Professional Documents
Culture Documents
Nominalna
Identitet (deskriptivna kategorija)
KVALITATIVNE VARIJABLE
Ordinalna
Identitet i jačina
Intervalna
Identitet, jačina i jednaki intervali
KVANITATIVNE VARIJABLE
Omjerna skala
Identitet, jačina, jednaki intervali
i apsolutna nula
Oblici mjerenja / vrste varijabli
Vrsta varijable Obilježja varijable Primjer
(oblik
mjerenja)
Kvalitativne Nominalne Neuređene kategorije, Spol
nemaju brojevne
vrijednosti
Ordinalne Uređene kategorije Ocjene( 1-5)
Skale (1-5)
Nereprezentativan
Reprezentativan
Nezavršena
osnovna škola Osnovna škola
19% 22%
Više ili visoko
obrazovanje
Nereprezentativan 12%
Srednja škola
47%
2. Veličina uzorka (1)
• Uzorci se razlikuju po veličini: do 30 se smatraju mali, a iznad toga
su veliki, mada neki autori smatraju da do 50 podataka (ispitanika,
mjerenja) predstavlja mali uzorak.
• Činjenica da li je uzorak veliki ili mali zavisi od statističke metode
koja se želi primijeniti.
• Parametrijske metode primjenjive su uglavnom na velikim
uzorcima, i to sa normalnom distribucijom (sa izuzecima t-testova
za male ovisne i neovisne uzorke, te još nekim metodama).
2. Veličina uzorka (2)
• U slučaju jednog uzorka postavlja se važno pitanje: kakav se
statistički zaključak može donijeti, budući da je očigledno kako
nisu ispunjeni uslovi za poređenje?
• Ako su u istraživanju dva uzorka (što je najčešće), potrebno
pratiti ispravni postupak inferencijalne statistike kako bi se
uradilo ispravno poređenje između uzoraka.
2. Veličina uzorka (3)
• Kod više od dva uzorka, statistička analiza je nešto
kompliciranija, ali postoje statistički testovi sa kojima se mogu
obraditi ovakvi podaci.
• Može se raditi poređenje srednjih vrijednosti za sve uzorke u
jednom trenutku koristeći analizu varijance (ANOVA test).
• U daljnjoj analizi, mogu se uraditi poređenja između svakog para
uzoraka post hoc testovima koji se primjenjuju u drugom stepenu
analize varijance u slučaju da je nulta hipoteza odbačena.
3. Ovisni i neovisni uzorci
Ovisni uzorci
• Jedna grupa ispitanika na kojoj je dva puta mjerena ista pojava.
(zbog čega se nazivaju i parni)
• Općenito, kad god je ispitanik u jednoj grupi povezan sa
ispitanikom u drugoj grupi , govorimo o ovisnim uzorcima. Znači,
ispitanici u dva uzorka nisu neovisni jedni od drugih.
3. Ovisni i neovisni uzorci
Ovisni uzorci
• Ovisni ( parni) podaci se definirati kao vrijednosti koje se obično
mjere u parovima uzoraka i stoga se može očekivati da oni više
variraju između parova, nego između ispitanika unutar para
uzoraka.
3.Ovisni i neovisni uzorci
Neovisni uzorci
• Dvije odijeljene skupine ljudi (u određenim slučajevima, dokazano
neovisne osobine kod istih ljudi).
• Za neovisne uzorke vjerovatnost da član populacije bude odabran
u uzorak je potpuno neovisna o bilo kojem drugom odabranom
članu, bilo da se radi o grupi tog člana ili nekoj drugoj grupi u
istraživanju.
4. Vrsta distribucije rezultata
• Od raspodjele podataka ovisi metoda i tok analize.
• Normalna raspodjela omogućuje upotrebu parametrijskih metoda
analize.
• Odstupanje od normalne raspodjele ne omogućuje upotrebu
parametrijskih metoda.
Da ponovimo : šta su parametrijske i
neparametrijske metode?
• Od raspodjele podataka ovisi metoda istraživanja i vrsta statističke
analize (testa).
• Analiza raspodjele omogućuje uočavanje mogućih grešaka u
podacima.
• Normalna raspodjela podataka omogućuje upotrebu
parametrijskih metoda analize.
• Odstupanje od normalne raspodjele podataka ne omogućuje
upotrebu parametrijskih metoda, koriste se neparametrisjke
metode.
Parametrijske metode
• Analitičke metode koje se zasnivaju na pretpostavci NORMALNE
raspodjele podataka.
• IMAJU srednje vrijednosti i standardne devijacije.
Parametrijske metode
• Temelje se na parametrima iz uzorka/populacije
• Zahtijevaju normalnu raspodjelu podataka
Normalna raspodjela podataka
• “Gaussova” krivulja.
• Srednja vrijednost ista
kao i medijana.
• Standardna devijacija
određuje širinu.
Normalna raspodjela podataka
Primjer : Srednje vrijednosti i standardne devijacije
Neparametrijske metode
(Petz).
T-test za ovisne uzorke (1)
• Koristimo u situacijama kada god očekujemo da će nam
izmjerene vrijednosti u jednom uzorku biti bliže
određenoj vrijednosti u drugom uzorku, nego što bi to bilo
kod slučajno odabrane vrijednosti u drugom uzorku.
• Wilcoxonov test je ekvivalent t-testa za ovisne uzorke.
T-test za ovisne uzorke (2)
• Koristi se kada se odabiru ispitanici kao parovi, upareni prema
varijablama kao što su npr. dob, spol ili stepen ozbiljnosti bolesti;
pri čemu jedan od parova bude liječen na jedan načina a drugi par
na alternativni način.
• Koristi se kada se izvodi laboratorijski pokus nekoliko puta, svaki
put sa ispitivanim i kontrolnim uzorkom u duplikatu.
• Koristi se kada se mjeri varijabla ishoda kod parova
dijete/roditelj (ili bilo koji slični par).
T-test za neovisne uzorke
• Test koji se najčešće koristi za međusobno neovisne grupe
ispitanika u uzorku.
• Mann-Whitneyev U-test je neparametrijska inačica
( vrsta) t- testa za neovisne uzorke.
Analiza varijance (ANOVA)
• Praktičnija od T-testa jer omogućuje ispitivanje razlika između
većeg broja tretmana jedne neovisne varijable, što bi tražilo veći
broj t-testova.
• Služi za poređenje (nalaženje razlika) između više neovisnih
uzoraka (npr. razlika u efektima nekog lijeka kao ovisne varijable,
kod više različitih grupa pacijenata kao neovisne varijable).
• Kruskal-Wallisov test neparametrijska je inačica ANOVA-e za više
za neovisnih uzoraka, a Friedmanov test je inačica ANOVA-e za više
za ovisnih uzoraka.
(Petz).
Anova
• Analiza varijance ( nalaženje razlika)
• Poređenje više od 2 neovisne varijable , a kada test nije
dovoljan (P<0,001) radi se Post-hoc test – poređenje
svake varijable sa svakom.
Analiza varijance (ANOVA)
Š ta je korelacija ili povezanost?
• Korelacija je statistički postupak pomoću kojeg se upoređuju
promjene unutar dvije (ili više) varijabli, i rezultat govori o tome
koliko su te promjene slične.
• Označava se kao Koeficijent korelacije (r).
Š ta je korelacija ili povezanost?
• Vrijednosti variraju u rasponu (-1, 0 +1) i označavaju stepen
sličnosti.
• Š to je apsolutna vrijednost veća, veća je i sličnost, a predznak
govori u kojem smjeru se povezanost kreće, ako je pozitivna, tada
su promjene proporcionalne, a ako je negativna, promjene su
obrnuto proporcionalne.
• Koeficijent korelacije r=0 ukazuje na nepostojanje korelacije
između varijabli.
Vrste korelacije ili povezanosti?
Primjer za negativnu korelaciju:
• Između (starije ili veće ) dobi i (boljeg) zdravstvenog stanja
ispitanika- negativna korelacija znači da su stariji u prosjeku
manje zdravi.
Primjer za pozitivnu korelaciju:
• Povezanost između uspjeha na ispitu i količine učenja: veća
količina učenja znači najčešće i bolji uspjeh na ispitu.
Grafički prikaz maksimalno pozitivne korelacije
( r=1)
Grafički prikaz visoke i niske pozitivne korelacije
( r veće od 0)
Grafički prikaz maksimalno negativne korelacije
( r= -1)
Grafički prikaz niske i visoke negativne korelacije
( r manje od 0)
Grafički prikaz nepostojanja korelacije
( r = 0)
Statistički postupci za određivanje korelacije
parametri
Standardna devijacija SD ili σ
• U Excelu, standardna
devijacija lako se računa
pomoću funkcije (fx) npr.
=STDEV (A2:A12)
Važno za testiranje hipoteze
Dva komplementarna ključna segmenta inferencijske statistike
neophodna za testiranje hipoteze:
1. Interval pouzdanosti
2. Nivo značajnosti (engl. significance level, α ili alpha).
Testiranje hipoteze
• P vrijednost (eng. probability - vjerojatnost)
• Govori o tome kolika je vjerovatnost da je rezultat tačan ili
da nije tačan.
• Manja od 0,05 – govori o tome da je vjerovatnost
slučajnog i netačnog rezultata manja od 5%.
• Manja od 0,01 govori o tome da je vjerovatnost slučajnog i
netačnog rezultata manja od 1%.
Tumačenje P-vrijednosti
• P-vrijednost je vjerovatnost da su uočene razlike između skupina
slučajne (beznačajne)
Izračunavanje
1. Glavni učinak (razlika u ishodu!)
2. Varijabilnost glavnog učinka
Izračunavanje
P-vrijednosti
Izvor: American College of Physicians – American Society of Internal Medicine: Effective Clinical Practice
Odnos između P vrijednosti i 95% CI