logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Jak vznikají informace Rozložení dat 1. Statistická analýza dat logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat —Sběr a vyhodnocování dat je způsobem k uchopení a pochopení reality. http://2.bp.blogspot.com/_SqkFcytz7qE/SxczexsFRpI/AAAAAAAAAJw/-AaQYwUgdKA/s640/platosCave%2520copy. jpg —Chápání reality je vždy nedokonalé a nepřesné. —Statistika umožňuje vnést do pochopení reality určitou spolehlivost a ukázat, jak je velká. logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat —Realita je variabilní a statistika je věda zabývající se variabilitou. —Korektní analýza variability a její pochopení přináší užitečné informace o realitě. —V případě deterministického světa by statistická analýza nebyla potřebná. —V případě zcela chaotického světa by nebyla možná. logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Práce s variabilitou v analýze dat —Dva hlavní přístupy k variabilitě: logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Práce s variabilitou v analýze dat —Statistika není schopna činit závěry o jevech neobsažených ve zkoumaném vzorku. —Statistika je nasazena v procesu získání informací ze vzorkovaných dat a je podporou v získání znalosti a pochopení problému. —Statistika není náhradou naší inteligence! logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Práce s variabilitou v analýze dat —Cílem analýzy není pouhý popis a analýza vzorku, ale zobecnění výsledků ze vzorku na jeho cílovou populaci. — —Pokud vzorek nereprezentuje cílovou populaci, vede zobecnění k chybným závěrům. Neznámá cílová populace Vzorek Analýza Díky zobecnění výsledků známe vlastnosti cílové populace (s určitou pravděpodobností chyby) logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam vzorkování ve statistice logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Velikost vzorku a přesnost statistických výstupů —Existuje skutečné rozložení a skutečný průměr měřené proměnné — —Z jednoho měření nezjistíme nic — — —Vzorek určité velikosti poskytuje odhad reálné hodnoty s definovanou spolehlivostí — — — —Vzorkování všech existujících objektů poskytne skutečnou hodnotu dané popisné statistiky, nicméně tento přístup je ve většině případů nereálný. — logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Obecné schéma aplikace statistické analýzy —Jak velký vzorek je nezbytný pro statisticky relevantní výsledky? —Klíčová stratifikační kritéria cílové populace. — —Vzorkovací plán zabezpečující náhodnost a reprezentativnost vzorku. — —Uložení dat ve vhodné formě a jejich vyčištění předcházející vlastní analýze je klíčovým krokem statistické analýzy. — —Grafická inspekce dat je nezbytným krokem analýzy vzhledem ke schopnosti lidského mozku primárně akceptovat obrazová data. Poskytne vhled do dat, představu o jejich rozložení, vazbách proměnných apod. — —Popisná analýza umožňuje vyhodnotit srovnáním s existující literaturou realističnost naměřených rozsahů dat. — —Testování vazeb mezi různými proměnnými s cílem navzájem vysvětlit jejich variabilitu a tím přispět k pochopení řešeného problému. — —Možným vyvrcholením analýzy je využití získaných znalostí a pochopení problému k vytvoření prediktivních modelů. logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Jak vznikají informace Rozložení dat 1a. Teoretické pozadí statistické analýzy logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Anotace —Základním principem statistiky je pravděpodobnost výskytu nějaké události. Prostřednictvím vzorkování se snažíme odhadnout skutečnou pravděpodobnost událostí. —Klíčovou otázkou je velikost vzorku, čím větší vzorek, tím větší šance na projevení se skutečné pravděpodobnosti výskytu jevu (a tím je také nákladnější analýza). n = 1 m = 0 se = n. s. n = 4 m = 0,25 se = 0,22 n = 9 m = 0,22 se = 0,14 n = 16 m = 0,19 se = 0,10 logo-IBA Definice Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Náhodný jev značíme velkým latinským písmenem, např. A. Jde o jev, pro který požadujeme tzv. statistickou stabilitu, tj. aby při n opakováních pokusu platilo pro relativní četnost výsledku: Elementární jev nejjemnější možný náhodný jev, tj. náhodný jev, který nelze vyjádřit jako sjednocení dvou jiných neprázdných náhodných jevů. Značí se obvykle ω. Prostor elementárních jevů značíme obvykle Ω, jde o libovolnou neprázdnou množinu (její prvky nazýváme elementárními jevy). Platí tedy, že elementární jevy jsou prvky prostoru elementárních jevů, rovněž jsou prvky náhodných jevů a náhodné jevy jsou podmnožiny prostoru elementárních jevů. logo-IBA Definice Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Ω – prostor elementárních jevů A – náhodný jev ω – elementární jev ω – elementární jev ω – elementární jev ω – elementární jev A – náhodný jev A – náhodný jev logo-IBA Definice Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina σ-algebra systém (množina) podmnožin prostoru elementárních jevů A (označujeme A) splňující následující podmínky: 1.A je neprázdná množina, 2.A ∈ A ⇒ A \A ∈ A 3.sjednocení libovolného počtu Ai ∈ A. Jevové pole uspořádaná dvojice prostoru elementárních jevů a na něm definované σ-algebry (Ω, A). Jevové pole se také někdy nazývá měřitelný prostor. Pravděpodobnost reálná množinová funkce P definovaná na množině A σ-algebry (Ω, A) tak, že jsou dodrženy následující podmínky: 1.P(Ω) = 1 2.∀ A ∈ A: P(A) ≥ 0 3.pravděpodobnost součtu neslučitelných jevů je rovna součtu pravděpodobnosti těchto neslučitelných jevů. (podle Kolmogorova) logo-IBA Definice Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Pravděpodobnostní prostor uspořádaná trojice prostoru elementárních jevů, na něm definované σ-algebry a jim příslušné pravděpodobnostní funkce (Ω, A, P). Borelovská σ-algebra je σ-algebra B generovaná systémem borelovských množin S, tj. množin splňujících podmínku: 1. S = (–∞,x⟩, kde x ∈ ℝ. Náhodná veličina reálná množinová funkce X definovaná na prostoru elementárních jevů Ω nějakého pravděpodobnostního prostoru (Ω, A, P), splňující pro nějakou borelovskou σ-algebru B předpoklad: 1.B ∈ B ⇒ {ω ∈ Ω: X(ω) ∈ B} ∈ A. 1. Pravděpodobnostní prostor je měřitelný prostor s přidanou funkcí pravděpodobnosti. logo-IBA Definice Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Náhodná veličina přiřazuje náhodným jevům měřitelné hodnoty (reálná čísla), rozdělení pravděpodobnosti pak každé takové hodnotě (reprezentované nějakou borelovskou množinou B) přiřazuje pravděpodobnost, tj. hodnotu mezi 0 a 1 takovou, že jsou dodrženy předpoklady po definici pravděpodobnosti uvedené dříve. Náhodná veličina se někdy také nazývá náhodná proměnná nebo měřitelná funkce, borelovské množiny se někdy též nazývají měřitelné množiny. Lze ukázat, že dostatečnou podmínkou pro to, aby X byla náhodná veličina je vztah ∀x ∈ ℝ: {X < x} ∈ A. Rozdělení pravděpodobnosti množinová funkce PX, která každé borelovské množině B přiřadí pravděpodobnost tak, že je dodržena následující podmínka: 1.PX(B) = P({ω ∈ Ω: X(ω) ∈ B}) pro B ∈ B. logo-IBA Definice Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Ω – prostor elementárních jevů ω – elementární jev A – náhodný jev 1 0 –∞ B – borelovské množiny B – borelovská σ-algebra A – množinová σ-algebra ω – elementární jev PX – rozdělení pravděpodobnosti Jevové pole B – borelovská množina logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina JAK vznikají informace ? „Empirical approach“ „Classical approach“ Empirický postup možné jevy: čísla 1 – 6 n – počet hodů (opakování) f n n = 10 f n n = 50 f n n = ¥ U složitých stochastických systémů se pravdě blížíme až po odvedení značného množství experimentální práce: musíme dát systému šanci se projevit logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina JAK vznikají informace ? Empirický postup možné jevy: čísla 1 – 6 n – počet hodů (opakování) f n n = 10 f n n = 50 f n n = ¥ Při realizaci náhodného experimentu roste se zvyšujícím se počtem opakování pravdivá znalost systému (výsledky se stávají stabilnější) …diskutabilní je ale ovšem míra zobecnění konkrétního experimentu logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Empirický zákon velkých čísel Při opětovné nezávislé realizaci téhož náhodného experimentu se podíl výskytů sledovaného jevu mezi všemi dosud provedenými realizacemi zpravidla ustaluje kolem konstanty. Pravděpodobnost je libovolná reálná funkce definovaná na jevovém poli A, která každému jevu A přiřadí nezáporné reálné číslo P(A) z intervalu 0 - 1. .A .B .C .D A P(A) 0 1 Z praktického hlediska je pravděpodobnost idealizovaná relativní četnost P (A) = 1 …………………………… jev jistý P (A) = 0 …………………………… jev nemožný P (A Ç B) = P (A) . P (B/A) …..……závislé jevy P (A Ç B) = P (A) . P (B)…………. nezávislé jevy P (A / B) = P (A Ç B) / P (B) ……….podmíněná pravděpodobnost logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Pravděpodobnost výskytu jevu – rozložení dat „vše je možné“: pouze jev s pravděpodobností 0 nikdy nenastane existuje pravděpodobnost výskytu jevů (nedeterministické závěry) 0 pravděpodobnost výskytu x 1 počet chlapců v rodině s 5 dětmi 2 3 4 5 j(x) x výška postavy plocha = pravděpodobnost výskytu pravděpodobnost lze zkoumat retrospektivně i prospektivně logo-IBA Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, J. Kalina Centrální limitní věta Pokud lze náhodnou veličinu X vyjádřit jako součet náhodných veličin X1, X2,…, Xn, které mají shodné rozdělení, konečnou střední hodnotu a konečný rozptyl, platí, že rozdělení veličiny X se vzrůstajícím n konverguje (poměrně rychle) k normálnímu rozdělení.