Основы статистических методов обработки медико-биологических данных. - презентация

1 Основы статистических методов обработки медико-биологических данных.

2 Анализ данных в Microsoft Excel Microsoft Excel имеет большое число статистических функций. Некоторые являются встроенными, некоторые доступны после установки пакета анализа. Обращение к Пакету анализа. Средства, включенные в пакет анализа данных, доступны через команду Анализ данных меню Сервис. Если эта команда отсутствует в меню, в меню Сервис/Надстройки необходимо активировать пункт "Пакет анализа".

3 Описательная статистика Описательная статистика (Descriptive statistics ) - техника сбора и суммирования количественных данных, которая используется для превращения массы цифровых данных в форму, удобную для восприятия и обсуждения. Цель описательной статистики - обобщить первичные результаты, полученные в результате наблюдений и экспериментов.

4 Пример Пусть дан набор данных А, представленный в таблице

5 Пример Сервис Пакет анализа/ Описательная статистика

6 Центральная тенденция Измерение центральной тенденции заключается в выборе числа, которое наилучшим способом описывает все значения признака набора данных. Мы рассмотрим две характеристики этого измерения: среднее значение и медиану. Главная цель среднего - представление набора данных для последующего анализа, сопоставления и сравнения. Доверительным интервалом для среднего значения является интервал значений вокруг оценки, где с данным уровнем доверия находится "истинное среднее популяции. Пример

7 Центральная тенденция Медиана - точная середина выборки, которая делит ее на две равные части по числу наблюдений. Обязательным условием нахождения медианы является упорядоченность выборки. Таким образом, для нечетного количества наблюдений медианой выступает наблюдение с номером (n+1)/2, где n - количество наблюдений в выборке. Для четного числа наблюдений медианой является среднее значение наблюдений n/2 и (n+2)/2. Пример

8 Характеристики вариации данных Минимум - наименьшее значение выборки. Максимум - наибольшее значение выборки. Размах - разница между наибольшим и наименьшим значениями выборки. Дисперсия - среднее арифметическое квадратов отклонений значений от их среднего. Стандартное отклонение - квадратный корень из дисперсии выборки - мера того, насколько широко разбросаны точки данных относительно их среднего. Пример

9 Характеристики вариации данных Эксцесс показывает "остроту пика" распределения, характеризует относительную остроконечность или сглаженность распределения по сравнению с нормальным распределением. Положительный эксцесс обозначает относительно остроконечное распределение (пик заострен). Отрицательный эксцесс обозначает относительно сглаженное распределение (пик закруглен). Если эксцесс существенно отличается от нуля, то распределение имеет или более закругленный пик, чем нормальное, или, напротив, имеет более острый пик (возможно, имеется несколько пиков). Эксцесс нормального распределения равен нулю. Пример

10 Характеристики вариации данных Асимметрия или асимметричность показывает отклонение распределения от симметричного. Если асимметрия существенно отличается от нуля, то распределение несимметрично, нормальное распределение абсолютно симметрично. Если распределение имеет длинный правый хвост, асимметрия положительна; если длинный левый хвост - отрицательна. Выбросы (outliers) - данные, резко отличающиеся от основного числа данных. Пример

11 Корреляционный анализ Корреляционный анализ применяется для количественной оценки взаимосвязи двух наборов данных, представленных в безразмерном виде. Корреляционный анализ дает возможность установить, ассоциированы ли наборы данных по величине. Коэффициент корреляции, всегда обозначаемый латинской буквой r, используется для определения наличия взаимосвязи между двумя свойствами.

12 Коэффициент корреляции Пирсона Коэффициент корреляции Пирсона r, который является безразмерным индексом в интервале от - 1,0 до 1,0 включительно, отражает степень линейной зависимости между двумя множествами данных. где x - значение факторного признака; y - значение результативного признака; n - число пар данных.

13 Парная корреляция Парная корреляция - это связь между двумя признаками: результативным и факторным или двумя факторными. Варианты связи, характеризующие наличие или отсутствие линейной связи между признаками: большие значения из одного набора данных связаны с большими значениями другого набора (положительная корреляция) - наличие прямой линейной связи; малые значения одного набора связаны с большими значениями другого (отрицательная корреляция) - наличие отрицательной линейной связи; данные двух диапазонов никак не связаны (нулевая корреляция) – отсутствие линейной связи.

14 Пример Необходимо определить наличие линейной связи между признаками x и y. Для графического представления связи двух переменных использована система координат с осями, соответствующими переменным x и y. Построенный график, называемый диаграммой рассеивания, показывает, что низкие значения переменной x соответствуют низким значениям переменной y, высокие значения переменной x соответствуют высоким значениям переменной y. Этот пример демонстрирует наличие явной связи. Пример

15 Рассчитаем коэффициент корреляции Пирсона между двумя массивами (x и y) при помощи функции MS Excel ПИРСОН(массив 1;массив 2). В результате получаем значение 0,998364, т.е. связь между переменными x и y является весьма высокой. Используя пакет анализа MS Excel и инструмент анализа "Корреляция", можем построить корреляционную матрицу.

16 Регрессионный анализ Рассмотрим кратко этапы регрессионного анализа. 1. Формулировка задачи. На этом этапе формируются предварительные гипотезы о зависимости исследуемых явлений. 2. Определение зависимых и независимых (объясняющих) переменных. 3. Сбор статистических данных. Данные должны быть собраны для каждой из переменных, включенных в регрессионную модель. 4. Формулировка гипотезы о форме связи (простая или множественная, линейная или нелинейная). 5. Определение функции регрессии (заключается в расчете численных значений параметров уравнения регрессии) 6. Оценка точности регрессионного анализа. 7. Интерпретация полученных результатов. Полученные результаты регрессионного анализа сравниваются с предварительными гипотезами. Оценивается корректность и правдоподобие полученных результатов. 8. Предсказание неизвестных значений зависимой переменной.

17 Задачи регрессионного анализа установление формы зависимости, определение функции регрессии, оценка неизвестных значений зависимой переменной.

18 Установление формы зависимости. положительная линейная регрессия (выражается в равномерном росте функции); положительная равноускоренно возрастающая регрессия; положительная равнозамедленноее возрастающая регрессия; отрицательная линейная регрессия (выражается в равномерном падении функции); отрицательная равноускоренно убывающая регрессия; отрицательная равнозамедленноее убывающая регрессия.

19 Определение функции регрессии. Функция регрессии определяется в виде математического уравнения того или иного типа.

20 Оценка неизвестных значений зависимой переменной. Оценка значений зависимой переменной внутри рассматриваемого интервала исходных данных, т.е. пропущенных значений; при этом решается задача интерполяции. Оценка будущих значений зависимой переменной, т.е. нахождение значений вне заданного интервала исходных данных; при этом решается задача экстраполяции. Обе задачи решаются путем подстановки в уравнение регрессии найденных оценок параметров значений независимых переменных. Результат решения уравнения представляет собой оценку значения целевой (зависимой) переменной.

21 Уравнение регрессии. Уравнение регрессии выглядит следующим образом: Y=a+b*X При помощи этого уравнения переменная Y выражается через константу a и угол наклона прямой (или угловой коэффициент) b, умноженный на значение переменной X. Константу a также называют свободным членом, а угловой коэффициент - коэффициентом регрессии или B-коэффициентом. В большинстве случав (если не всегда) наблюдается определенный разброс наблюдений относительно регрессионной прямой. Остаток - это отклонение отдельной точки (наблюдения) от линии регрессии (предсказанного значения).

22 Решение задачи в MS Excel Для решения задачи регрессионного анализа в MS Excel выбираем в меню Сервис "Пакет анализа" и инструмент анализа "Регрессия". Задаем входные интервалы X и Y. Входной интервал Y - это диапазон зависимых анализируемых данных, он должен включать один столбец. Входной интервал X - это диапазон независимых данных, которые необходимо проанализировать. Число входных диапазонов должно быть не больше 16.

23 Регрессионная статистика Величина R-квадрат, называемая также мерой определенности, характеризует качество полученной регрессионной прямой. Это качество выражается степенью соответствия между исходными данными и регрессионной моделью (расчетными данными). Мера определенности всегда находится в пределах интервала [0;1].

24 Коэффициенты регрессии Здесь даны коэффициент регрессии b (2, ) и смещение по оси ординат, т.е. константа a (2, ). Исходя из расчетов, можем записать уравнение регрессии таким образом: Y= x*2, , Направление связи между переменными определяется на основании знаков (отрицательный или положительный) коэффициентов регрессии (коэффициента b).

25 ВЫВОД ОСТАТКА Для того чтобы эти результаты появились в отчете, необходимо при запуске инструмента «Регрессия» активировать чекбокс «Остатки». При помощи этой части отчета мы можем видеть отклонения каждой точки от построенной линии регрессии. Наибольшее абсолютное значение остатка в нашем случае - 0,778, наименьшее - 0,043.

26 График остатков и линия регрессии Как видим, линия регрессии достаточно точно "подогнана" под значения исходных данных.

27 Задача прогнозирования Задача прогнозирования – задача оценки неизвестных будущих значений зависимой переменной на основании известных значений независимой переменной. Имея уравнение регрессии, задача прогнозирования сводится к решению уравнения Y=x*2, , с известными значениями x.

28 Результаты Таким образом, в результате использования регрессионного анализа в пакете Microsoft Excel мы: построили уравнение регрессии; установили форму зависимости и направление связи между переменными - положительная линейная регрессия, которая выражается в равномерном росте функции; установили направление связи между переменными; оценили качество полученной регрессионной прямой; смогли увидеть отклонения расчетных данных от данных исходного набора; предсказали будущие значения зависимой переменной.