если вычислить критерий Фишера в прикрепленном файле, то получится P-VALUE = 0.00569812.
значит ли это, что два ряда показателей достоверно различаются между собой? если это так, то...
можно ли сказать, что первая пара показателей ( тип 1 у мужчин и женщин) различаются между собой с той же степенью достоверности? (меня, в принципе, интересует достоверность различия только тип 1 у мужчин и женщин).
спасибо.

С помощью точного критерия Фишера Вы получили P-VALUE = 0.00569812, который говорит о наличии значимых различий в частоте для одной или нескольких типах опухолей между группами мужчин и женщин. В каких именно типах опухолей есть различия можно узнать с помощью метода кластеризации равного риска, который тоже реализован в электронной таблице.Этот метод сгруппирует типы опухолей, отношения частот которых в двух группах приблизительно равны (кластеры равного риска).Если Вас интересует достоверность различия только типа 1 опухоли, то объедините оставшиеся типы 2,3,4 в один набор и примените точный критерий Фишера к полученной таблице размерности 2х2. Полученная величина P-Value и даст значимость различий только по этому типу опухоли.

Спасибо! Все понятно.

Давайте на примере опухолей разберем принцип метода "Кластеризация факторов равного риска". В верхней таблице показаны численности мужчин и женщин с 4-мя различными типами опухолей. Нас интересует вопрос: "Существуют ли различия между мужчинами и женщинами по частоте этих опухолей? ". Проанализируем эту таблицу сопряженности точным критерием Фишера (а не хи-квадрат , т.к. значения в ячейках мужчин для типа 1 и 4 малы) и получим значимость отличий частот P-VALUE = 0,0056 <0,01 . Значимость очень хорошая, но мы не ответили на вопрос: "частоты каких именно опухолей отличаются?". Вот тут-то нам и пригодится новый метод. На глаз видно, что опухоли 1 и 4 чаще встречаются у женщин, а 2 и 3 - у мужчин. С помощью метода получим подтверждение наших догадок, см.среднюю таблицу Equal risk clusters. Четыре типа опухоли алгоритм разделил на два кластера (группы). В первый кластер вошли типы 1 и 4, во второй - типы 2 и 3. А что нам скажет нижняя таблица Odds and Frequencies Ratio ? Из столбца Frequencies Ratio видно, что опухоли первого кластера встречаются в 3,2978 раз чаще, второго в 0,4255 раза чаще у женщин (т.е. в 1/0,4255=2,38 чаще у мужчин). А теперь представим, что в руки хирурга попала опухоль из первого кластера, но пол пациента неизвестен. Последний столбец Odds ratio таблицы говорит, что шанс пациента оказаться женщиной у в этом случае в 7,75 раз больше, чем оказаться мужчиной.

Спасибо за такой развернутый ответ.
Теперь разобрался с кластеризацией, почти...
Но появился еще один вопрос. В вашем руководстве к электронной таблице есть объяснение расчета Frequencies ratio:
"отношение частот численностей выборок "Больные" к "Контроль" 23/14=1,64".
Вот...
А в моем случае Frequencies ratio=3,29787 получился, видимо, каким-то другим способом, потому что 31/4 (женщины/мужчины) не равно 3,29787?

А разве P-Value в этом случае не будет показывать значимость различий опять же между двумя рядами данных?

Вычислим вручную отношение частот для первого кластера. Frequencies ratio=(31/(31+16))/(4/(4+16))=(31/47)/(4/20)=(31*20)/(47*4)=620/188 = 3,2978

Значимость P-VALUE таблицы сопряженности показывает различия частот для всех типов опухолей (строк). Если Вас интересуют отличия только одно типа опухоли, то остальные типы нужно объединять (теряя при этом ценную информацию).

Спасибо.