סטטיסטיקה

Question 1

relative risk

Answer 1

P1 - הסתברות לחלות בקרב החשופים
P2 - הסתברות לחלות בקרב הלא חשופים
RR=P1/P2

RR=1 - החשיפה לא משפיעה על הסיכון לחלות
RR>1 - החשיפה היא גורם סיכון לחלות
RR<1 - החשיפה היא גורם מגן מפני המחלה

Question 2

odds ratio

Answer 2

ניתן לחשב גם במחקר רטרוספקטיבי (ולא רק פרוספקטיבי כמו RR)
P - הסתברות שהאירוע קרה
1-P - ההסתברות שאירוע לא קרה
Odd = P/1-P
נעשה את זה פעמיים - פעם אחת בחשופים, פעם שניה בלא חשופים.
OR - odd חשופים/odd לא חשופים

אבל במקום החישוב המסובך, אם מסדרים את הנתונים בטבלה שנראית ככה:

                 לא חולים    חולים חשופים              a               b לא חשופים         c               d

אז החישוב יוצא:
OR=ad/bc

Question 3

מה ההבדל בין פרמטר לאומדן?

Answer 3

מעניין אותנו לדעת דברים כמו - ממוצע, שונות, סטיית תקן, פרופרוציה, RR, OR
באוכלוסיה זה נקרא פרמטרים. כשאנחנו מעריכים את הפרמטרים האלה במדגם שלקחנו מהאוכלוסיה - זה נקרא אומדן או סטטיסטי.

Question 4

התפלגות ממוצע המדגם

Answer 4

כאשר בוחרים מדגמים שונים נקבל תוצאות שונות לממוצע המדגים שנעות סביב הערך האמיתי באוכלוסיה.
אם ניקח דוגמא של גובה שהוא ערך שמתפלג נורמלית - גם
ממוצע המדגם שמעריך את הגובה יתפלג נורמלית.
מרכז ההתפגות של ממוצע הגובה במדגם הוא הגובה האמיתי באוכלוסיה.
ככל שגודל המדגם גדול יותר -הטעות קטנה יותר = משמע הממוצע במדגם יתקרב לממוצע באוכלוסיה.

במקרה שההתפלגות של מה שמודדים לא נורמלית, ממוצע המדגם עדיין מתפלג נורמלית כל עוד גודל המדגם הוא מספיק גדול - כלל האצבע הוא שמספיק גדול זה 30 ומעלה.

Question 5

אמידה נקודתית לעומת אמידה באמצעות אינטרוול

Answer 5

אמידה נקודתית - למשל עבור ממוצע יתבצע ע”י חישוב הממוצע למדגם - שיהוו אמודן של הממוצע באוכלוסיה.
אמידה ע”י אינטרוול - במקום לתת אומדן נקודתית ניתן לתת טווח של ערכים - רווח סמך. בהתפלגות נורמלית 68% מהנתונים נמצאים בסטיית תקן אחת מהממוצע, ו95% במחרחק 2 סטיות תקן.
ברווח סמך של 95% אנחנו נותנים טווח של 2 סטיות תקן, והסיכון שהרווח לא כולל את הממוצע האמיתי באוכלוסיה הוא 5% - 2.5% שיהיה גבוה יותר ו2.5% שיהיה נמוך יותר.

Question 6

P value

Answer 6

הערך שלו מגידר לנו מה ההסתברות שהתוצאה שיצאה לנו במדגם מוסברת ע”י אקראיות המדגם - אם הסיכוי שהדבר מודגם ע”י אקראיות המדגם הוא גבוה לא נוכל לדחות את השערת האפס. אך אם הוא נמוך - נדחה את השערת האפס ונקבל את ההשערה האלטרנטיבית - H1

השערת האפס היא ההשעה שרוצים לדחות בדרך כלל ומתייחסת למצב של אין הבדל או אין אפקט. 
ההשערה האלטרנטיבית 
H1
שוללת את 
H0

Question 7

טעויות בבדיקת השערות

Answer 7

יש 4 אפשרויות:
השערת האפס נכונה באוכלוסיה, וגם הסקנו מהמדגם שהשערת האפס נכונה - אין טעות

השערת האפס נכונה באוכלוסיה, אבל הסקנו מהמדגם שההשערה האלטרנטיבית נכונה - טעות מסוג 1 - הסיכוי לכך הוא אלפא - שווה בדרך כלל ל0.05 או לכל ערך אחר שנגדיר שהוא רמת המובהקות של המחקר.

ההשערה האלטרנטיבית היא הנכונה באוכלוסיה , אבל על פי המדגם הסקנו שהשערת האפס נכונה - טעות מסוג 2 - הסיכוי לכך הוא בטא.

ההשערה האלטרנטיבית היא הנכונה באוכלוסיה, וזה גם מה שהסקנו מהמדגם - הסיכוי לכך הוא 1 פחות בטא - מכונה העוצמה של המחקר.

Question 8

מה משפיע על העוצמה של המחקר?

Answer 8

• גודל המדגם - ככל שהמדגם יותר גדול הוא יהיה קרוב יותר למציאות - השונת תהיה קטנה יותר - בטא תהיה קטנה יותר ולכן העוצמה עולה.
• גודל האפקט - ככל שגודל האפקט שאנחנו חושבים שקרה בהשערה האלטרנטיבית גדול יותר - שטח החפיפה בין ההתפלגויות של השערת האפס וההשערה האלטרנטיבית קטן יותר ואז בטא תהיה קטנה יותר - העוצמה תהיה גדולה יותר.

רמת המובהקות אלפא - אם מגדילים את רמת המובהקות (כלומר מגדילים את ההסתברות לקבל את תוצאת המחקר כאשר היא לא נכונה) בתמורה - נרוויח את העלאת העוצמה.

שונות - ככל שהתופעה מפוזרת יותר - כלומר שונות יותר גדולה יש חפיפה בין העקומות של השערת האפס וההשערה האלטרנטיבית - ונקבל עוצמה קטנה יותר.

Question 9

ברירת המחדל של העוצמה ושל אלפא

Answer 9

ברירת המחדל של העוצמה היא 80% ושל אלפא - 0.05
צריך לדעת מה האפקט של התופעה וסטיית התקן של התופעה מראש - מהספרות
ולפי הידיעה של כל הנ”ל, נקבע את גודל המדגם הדרוש לצורך קיום של אלפא 5 ובטא 80%

Question 10

משתנה קטגוריאלי או נומינאלי

Answer 10

משתנה שמתחלק בין קבוצות שונות כאשר בין הקבוצות אין היררכיה - לדוגמא ערי מגורים

Question 11

משתנה אורדינאלי

Answer 11

משתנה שמחלק את המשתנים בין קבוצות שונות אך יש
משמעות וסדר לקטגוריות - למשל דירוג שביעות רצון.
אין חשיבות למרווחים בין הקבוצות השונות

Question 12

משתנה כמותי

Answer 12

מדרג את המשתנים על פי סדר, כאשר הרווח בין המשתנים הוא חשוב - לדוגמא שנות לימוד.
יכול להיות רציף כמו גובה או בדיד כמו מס נפשות במשפחה

Question 13

מבחן סטטיסטי פרמטרי לעומת אפרמטרי

Answer 13

מבחן פרמטרי מתבצע על משתנה כמותי שניתן להניח שמתפלג נורמלית.

אם 2 ההנחות האלה לא מתקיימות נבצע מבחן אפרמטרי

Question 14

מבחנים סטטיסטיים למשתנים קטגוריאליים

Answer 14

• OR
• RR
• חי בריבוע
• פישר/ likelihood ratio

Question 15

מבחנים סטטיסטיים למשתנים רציפים או אורדינאליים

Answer 15

• מתאם פירסון כאשר ניתן להניח נורמליות והמשתנים כמותיים. זהו מבחן בו מחשבים את מקדם המתאם של פירסון - נע בין מינוס 1 ל-1, מעיד גם על כיוון הקשר וגם על עוצמת הקשר.
• מתאם ספירמן - כאשר המדגם קטן מדי ולא ניתן להניח נורמליות או כאשר המשתנים הם אודינאליים. ספירמן הוא מדד קשר אפרמטרי ומבוסס על הדרגות של הערכים במקום על הערכים עצמם. גם מתאם ספירמן נותן מקדם מתאם עם טווח של בין מינוס 1 ל-1.

Question 16

השוואת ממוצעים בין 2 מדגים בלתי תלויים

Answer 16

מבחן T
או המבחן האפרמטרי המקביל לו -
mann whitney

Question 17

השוואת ממוצעים בין שני מדגים תלויים

Answer 17

מבחן T

של מדגמים תלויים

Question 18

קו רגרסיה

Answer 18

הקו שנותן מינימום טעויות -כלומר הפער בין ערך ה
Y
לפי המשוואה לבין ערך ה
Y
של כלל הנדגמים הוא מינימאלי. 

קו הרגרסיה הוא קו שממעזר את סכום ריבועי הטעויות מקו הרגרסיה - ולכן מכונה שיטת הריבועים הפחותים.

שיפוע הקו מעיד על כיווניות בעוצמת הקשר בין המשתנה התלוי לבלתי תלוי.

Question 19

רגרסיה פשוטה לעומת רגרסיה לינארית מרובה

Answer 19

רגרסיה פשוטה - משתנה מסביר 1

רגרסיה לינארית מרובה - מודל רב משתני - כלומר הרבה משתנים בלתי תלויים שיסבירו מתשנה תלוי אחר.