Отзывы

Что-то ниразу не публиковал я отзывов наших клиентов о работе.
Исправляюсь.
13.04.2011 Андрей
Я получил именно то, что хотел - развернутый статистический анализ по всем группам испытуемых (а я представил на анализ исследование по нескольким группам с разнородными данными), с четким описанием различий и сходств, с графиками и таблицами. Мне понравилась и скорость, и стоимость работы, и уровень взаимодействия с коллективом "6 сигма".

22.06.2011 Ирина
Получила, что ожидала, и даже больше!

***
Если вы хотите получить развернутые комментарии о работе аналитической группы "6 сигма" от наших клиентов, мы с радостью предоставим вам их электронные адреса (только с их разрешения).

_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Несколько простых советов

Карл Броман из Школы Джона Хопкинса дает несколько советов как представлять данные плохо, а как - хорошо
Главная идея хорошего представления данных: данные должны быть собраны аккуратно и изложены ясно.

Несколько правил плохого представления данных:
•Показывать информации так мало, насколько это возможно.
•Затенять то, что вы реально хотите сказать (нежелательными графиками).
•Использовать псевдо-3D и цвет в неограниченном количестве.
•Делать круговые диаграммы (желательно в цвете и 3D).
•Использовать плохо выбранный масштаб.
•Игнорировать действительно значимые графики.

Несколько правил хорошего представления данных:
•Будьте аккуратны и излагайте ясно.
•Дайте данным говорить самим за себя.
•Представляйте столько информации, сколько возможно, НО заботьтесь о том, чтобы при этом не затенить главное.
•Наука не продается.
•Избегайте ненужных излишеств – особенно, необоснованного использования 3D.
•В таблицах, каждая цифра должна иметь значение.

How to display data badly
http://www.biostat.jhsph.edu/~kbroman
Karl W. Broman Department of Biostatistics
Johns Hopkins Bloomberg school of public health
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Заказы (аппроксимация)

Ранее перед нами не ставили задач по аппроксимации эмпирических данных.
Но, как говорится, всегда бывает первый раз!
Работаем!
_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Чудо

Жизнь преподносит приятные сюрпризы, чему несказанно радуешься.
В череде проведенных статистических анализов особянком стоят работы по ПЛАНИРОВАНИЮ исследования (экспериментальный план). Таких работ можно по пальцам одной руки счесть. Проще собрать материал, а потом уже искать чем бы все это обработать.
Ну не принято у нас планировать исследование!
А жаль! :(
Неделю готовим план для медицинского исследования эффективности оперативных вмешательств при атеросклерозе. Интересно!!!

_______________
© 6 сигма - статистический анализ экспериментальных данных
______________________________________________________________

Пора курсовых и дипломных

Апрель-май - горячая пора в вузе! Курсовики и дипломники выходят из спячки и лихорадочно начинают готовить свои квалификационные работы. Особенно часто в это время они вспоминают о своих научных руководителях ;)
_______________
© 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
______________________________________________________________

Заказы (номинальные шкалы)

Поступил интереснейший заказ на обработку данных психологического исследования о формировании образа "Я" у пациентов с разными типами зависимостей для статьи.

Еще раз убеждаемся в том, что с одной линейкой к двум разным исследованиям подходить нельзя. Номинальные шкалы, характерные для психологических и социологических исследований, не дают расслабиться.  

Номинальная шкала (nominal scale)
Шкала, числа которой служат только как ярлыки или метки для определения и классификации объектов со строгим, один к одному, соответствием между числами и объектами.

Числа в номинальной шкале используются для классификации как ярлыки для классов и категорий. Например, контрольную группу можно классифицировать как группу 1, а экспериментальную — как группу 2.

Операции с числами для номинальной шкалы следующие:
1. Нахождение частот распределения по пунктам шкалы с помощью процентирования или в натуральных единицах. Нетрудно подсчитать численность каждой группы и отношение этой численности к общему ряду распределения (частоты).
2. Поиск средней тенденции по модальной частоте. Модальный (Мо) называют группу с наибольшей численностью.
3. Самым сильным способом количественного анализа является в данном случае установление взаимосвязи между рядами свойств, расположенных неупорядоченно. С этой целью составляют перекрестные таблицы.

Помимо простой процентовки, в таблицах перекрестной классификации можно подсчитать критерий сопряженности признаков по Пирсону: хи-квадрат (х2) — простейший показатель обоснованности вывода о наличии или отсутствии связи между сопоставляемыми характеристиками, т. е. связанности качественных классификаций.
Взято отсюда >>>>>

_______________
© 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
______________________________________________________________

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
______________________________________________________________