Presentation is loading. Please wait.

Presentation is loading. Please wait.

1 UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor Babeş” TIMISOARA DISCIPLINA DE INFORMATICA MEDICALA

Similar presentations


Presentation on theme: "1 UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor Babeş” TIMISOARA DISCIPLINA DE INFORMATICA MEDICALA"— Presentation transcript:

1 1 UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor Babeş” TIMISOARA DISCIPLINA DE INFORMATICA MEDICALA http://moodle.umft.ro

2 2 CURSUL 3

3 3 BIOSTATISTICA (I)

4 4 Capitolele biostatisticii Statistica elementară –Inferenta statistica –Statistica descriptiva - Parametrii statistici –Estimarea statistica –Teste statistice –Corelatia si regresia Aplicaţii speciale: –Epidemiologie (Analiza riscului) –Aplicaţii în demografie (Analiza supravietuirii) –Sănătate publică (Statistica sanitară) Prelucrări avansate (Analiza clasificării etc)

5 5 1. INFERENTA STATISTICA 1.1. CONCEPTE GENERALE1.1. CONCEPTE GENERALE –a) populatie, individ –b) definitie: –Biostatistica = stiinta estimarii caracteristicilor unei populatii si/sau compararea populatiilor –c) metode: recensamânt - toti indivizii; acelasi momentrecensamânt - toti indivizii; acelasi moment screening - numar mare; criterii de selectiescreening - numar mare; criterii de selectie esantionare - submultime a populatieiesantionare - submultime a populatiei

6 6 –d) INFERENTA STATISTICA Definiţie: EXTINDEREA PROPRIETATILOR DETERMINATE PE UN ESANTION LA INTREAGA POPULATIEDefiniţie: EXTINDEREA PROPRIETATILOR DETERMINATE PE UN ESANTION LA INTREAGA POPULATIE –e) ESANTION REPREZENTATIV CRITERII:CRITERII: –ECHIPROPBABILITATE –INDEPENDENTA

7 7 f) METODE DE SELECTIE ÎN EŞANTION: SELECTIA SIMPLASELECTIA SIMPLA –NUMERE ALEATOARE ASOCIATE SELECTIA MULTISTRATIFICATASELECTIA MULTISTRATIFICATA SELECTIA MIXTASELECTIA MIXTA –CLUSTERE

8 8 1.2. VARIABILE1.2. VARIABILE –a) DEFINITIE: o caracteristica a populatiei care este studiata si masurata la toti indivizii din esantiono caracteristica a populatiei care este studiata si masurata la toti indivizii din esantion –b) TIPURI DE VARIABLE: NUMERICENUMERICE –măsurate cu un instrument –se precizează unitatea de măsură –tipuri: interval sau true zero ORDINALEORDINALE –scară convenţională, fără unităţi –exprimă ordinea (ranguri) NOMINALE (calitative, “count data”)NOMINALE (calitative, “count data”)

9 9 1.3. ETAPELE STUDIULUI1.3. ETAPELE STUDIULUI –PROIECTARE –COLECTAREA DATELOR –PRELUCRARE –PREZENTARE REZULTATE: –tabele, grafice: Histograme (coloane, bare, 3D etc)Histograme (coloane, bare, 3D etc) Sectoare [“pie”] (in special pentru %)Sectoare [“pie”] (in special pentru %) Linii [polygon]Linii [polygon] Puncte [“scatter]Puncte [“scatter] HărţiHărţi

10 10

11 11 1.4. PROIECTAREA UNUI STUDIU 1.4. PROIECTAREA UNUI STUDIU definirea populatieidefinirea populatiei selectia variabilelorselectia variabilelor acuratetea si precizia masurariloracuratetea si precizia masurarilor dimensiunea esantionuluidimensiunea esantionului

12 12 2. PARAMETRII STATISTICI

13 13 2.1. EXEMPLU:2.1. EXEMPLU: –studiul dezvoltarii copiilor populatia: copii de 10 ani, din Timisoara, in 2004populatia: copii de 10 ani, din Timisoara, in 2004 dimensiunea: 400 copiidimensiunea: 400 copii date colectate : inaltimea, in cmdate colectate : inaltimea, in cm acuratetea : 1 cmacuratetea : 1 cm –tabel de date si histograma

14 14 TABEL şi HISTOGRAMA

15 15 Concluzii: Concluzii: –valori extreme - rare –valori centrale - mai des INDICATORI AI TENDINTEI CENTRALEINDICATORI AI TENDINTEI CENTRALE –variabilitatea INDICATORI DE DISPERSIEINDICATORI DE DISPERSIE

16 16 2.2. INDICATORII TENDINTEI CENTRALE A)Media aritmetică B)Mediana C)Moda

17 17 –a) MEDIA ARITMETICA (MEAN):

18 18 b) MEDIANA (MEDIAN)b) MEDIANA (MEDIAN) –VALOAREA CARE IMPARTE ESANTIONUL IN DOUA PARTI EGALE Ex: pentru un numar par sau impar de elementeEx: pentru un numar par sau impar de elemente Recomandata pentru variable ordinaleRecomandata pentru variable ordinale c) MODA (MODE)c) MODA (MODE) –VALOAREA CEA MAI FRECVENTA –CLASE MODALE –DISTRIBUTII UNI~, BI~, MULTIMODALE recomandate pentru variable nominalerecomandate pentru variable nominale

19 19 d) POZITIA RELATIVAd) POZITIA RELATIVA –DISTRIBUTII SIMETRICE : –X = Me = Mo –DISTRIBUTII ASIMETRICE (skew): –X = cea mai sensibila valoare –Mo = cea mai robusta (putin sensibila)

20 20 2.3. INDICATORI DE DISPERSIE A) Pentru variabile numerice B) Pentru variabile ordinale C) Pentru proporţii

21 21 A) Variabile numerice a)DEVIAŢIA STANDARD (s) b)VARIANŢA (s 2 ) c) COEFICIENTUL DE VARIAŢIE (cv)

22 22 d) DISTRIBUTIA NORMALA (GAUSS) REPREZENTARE GRAFICA

23 23 e) Intervale definite cu “s” p = proportia indivizilor care au marimea in intervalul respectivp = proportia indivizilor care au marimea in intervalul respectiv p = probabilitatea ca un individ sa aiba marimea in intervalul respectivp = probabilitatea ca un individ sa aiba marimea in intervalul respectiv EX: studiu inaltimea copiilor: n = 25 copii m = 137 cm (ac=1) s = 5 cm

24 24 f) Curba Gauss - Proprietăţi Depinde de doi parametri:Depinde de doi parametri: –μ = media (populaţiei) –σ = deviaţia standard (a populaţiei) Curba normalizată (funcţie de z)Curba normalizată (funcţie de z) –are media μ=0 si deviaţia standard σ=1 EX: studiu inaltimea copiilor: n = 25 copii m = 137 cm (ac=1) s = 5 cm

25 25 g) DISTRIBUTIA GAUSS NORMALIZATA

26 26 B) Variabile ordinale (rang) QUANTILE – impartirea in “n” intervaleQUANTILE – impartirea in “n” intervale CAZURI PARTICULARECAZURI PARTICULARE –MEDIANA n = 2 –QUARTILE n = 4 –DECILE n = 10 –CENTILE n = 100 –PROMILE n = 1000 Calcul: dupa ordonare!Calcul: dupa ordonare!

27 27 C) Variabile calitative (nominale) Proporţia Clasei:Proporţia Clasei: p i = N i / N (procentul …  100) Deviatia standard a proporţiei:Deviatia standard a proporţiei: p i – probabilitatea de a aparţine claseip i – probabilitatea de a aparţine clasei q i – probabilitatea de a nu aparţine claseiq i – probabilitatea de a nu aparţine clasei

28 28 2.4. ASIMETRIE (SKEWNESS) –Coeficientul lui Pearson:  = (X-Mo)/s –“coada” (tail) la dreapta sau la stanga

29 29 2.5. EXCES (KURTOSIS) Exces: (  ) – aplatizare, boltireExces: (  ) – aplatizare, boltire –(distributie leptokurtica, platikurtica)

30 30 - pauza -


Download ppt "1 UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor Babeş” TIMISOARA DISCIPLINA DE INFORMATICA MEDICALA"

Similar presentations


Ads by Google