Новый раздел учебника

Опубликована новая глава в учебнике, посвященная теоретическим основам оценок совокупностей
http://statanalys.ru/biostat-uchebnik/06-teoreticheskie-osnovy.html

_______________
© 6 сигма
______________________________________________________________

Правила хорошего статистика

Здесь только малая часть правил хорошего статистика.
Правило №1
Не все, что может быть измерено, должно быть измерено.
Правило №2
Статистический метод – это инструмент: в умелых руках – он дает точные результаты, в неграмотных – иллюзию объективности.
Не зазорно и полезно обратиться к специалистам.
Правило №3
Читайте хорошие книги учебники.
Правило № 4
Хорошее исследование начинается с гипотезы и продуманного экспериментального плана.
Правило №5
Эксперимент чаще всего должен иметь контроль.
Правило № 6
Избегайте мнимых (псевдо)повторностей.
Правило №7
Рандомизируйте где это только возможно.
Правило № 8
Если мусор (ошибки) на входе, то мусор (ошибки) на выходе.
взято отсюда >>>>

Редкая радость

На нашей улице праздник: в руки попалось второе издание уникальной книги "КАК ОПИСЫВАТЬ СТАТИСТИКУ В МЕДИЦИНЕ. Руководство для авторов, редакторов и рецензентов" от Томаса А. Ланга и Мишелль Сесик.

Из аннотации: "Она не имеет аналогов на русском языке и представляет чрезвычайную ценность для исследователей в области медицины и биологии. Учитывая отсутствие единообразия в описании статистических методов в отечественной медицинской науке, книга станет полезным пособием для специалистов, разделяющих принципы доказательной медицины. Простой и доступный язык изложения сложных понятий в сочетании с примерами способен выработать у читателя устойчивый навык корректного и достаточно полного описания методов статистики. Следование этим рекомендациям гарантирует читательское понимание описаний результатов исследования, что, в свою очередь, значительно повысит вероятность цитирования этих работ.
Достоинством этого издания является "Путеводитель по статистическим терминам и критериям", который поможет читателям разрешить терминологические проблемы, возникающие при написании статей, а также существенно облегчит понимание англоязычных статей."

_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Совет № 8

Если мусор (ошибки) на входе, то мусор (ошибки) на выходе.
Хороший исследователь всегда должен быть настороже возможных ошибок при сборе данных.

Поверьте, многих проблем в исследовании удается избежать при правильно спланированном исследовании, где учтены методы сбора материала. Бывает трудно что-либо исправить, когда материал уже собран, и набрать новый не представляется возможным.

Нельзя «по-аналогии» переносить, хорошо себя зарекомендовавшие в одном исследовании методы, в другой опыт.

_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Совет №7

Рандомизируйте где это только возможно
Вносите случайность (рандомизируйте) в свои опыты, так вы приблизите исследование к реальности (ведь именно так, стохастически, случайно происходят события в природе). Самый простой случай рандомизации выбор индивидов или участков по жребию.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Совет № 6

Избегайте мнимых (псевдо)повторностей
Козлов М.В. Мнимые повторности (pseudoreplication) в экологических исследованиях: проблема, не замеченная российскими учеными//Журн.общ.биологии, 2003.–Т. 64, № 4.-С. 292-307.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

И еще раз о шкалах

Самое первое в статистике – это измерение или подсчет.
В теории измерения говорится, в частности, о связи между данными и реальностью.
Набор данных это модель реальности выраженная в числах. Данные бывают номинальные, порядковые, интервальные и отношений. Они могут быть непрерывными или дискретными.

Поскольку статистика стремится точно приблизиться в отношении связи между данными и реальностью, она предпочитает интервальную шкалу (шкалу разностей) или шкалу отношений (абсолютную шкалу).
http://home.ubalt.edu/ntsbarsh/stat-data/topics.htm#rrtopic
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Совет №5

Эксперимент чаще всего должен иметь контроль

Эксперимент всегда связан с проведением измерений повторностей (наименьшая часть изучаемого материала, которая может быть подвергнута воздействию изучаемого фактора независимо от воздействия на другие повторности). Контроль необходим для сравнения и определения влияния или невлияния изучаемого фактора (-ов).
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Хи-квадрат

Имеется существенное ограничение на использование критерия хи-квадрат (кроме предположения о случайном выборе наблюдений и независимости выборок) - ожидаемые частоты не должны быть очень малы.
Существует эмпирическое правило, помогающее определить минимальное значение ожидаемых частот, при котором применение критерия хи-квадрат можно считать корректным. Если количество степеней свободы df = 1, то ожидаемые частоты в каждой
ячейке не должны быть меньше 5. Если количество степеней свободы df > 1, то в таблице сопряженности не должно быть свыше 20% ячеек с ожидаемыми частотами ниже 5 и ни одной ячейки с ожидаемой частотой ниже 1.

Для таблиц сопряженности 2 х 2 с малыми частотами (меньше 10) рекомендуется рассчитывать эмпирическое значение критерия хи-квадрат, используя поправку на непрерывность Йетса (Yates’ correction for continuity)
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Н - критерий Крускала-Уоллиса

Частая проблема в применении статистиеских критериев - использование их без учета ограничений.. Например, критерий Стьюдента рекомендуется использовать в случае нормально распределенных выборок (а), или не рекомендуется использовать для множественных сравнений (б).
Описанные проблемы (а, б) легко можно обойти используя непараметрический критерий
Н - критерий Крускала-Уоллиса.

Критерий предназначен для оценки различий одновременно между тремя, четырьмя и т.д. выборками по уровню какого-либо признака.
Критерий Н иногда рассматривается как непараметрический аналог метода дисперсионного однофакторного анализа для несвязных выборок.
Критерий является продолжением критерия U на большее, чем 2, количество сопоставляемых выборок.
Гипотезы
H0: Между выборками 1, 2, 3 и т. д. существуют лишь случайные раз¬личия по уровню исследуемого признака.
Н1: Между выборками 1, 2, 3 и т. д. существуют неслучайные разли¬чия по уровню исследуемого признака.
Ограничения критерия Н
1. Для того, чтобы диагностировать различия на уровнем значимости больше, чем 0,05, необходимо, чтобы в каждой выборке было не менее 3 наблюдений, или чтобы по край¬ней мере в одной из них было 4 наблюдения, а в двух других - по 2; при этом неважно, в какой именно выборке сколько испытуемых, а важно соотношение 4:2:2.
2. При большем количестве выборок и испытуемых в каждой выборке необходимо пользоваться Таблицей критических значений критерия χ2, поскольку критерий Крускала-Уоллиса асимптотически прибли¬жается к распределению χ2.
Количество степеней свободы при этом определяется по формуле: V=c-1 где с - количество сопоставляемых выборок.
3. При множественном сопоставлении выборок достоверные различия между какой-либо конкретной парой (или парами) их могут оказать¬ся стертыми. Это ограничение можно преодолеть, если провести все возможные попарные сопоставления, число которых будет равняться ½•[c•(c-1)]* таких попарных сопоставлений используется, ес¬тественно, критерий для двух выборок, например U или φ*.


_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Совет № 4

Хорошее исследование начинается с гипотезы и продуманного экспериментального плана

Шесть необходимых элементов экспериментального плана (проекта):
1.Выдвинуть научную гипотезу, сформулировать идею, поставить проблему.
2.Определить объект исследования.
3.Установить продолжительность исследования и его масштабы (число изучаемых объектов).
4.Тщательно подобрать метод отбора проб.
5.Определить перечень статистических методов, которые будут использованы для анализа.
6.Определить тип эксперимента.

_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Эксперименты

Существует два типа экспериментов (Hurlbert, 1984):
1. Измерительный эксперимент - подразумевает измерение неких биологических признаков. В этом случае, исследователь не производит манипуляций с организмами или более крупными единицами. Например, Вы можете рассчитать плотность популяции кольчатых червей, обитающих в лесу и на лугу путем подсчета особей и делением их на площадь исследуемых площадок. Обратите внимание, что в этом случае (расчет плотности популяции) мы имеем дело с классическим примером косвенного измерения.
Прямое измерение, в данном случае, выглядело бы как простой подсчет количества особей на исследуемых площадках.
Измерительный эксперимент имеет свои достоинства и недостатки. Существует один вопрос, с которым часто сталкивается исследователь - это вопрос что измерять? Типична ситуация, когда некий сумасшедший эколог пытается измерить все. Не делайте этого, или Вы потеряете массу времени и денег собирая бесполезные данные .
2. Контролируемый эксперимент – предполагает наличие манипуляций с повторностями. В этом случае должно быть рассмотрено, по крайней мере, два отношения. Например, исследователь может сжечь один участок луга, а второй оставить нетронутым, а потом сравнить их.

_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

У истоков биометрии

У истоков биометрии стоял Френсис Гальтон. В его книге посвященной природной наследственности изданной в 1889 г. им впервые было введено в употребление слово «biometry». Ф.Гальтон заложил основы новой науки и дал ей имя. Однако превратил ее в стройную научную дисциплину математик Карл Пирсон (1857-1936).
Важное место в истории биометрии занимает имя великого английского статистика Рональда Фишера (1890-1962), который известен как основоположник современной прикладной статистики, заложивший и разработавший ее основные идеи.
Назовем еще одно имя - английский статистик Вильям Госсет***, который в начале 20-го столетия предложил наиболее часто применяющийся в медико-биологических исследованиях t-критерий Стьюдента, подписав свою статью о нем псевдонимом «Student».
С середины XX века статистические методы начинаю повсеместно использоваться в биологии, однако и здесь не все так гладко (об ошибках в применении статистики в биологии будет сказано ниже).
Более подробно об истории статистики читайте Терентьев П.В. Математизация биологии //Труды Ленинградского общества естествоис-пытателей, 1975. -Т.LXXII.-В.5.-С.5-8.

***Леонов В.П. История биометрики и ее применения в России//Международный журнал ме-дицинской практики, 1999.-В.4.-С. 7-19.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Совет №3

Читайте хорошие книги учебники

1. Гланц С. Медико-биологическая статистика. Пер. с англ.-М.: Практика, 1998.-459 с.
2. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке: Методы обработки данных.-М.: Мир, 1980.- 602 с.
3.Сидоренко Е. В. Методы математической обработки в психологии.-Спб.: ООО «Речь», 2003.- 350 с.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Трудности с буквами

О значении правильного понимания статистических методов В.М. Зациорский [7] писал еще в 1989 г., отмечая их некорректное использование при обработке результатов исследования и примитивное понимание экспериментальных методов в виде только классического однофакторного эксперимента (тогда как в ведущих зарубежных университетах давно применяют многофакторные эксперименты с последующим дисперсионным анализом) и методов множественных сравнений. Однако, к великому сожалению, авторы научных публикаций представляют результаты исследований по своему усмотрению, используя различные обозначения статистических показателей. Средние арифметические обозначают M и x, стандартные отклонения s или S в двух значениях - положительном и отрицательном (±s, ±S), указывают ошибки средних ±m или ±σ. Не всегда указывают объем выборочной совокупности (n). Такое разнообразие представлений результатов исследования затрудняет их понимание и сравнение с другими данными, выполненными по аналогичной проблеме.

Причина такого разнообразия - различные рекомендации по статистическим методам, изложенные в учебных пособиях. Возникает вопрос: что считать правильным и как следует представлять материалы исследований в таблицах с использованием статистических показателей?

Читать дальше >>>


_______________
© 6 сигма - статистический анализ экспериментальных данных
__________________________________________________________________

Из книги

Еще И. Кант отмечал, что «в каждой науке ровно столько науки, сколько в ней математики».
В середине ХХ века, английский математик Морис Кендалл сказал о внедрении статистических методов в естественные науки следующее: «Статистика уже вторглась во владения всех отраслей науки со скоростью, сравнимой разве что с завоеваниями Аттилы, Магомета и распространением колорадского жука».
"Статистические методы в экологических исследованиях" 2008

_______________
© 6 сигма - статистический анализ экспериментальных данных
__________________________________________________________________