Статистическая задача Опции

[volchonok]

Есть группа больных, 64 человека, которая делится по полу, на 4 группы по возрасту, и им ранее делали 2 разные операции. После операций у них 4 разных варианта анатомического строения глотки. Нужно доказать, что виды анатомического строения не зависят от пола, возраста и проведенного лечения.
Помогите решить. Ну или хотя бы в каком направлении копать...

Сообщение отредактировал volchonok - 3.03.2014 - 21:45

[Статистик]

Вам нужно построить соответствующие таблицы сопряженности, но не по тем данным, которые вы представили, а по исходным данным. А далее рассчитать для построенных таблиц критерий хи-квадрат.

[TheThing]

Вам нужно построить соответствующие таблицы сопряженности, но не по тем данным, которые вы представили, а по исходным данным. А далее рассчитать для построенных таблиц критерий хи-квадрат.

А как с помощью критерия хи-квадрат показать, что виды анатомического строения не зависят от пола, возраста и проведенного лечения?

[docent]

А как с помощью критерия хи-квадрат показать, что виды анатомического строения не зависят от пола, возраста и проведенного лечения?

Вы строите, например, таблицу сопряженности для проверки зависимости анатомического строения от пола. При этом по строкам располагаете пол, а по столбцам - вид анатомического строения. Далее рассчитываете критерий хи-квадрат. Если нулевая гипотеза принимается, то вид анатомического строения не зависит от пола. В противном случае зависит.
Так строите еще 2 таблицы для проверки зависимости вида анатомического строения от возраста и проведенного лечения.

Если все 3 проверки опровергнут наличие связи, тогда уже можно и что-то более сложно проверять (учитывающее сочетания факторов).

[TheThing]

Вы строите, например, таблицу сопряженности для проверки зависимости анатомического строения от пола. При этом по строкам располагаете пол, а по столбцам - вид анатомического строения. Далее рассчитываете критерий хи-квадрат. Если нулевая гипотеза принимается, то вид анатомического строения не зависит от пола. В противном случае зависит.
Так строите еще 2 таблицы для проверки зависимости вида анатомического строения от возраста и проведенного лечения.

Если все 3 проверки опровергнут наличие связи, тогда уже можно и что-то более сложно проверять (учитывающее сочетания факторов).

Хи-квадрат я представляю, здесь трудность в другом:
1) Нулевая гипотеза никогда не принимается
2) при р > 0.05 нельзя сделать вывод, что то-то от чего-то не зависит или не имеет эффекта

Это обсуждалось на форуме, но все равно хочется утверждать, что "черных лебедей не существует, лишь потому, что мы видели только белых"

[docent]

Хи-квадрат я представляю, здесь трудность в другом:
1) Нулевая гипотеза никогда не принимается

Почему?

2) при р > 0.05 нельзя сделать вывод, что то-то от чего-то не зависит или не имеет эффекта

А как же тогда проверять отсутствие эффекта?

Это обсуждалось на форуме, но все равно хочется утверждать, что "черных лебедей не существует, лишь потому, что мы видели только белых"

А можно ссылку на тему?

[TheThing]

А можно ссылку на тему?

Если дружите с англ., то почитайте например это
https://www.ctspedia.org/do/view/CTSpedia/PvalueFallacy

В статье описываются самые распространенные ошибки и как их избежать, как лучше представлять результаты стат. анализа и др.

Так же гляньте про проблему множественных сравнений, она затрагивается в статье. Помню, nokh однажды сказал, что если в своей работе вы применяете Бонферрони, то что-то не так с дизайном вашего эксперимента. И проблема множественных сравнений действительно сложна, существует масса авторитетных мнений, которые против применения этих поправок. В качестве аргументов приводятся например такие: если нулевая гипотеза на самом деле никогда не равна действительно 0 (ее называют nil-hypothesis), то что мы делим на что при поправке Бонферрони? То, что не существует делим на количество гипотез? Или например, поправки на множественные сравнения не дают ответа когда нужно остановиться и прекратить их применять - имеется ввиду, применять поправки в рамках одной работы, одного исследования, одной популяции, проблемы как в целом? И масса других вопросов..


Поэтому не спешите с хи-квадаратом :-)