Štatistické metódy Ošetrovateľský výskum Mgr. Juraj Čáp, PhD. Ústav ošetrovateľstva JLF UK, predmet: Ošetrovateľský výskum I., bakalársky študijný program

Juraj Čáp | JLF UK | 2015 Štatistické metódy Štatistické metódy môžeme rozdeliť na dve základné skupiny opisná štatistika skúma stav a vývoj javov a opisuje ich rôznymi číselnými, tabuľkovými a grafickými charakteristikami. Podľa počtu súčasne skúmaných znakov (veličín) je jednorozmerná alebo viacrozmerná. Prijaté závery opisnej štatistiky sa týkajú len spracovávaného súboru induktívna štatistika zovšeobecňuje výsledky pozorovaní a vyslovuje úsudky a závery o populácii formou štatistických hypotéz

Juraj Čáp | JLF UK | 2015 Opisná štatistika Opisná štatistika skúma stav a vývoj javov a opisuje ich rôznymi číselnými, tabuľkovými a grafickými charakteristikami. Podľa počtu súčasne skúmaných znakov (veličín) je jednorozmerná alebo viacrozmerná. Pre účely bakalárskej práce sa odporúča jednorozmerná opisná štatistika Pre účely magisterskej a doktorskej práce sa odporúča aj dvojrozmerná opisná a taktiež induktívna štatistika

Opisná štatistika Opisná (deskriptívna) štatistika Juraj Čáp | JLF UK | 2015 Opisná štatistika Opisná (deskriptívna) štatistika úlohou opisnej štatistiky je vytvorenie prehľadu o získaných údajoch, ktoré samé o sebe predstavujú neprehľadnú zmes čísel, prípadne aj písmen

Parametre jednorozmernej opisnej štatistiky Juraj Čáp | JLF UK | 2015 Parametre jednorozmernej opisnej štatistiky Opisné charakteristiky absolútne a relatívne početnosti aritmetický priemer, modus, medián, minimum, maximum smerodajná odchýlka (v prípade aritmetického priemeru)

Absolútna a relatívna početnosť Juraj Čáp | JLF UK | 2015 Absolútna a relatívna početnosť Absolútna početnosť – N= X (Celé číslo) opis vzorky (koľko je mužov, koľko žien...) koľko respond. odpovedalo A, B, C, D Relatívna početnosť – N = X % používa sa no to isté ak máte vzorku nad 100 resp. vyjadruje podiel počtu výskytov ni a počtu n všetkých prvkov súboru

Početnosť – príklad Juraj Čáp | JLF UK | 2015 Číslo Triedny Absolútna Kum. abs. Relatívna Kum. rel. triedy znak početnosť 1 15 1,7 2 16 3 3,3 5,0 17 5 8,3 4 18 8 13,3 19 10 16,6 6 20 14 6,7 23,3 7 21 28,3 22 35,0 9 23 26 43,3 24 35 15,0 58,3 11 25 42 11,7 70,0 12 48 10,0 80,0 13 27 52 86,7 28 55 91,7 29 58 96,7 30 60 100,0 Spolu  

Minimum a maximum Min je najmenšia hodnota v súbore Juraj Čáp | JLF UK | 2015 Minimum a maximum Min je najmenšia hodnota v súbore Max je najväčšia hodnota v súbore

Juraj Čáp | JLF UK | 2015 Aritmetický priemer Aritmetický priemer určíme tak, že spočítame všetky hodnoty: 1,2, ..., n, získané meraním alebo pozorovaním a výsledok vydelíme ich počtom n. Matematicky sa to dá vyjadriť vzorcom Priemer = X,XY (na dve desatine miesta)

Juraj Čáp | JLF UK | 2015 Medián Medián je prostredná hodnota súboru zoradeného podľa veľkosti. Ak usporiadame hodnoty súboru podľa veľkosti od najmenšej po najväčšiu, medián rozdelí súbor na dve rovnako početné časti. Ak je počet hodnôt súboru n nepárny, je tá hodnota, ktorá má v usporiadanom súbore poradové číslo (n + 1) / 2. Ak je n párne, potom je medián rovný aritmetickému priemeru hodnôt s poradovými číslami n/2 Med = X alebo X,5

Juraj Čáp | JLF UK | 2015 Medián – príklad Uvažujme tento súbor 10 zoradených hodnôt: 2, 2, 3, 3, 4, 5, 6, 7, 8, 9. Keďže uvedený počet hodnôt je párny, medián je aritmetickým priemerom 5. a 6. hodnoty, t. j. Dôležitá vlastnosť mediánu je skrytá v spôsobe jeho určenia. Tým, že je určený len jednou konkrétnou hodnotou, resp. dvoma hodnotami zo súboru, stáva sa necitlivým (stabilným) voči extrémnym hodnotám, ktoré sa môžu v súbore ocitnúť ako hrubé chyby pozorovania alebo merania. Ak by sa napr. v súbore vyskytla hodnota 99 namiesto hodnoty 9 v dôsledku nejakej chyby, tak by to nemalo žiadny vplyv na medián súboru . Pre túto vlastnosť je medián často uprednostňovaný pred aritmetickým priemerom, ktorý túto vlastnosť nemá

Modus Modus je najčastejšie sa vyskytujúca hodnota v súbore Juraj Čáp | JLF UK | 2015 Modus Modus je najčastejšie sa vyskytujúca hodnota v súbore V histograme je modus tá hodnota veličiny, ktorá ma najväčšiu početnosť (najvyšší stĺpec) Modus identifikuje „najpopulárnejšie“ skóre Nepoužíva sa však často, a to najmä pre svoju nízku stabilitu, prejavujúcu sa značnou fluktuáciou hodnôt medzi rôznymi výbermi z tej istej populácie

Smerodajná odchýlka – miera variability Juraj Čáp | JLF UK | 2015 Smerodajná odchýlka – miera variability Smerodajná odchýlka je najdôležitejšia a najpoužívanejšia miera variability. Podobne ako aritmetický priemer sa určuje zo všetkých hodnôt súboru, čo zaručuje jej vysokú stabilitu. Označuje sa písmenom s a vypočíta sa podľa vzorca Hovorí o tom, ako široko sú rozložené hodnoty v množine. Označuje sa s alebo SD = X,XY (na dvedesatine miesta) Uvádza sa spolu s priemerom: Priemer ± SD

Aritmetický priemer, smerodajná odchýlka, minimum a maximum – príklad Juraj Čáp | JLF UK | 2015 Aritmetický priemer, smerodajná odchýlka, minimum a maximum – príklad Tab. 5. Kompetencie, ktoré sestra vykonáva samostatne z hľadiska vzdelania a pracoviska – deskriptívna štatistika   n Priemer SD Minimum Maximum Pracovisko Chirurgia 15 6,54 0,56 5,24 7,00 JIS/ARO 21 6,39 0,67 4,38 Interné 6,06 4,66 Pediatria 8 6,76 0,19 6,41 Vzdelanie SZŠ 12 4,11 2,35 1,00 VOŠ 5 5,49 2,13 1,81 Bc. 31 3,42 2,05 Mgr/PhDr. 17 2,78

Dvojrozmerná opisná štatistika – korelácia Juraj Čáp | JLF UK | 2015 Dvojrozmerná opisná štatistika – korelácia Korelácia – najčastejšie používaná forma Korelácia opisuje vzájomný vzťah dvoch veličín (štatistických znakov) meraných alebo pozorovaných na jednom objekte. Odpovedá na otázky: Aký je vzájomný vzťah týchto dvoch veličín? Sú vzájomne závislé? Aká je sila tohto vzťahu? Napríklad: Ako závisí telesná výška od telesnej hmotnosti? Sú nižší ľudia prevažne ľahší a vyšší prevažne ťažší? Závisí hodnota krvného tlaku od stupňa úzkosti alebo strachu? Aký je stupeň alebo sila tejto závislosti? Pearsonov alebo Spearmanov korelačný koeficient

Juraj Čáp | JLF UK | 2015 Korelačný koeficient Korelačný koeficient je mierou sily lineárneho vzťahu dvoch veličín Hodnota korelačného koeficientu je vždy z intervalu <–1; 1> Hodnoty z okolia krajných hodnôt prezentujú silnú koreláciu – negatívnu alebo pozitívnu podľa znamienka. Hodnoty z okolia 0 znamenajú, že veličiny sú nekorelované, t.j. nebol preukázaný významný vzťah medzi nimi Pomôcka pre interpretáciu korelačných koeficientov v psychologickom výskume: Korelácia (v absolútnej hodnote) pod 0,1 je triviálna, 0,1–0,3 malá, 0,3–0,5 stredná a nad 0,5 veľká

Induktívna štatistika – testy štatistických hypotéz Juraj Čáp | JLF UK | 2015 Induktívna štatistika – testy štatistických hypotéz Test štatistickej hypotézy je pravidlo, ktoré na základe získaných údajov dovoľuje jednoznačne rozhodnúť, či danú hypotézu prijímame, alebo zamietame Test štatistickej hypotézy nazývame aj testom štatistickej významnost. Ak H0 na zvolenej hladine zamietneme, resp. nezamietneme, tak povieme, že výsledok testu je štatisticky významný, resp. nevýznamný na danej hladine. Štatistický test sa vykonáva tak, že z údajov získaných meraním alebo pozorovaním vypočítame hodnotu testovej charakteristiky (kritéria), ktorú porovnávame s kritickou hodnotou

Hladina významnosti a P-hodnota Juraj Čáp | JLF UK | 2015 Hladina významnosti a P-hodnota Stanovenie hladiny významnosti (α) Hladina významnosti je pravdepodobnosť chyby I. druhu, ktorú urobíme ak zamietneme nulovú hypotézu, ktorá v skutočnosti platí. Teda ak prídeme k záveru, že medzi premennými existuje vzťah, pričom medzi nimi vzťah nie je. Alfa sa tradične stanovuje na 5 % (= 0,05) alebo 1 % P-hodnota je odhadovaná pravdepodobnosť zamietnutia pravdivej nulovej hypotézy. Čím menšia je P, tým viac sme presvedčení, že nulová hypotéza nie je pravdivá a mala by byť zamietnutá

Testy štatistických hypotéz Juraj Čáp | JLF UK | 2015 Testy štatistických hypotéz Príklady používaných testov Studentov t-test (viac druhov) Mannov–Whitneyov u-test Wilcoxonov test Kruskalov–Wallisov test ANOVA – analýza rozptylu

Juraj Čáp | JLF UK | 2015 Príklady http://www.osetrovatelstvo.eu/archiv/2014-rocnik-4/cislo-2/spiritualni-potreby-senioru-v-institucionalni-peci http://www.osetrovatelstvo.eu/archiv/2014-rocnik-4/cislo-2/uplatnenie-kompetencii-sestier-v-praxi http://www.osetrovatelstvo.eu/archiv/2014-rocnik-4/cislo-2/potreba-informaci-u-geriatrickych-pacientu-po-amputaci-dolni-koncetiny http://www.osetrovatelstvo.eu/archiv/2014-rocnik-4/cislo-2/socialni-a-emocni-problemy-pacientu-s-nedoslychavosti-zpusobenou-hlukem http://www.osetrovatelstvo.eu/archiv/2014-rocnik-4/cislo-1/vplyv-pohlavia-a-osobnosti-na-zvladanie-zataze-u-pacientov-s-chronickou-pankreatitidou

Juraj Čáp | JLF UK | 2015 Literatúra KUDLIČKA, J. Štatistické metódy. In ŽIAKOVÁ K. et al. Ošetrovateľstvo: Teória a vedecký výskum. Martin : Vydavateľstvo Osveta, 2009, s. 229-252. RIMARČÍK, M. Štatistika pre prax. 2007. 200 s. ISBN 978-80-969813-1-1. Dostupne na: http://rimarcik.com/.