56. Задача дисперсионного анализа. Однофакторный и двухфакторный анализ.
Дисперсионный анализ — это статистический метод оценки связи между факторными и результативным признаками в различных группах, отобранный случайным образом, основанный на определении различий (разнообразия) значений признаков. В основе дисперсионного анализа лежит анализ отклонений всех единиц исследуемой совокупности от среднего арифметического. В качестве меры отклонений берется дисперсия (В)— средний квадрат отклонений. Отклонения, вызываемые воздействием факторного признака (фактора) сравниваются с величиной отклонений, вызываемых случайными обстоятельствами. Если отклонения, вызываемые факторным признаком, более существенны, чем случайные отклонения, то считается, что фактор оказывает существенное влияние на результативный признак.
Doбщ. = Dфакт + D ост.,
Doбщ. - общая дисперсия наблюдаемых значений (вариант), характеризуется разбросом вариант от общего среднего. Измеряет вариацию признака во всей совокупности под влиянием всех факторов, обусловивших эту вариацию. Общее разнообразие складывается из межгруппового и внутригруппового;
Dфакт - факторная (межгрупповая) дисперсия, характеризуется различием средних в каждой группе и зависит от влияния исследуемого фактора, по которому дифференцируется каждая группа. Например, в группах различных по этиологическому фактору клинического течения пневмонии средний уровень проведенного койко-дня неодинаков — наблюдается межгрупповое разнообразие.
D ост. - остаточная (внутригрупповая) дисперсия, которая характеризует рассеяние вариант внутри групп. Отражает случайную вариацию, т.е. часть вариации, происходящую под влиянием неуточненных факторов и не зависящую от признака — фактора, положенного в основание группировки. Вариация изучаемого признака зависит от силы влияния каких-то неучтенных случайных факторов, как от организованных (заданных исследователем), так и от случайных (неизвестных) факторов.
Однофакторный дисперсионный анализ
Задачей дисперсионного анализа является изучение влияния одного или нескольких факторов на рассматриваемый признак.
Однофакторный дисперсионный анализ используется в тех случаях, когда есть в распоряжении три или более независимые выборки, полученные из одной генеральной совокупности путем изменения какого-либо независимого фактора, для которого по каким-либо причинам нет количественных измерений.
Для этих выборок предполагают, что они имеют разные выборочные средние и одинаковые выборочные дисперсии. если выборки принадлежат одной и той же генеральной совокупности, то разброс данных между выборками (между группами) должен быть не больше, чем разброс данных внутри этих выборок (внутри групп
Двухфакторный анализ без повторений. Расширенный дисперсионный анализ с одной выборкой для каждой группы данных.
При определении влияния нзависимую переменную нескольких факторов можно использовать многофакторный дисперсионный анализ. Главное преимущество этого метода в том, что он позволяет исследователю изучать взаимодействие факторов. Взаимодействия (interaction) имеют место, когда эффекты одного фактора на зависимую переменную зависят от уровня других факторов.
Процедура многофакторного дисперсионного анализа аналогична процедуре однофакторного дисперсионного анализа. Статистики, соответствующие многофакторному дисперсионному анализу, также определяются аналогично определению статистик в однофакторном дисперсионном анализе.
- 1. Определение информатики. Общие понятия информатики. Формула для количественного.Определения информации. Единицы измерения информации. Определение информатики
- 2. Определение медицинской информатики, как прикладной науки. Задачи, решаемые методами медицинской информатики.
- 6. Локальные вычислительные сети. Протоколы компьютерных сетей. Понятие выделенного и невыделенного сервера.
- 7. Технические и программные средства локальных компьютерных сетей. Линии связи, каналы связи.
- 8. Локальные сети: файл-серверные и клиент-серверные технологии
- 10. Типы баз данных. Особенности реляционных субд ms Access и субд OpenOffice.Org Base. Назначение объектов субд Access и Base: таблицы, формы, запросы, отчеты. Типы данных.
- 13. Субд, их основные типы и характеристики. Основные типы объектов субд (таблицы и проч.). Основные задачи, решаемые этими программами. Архитектура, примеры.
- 15. Приложения и пакеты приложений. Характеристики OpenOffice и ms Office. Ценовые и качественные характеристики.
- 30.Диагностический знак. Чувствительность, Специфичность, Положительная и Отрицательная предсказательная сила. Соотношение подобия. Примеры.
- 32. В рамках классификации информационных медицинских систем (имс), определите, что такое автоматизированные медицинские системы территориального уровня. На какие виды их подразделяют?
- 41.Дискретные и непрерывные случайные величины. Числовые характеристики дискретной случайной величины (математической ожидание дисперсия), их свойства.
- 18. Адреса. Доменная организация адресного пространства. Понятие о поддоменах и сверхдоменах.
- 50. Абсолютная и относительная погрешности. Погрешности прямых и косвенных измерений. Методы статистической обработки вариационных рядов.
- 52. Теорема сложения для несовместных событий. Теорема умножения для независимых событий. Условная вероятность. Полная вероятность. Формула Байеса.
- 56. Задача дисперсионного анализа. Однофакторный и двухфакторный анализ.