25. Генеральная совокупность и выборка. Гистограмма.

Большая статистическая совокупность, из которой отбирается часть объектов для исследования, называется генеральной сово­купностью, а множество объектов, отобранных из нее, — выбо­рочной совокупностью, или выборкой.

Свойство объектов выборки должно соответствовать свойству объектов генеральной совокупности, или, как принято говорить, выборка должна быть представительной (репрезентативной). Так, например, если целью является изучение состояния здо­ровья населения большого города, то нельзя воспользоваться вы­боркой населения, проживающего в одном из районов города. Ус­ловия проживания в разных районах могут отличаться (различ­ная влажность, наличие предприятий, жилищных строений и т. п.) и, таким образом, влиять на состояние здоровья. Поэтому выбор­ка должна представлять случайно отобранные объекты.

Если записать в последовательности измерений все значения величиных в выборке, то получим простой статистический ряд.

Здесь x_i — наблюдаемые значения признака (варианта); n_i — число наблюдений варианты x_i (частота); р_i* — относительная частота.

Общее число объектов в выборке (объем выборки)

всего k вариант. Статистическое распределение — это совокуп­ность вариант и соответствующих им частот (или относительных частот), т. е. это совокупность данных 1-й и 2-й строки или 1-й и 3-й строки

В медицинской литературе статистическое распределение, со­стоящее из вариант и соответствующих им частот, получило на­звание вариационного ряда. Гистограмма частот — совокупность смежных прямоуголь­ников, построенных на одной прямой линии (рис. 3.2), основания прямоугольников одинаковы и равны а, а высоты равны отноше­нию частоты (или относительной частоты) к а:

(3.4)

Таким образом, площадь каждого прямоугольника равна соответ­ственно

Следовательно, площадь гистограммы частот , а площадьгистограммы относительных часто

26.

30.Понятие о корреляционном анализе.

При этом определенному значению одного признака соответствует не одно значение другого, а целое распределение значений. Такая связь называется корреляционной связью, или просто корреляцией. Корреляционная связь, например, между возрастом и ростом де­тей выражается в том, что каждому значению возраста соответст­вует определенное распределение роста (а не одно единственное значение). При этом с увеличением возраста (до определенных пределов) возрастает и среднее значение роста.

Количественную характеристику взаимосвязи изучаемых при­знаков можно дать на основании вычисления показателя силы связи между ними (коэффициента корреляции) и определения за­висимости одного признака от изменений другого (уравнения рег­рессии). Коэффициент корреляции определяет не только степень, но и направление связей между величинами. Если отсутствие функциональной зависимости между величинами условно соот­ветствует нулевой корреляции, а полная функциональная зависи­мость — корреляции, равной единице, то сила корреляционной связи, вообще говоря, измеряется промежуточными значениями (от 0 до +1). При этом при положительном коэффициенте корре­ляции с увеличением одной величины возрастает и другая. Если же коэффициент корреляции отрицателен, то возрастание одного параметра сопровождается уменьшением другого.

В простом случае при линейной зависимости между исследуе­мыми параметрами используют коэффициент корреляции Бравэ — Пирсона, вычисляемый по формуле:(3.32)

Здесь п — количество пар анализируемых признаков,—выборочные средние значения в распределениях соответствую­щих параметров,— средние квадратические отклонения. Рассчитанный по формуле (3.32) коэффициент корреляции сравнивают с теоретическим, который находят в специальной таблице с учетом определенного уровня значимости и объема выборки

Количественное представление зависимости изменений одного признака от изменений другого позволяет получить показатели регрессии. Как правило, анализ регрессии начинают с графиче­ского изображения данных. При большом числе исходных дан­ных для выявления общей закономерности вычисляются средние значения одного признака (у) в группах (классах), соответствую­щих определенному интервалу значений другого признака (х).

Если предполагается существование линейной зависимости между исследуемыми признаками (линейная регрессия), то про­водить регрессионный анализ наиболее просто. Для проведения линии регрессии используют прозрачную линейку, придавая ей такое положение, чтобы выше и ниже предполагаемой линии регрессии оказалось приблизительно одинаковое число эмпирических точек. На полу­ченной прямой определяют координаты двух наиболее отдален­ных точек x₁, y_l и х₂, у₂. Затем составляют систему двух уравне­ний:

Из полученной системы уравнений определяют неизвестные а и b Наконец, при известных коэффициентах а и b записывают уравнение прогноза, на основании которого можно рассчитать значение параметра у при известном значении х.

В настоящее время при статистическом анализе эксперимен­тальных данных ироко используются компьютерные вычисли­тельные программы, позволяющие проводить корреляционный и регрессионный анализ. Более подробно практическое применение этого вида анализа рассматривается в курсе социальной гигиены и организации здравоохранения.