- •Вниманию авторов! Требования к оформлению пособия.
- •Тема 1. Введение в биостатистику. Типы данных.
- •Номинальные переменные
- •Порядковые переменные
- •Количественные данные. Интервальные переменные
- •Задача-эталон
- •Решение
- •План исследования
- •Тема 2. Варияционный ряд. Числовая характеристика дискретного статистического ряда. Средние величины. Полигон.
- •Задача-эталон
- •Тема 3. Дисперсия. Стандартное отклонение. Стандартная ошибка среднего. Доверительный интервал.
- •Задача-эталон
- •Тема 4. Интервальный статистический дискретный ряд распределения. Числовые характеристики интервального статистического ряда. Гистограмма.
- •График 1. Гистограмма
- •Задача-эталон
- •Тема 5. Нулевая гипотеза. Альтернативная гипотеза. Ошибки первого и второго рода.
- •Основные свойства гипотезы
- •Статистические гипотезы.
- •Обобщённая методика проверки статистических гипотез
- •Принятие неправильного решения
- •Задача-эталон
- •Решение
- •Тема 6. Нормальное распределение, характеристика, графическая проверка.
- •Значение
- •Нормальное распределение в природе и приложениях
- •Для оценки «крутизны» (островершинности) распределения пользуются характеристикой – эксцессом.
- •Проверка на нормальность(r-ч.0,06%)
- •Задача-эталон Критерии Колмогорова – Смирнова
- •Тема 8. Критерий Стюдента
- •Задача-эталон
- •Тема 9. Дисперсионный анализ
- •Задача-эталон
- •Тема 10. Отношение шансов. Относительный риск. Таблица сопряженности.
- •1. История разработки показателя отношения шансов
- •2. Для чего используется показатель отношения шансов?
- •3. Условия и ограничения применения отношения шансов
- •4. Как рассчитать отношение шансов?
- •5. Как интерпретировать значение отношения шансов?
- •Задача-эталон
- •1. История разработки показателя относительного риска
- •2. Для чего используется относительный риск?
- •3. Условия и ограничения применения относительного риска
- •4. Как рассчитать относительный риск?
- •5. Как интерпретировать значение относительного риска?
- •Задача-эталон
- •Тема 11. Критерий χ2 Пирсона.
- •1. История разработки критерия χ2
- •2. Для чего используется критерий χ2 Пирсона?
- •3. Условия и ограничения применения критерия хи-квадрат Пирсона
- •4. Как рассчитать критерий хи-квадрат Пирсона?
- •5. Как интерпретировать значение критерия хи-квадрат Пирсона?
- •6. Пример расчета критерия хи-квадрат Пирсона
- •Задача-эталон
- •Анализ таблицы сопряженности
- •Тема12. Корреляционный анализ
- •Задача-эталон
- •Задача-эталон
- •Тема 13. Анализ выживаемости.
- •Задача-эталон
Номинальные переменные
Номинальные переменные используются только для классификации по признаку категорий. Это означает, что такие переменные могут быть измерены только в терминах принадлежности к различным классам. При этом исследователь не может влиять на количество этих классов и упорядочивать их. Измерения в этой шкале строятся только на принципе эквивалентности. Например, в результатах исследования можно указать, что в случайной выборке оказалось 212 пациентов, различимых в рамках переменной А (национальность): русских – 150, татар – 50, немцев – 10, армянин – 1, грузин – 1 (пациенты принадлежат к разным национальностям). Типичные примеры номинальных переменных: пол, национальность, цвет, населенный пункт и т.д. Номинальные переменные иногда называют категорийными.
Частным случаем номинальных признаков являются бинарные (дихотомические) признаки, представляющие собой признаки с двумя градациями, например, мужской и женский пол, вакцинированные и невакцинированные, масса тела пациента выше среднего или ниже, симптом болезни есть или нет. Наличие или отсутствие признака иногда кодируют цифрами: «нет» – 0, «да» – 1.
Часто начинающие исследователи ошибочно воспринимают их как обычные числовые значения. Однако эти признаки не связаны между собой никакими арифметическими соотношениями, упорядочить их также нельзя. Единственный способ описания категорийных признаков состоит в том, чтобы подсчитать число объектов, имеющих одно и то же значение. Кроме того, можно определить, какая доля от общего числа единиц измерения приходится на то или иное значение. Такими данными можно характеризовать структуру явления и представлять их в виде таблиц или диаграмм.
Порядковые переменные
Порядковые переменные позволяют ранжировать (упорядочить) единицы наблюдения, указав, какие из них в большей или меньшей степени обладают качеством, соответствующим данной переменной. Однако они не позволяют установить различие между ними (нельзя определить, на сколько больше или меньше). Порядковые переменные иногда называют ординальными. Типичные примеры порядковой переменной: состояние больного (тяжелое, средней тяжести, удовлетворительное); выраженность боли (сильная, умеренная, слабая, отсутствие боли). Широко известны диагностические инструменты: шкала стадий гипертонической болезни (по Мясникову), шкала степеней сердечной недостаточности (по Стражеско–Василенко–Лангу), шкала степени выраженности коронарной недостаточности (по Фогельсону), визуальная шкала боли и т.д. Все эти шкалы построены по схеме: болезни нет; первая стадия болезни; вторая стадия; третья стадия и т.д. Иногда стадии кодируют так: 1, 2а, 2б, 3 и т.д. Каждая стадия имеет свойственную только ей медицинскую характеристику [9].
С градациями этой переменной нельзя производить арифметические действия (складывать, вычитать, делить и т.д.). Понятно, что между тяжелым состоянием одного больного и состоянием средней тяжести другого больного есть разница, однако между этими состояниями нельзя установить разницу, скажем, в 18%. В данном случае градация порядковой переменной характеризуется последовательностью, в то время как номинальные переменные предназначены исключительно для различения категорий. Порядковые переменные играют ключевую роль в оценивании. Иногда признак (переменная) может иметь большое число градации. В связи с этим для сокращения записи таким переменным иногда присваивают определенный балл (от франц. Balle – шар) – условная единица для оценки интенсивности (насыщенности) явления по определенной шкале.
