Презентация на тему: ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ

Реклама. Продолжение ниже
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Примеры оценок ( estimators)
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Тестирование гипотез
Типы ошибок
Почему Р-значения могут быть контр-интуитивны
Общий подход к тестированию гипотез
Теория значимости различий Фишера
Теория планирования эксперимента Неймана-Пирсона
Одно- и двусторонние гипотезы
Тестирование гипотез
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Популяци я и выборка
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Кросс-секционные исследования
Кросс-секционные исследования (исследования распространенности)
Кросс-секционные исследования (исследования распространенности)
Когортные исследования
Когортные исследования
Когортные исследования
Исследования «случай – контроль»
Исследования «случай-контроль»
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Типы исследований: случай с разрывом аневризмы
Экспериментальные исследования в параллельных группах
Экспериментальные исследования перекрестного дизайна
Общий эффект лечения является совокупностью эффектов от спонтанного улучшения, неспецифических реакций и эффектов специфической терапии
Вопросы при выборе показателя:
Характеристики измерения:
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Подробнее
Способы контроля систематических ошибок
Характеристики измерения
Выбор конечных точек на практике:
На практике:
При прочих равных:
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Выбор статистического теста
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Планирование мощности исследования
Планирование мощности исследования
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
Планирование объема выборки
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ
«Терминологические джунгли»
1/52
Средняя оценка: 4.2/5 (всего оценок: 12)
Код скопирован в буфер обмена
Скачать (1368 Кб)
Реклама. Продолжение ниже
1

Первый слайд презентации: ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ

Часть 1 ПРИНЦИП СТАТИСТИКИ. ПОНЯТИЕ ВЕРОЯТНОСТИ. ВИДЫ ОШИБОК. ПЛАНИРОВАНИЕ ИССЛЕДОВАНИЯ. НУЛЕВАЯ ГИПОТЕЗА. ПОНЯТИЕ ПОПУЛЯЦИИ ИССЛЕДОВАНИЯ. РАСЧЕТ МОЩНОСТИ ИССЛЕДОВАНИЯ И РАЗМЕРА ВЫБОРКИ. ОСНОВНЫЕ СТАТИСТИЧЕСКИЕ ПАКЕТЫ.

Изображение слайда
1/1
2

Слайд 2

СТАТИСТИКА Современная физика Современная социология/экономика Современная биология/медицина Современная философия

Изображение слайда
1/1
3

Слайд 3: Примеры оценок ( estimators)

Оценка ( estimator) Оцениваемый показатель Выборочное среднее, x̅ Среднее ген.совок. µ Выборочная доля, p̂ Доля в ген.совок. p Разность двух выборочных средних x̅ 1 - x̅ 2 Разность двух средний генеральной совокупности µ 1 - µ 2 Разность двух выборочных пропорций p̂ 1 -p̂ 2 Разность двух пропорций генеральной совокупности p 1 -p 2 Основополагающим принципом при выборочной оценке (и, соответственно, для всей аналитической статистики) является случайность выборки Аналитическая (индуктивная) статистика ( statistical inference ) – процедура генерализации, в результате которой по данным из выборки делаются заключения о генеральной совокупности.

Изображение слайда
1/1
4

Слайд 4

Вероятность – шанс что некоторое явление (необязательное) произойдет. P ( вытащить туз из колоды карт) = 4/52 = 0,0769. Фреквентистская (частотная вероятность) – предел к которому стремится шанс события произойти при бесконечном числе испытаний Байесианская вероятность – вероятность события, ЕСЛИ произошло другое, взаимосвязанное с ним событие P(A|B)=(P(B|A)*P(A))/P(B) Диагностический тест – чувствительность 90%, специфичность 99% (круто!) Доля больных данным заболеванием – 0,001 (доля здоровых 0,999) Найти вероятность того что данный человек здоров, если тест положителен!? P(B|A ) – доля больных если предполагается изначально что человек здоров – 0,01; P ( A) – доля здоровых– 0,999; P(B) – 0,999 × 0,01 + 0,001 × 0,9 = 0,01089; 91,7%!!!

Изображение слайда
1/1
5

Слайд 5

ПЛАНИРОВАНИЕ ИССЛЕДОВАНИЯ: ИДЕЯ СБОР И АНАЛИЗ ЛИТЕРАТУРЫ ГИПОТЕЗА ПЛАНИРОВАНИЕ ДИЗАЙНА ЭКСПЕРИМЕНТА ВЫБОР СТАТИСТИЧЕСКОГО ТЕСТА СБОР И АНАЛИЗ ЛИТЕРАТУРЫ РАСЧЕТ МОЩНОСТИ

Изображение слайда
1/1
6

Слайд 6: Тестирование гипотез

Гипотеза – утверждение, касающееся одной или нескольких популяций Исследовательская гипотеза – предположение или вопрос, на разрешение которого направлено исследование ( PICO ) Статистическая гипотеза – формулируется таким образом, что может быть опровергнута статистическими методами ( inferential statistics ) H 0 – нулевая гипотеза (об отсутствии различий) H 1 ( H A ) – альтернативная гипотеза (комплементарна нулевой) Нулевая и альтернативная гипотеза комплементарны, в сумме составляют все возможные вероятности, которые может принимать гипотетический показатель

Изображение слайда
1/1
7

Слайд 7: Типы ошибок

Отбраковка верной нулевой гипотезы – ошибка I рода, ее вероятность α Невозможность отвергнуть ложную нулевую гипотезу – ошибка II рода, ее вероятность β Результат теста На самом деле: H 0 верна На самом деле: H 0 ошибочна H 0 отвергнута ошибка I рода,  Верно (H a ) H 0 отвергнуть не удалось Верно ( H 0 ) 1 -  ошибка II рода,  p 1- β – мощность исследования!

Изображение слайда
1/1
Реклама. Продолжение ниже
8

Слайд 8: Почему Р-значения могут быть контр-интуитивны

Тестируемая гипотеза противоположна той гипотезе, которую мы хотим доказать (считаем верной) Ученые и врачи могут считать «странным» рассчитывать теоретические распределения результатов экспериментов, которые никогда не будут проведены «Логика» подхода интуитивно противоречит тому, что происходит на самом деле Мы делаем выборку и хотим сделать заключения о популяции Расчеты р-значений начинаются с предположений относительно популяции (нулевая гипотеза) и определяют вероятность обнаружить такие же или большие различия

Изображение слайда
1/1
9

Слайд 9: Общий подход к тестированию гипотез

Сформулируйте научную гипотезу для исследования Сформулируйте релевантную статистическую гипотезу ( H a ) Для статистической гипотезы подберите дополняющую нулевую гипотезу ( H 0 ) Рассчитайте вероятность получения различных (экспериментальных) данных Определите долю возможных результатов, для которых статистики теста будут такой же или большей величины Сравните с заранее заданным пороговым значением

Изображение слайда
1/1
10

Слайд 10: Теория значимости различий Фишера

Определить нулевую статистическую гипотезу («нулевая» ≠ «гипотеза об отсутствии всего») Определить точное значение р (например, p= 0,051 или p =0,049). Ничего не говорить о принятии или опровержении гипотезы Использовать данную процедуру только если об исследуемой проблеме известно очень мало

Изображение слайда
1/1
11

Слайд 11: Теория планирования эксперимента Неймана-Пирсона

Установить две статистические гипотезы, H 1 и H 2, а также принять решения относительно α, β, размера выборки до начала эксперимента, основываясь на субъективных представлениях о затратах и пользе. Эти решения определят область [ результатов ], в которой каждая гипотеза будет отвергнута ( rejection region, область отвержения) Если результаты попадают в область отвержения для H 1, принять гипотезу H 2, в противоположном случае принять H 1. «Принять» – не значит поверить (скорее, действовать, как если бы она была верна ).

Изображение слайда
1/1
12

Слайд 12: Одно- и двусторонние гипотезы

H 0 H a Характер распределения и положение критической области = µ=50 µ=50 Два «хвоста», две критических области ≤ µ≤50 µ > 50 Один «хвост», критическая область справа ≥ µ≥50 µ < 50 Один «хвост», критическая область слева

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
Изображение для работы со слайдом
1/4
13

Слайд 13: Тестирование гипотез

Важное замечание : ни тестирование гипотезы, ни статистический анализ не доказывают гипотезу. Заключение делается относительно того, опровергают ли полученные данные гипотезу

Изображение слайда
1/1
14

Слайд 14

ПЛАНИРОВАНИЕ ИССЛЕДОВАНИЯ: ИДЕЯ СБОР И АНАЛИЗ ЛИТЕРАТУРЫ ГИПОТЕЗА ПЛАНИРОВАНИЕ ДИЗАЙНА ЭКСПЕРИМЕНТА ВЫБОР СТАТИСТИЧЕСКОГО ТЕСТА РАСЧЕТ МОЩНОСТИ

Изображение слайда
1/1
Реклама. Продолжение ниже
15

Слайд 15

Структура клинического вопроса: PICO ( T ) P opulation/Patients – популяция/пациенты I ntervention - вмешательство C omparison – группа сравнения O utcome - исход T ime - время Правильная формулировка клинического вопроса

Изображение слайда
1/1
16

Слайд 16: Популяци я и выборка

Популяция – это большая группа людей, проживающих в определенном географическом регионе (например, в Московской области) или обладающих некоторым признаком (например, старше 65 лет) Популяция может состоять из пациентов, госпитализированных в определенную клинику или из пациентов с определенным заболеванием Выборка – часть популяции, полученная путем отбора ПОПУЛЯЦИЯ ИССЛЕДОВАНИЯ – генеральная совокупность, к которой относится выборка исследования и на которую можно генерализовать его результаты

Изображение слайда
1/1
17

Слайд 17

ТИПЫ ИССЛЕДОВАНИЙ Обсервационные Поперечные (кросс-секционные) Случай-контроль Проспективное когортное Ретроспективное когортное Экспериментальные Двойное слепое рандомизированное Все факторы кроме одного фиксированы!

Изображение слайда
1/1
18

Слайд 18: Кросс-секционные исследования

Субъекты отбираются в исследование Начало исследования Воздействие ФР + исход Воздействие ФР, нет исхода Нет воздействия ФР + исход Нет воздействия, нет исхода

Изображение слайда
1/1
19

Слайд 19: Кросс-секционные исследования (исследования распространенности)

Анализ группы субъектов в один момент времени Позволяют описать заболевание и его важность (распространенность) Определяют потребность в диагностике/лечении Могут подразделяться на: Описательные (результат - частоты) Аналитические (результат - odds ratio )

Изображение слайда
1/1
20

Слайд 20: Кросс-секционные исследования (исследования распространенности)

Преимущества: Позволяют узнать распространенность болезни в группе Полезны для оценки диагностических процедур Полезны для изучения распространенных факторов риска Полезны для изучения распространенных исходов Недостатки: Популяции субъектов как правило, не хотят принимать участие в исследованиях Выборка получается нерепрезентативной Бесполезно искать причины исходов

Изображение слайда
1/1
21

Слайд 21: Когортные исследования

Выбор когорты Нет воздействия Воздействие Исход Нет исхода Исход Нет исхода Начало исследования Время

Изображение слайда
1/1
22

Слайд 22: Когортные исследования

Субъекты отбираются по принципу отсутствия заболевания (исхода) и классифицируются по наличию/отсутствию факторов риска Проводится проспективное наблюдение, направленное на выявление исхода Когортное исследование может быть проспективным и ретроспективным

Изображение слайда
1/1
23

Слайд 23: Когортные исследования

Преимущества: Подходят для выявления причин заболевания/исхода Подходят для выявления течения заболевания Полезны, когда мы изучаем два или более исхода одновременно Недостатки: Занимают длительное время Дороги Субъекты исследования склонны пропадать Нерелевантны для изучения редких исходов

Изображение слайда
1/1
24

Слайд 24: Исследования «случай – контроль»

Воздействие Нет воздействия Воздействие Нет воздействия Время Начало исследования Направление исследования Случаи (исходы) Контроль

Изображение слайда
1/1
25

Слайд 25: Исследования «случай-контроль»

Преимущества: Подходят для изучения редких исходов Адекватны для изучения исходов с долгим периодом развития Требуют мало ресурсов на проведение Нет необходимости ждать наступления исхода Недостатки: Множество источников систематической ошибки Зависят от количества и качества регистров пациентов Контрольная группа должна быть адекватно подобрана, поскольку представляет собой популяцию без исходов

Изображение слайда
1/1
26

Слайд 26

Формулировка клинического вопроса 35-летний мужчина, брат которого недавно умер от разрыва аневризмы сосудов головного мозга, беспокоится, что у него также может быть аневризма и какова вероятность того, что она разорвется?

Изображение слайда
Изображение для работы со слайдом
1/2
27

Слайд 27: Типы исследований: случай с разрывом аневризмы

Прогноз Проспективное когортное исследование Терапия РКИ Факторы риска Причина Симптомы, признаки, тесты Результат терапии Прошлое Настоящее Будущее Типы исследований: случай с разрывом аневризмы Частота КТ скан Поперечный срез Когортное исследование

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
28

Слайд 28: Экспериментальные исследования в параллельных группах

Исход Участники исследования Исход Контроль Начало исследования Вмешательство Оценка исходов Отсутствие исхода Отсутствие исхода Воздействие

Изображение слайда
1/1
29

Слайд 29: Экспериментальные исследования перекрестного дизайна

Экспериментальная группа Участники Отсутствие исхода Контроль Отсутствие исхода Without outcome Исход Исход Контрольная группа Исход Отсутствие исхода Исход Экспериментальная группа Начало исследования Вмешательство Вмешательство Время

Изображение слайда
1/1
30

Слайд 30: Общий эффект лечения является совокупностью эффектов от спонтанного улучшения, неспецифических реакций и эффектов специфической терапии

Хо́торнский эффе́кт ( Hawthorne effect ) - Участники эксперимента действуют иначе, более усердно, чем обычно, только благодаря осознанию того, что они причастны к эксперименту.

Изображение слайда
Изображение для работы со слайдом
1/2
31

Слайд 31: Вопросы при выборе показателя:

Природа показателя Процесс измерения Характеристики измерения (надежность/ валидность ) Выбор измерений Факторы, влияющие на измерения Когда и как часто измерение проводится в ходе исследования?

Изображение слайда
1/1
32

Слайд 32: Характеристики измерения:

Некий объект или явление, которое изменяется наблюдаемым и количественно измеримым образом Измерение = истинное значение + ошибка Ошибка = случайная + систематическая О выборе зависимой переменной!

Изображение слайда
1/1
33

Слайд 33

ОШИБКИ ИССЛЕДОВАНИЯ СЛУЧАЙНЫЕ СИСТЕМАТИЧЕСКИЕ СВЯЗАННЫЕ С ОТБОРОМ (когда группы в выборке отличаются по более чем одному параметру ИЛИ выборка подобрана так, что группы БУДУТ отличаться) СВЯЗАННЫЕ С ИЗМЕРЕНИЕМ (разные методы измерения в разных группах) СВЯЗАННЫЕ С ВЗАИМОДЕЙСТВИЕМ ФАКТОРОВ ( CONFOUNDING, как правило не в экспериментальных исследованиях, накладывается на ошибку отбора) ОШИБКИ ИЗМЕРЕНИЯ (недостаточная выборка, ошибки собственно измерения (прибор сбоит)) ОШИБКИ РЕГИСТРАЦИИ (записано неправильно) ОШИБКИ ПЕРЕНОСА/ОБРАБОТКИ (компьютер)

Изображение слайда
1/1
34

Слайд 34: Подробнее

Систематическая ошибка отбора Систематическая ошибка участия Систематическая ошибка выбывания Систематическая ошибка оценки эффективности Систематическая ошибка репортирования Систематическая ошибка, обусловленная вмешивающимися факторами

Изображение слайда
1/1
35

Слайд 35: Способы контроля систематических ошибок

Систематическая ошибка Способ контроля Отбора ( selection bias ) Рандомизация Маскировка рандомизационной последовательности Участия (performance bias) Ослепление Выбывания (attrition bias) Полнота показателей эффективности Ослепление Оценки эффективности (detection bias) Ослепление Репортирования (reporting bias) Контроль селективного репортирования Выполнение протокола и плана статистического анализа

Изображение слайда
1/1
36

Слайд 36: Характеристики измерения

Смещение ( Bias) Высокое ( high bias) Низкое ( low bias) Дисперсия ( V ariance) Высокая ( high variance) Низкая ( low variance) bias

Изображение слайда
Изображение для работы со слайдом
1/2
37

Слайд 37: Выбор конечных точек на практике:

Формулировка цели исследования Научная гипотеза, с указанием терапевтической области и популяции исследования (это не шутка!) Поиск в рекомендациях регуляторных органов ФГБУ «Научный центр экспертизы средств медицинского применения», Руководство по экспертизе лекарственных средств (вплоть до рекомендованных методов оценки) Guidance for Industry : Clinical Trial Endpoints ( FDA, EMA ) Прецеденты одобрения конечных точек Поиск в результатах проведенных исследований Результаты мета-анализа (сравнение с другими препаратами) Результаты контролируемых исследований Конечные точки одобренных (не завершившихся) исследований Конечные точки в научных публикациях (не всегда РКИ)

Изображение слайда
1/1
38

Слайд 38: На практике:

Конечный результат (иногда) требуется согласовать с opinion-leader` ом (разные школы) При этом нужно учесть, что обычно OL в РКИ ни за что не отвечает и его рекомендации тоже требуют проверки (Эр) Оценить имеющиеся данные, необходимые для планирования Как минимум, ожидаемую величину эффекта (Ал) Как минимум, оценку дисперсии показателя (Ал) Часто – клинически значимые различия (ФГБУ - возвраты) Часто – эффективность конкурирующих препаратов Обязательно – «общую оценку эффективности» (Эр) Оценить несколько вариантов развития событий Оптимистический и пессимистический (как эффект, так и само исследование, удобство заполнения шкал) Поиграть в « бэклог » ( ок, мы провалили исследование, почему?) Обдумать варианты дизайна (Повторные измерения? Перекрестный? Промежуточный анализ?)

Изображение слайда
1/1
39

Слайд 39: При прочих равных:

Исследования с повторными наблюдениями позволяют существенно увеличить мощность исследования Интервальная шкала (надежная, валидная, с достаточной для планирования информацией) позволяет существенно увеличить мощность исследования Время до наступления события хорошо работает только в крупномасштабных длительных исследованиях (азбука, но: в трех исследованиях за последний год Спонсор всеми силами настаивал на конечной точке) Качество жизни ( SF - 36 v2 ), несмотря на широкое применение, не лишено ряда спорных моментов (что произойдет со шкалой физического здоровья, если у пациента улучшилось психическое, и наоборот?)

Изображение слайда
1/1
40

Слайд 40

ПЛАНИРОВАНИЕ ИССЛЕДОВАНИЯ: ИДЕЯ СБОР И АНАЛИЗ ЛИТЕРАТУРЫ ГИПОТЕЗА ПЛАНИРОВАНИЕ ДИЗАЙНА ЭКСПЕРИМЕНТА ВЫБОР СТАТИСТИЧЕСКОГО ТЕСТА РАСЧЕТ МОЩНОСТИ

Изображение слайда
1/1
41

Слайд 41: Выбор статистического теста

Цель Интервальная Ранг, оценка Биномиальное Выживаемость Описать 1 группу Среднее, ст.отклонение Медиана, IQR Пропорция Кривая выживаемости Каплана-Мейера Сравнить 1 группу с гипотетическим значением t-test для одной выборки Тест Уилкоксона Тест хи-квадрат Сравнить не связанные совокупности t- тест для не связанных совокупностей Тест Манн-Уитни Точный критерий Фишера, хи-квадрат Лог-ранговый тест или тест Мантеля-Ханзеля Сравнить 2 связанные совокупности t-тест для связанных совокупностей Тест Вилкоксона Тест Мак- Неймера Условная регрессия пропорционального риска*

Изображение слайда
1/1
42

Слайд 42

http://www.ats.ucla.edu/stat/sas/whatstat/default.htm

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
43

Слайд 43: Планирование мощности исследования

Концепция планирования мощности подразумевает определение необходимого размера выборки, чтобы обнаружить клинически/научно значимое различие для фиксированного уровня ошибки I рода

Изображение слайда
1/1
44

Слайд 44: Планирование мощности исследования

Формулирование статистических гипотез и методов статистического анализа, направленных на подтверждение этих гипотез; Определение максимально допустимых значений ошибок I и II рода (вероятность ошибки I рода и мощности исследования); Определение параметров распределения переменной отклика, включая показатели среднего и дисперсии в условиях отсутствия воздействия; Определение величины значимого клинического эффекта (детализация альтернативной гипотезы); Определение размера выборки клинического исследования;

Изображение слайда
1/1
45

Слайд 45

ϕ = δ/σ ; где ϕ – параметр нецентральности, σ – стандартное отклонение, δ – предполагаемая разница средних Какова мощность исследования (чувствительность статистического метода), если разница средних – 20, а стандартное отклонение 15? В группах у нас по 10 человек. Сколько нужно набрать крыс в группу для получения мощности исследования в 80%, если предполагаемая разница средних 0,3, а стандартное отклонение 2,0? КРИТЕРИЙ СТЬЮДЕНТА

Изображение слайда
Изображение для работы со слайдом
1/2
46

Слайд 46

где, обозначения те же, кроме: δ – МИНИМАЛЬНАЯ РАЗНИЦА МЕЖДУ ЛЮБЫМИ ДВУМЯ ГРУППАМИ; k – число групп; n – численность меньшей из групп(!). ν ( меж ) = k – 1, где, ν ( меж ) – число межгрупповых степеней свободы; k – как раньше. ν ( вну ) = n – k. ДИСПЕРСИОННЫЙ АНАЛИЗ

Изображение слайда
Изображение для работы со слайдом
1/2
47

Слайд 47

Изображение слайда
Изображение для работы со слайдом
1/2
48

Слайд 48: Планирование объема выборки

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
Изображение для работы со слайдом
Изображение для работы со слайдом
1/5
49

Слайд 49

Excel Создание таблиц данных Хранение данных Фильтрация/сортировка Простейшие статистические анализы Неплохой но не всегда удобный графический модуль Statistica То же, но больше опций для анализа Работа с переменными неудобна SPSS Возможности чуть больше чем у Statistica Удобная работа с переменными Возможна работа с большими объемами данных SAS Может все Золотой стандарт отрасли Очень неудобен Труден в освоении Стоимость/трудность взлома R Может все Таблицы приличного вида сложно получить БЕСПЛАТЕН Развивается сообществом – большой потенциал Труден в освоении Удобен STATA etc. ( знаком мало)

Изображение слайда
1/1
50

Слайд 50

СПАСИБО ЗА ВНИМАНИЕ! ВОПРОСЫ?

Изображение слайда
1/1
51

Слайд 51

Изображение слайда
1/1
52

Последний слайд презентации: ОСНОВЫ ПРАКТИЧЕСКОЙ БИО-МЕДИЦИНСКОЙ СТАТИСТИКИ: Терминологические джунгли»

Introductory medical statistics, 3 rd edition by R.F.Mould, 1998

Изображение слайда
Изображение для работы со слайдом
1/2
Реклама. Продолжение ниже