Štatistika je jazykom neistoty – nástrojom, ktorý nám umožňuje vyvodzovať závery z neúplných informácií. Či už čítate prieskum v správach, interpretujete výsledky klinickej štúdie alebo analyzujete svoje vlastné údaje, pochopenie týchto základných pojmov z vás urobí oveľa kritickejšieho čitateľa.

Popisná štatistika: Sumarizácia údajov

Skôr ako budete môcť analyzovať údaje, musíte ich opísať. Kľúčovými ukazovateľmi sú centrálna tendencia (kde je stred?) a spread (ako variabilné sú údaje?).

Priemer, Medián a Režim

Aritmetický priemer je súčet vydelený počtom. Je to najznámejší priemer, ale je veľmi citlivý na odľahlé hodnoty.

medián je stredná hodnota pri triedení údajov. Je robustnejší — jediná extrémna hodnota s ním veľmi nepohne.

Najčastejšou hodnotou je režim. Užitočné pre kategorické údaje; menej užitočné pre kontinuálne merania.

Súbor údajov Priemerná Medián Režim
2, 4, 4, 6, 8 4.8 4 4
2, 4, 4, 6, 100 23.2 4 4

Všimnite si, ako jedna extrémna hodnota (100) dramaticky mení priemer, ale ponecháva medián nedotknutý. To je dôvod, prečo štatistika cien nehnuteľností používa medián – hŕstka sídiel v hodnote niekoľkých miliónov libier by spôsobila, že priemerné ceny sú zavádzajúce.

Štandardná odchýlka a rozptyl

Rozptyl meria priemernú štvorcovú odchýlku od priemeru:

σ² = Σ(xi - x̄)² / n

Smerodajná odchýlka je druhá odmocnina rozptylu – je v rovnakých jednotkách ako pôvodné údaje, vďaka čomu je interpretovateľná:

σ = √[Σ(xi - x̄)² / n]

Pravidlo 68-95-99.7 pre normálne distribuované údaje:

  • 68 % hodnôt spadá do 1 štandardnej odchýlky od priemeru
  • 95 % v rámci 2 štandardných odchýlok
  • 99,7 % v rámci 3 štandardných odchýlok

Poznámka: Použite n v menovateli pre štandardnú odchýlku populácie; použite n−1 pre odhad vzorky (toto sa nazýva Besselova korekcia a koriguje mierne podhodnotenie, ktoré sa vyskytuje pri vzorkách).

Normálna distribúcia

Normálne (Gaussovo) rozdelenie je krivka v tvare zvona, ktorá sa objavuje všade v prírode a štatistikách. Je plne opísaná dvoma parametrami: priemer (μ) a štandardná odchýlka (σ).

z-skóre prevedie akúkoľvek hodnotu na „koľko štandardných odchýlok od priemeru“:

z = (x - μ) / σ

Z-skóre 1,96 zodpovedá 97,5 percentilu – hodnote, nad ktorou leží iba 2,5 % distribúcie. Toto sa neustále objavuje v štatistikách kvôli intervalom spoľahlivosti.

Veta centrálnej limity je dôvod, prečo na normálnom rozdelení tak záleží: bez ohľadu na tvar pôvodnej populácie sa distribúcia priemeru vzorky pri zväčšujúcej sa veľkosti vzorky blíži k normálu. To je dôvod, prečo toľko štatistických testov predpokladá normalitu, aj keď nespracované údaje nie sú normálne distribuované.

Intervaly spoľahlivosti

95 % interval spoľahlivosti neznamená, že „pravdepodobnosť, že skutočná hodnota je v tomto rozsahu, je 95 %. Znamená to: "ak by sme tento proces vzorkovania opakovali mnohokrát, 95% intervalov, ktoré sme vypočítali, by obsahovalo skutočnú hodnotu."

Pre podiel p zo vzorky veľkosti n:

CI = p ± z × √(p(1-p)/n)

Pre 95 % spoľahlivosť je z = 1,96. Pre 99 %, z = 2,576.

Rozpätie chyby je len časť ±: z × √(p(1-p)/n). Keď prieskum uvádza „±3 percentuálne body“, ide o hranicu chyby.

Testovanie hypotéz

Každý test hypotéz má rovnakú štruktúru:

  1. H₀ (nulová hypotéza): Predvolená hodnota – zvyčajne „žiadny účinok“, „žiadny rozdiel“, „žiadny vzťah“
  2. H₁ (alternatívna hypotéza): Na čo sa snažíte preukázať dôkazy
  3. Testovacia štatistika: Číslo vypočítané z údajov, ktoré meria, ako ďaleko od H₀ sú údaje
  4. p-value: Pravdepodobnosť pozorovania výsledku aspoň tohto extrému, ak by H₀ bola pravdivá

Vysvetlená p-hodnota

Hodnota p 0,03 znamená: „Ak by skutočne nedošlo k žiadnemu účinku, takéto extrémne údaje by sme videli náhodou iba v 3 % prípadov.“ To sa zvyčajne považuje za dostatočne významné na to, aby sa vylúčilo H₀.

Čo p < 0,05 NEZNAMENÁ:

  • Neznamená to, že existuje 95% šanca, že účinok je skutočný
  • Neznamená to, že účinok je prakticky dôležitý
  • Neznamená to, že H₀ je nepravdivé

Chyby typu I a typu II:

H₀ je pravda H₀ je nepravdivé
Odmietnuť H₀ Chyba typu I (falošne pozitívny) Správne
Neodmietnutie H₀ Správne Chyba typu II (falošne negatívna)

α (úroveň významnosti) = chybovosť I. typu, zvyčajne 0,05 β = chybovosť typu II; Výkon = 1 − β, zvyčajne zameraný na 0,80

T-test

T-test porovnáva priemery medzi skupinami. Dvojvzorová t-štatistika je:

t = (x̄₁ - x̄₂) / √(s₁²/n₁ + s₂²/n₂)

Veľký |t| znamená, že skupiny sú ďaleko od seba vzhľadom na variabilitu v rámci skupiny. Porovnajte s kritickou hodnotou (alebo vypočítajte p-hodnotu) s príslušnými stupňami voľnosti.

Kedy to použiť: Porovnanie dvoch priemerov z nezávislých skupín, keď sú údaje približne normálne alebo n > 30.

Korelácia

Pearsonovo r meria silu lineárneho vzťahu medzi dvoma premennými:

  • r = +1: Dokonalý kladný lineárny vzťah
  • r = 0: Žiadny lineárny vzťah
  • r = −1: Dokonalý negatívny lineárny vzťah
r = Σ(xi - x̄)(yi - ȳ) / √[Σ(xi - x̄)² × Σ(yi - ȳ)²]

R² (r na druhú) udáva podiel rozptylu v Y vysvetlený pomocou X. Ak r = 0,7, potom R² = 0,49 — X vysvetľuje 49 % variability v Y.

Spearmanovo ρ (rho) robí to isté, ale používa skôr poradie ako nespracované hodnoty, vďaka čomu je odolný voči odľahlým hodnotám a vhodný pre ordinálne údaje.

Pamätajte: Korelácia ≠ príčinná súvislosť. Predaj zmrzliny a miera utopenia spolu silne korelujú (obe vrcholy v lete), ale zmrzlina nespôsobuje utopenie.

Veľkosť efektu

Štatistická významnosť vám povie, či je efekt skutočný; veľkosť efektu vám povie, aký je veľký. Cohenovo d na porovnanie dvoch prostriedkov:

d = (μ₁ - μ₂) / σ_pooled
Cohenov d Výklad
0.2 Malý
0.5 Stredná
0.8 Veľký

Veľmi významná p-hodnota s d = 0,1 znamená, že ste zistili skutočný, ale triviálne malý efekt – možno preto, že vaša vzorka bola obrovská. Vždy uvádzajte veľkosti efektov spolu s hodnotami p.

Chí-kvadrát test

Test chí-kvadrát (χ²) sa pýta: "Odlišujú sa pozorované počty od toho, čo by sme náhodou očakávali?"

χ² = Σ (Observed - Expected)² / Expected

Použite ho, keď sú vaše údaje kategorické – napríklad testovanie, či je kocka spravodlivá alebo či je výsledok liečby nezávislý od liečebnej skupiny.

Výber správneho testu

Situácia Test
Porovnajte jeden priemer so známou hodnotou Jednovzorkový t-test
Porovnajte dva nezávislé prostriedky Dvojvýberový t-test
Porovnajte dva spárované prostriedky Párový t-test
Porovnať 3+ znamená ANOVA
Porovnať 3+ znamená (nenormálne) Kruskal-Wallis
Asociácia medzi dvoma spojitými premennými Pearsonova/Spearmanova korelácia
Porovnajte kategorické proporcie Chí-kvadrát
Dve skupiny, nenormálne rozdelenie Mann-Whitney U

Bežné chyby

Pohľad: Opakované spustenie testu a zastavenie, keď p <lt; 0,05 dramaticky nafúkne chybu typu I. Pred zberom údajov si naplánujte veľkosť vzorky.

Viacnásobné porovnania: Spustenie 20 nezávislých testov pri α = 0,05 vytvorí v priemere jeden falošne pozitívny výsledok. Použite korekciu Bonferroni alebo kontrolujte mieru falošných objavov.

Ignorovanie predpokladov: Väčšina testov predpokladá náhodný výber vzoriek, nezávislosť pozorovaní a (pre t-testy) približnú normalitu. Ich porušenie podkopáva výsledky.

Použite našu Kalkulačka Z-Score, [Kalkulačka veľkosti vzorky](/sk/matematické/štatistiky/veľkosť vzorky), t-Test Calculator a [Kalkulačka korelácie/štatistika k vašim vlastným údajom.