Théorie de la décision statistique
Théorie de la décision statistique est peut-être la plus grande branche de la statistique. Il englobe tous les célèbres (et de nombreux pas-si-célèbres) tests de signification - t tests de Student, les tests de chi-carré, analyse de la variance (ANOVA-), tests de corrélation de Pearson, tests de Wilcoxon et Mann-Whitney, et ainsi de suite.
Dans sa forme la plus basique, statistiques théorie de la décision traite de déterminer si oui ou non un effet réel est présent dans vos données. Le mot effet peut se référer à des choses différentes dans des circonstances différentes. Exemples d'effets sont les suivants:
La valeur moyenne de quelque chose peut être différent d'un groupe par rapport à l'autre. Par exemple, les hommes peuvent avoir des valeurs plus élevées d'hémoglobine, en moyenne, que females- l'effet du sexe sur l'hémoglobine peut être quantifié par la différence du taux d'hémoglobine moyen entre hommes et femmes.
Ou sujets traités avec un médicament peuvent avoir un taux de recouvrement plus élevé que les sujets donnés un placebo la taille de l'effet pourrait être exprimée comme la différence dans le taux de récupération (médicaments moins placebo) ou par le rapport de la probabilité de reprise pour le médicament par rapport à la placebo (rapport de cotes).
La valeur moyenne de quelque chose peut être différente de zéro (ou d'une autre valeur spécifiée). Par exemple, la variation moyenne du poids corporel de plus de 12 semaines dans un groupe de sujets subissant une thérapie physique peut être différente de zéro.
Deux variables numériques peuvent être associés (aussi appelé corrélée). Par exemple, si l'obésité est associée à l'hypertension, alors l'indice de masse corporelle peut être corrélée avec la pression sanguine systolique. Cet effet est souvent quantifiée par le coefficient de corrélation de Pearson.
-
Test d'hypothèse pour des données aberrantes -
Post-analyse après une analyse de la variance - 10 concepts clés dans les tests d'hypothèses
- Explorez tests d'hypothèses dans les statistiques commerciales
-
Manipulation des tests d'hypothèses statistiques - Comment les tests d'hypothèses sont utilisées dans les statistiques
Comment les groupes de traitement, les groupes de contrôle, des placebos, et les expériences aveugles sont utilisés dans les statistiques Les études statistiques impliquent souvent plusieurs types d'expériences: groupes de traitement, les groupes de contrôle, des placebos, et des tests aveugles et en double aveugle. Un expérience est une étude qui impose un traitement (ou de…
Vue d'ensemble de tests d'hypothèses Un moyen important de tirer des conclusions sur les propriétés d'une population est avec des tests d'hypothèses. Tu peux utiliser tests d'hypothèses à comparer une mesure de la population à une valeur spécifiée, comparer les mesures de deux…
SPSS Statistics couramment utilisés analysent menus Le tableau suivant fournit une liste de certaines des procédures les plus couramment utilisés dans le menu Analyse de IBM SPSS Statistics, qui est une application qui effectue l'analyse statistique des données.Sous-Utile pour . . .Code…
Biostatistique pour les nuls Pour un test de corrélation en biostatistique (tels que Pearson ou le test de Spearman), choisir le nuage de points qui ressemble à une quantité importante de corrélation. Chaque graphique montre la valeur de r (le coefficient de corrélation)…
En comparant les moyennes: comment les différences de situation de déterminer les méthodes d'essai Vous pouvez vous demander pourquoi il ya tant de nombreux tests pour une telle tâche simple comparaison des moyennes. Eh bien, "moyennes comparant" ne se réfère pas à un seul task- il est un terme large qui peut appliquer à beaucoup de…
Estimation de la taille de l'échantillon pour des tests de corrélation en biostatistique Pour un test de corrélation en biostatistique (tels que Pearson ou le test de Spearman), choisir le nuage de points qui ressemble à une quantité importante de corrélation. Chaque graphique montre la valeur de r (le coefficient de corrélation)…
Allez dehors de la norme avec les statistiques non paramétriques Tous les tests statistiques sont calculées sur la base de certaines hypothèses sur vos données, et la plupart des tests de signification classiques (tels que test t de Student, l'analyse de la variance, et les tests de régression) supposent que…
Comment structurer résumés numériques dans des tableaux descriptifs Que faites-vous avec les statistiques sommaires de base qui véhiculent une idée générale de la façon dont un ensemble de nombres est distribué? Généralement, lors de la présentation de vos résultats, vous prenez quelques-unes des…
Comment utiliser des tests t de Student pour comparer les moyennes Vous pouvez exécuter les test t de Student en utilisant un logiciel statistique typique et interpréter la sortie produite. Dans cet exemple, vous serez en utilisant le logiciel OpenStat.L'idée de base d'un test tTous les tests t de Student pour…
Identifier les buts, objectifs, hypothèses et variables pour une étude clinique La objectifs ou buts d'une étude sont des énoncés généraux courtes (souvent juste une déclaration) de l'objectif global de l'essai. Par exemple, le but d'une étude peut être "pour évaluer l'innocuité et l'efficacité du médicament chez…
Estimation de la taille de l'échantillon des tests t de Student apparié en biostatistique Dans la biostatistique, lorsque l'on compare les mesures appariées (tels que les changements entre deux points dans le temps pour le même sujet) en utilisant un test t de Student apparié, le taille de l'effet est exprimée comme le rapport de #…
Estimation de la taille de l'échantillon test t de Student non appariés en biostatistique Dans la biostatistique, lorsque l'on compare les moyennes de deux groupes indépendants de sujets en utilisant un test t de Student non apparié, le taille de l'effet est exprimée comme le rapport de # 916- (delta, la différence entre les moyennes…
Test de signification avec le test d'hypothèse Tous les fameux tests de signification statistique (Student t, khi-carré, ANOVA, etc.) fonctionnent sur le même principe général - ils évaluent l'ampleur de l'effet apparent que vous voyez dans vos données contre la taille des fluctuations…
L'idée de base d'une analyse de variance (Anova) La dite “ analyse de la variance à un facteur ” (ANOVA) est utilisée lorsque l'on compare les trois ou plusieurs groupes de chiffres. Lorsque l'on compare seulement deux groupes (A et B), vous testez la différence (A - B) entre les deux…