Какой статистический метод применить? Опции

[Maria30]

Podska*ite, po*aluista, kakoi statisti4eskii metod lu4she primenit v moem slu4ae? Ja issleduju vosdeistvie dvuh veshestv na kletki pod*eludo4noi *elezy. Odin preparat(1) vysyvaet apoptosis(gibel kletok), drugoi preparat(2) podavljaet apoptosis. Polu4aetsja tablica
1opyt 2opyt 3opyt
control X X X
Preparat 1 koncentracija 1 X X X
Preparat 1 koncentracija 2 X X X
Preparat 1 koncentracija 3 X X X
Preparat 1 koncentracija 4
1opyt 2opyt 3opyt
Control + preparat2 X X X
Preparat 1 koncentracija 1+ preparat2 X X X
Preparat 1 koncentracija 2+ preparat2 X X X
Preparat 1 koncentracija 3+ preparat2 X X X
Preparat 1 koncentracija 4+ preparat2 X X X

Preparat 2 neizmennaja koncentracija
Neobhodimo sravnit control i preparat 1 koncentr.1........4, a zatem preparat 1konc.1 i preparat 1 konc.1+ prepar.2 i t.d.
Mo*no li v moem slu4ae primenit parnyi Student´s t-test?

Izvinjajus za latinskie bukvy:-(

[плав]

На выборке из 6 наблюдений нельзя сделать вывод о том, что распределение данных в популяции нормальное или какое-то иное. Аналогично и нельзя исключить нормальность распределения. Основой корректного прменения критерия Стьюдента является нормальное распределение показателя в ПОПУЛЯЦИИ (как-то никто не замечает этого слова, по косой, что-ли читают?), а не в ВЫБОРКЕ. Кстати в другой ветке некоторое время назад я уже приводил данные по вероятности признания распределения нормальным/не нормальным в зависимости от априорной вероятности нормального распределения. Соответственно, утверждение, что "одним из необходимых условий корректного применения критерия Стьюдента является нормальное распределения показателя в обеих группах" является ошибочным. Грубо говоря, если при помощи теста на "нормальность" Вы получаете р=0,04, т.е. в случае нормального распределения такая форма выборки получилась бы в 4% случаев и у Вас есть данные, что в популяции распределение нормальное, то этот тест никоим образом не меняет Вашего отношения к распределению данных в популяции (4% довольно высокая вероятность - 4 из 100 выборок).
Вы должны знать распределение показателя в популяции прежде, чем выбирается метод статистического исследования. Если выборка достаточно большая (например, тысячи), то на ней можно оценить нормальность распределения. Именно поэтому я выше писал, что прежде, чем проводить какие-либо исследования надо знать, как распределен параметр в популяции. Крупные популяционные исследования показывают, что уровень АД в популяции распределен по нормальному закону, соответственно, если выборка из популяции, то можно использовать критерий Стьюдента). С другой стороны, если это взяты лица с САД>160 мм рт.ст, то правило нормальности, очевидно выполняться не будет (это будет кусок распределения). Тогда надо на основании тех же популяционных исследований смотреть, какое распределение среди лиц, у кого АД более 160. И попробовать вначале нормализовать эти данные (например, для ТГ в популяции нет нормальности, но распределение логнормальное, аналогичным образом нормализуются и большинство гормональных параметров). Собственно, одна из задач анализа литературы и раздела "Эпидемиология и распространенность" как раз определить параметры измеряемых показателей.
Что касается до/после лечения, то характеристики распределения до и после нас вообще не интересуют, а интересует распределение разностей до/после. Чисто теоретически распределение разностей должно быть нормальным (поскольку колебания должны быть случайными). Если оно не нормальное, это означает, что в группе кроме случайной ошибки действует еще какой-то источник вариабельности (например, пациенты по-разному реагируют на препарат). При том количестве наблюдений, которое Вы приводите, проверка типа распределения уже будет возможной, однако, повторюсь, если проверка (лучше QQ или NP графиком, гистограммы сильно зависят от размеров классов) показывает выраженные отклонения от нормальности следует разобраться в их причине и только если причин найти не удается и мы уверены в том, что это - не нормальное распределение следует использовать непараметрику.
Теперь два слова, почему непараметрика не должна использоваться по умолчанию как метод обработки данных. Представьте себе два эксперимента. В первом следующие данные были получены:
Группа 1: 8,9,10,11,12
Группа 2: 98,99,100,101,102
Второй вариант
Группа 1: 93,94,95,96,97
Группа 2: 98,99,100,101,102
Поскольку непараметрика использует только ранги, то с точки зрения непараметрического анализа вероятность того, что группы пришли из одной популяции одинаковая в обоих описанных случаях. Это выражается и в результатах анализа
t-тест: р<0.0001 (во втором случае р=0,001)
Тест Мэнна-Уитни: р=0.0335 (в обоих случаях)
Есть разница в том, что при использовании параметрики вероятность приходя этих групп из одной популяции менее 0,01%, а во втором 3,3%? Иными словами, даже если мы сомневались в действии вмешательства мы должны будем признать его действующим при первом типе анализа, но не сможем сделать этого в случае использования непараметрики.