umuyor. Ve ne görüyoruz? İlaç ve diürezin dozu arasındaki herhangi bir ilişkinin olmadığını gösteren Şekil 1.2B'yi görüyoruz. Siyah daireler ilk araştırmanın verilerini işaretledi. İstatistikler, örneği karıştıran böyle bir "geçici olmayan", böyle bir "geçici olmayan" olasılığını tahmin etmemize izin veren yöntemlere sahiptir. Diuresome ile ilacın dozu arasındaki iletişimin olmaması durumunda ortaya çıkıyor, sonuçlanan "bağımlılık" yaklaşık 1000 deneyde görülecektir. Öyleyse, bu durumda araştırmacılar sadece şanslı değildir. En gelişmiş istatistiksel yöntemleri bile uyguladılarsa, onları hala bir hatadan kurtarmazlardı.

Bu kurgusal, ancak gerçeklikten uzak olmayan bir örnek, belirtmemeye yol açtık
İstatistik. Sonuçlarının olasılıksal doğası hakkında bir başkasından bahseder. İstatistiksel yöntemin uygulanmasından bir sonucu olarak, son durumda gerçeği alamıyoruz, ancak yalnızca bir veya başka bir varsayımın olasılığının bir tahmini. Ek olarak, her istatistiksel yöntem kendi matematiksel modeline dayanır ve sonuçları bu model gerçeğe karşılık geldiği kadar doğrudur.

Güvenilirlik ve istatistiksel önem meselinde bile:

Yaşam kalitesindeki istatistiksel olarak anlamlı farklar
İstatistiksel agrega. Hesaplar. Katı ve seçici çalışmalar kavramı. İstatistiksel agrega ve muhasebe belgelerinin kullanımı için gereksinimler
MAKALE. Gözümlülüğün gözetiminin güvenilirliğinin, göz kapanmışları ile göz içi basıncını ölçmek için güvenilirliğinin araştırılması2018, 2018

Çalışma genellikle gerçekleri çekmekle doğrulama gerektiren bazı varsayımlarla başlar. Bu varsayım hipotezidir - bazı nesne konseyinde fenomenlerin veya özelliklerin iletişimi açısından formüle edilir.

Bu tür varsayımları gerçekler doğrultusunda, karşılık gelen özellikleri taşıyıcılarından ölçmek gerekir. Ancak, tüm ergenlerin saldırganlığını ölçmek imkansız olduğu için, tüm kadınlarda ve erkeklerde kaygıyı ölçmek imkansızdır. Bu nedenle, araştırma yaparken, yalnızca ilgili insan kümelerinin nispeten küçük bir temsilcisi grubuyla sınırlıdır.

Genel agrega- Bunlar, araştırma hipotezinin formüle edildiği birçok nesnedir.

Örneğin, tüm erkekler; veya tüm kadınlar; Veya herhangi bir şehrin tüm sakinleri. Araştırmanın çalışmanın sonuçlarına dayanarak araştırmacının sonuçları çıkaracağı ilişkilerinde, genel agregalar, örneğin, bu okulun tüm ilk sınıflandırıcıları sayıları ve daha mütevazı olabilir.

Böylece, genel agrega, sayılarda sonsuz olmamasına rağmen, kural olarak, sağlam bir çalışma için erişilemeyen birçok potansiyel test.

Örnek veya seçici agrega- Bu, özellikle genel popülasyonun özelliklerini incelemek için özel olarak seçilen sınırlı bir tesis grubudur (psikoloji - testler, katılımcılarda). Buna göre, genel popülasyonun özelliklerinin seçimi üzerindeki çalışma denir seçici araştırma. Neredeyse tüm psikolojik çalışmalar seçicidir ve sonuçları genel agregalar için geçerlidir.

Böylece, hipotez formüle edildikten ve ilgili genel agregalar tanımlandıktan sonra, örnekleme organizasyonunun sorunu belirlenir. Numune, örneklem çalışmasının sonuçlarının genelleştirilmesinin, genel popülasyonda bunların dağılımı, bir genelleme, bir genelleme yapılması gerektiği şekilde olmalıdır. Araştırma sonuçlarının revizyonu için ana kriterler— bu, örneklemenin temsilciliği ve istatistiksel doğruluk (ampirik) sonuçlardır.

Tanıtıcı örnek- Başka bir deyişle, temsilciliği, incelenen fenomenleri, genel popülasyondaki değişkenlik açısından yeterince yarım no.

Elbette, çalışılan fenomenin tam bir resmi, tüm menzil bölgesinde ve değişkenlik nüanslarında, yalnızca genel bir nüfusa neden olabilir. Bu nedenle, temsilci her zaman numunenin sınırlı olduğu ölçüde sınırlıdır. Ve tam olarak, araştırma sonuçlarının genelleştirilmesinin sınırlarını belirlerken, ana tığ işi olan numunenin temsilidir. Bununla birlikte, IS-Araştırmacı için yeterli olan numunenin yeterli temsilciliğini elde etmenize izin veren teknikler vardır (bu teknikler "deneysel psikoloji kursu için devam ediyor").

İlk ve birincil resepsiyon basit bir rastgele (randomize) bir seçimdir. Genel nüfusun her bir üyesinin, örneğe girme için diğer şanslarla eşit olması için bu koşulların sağlanmasını varsayar. Yelken seçimi, genel popülasyonun çeşitli temsilcilerinin örneğine girme olasılığını sağlar. Aynı zamanda, seçimdeki herhangi bir kalıpın ortaya çıkışı hariç, özel önlemler alınır. Ve bu, nihayetinde IZU-Tea Mülkiyetinin örneğinde, her şeyde olmasa da, daha sonra çeşitli maksimumda sunulacağını ummanızı sağlar.

Temsilcilik sağlamanın ikinci yolu, genel popülasyonun özelliklerine göre tabakalı bir rastgele seçimdir veya seçimdir. Çalışılan mülkün değişkenliğini etkileyebilecek niteliklerin ön tanımını ifade eder (zemini, sağım veya eğitim seviyesi, vb. Olabilir). Grup sayısının yüzde oranı, genel popülasyondaki grupların bu niteliklerinde (strata) farklılık gösterir ve ilgili grupların numunedeki aynı yüzde oranı sağlanır. Sonra, her örnekleme alt grubunda, konular basit rastgele seçim ilkesi üzerine seçilir.

İstatistiksel doğrulukveya istatistiksel önem, çalışmanın sonuçları istatistiksel varoluş yöntemleri kullanılarak belirlenir.

Çalışma sonuçlarından bazı sonuçlarla karar verirken hata yaptıklarından haber verdiler mi? Tabii ki değil. Sonuçta, kararlarımız, örneklemenin çalışmasının sonuçlarına ve psikolojik bilgilerimizin seviyesine dayanır. Tamamen hatalara karşı sigortalı değiliz. İstatistikte, bu tür hatalar, 1000'den daha fazla bir durumdan daha fazla görülmedilerse, (α \u003d 0.001 hatası olasılığı veya uygun çıkışın p \u003d 0.9999) olasılığının değeri olursa; Bir durumda, 100 üzerinden (Hata α \u003d 0.01 hatası olasılığı veya p \u003d 0.99) (p \u003d 0.99) beş vakada (Hata α \u003d 0.05 olasılığı veya doğru olasılığının olasılığı) Çekilme p \u003d 0.95). Son iki seviyede ve psikolojide karar vermek gelenekseldir.

Bazen, istatistiksel güvenilirlikten bahsetmek, "anlamlılık düzeyi" kavramını kullanın (α olarak belirtilmiştir). P ve α'nın sayısal değerleri birbirlerini 1000'e tamamlar - tam bir olay seti: Ya doğru sonucu yarattık ya da yanılıyorduk. Bu seviyeler hesaplanmaz, belirtilirler. Kavşak, bu olay hakkında rastgele olmayan olarak konuşmaya izin verecek olan bir tür "kırmızı" çizgi "olarak anlaşılabilir. Her bir yetkili bilimsel raporda veya yayında, sonuçların, sonuçların yapıldığı P veya α değerlerinin bir göstergesi eşlik etmelidir.

İstatistiksel çıkış yöntemleri "matematiksel istatistikler" derisinde detaylı olarak kabul edilir. Şimdi biz sadece sayılar için bazı numaraları uyguladıklarını veya Örnekleme.

Ne yazık ki, gerekli örneklemenin ön tanımındaki katı öneriler mevcut değildir. Ayrıca, akreditif olmayan ve yeterli sayıda sayısının sorusunun cevabı genellikle çok geç kalır - yalnızca zaten araştırılmış seçimin verilerini analiz ettikten sonra. Bununla birlikte, en genel önerileri formüle edebilirsiniz:

1. Teşhis yöntemleri geliştirirken, numunenin en büyük boyutu gereklidir - 200 ila 1000-2500 kişiye kadar.

2. 2 örneği karşılaştırmanız gerekiyorsa, toplam sayıları en az 50 kişi olmalıdır; Karşılaştırılan numunelerin sayısı yaklaşık olarak aynı olmalıdır.

3. Herhangi bir özellik arasındaki ilişki çalışıldıysa, örnek hacim en az 30-35 kişi olmalıdır.

4. daha büyük değişkenlikÇalışılan özellikler, örneklem büyüklüğü ne kadar büyük olur. Bu nedenle, örneğin zeminde, yaş, vb. Aynı zamanda, numunenin homojenliğini arttırarak değişkenlik azaltılabilir, doğal olarak, sonuçların üretilmesi olanakları azalır.

Bağımlı ve bağımsız örnekler.Araştırmanın durumu, araştırmacının mülkiyeti, daha fazla karşılaştırma amacıyla iki veya daha fazla numune üzerinde çalışıldığında yaygındır. Bu örnekler, organizasyonlarının prosedürüne bağlı olarak farklı oranlarda olabilir. Bağımsız örnekler bir numunenin herhangi bir konusunun seçilmesinin olasılığının, başka bir numunenin herhangi birinin herhangi birinin seçimine bağlı olmadığı gerçeği ile karakterizedir. Aksine bağımlı örneklerher test bir numunenin, başka bir numuneden belirli bir kriter konusuna uygun olarak yapılması gerçeği ile karakterize edilir.

Genel olarak, bağımlı örnekler, karşılaştırılan numunelerde kullanılan çiftin seçilmesini ve bağımsız numunelerin bağımsız testlerin seçimi olduğunu göstermektedir.

"Kısmen bağımlı" (veya "kısmen" kısmen bağımsız "örneklerinin kabul edilemez olduğu belirtilmelidir: Bu, temsili onların teminatçılarını ihlal eder.

Sonuç olarak, psikolojik araştırma iki paradigmasının ayırt edilebileceğini unutmayız.

Lafta R-Metodolojisibazı maruz kalma, faktör veya diğer mülklerden etkilenen bazı mülklerin (psikolojik) değişkenliğini incelemek niyetindedir. Örnek, konuların sembolüdür.

Başka bir yaklaşım Q-Metodoloji,konunun değişkenliğinin (bekar) çeşitli teşviklerin (koşullar, durumlar vb.) Etkisi altında çalışmasını içerir. Ne zaman duruma karşılık gelir numune çok fazla teşviktir.