STATISTIČAR
This presentation is the property of its rightful owner.
Sponsored Links
1 / 33

Planiranje istraživanja PowerPoint PPT Presentation


  • 64 Views
  • Uploaded on
  • Presentation posted in: General

STATISTIČAR. Tumačenje rezultata. Obrada podataka. Unos podataka. Prikupljanje podataka. Planiranje istraživanja. populacija. uzorak. CILJ ISTRAŽIVANJA. Opisati. Objasniti. Predvidjeti. Oruđe : STATISTIKA. Nezavršena osnovna škola 19%. Osnovna škola 22%. Više ili visoko

Download Presentation

Planiranje istraživanja

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Planiranje istra ivanja

STATISTIČAR

Tumačenje rezultata

Obrada podataka

Unospodataka

Prikupljanjepodataka

Planiranjeistraživanja


Planiranje istra ivanja

populacija

uzorak

CILJ ISTRAŽIVANJA

Opisati

Objasniti

Predvidjeti

Oruđe:STATISTIKA


Planiranje istra ivanja

Nezavršena

osnovna škola19%

Osnovna škola22%

Više ili visoko

obrazovanje

12%

Srednja škola47%

UZORAK

Kakvo je stanje u populaciji?

Nereprezentativan

Reprezentativan

Nereprezentativan


Planiranje istra ivanja

UZORAK

Vrste uzoraka (načini uzimanja uzoraka)

Slučajni

Svaki član populacije ima jednaku vjerojatnost biti odabran

(izvlačenje brojeva iz šešira, tablice slučajnih brojeva,računalni programi...)

Sustavni

Uzima se svaki n-ti član populacije

Stratificirani

Populacija se dijeli na “slojeve” pa se iz njih uzimajuslučajni uzorci

Prigodni

Podatci se uzimaju od ispitanika koje imamo “pri ruci”


Planiranje istra ivanja

UZORAK

Veličina uzorka

Željena preciznostmjerenja

Varijabilnost mjerenepojave

Snaga istraživanja –

vjerojatnost pronalaženja razlike koja zaista i postoji u populaciji

Pogrješke:

alfa – pronašli smo statistički značajnu razliku, a razlike zapravo nema

beta–nismo pronašli razliku, a razlika zapravo postoji


Planiranje istra ivanja

Uzorak

randomizacija

Kontrolna

Eksperimentalna (1 ili više)

OBLIKOVANJE SKUPINA


Planiranje istra ivanja

LJESTVICE MJERENJA

NOMINALNA

broj stoji umjesto imena (npr. spol – muški=0, žene=1)

ORDINALNA

brojevi označavaju redoslijed, ali ne znamo KOLIKE su razlike

(npr. školske ocjene – 1, 2, 3, 4, 5)

INTERVALNA

imamo redoslijed i razlike ali brojčani odnosi ne označavaju odnose u mjerenoj pojavi jer nema apsolutne nule (npr. temperatura – 20ºC nije dvostruko toplije od 10ºC)

OMJERNA

brojčani odnosi označavaju odnose u mjerenoj pojavi jer

postoji apsolutna nula

(npr. dužina – 20 cm je dvostruko duže od 10 cm)


Planiranje istra ivanja

1. NOMINALNA

Dominantna vrijednost, račun proporcija, χ2-test,Cramerov Fi, koeficijent kontingencije C

2. ORDINALNA

Sve pod 1 + centralna vrijednost, koeficijent korelacije ρ (Ro),Tau, Theta i koeficijent W

3. INTERVALNA

Sve pod 1 i 2 + aritmetička sredina, standardna devijacija,z-vrijednosti i koeficijent korelacije r (uključujući parcijalnu i multiplu korelaciju)

4. OMJERNA

Sve pod 1, 2 i 3 + geometrijska sredina i koeficijent varijabilnosti V

LJESTVICE MJERENJA-dopušteni postupci


Planiranje istra ivanja

Stupanj opeklina

Dob

Brojevi na majicama nogometaša

Zbroj bodova na ljestvici stavova prema znanosti(najmanji mogući rezultat je 10, a najveći 50)

Doza lijeka koji se daje pacijentu (izražena u mg)

VJEŽBA

ordinalna

omjerna

nominalna

intervalna

omjerna


Planiranje istra ivanja

Opis

Usporedba

Povezanost

OBRADA PODATAKA:

Kakvi su stavovi studenata medicine

prema znanosti?

Postoje li razlike u stavovima prema

znanosti između studenata različitih godina?

Postoji li povezanost između stavova prema znanosti

prosjeka ocjena?


Planiranje istra ivanja

Dominantna vrijednost (Mode)

-najčešći rezultatat-

Raspon

Središnja vrijednost (Median)

-središnji rezultatat-

Poluinterkvartilno raspršenje

Aritmetička sredina (Mean)-prosjek-

Standardna devijacija

OPIS

Raspodjela

Srednje vrijednosti i raspšenja


Planiranje istra ivanja

SREDIŠNJE VRIJEDNOSTII RASPRŠENJA


Planiranje istra ivanja

= 3

9

9

= 3

M=3

C=2

SREDNJE VRIJEDNOSTI

1+2+2+3+3+3+4+4+5

M=C

1+2+2+2+2+3+3+4+8


Planiranje istra ivanja

RASPODJELA PODATAKA

C=4

C=4


Planiranje istra ivanja

151

VRIJEDNOSTI KOJE SE JAKO RAZLIKUJU

Pažnja! Možda je pogrješka, a možda neistražena pojava!


Planiranje istra ivanja

NORMALNA RASPODJELA

Testiranje normaliteta raspodjele: Kolmogorov-Smirnov test

parametri


Planiranje istra ivanja

DRUGE RASPODJELE

Asimetrična udesno

Asimetrična ulijevo

Stožasta

Spljoštena

Bimodalna


Planiranje istra ivanja

Aritmetička sredina i standardna devijacija

Parametrijska statistika

Središnja/dominantna vrijednost

i interkvartilno raspršenje/totalni raspon

Neparametrijska statistika


Planiranje istra ivanja

ZBOG POGRJEŠKE MJERENJA DOBIVENI REZULTATI UVIJEK SU SAMO PROCJENA STANJA U POPULACIJI

RASPON POUZDANOSTI

(CONFIDENCE INTERVAL)

RASPON U KOJEM SE,

UZ ODREĐENU SIGURNOST (95%, 99%),

NALAZI “PRAVI” REZULTAT U POPULACIJI

Npr. M=20, 95%CI 18-24

C=76, 99%CI 69-85


Planiranje istra ivanja

IZBOR ODGOVARAJUĆEG STATISTIČKOG POSTUPKA


Planiranje istra ivanja

ŠTO ZNAČI “STATISTIČKI ZNAČAJNO”?

p<0.05 – 95% sigurnosti da dobivenarazlika/povezanost nije posljedica slučaja

p<0.01 – 99% sigurnosti da dobivenarazlika/povezanost nije posljedica slučaja

PRIKAZ p-vrijednosti– tri decimalna mjesta

Npr. p=0.024

p=0.007

p<0.001


Planiranje istra ivanja

PRIMJER

Rezultati randomiziranog kontroliranog pokusapokazuju da je novi lijek u pokusnoj skupiniprosječno smanjio dijastolički tlaks 99 mmHg na 96 mmHg, p<0.001

Statistički značajno, ali ne i klinički!


Planiranje istra ivanja

SAMO POKUSOMMOŽEMO UTVRDITIUZROČNOST!!!

POVEZANOST

NE ZNAČI I UZROČNOST

Korelacija između stavova prema znanostii slušanja kolegija “Uvod u znanstveni rad u medicini”iznosi ρ=0.84, p<0.001

Studenti koji su slušali kolegij vjerojatnoimaju pozitivnije stavove prema znanosti

Slušanje kolegija utječe na stvaranje pozitivnijihstavova prema znanosti

Slušanje kolegija utječe na stvaranje pozitivnijihstavova prema znanosti


Planiranje istra ivanja

BIOSTATISTICS INSTRUCTIONAL MANUALhttp://www.sjsu.edu/faculty/gerstman/StatPrimer/

ELEMENTARY CONCEPTS IN STATISTICS http://www.statsoftinc.com/textbook/esc.html

ONLINE STATISTICS TEXTBOOKhttp://www2.chass.ncsu.edu/garson/pa765/statnote.htm

POWER CALCULATIONhttp://calculators.stat.ucla.edu/powercalc/


Planiranje istra ivanja

RAZGOVARAJTE SA STATISTIČARIMA, I ONI SU LJUDI!

i...

PAŽLJIVO PLANIRAJTE!

SUSTAVNO OBRAĐUJTE!

ODGOVORNO TUMAČITE!


Procjena veli ine uzorka

Procjena veličine uzorka

“Koliki uzorak mi treba?”

često pitanje

važno pitanje

odgovor nije sasvim jednostavan

grafički način procjene veličine uzorka – Altmanov nomogram


Procjena veli ine uzorka1

  • na temelju razlike koju smatramo relevantnom možemo izračunati standardiziranu razliku koja ovisi o vrsti podataka (kontinuirani/kvantitativni ili kategorijski/kvalitativni)

    • za kategorijske varijable:

    • SR=δ/√p(1-p) , pri čemu je: δ=p1-p2 (razlika u proporcijama)

    • p=(p1+p2)/2 (prosječna proporcija)

    • za kontinuirane varijable:

    • SR=δ/σ0, pri čemu je: δ – klinički relevantna razlika

    • σ0 – očekivana standardna devijacija

Procjena veličine uzorka

potrebna 3 parametra

(klinički) relevantna razlika

razina značajnosti (0.05, 0.01)

snaga


Procjena veli ine uzorka primjer 1 kategorijske varijable

  • SR=δ/√p(1-p) , pri čemu je: δ=p1-p2 (razlika u proporcijama)

    • p=(p1+p2)/2 (prosječna proporcija)

Procjena veličine uzorka – primjer 1 kategorijske varijable

Ispitujemo novi antibiotik. Dosad korišteni lijek učinkovit je u 40% slučajeva, a novi, da bi se isplatio mora biti učinkovit u barem 60% slučajeva.

Koliko ispitanika trebamo da bismo, uz dvosmjernu značajnost od 0.05 i snagu od 80%, provjerili takvu razliku u učinkovitosti lijekova?

SR=(0.6-0.4)/0.5=04.


Procjena veli ine uzorka primjer 1 kategorijske varijable1

Procjena veličine uzorka – primjer 1 kategorijske varijable

Koliki uzorak biste trebali da je sve isto, samo uz značajnost od 0.01?


Procjena veli ine uzorka primjer 2 kontinuirane varijable

Procjena veličine uzorka – primjer 2 kontinuirane varijable

Koliki uzorak je potreban da bi se, uz dvosmjernu značajnost od 0.05 i 80% snage, provjerila razlika u razini kolesterola od 1.0 mmol/l između aritmetičkih sredina dviju skupina ispitanika? Očekujemo podjednaku standardnu devijaciju u obje skupine od 3.0 mmol/l.

  • SR=δ/σ0, pri čemu je: δ – klinički relevantna razlika

  • σ0 – očekivana standardna devijacija

SR=1/3=0.333


Procjena veli ine uzorka primjer 2 kontinuirane varijable1

Procjena veličine uzorka – primjer 2 kontinuirane varijable

150 po skupini


Procjena veli ine uzorka zaklju no

Procjena veličine uzorka – zaključno

  • u procjenu veličine uzorka treba uključiti i očekivano osipanje ispitanika

    • npr. dodati 20-30% za istraživanja koja će duže trajati

  • zaokružite na cijeli broj

  • veličina uzorka jest važna, ali ne znači ništa ako uzorak nije dobro odabran


  • Login