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
______________________________________________________________
Гарантии "6 сигма"
1.Мы занимается статистическим анализом данных уже 11 лет (сводка на сайте http://statanalys.ru);
2.Мы используем современные лицензионные ста-тистические пакеты, например, STATISTICA;
3.Написаны 3 книги по использованию статистиче-ских методов в помощь исследователю;
4.Нами выполнен анализ данных для 50 аспирантов, докторантов и соискателей, а также научных сотрудников НИИ и преподавателей вузов (сводка на сайте http://statanalys.ru).
Мы предоставляем качественную работу и гаран-тируем полную конфиденциальность, это дает нам надежду, что вы обратитесь к нам вновь, или поре-комендуете коллегам.
Мы гарантируем:
а) выполнение работы с учетом ваших требований;
б) конфиденциальность обращения к нам и условий, содержащихся в вашем заказе;
в) информирование о состоянии заказа по вашему за-просу.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
2.Мы используем современные лицензионные ста-тистические пакеты, например, STATISTICA;
3.Написаны 3 книги по использованию статистиче-ских методов в помощь исследователю;
4.Нами выполнен анализ данных для 50 аспирантов, докторантов и соискателей, а также научных сотрудников НИИ и преподавателей вузов (сводка на сайте http://statanalys.ru).
Мы предоставляем качественную работу и гаран-тируем полную конфиденциальность, это дает нам надежду, что вы обратитесь к нам вновь, или поре-комендуете коллегам.
Мы гарантируем:
а) выполнение работы с учетом ваших требований;
б) конфиденциальность обращения к нам и условий, содержащихся в вашем заказе;
в) информирование о состоянии заказа по вашему за-просу.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
Ссылка на учебник
Еще один учебник по STATISTICA >>>
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
Скидки
Готовы в марте предложить скидку в 10% в течение всего марта исследователям-барышням, сударыням,дамам.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
Заказы
Поступило два новых заказа на обработку данных: для статьи в агробиологический журнал и для диссертационной работы по морфометрии.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
_______________
© 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
______________________________________________________________
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
______________________________________________________________
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
______________________________________________________________
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
______________________________________________________________
Совет №2
... язык математической статистики еще не стал родным языком экспериментатора. Экспериментатору пользоваться им так же трудно, как каждому из нас пользоваться малознакомым иностранным языком. .... Возникает необходимость в появлении специалистов нового профиля - статистиков-консультантов».
Налимов В.В. Теория эксперимента.
Статистический метод – это инструмент: в умелых руках – он дает точные результаты, в неграмотных – иллюзию объективности.
Не зазорно и полезно обратиться к специалистам (6 сигма) по статистической обработке данных, чтобы снять все возможные вопросы по применению критериев.
На западе уже давно распространена совместная работа исследователя и специалиста по статистической обработке данных.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
Налимов В.В. Теория эксперимента.
Статистический метод – это инструмент: в умелых руках – он дает точные результаты, в неграмотных – иллюзию объективности.
Не зазорно и полезно обратиться к специалистам (6 сигма) по статистической обработке данных, чтобы снять все возможные вопросы по применению критериев.
На западе уже давно распространена совместная работа исследователя и специалиста по статистической обработке данных.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
Что за значимость?
Перевод статьи: Zucker Hank «What is significance?» //Quirk's Marketing Research Review (www.quirks.com), 1994.-№ 0092.
«Уровень значимости» термин, который вводит в заблуждение многих исследователей.Обычно, «значимый» означает важный, в то время как в статистике «значимый» означает, возможно достоверный (истинный, справед-ливый). Исследовательский поиск может быть достоверным, не будучи важным. Когда статистики говорят, что результат «высоко значим» они имеют в виду, что «высокая вероятность справедливости, истинности». Это не обязательно означает, что результат очень важен.
Для примера рассмотрим запись в примечании к таблице одного исследования: Хи-квадрат 0,07 (P=0,795) и Хи-квадрат 24,37 (P=0,001). Это и есть уровни значимости для реальных значений критерия Хи-квадрат.
Уровень значимости показывает, какова вероятность получение истинного (достоверного) результата. Чаще все используется уровень значимости в 95% - достаточный, чтобы быть достоверным. Это означает, что в 95% случаев результат будет правдивым. Однако, как показывает практика, это значение также вводит в заблуждение. Нет статистических программ, показывающих вам значения «95%» или «0,95» для указанного уровня значимости. Вместо этого, они показывают «0,05», что означает, что полученный результат ложен (неправилен) в пяти процентах (0,05) случаев (то же самое, как 95% процентов случаев правдив).
Чтобы найти значение уровня значимости необходимо вычесть указанное число из единицы. Например, значе-ние «0,01» означает, что в 99% (1 - 0,01 = 0,99) случаев наблюдаемые явления достоверны.
Если, например, t-критерий Стьюдента показал уровень значимости 0,07, это означает, что существует 93% уверенность в том, что два средних, сравниваемых выборок будут действительно отличаться.
Иногда думают, что уровень значимости 95% это некое магическое (священное) число. Если тест показывает уровень значимости 0,06, это означает, что в 94% случаев наблюдаемые явления достоверны. Но вы не можете быть абсолютно уверены, также, как и в случае с 95%. В научных публикациях уровень 0,05 (95%) - это тот уровень, который принят как достаточный, чтобы доказать свои предположения.
Если вы проводите большое количество тестов (например множественные сравнения), ложные положительные результаты могут стать серьезной проблемой. Помните, что на 95% правды остается 5% ошибок. Поэтому, если 100 тестов показали уровень значимости 0,05 (95%), среди них остается еще 5% неверных предположений. Вы не можете сказать, какие результаты ложные, а какие истинные - просто знайте, что они есть.
Для небольшой выборки вы можете либо ограничить число тестов или, что лучше, повторить исследование и посмотреть, получится ли тот же результат. Если что-то является статистически значимым в двух отдельных исследованиях, оно, вероятно, и на самом деле справедливо.
И последнее, проверяйте процедуры отбора образцов, чтобы избежать предвзятости. Вносите случайность в эксперимент, рандомизируйте.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
«Уровень значимости» термин, который вводит в заблуждение многих исследователей.Обычно, «значимый» означает важный, в то время как в статистике «значимый» означает, возможно достоверный (истинный, справед-ливый). Исследовательский поиск может быть достоверным, не будучи важным. Когда статистики говорят, что результат «высоко значим» они имеют в виду, что «высокая вероятность справедливости, истинности». Это не обязательно означает, что результат очень важен.
Для примера рассмотрим запись в примечании к таблице одного исследования: Хи-квадрат 0,07 (P=0,795) и Хи-квадрат 24,37 (P=0,001). Это и есть уровни значимости для реальных значений критерия Хи-квадрат.
Уровень значимости показывает, какова вероятность получение истинного (достоверного) результата. Чаще все используется уровень значимости в 95% - достаточный, чтобы быть достоверным. Это означает, что в 95% случаев результат будет правдивым. Однако, как показывает практика, это значение также вводит в заблуждение. Нет статистических программ, показывающих вам значения «95%» или «0,95» для указанного уровня значимости. Вместо этого, они показывают «0,05», что означает, что полученный результат ложен (неправилен) в пяти процентах (0,05) случаев (то же самое, как 95% процентов случаев правдив).
Чтобы найти значение уровня значимости необходимо вычесть указанное число из единицы. Например, значе-ние «0,01» означает, что в 99% (1 - 0,01 = 0,99) случаев наблюдаемые явления достоверны.
Если, например, t-критерий Стьюдента показал уровень значимости 0,07, это означает, что существует 93% уверенность в том, что два средних, сравниваемых выборок будут действительно отличаться.
Иногда думают, что уровень значимости 95% это некое магическое (священное) число. Если тест показывает уровень значимости 0,06, это означает, что в 94% случаев наблюдаемые явления достоверны. Но вы не можете быть абсолютно уверены, также, как и в случае с 95%. В научных публикациях уровень 0,05 (95%) - это тот уровень, который принят как достаточный, чтобы доказать свои предположения.
Если вы проводите большое количество тестов (например множественные сравнения), ложные положительные результаты могут стать серьезной проблемой. Помните, что на 95% правды остается 5% ошибок. Поэтому, если 100 тестов показали уровень значимости 0,05 (95%), среди них остается еще 5% неверных предположений. Вы не можете сказать, какие результаты ложные, а какие истинные - просто знайте, что они есть.
Для небольшой выборки вы можете либо ограничить число тестов или, что лучше, повторить исследование и посмотреть, получится ли тот же результат. Если что-то является статистически значимым в двух отдельных исследованиях, оно, вероятно, и на самом деле справедливо.
И последнее, проверяйте процедуры отбора образцов, чтобы избежать предвзятости. Вносите случайность в эксперимент, рандомизируйте.
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________
Подписаться на:
Сообщения (Atom)