Армацевтическая
жүктеу/скачать 12,32 Mb.
|
Биостатистика-МПД.рус
Алгоритм проверки статистических гипотез: 1) Выдвигаются две гипотезы: основная (нулевая) Н0 и альтернативная (конкурирующая) Н1. 2) Задается уровень значимости. Статистический вывод никогда не может быть сделан со стопроцентной уверенностью. Всегда допускается риск принятия неправильного решения. При проверке статистических гипотез мерой такого риска является уровень значимости. 3) По исходным данным, т.е. по выборке, вычисляется наблюдаемое значение критерия. 4) По специальным статистическим таблицам определяется табличное, т.е. критическое, значение критерия. 5) Путем сравнения наблюдаемых и критических значений делается вывод о правильности той или иной гипотезы. В биостатистике часто проверяются гипотезы о виде распределения случайной величины. Соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями, называется законом распределения случайной величины. Существуют различные законы распределения случайной величины (равномерный, биноминальный, экпонециальный, Пуассона, нормальный и др.). Нормальный закон распределения (закон Гаусса) играет важную роль в биостатистике. Во-первых, это наиболее часто встречающийся на практике закон распределения непрерывных случайных величин. Во-вторых, он является предельным законом в том смысле, что к нему при определенных условиях приближаются другие законы распределения. Нормальный закон распределения характеризуется формулой для плотности вероятности: где х – возможное значение случайной величины «X»; µ или М(Х) - ее математическое ожидание; –среднее квадратическое отклонение. Если случайная величина распределена по нормальному закону, то достаточно знать только два числовых параметра: µ и , чтобы полностью знать закон ее распределения. График функции называется нормальной кривой распределения (кривой Гаусса). Он имеет симметричный вид относительно ординаты х=µ=М(Х). Максимальная плотность вероятности, равная , соответствует математическому ожиданию, которое выражает среднее значение М(Х)= . По мере удаления от нее плотность вероятности f(х) уменьшается и постепенно приближается к нулю. Нормальное распределение случайной величины. Множество биологических и медицинских показателей (показатели физического развития, составляющие плазмы крови и др.), а также ошибки их измерения подчиняются нормальному распределению. Поэтому важно уметь проверять гипотезы о параметрах нормально распределенных случайных величин. Все предположения о характере того или иного распределения - являются гипотезами. Поэтому они должны подвергаться статистической проверке с помощью критериев согласия. Эти критерии дают возможность определить, когда расхождения между теоретическими и эмпирическими частотами следует признать несущественными, т.е. случайными, а когда – существенными, т.е. неслучайными. Таким образом, критерии согласия позволяют отвергнуть или подтвердить правильность выдвинутой при выравнивании ряда гипотезы о характере распределения в эмпирическом ряду. Наиболее распространенными критериями согласия являются критерии χ2-Пирсона и Колмогорова-Смирнова. 1. Критерий согласия χ2 -Пирсона. Критерий Пирсона применяется в двух случаях: для сопоставления расчетного распределения признака с теоретическим распределением (нормальным, экспоненциальным, равномерным и т.д.); для сопоставления двух расчетных распределений одного и того же признака. жүктеу/скачать 12,32 Mb. Достарыңызбен бөлісу:
|