BIOSTATISTICĂ

Elemente de biostatistică
Cursul 2

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 1

 Distribuţii normale (Gauss)
Aproximarea distribuţiei binomiale cu o normală:
Condiţii: p=0.5  b(n,p) simetrică
b(n,p) aproximată de normală dacă np5 sau n(1-p)5.
 =np şi 2=np(1-p) parametrii normalei
Exemplu: 100 delegaţi trebuie să aleagă un consiliu de 20 membrii.
Un delegat va vota selectând 20 de nume din 100, iar comisia va
delara aleşi pe acei candidaţi care au 51 de voturi “pentru”. Ce şanse
sunt în alegerea consiliului de 20 membrii?
Pp ca un delegat alege la întâmplare  p=20/100=0.2 probabilitatea de succes
pentru un candidat. Pp ca toate buletinele de vot sunt valide  nr de voturi
obţinute de un candidat este o variabilă aleatoare b(100,0.2).
=np=1000.2=20, 2=np(1-p)=200.8=16, =4  N(20,4) pentru aproximare.
(-3, +3)=(8, 32) interval care conţine 99.5% din rezult. obţinute de un
candidat!
Practic şanse nule în alegerea consiliului!
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 2
Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 3

Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 4

 Populaţii şi eşantioane,
caracteristici şi variabile
Statistica = ştiinţa care se ocupă cu tratamentul
datelor obţinute din grupuri „mici” de indivizi şi
extinderea rezultatelor la populaţii „mari”.
Variabilitatea Incertitudine
caracteristică a proceselor => “legi” care modelează
biologice incertitudinea

Biostatistica = domeniu particular al statisticii

(aplicarea metodelor statisticii în problemele
biologice/medicale - probleme ce afectează
calitatea fizică şi mentală a oamenilor)

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 5

 Populaţii şi eşantioane,
caracteristici şi variabile
TERMENI:
 Populaţie
 Eşantion
 Variabilă
 Frecvenţă

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 6

 Populaţii şi eşantioane,
caracteristici şi variabile
Populaţie - nr mare de indivizi
- caracter dinamic
- este bine definită la un moment de timp dat
Caracteristică a populaţiei = atribut important al populaţiei
(care ţine cont de variabilitate)
Eşantion = parte “mică” din populaţie (se poate extrage
suficientă informaţie pentru a se face inferenţe asupra
caracteristicilor studiate la nivelul populaţiei)
Motivaţie: - costuri materiale
- timp
- efecte (distrugerea indivizilor)
Volumul eşantionului = nr de indivizi din eşantion (n)

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 7

 Populaţii şi eşantioane,
caracteristici şi variabile
Exemple de eşantioane şi populaţii
Populaţie Eşantion
Lot de tablete 20 tablete selectate pentru verificarea
omogeneităţii conţinutului
Bărbaţi între 18 şi 25 de ani internaţi într- 24 de subiecţi selectaţi în faza I a unui
un spital studiu clinic
Şobolani Sprague-Dawley Weaning 100 şobolani selectaţi pentru a se testa
efectele posibile toxice pentru un nou
medicament
Analişti care lucrează în compania X 3 analişti dintr-o companie pentru a testa o
nouă metodă de verificare
Persoane cu presiunea distolică a sângelui 120 de pacienţi cu presiunea distolică a
între 105 şi 120 mmHg din SUA sângelui între 105 şi 120 mmHg sunt
incluşi într-un studiu care compară doi
agenţi antihipertensivi
Nivele de colesterol pentru un pacient Mostre de sânge prelevate o dată pe
săptămână timp de 3 luni de la un pacient
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 8
 Populaţii şi eşantioane,
caracteristici şi variabile
Variabilă = reprezentare a unei caracteristici
Caracteristici:
- măsurabile, exprimate prin numere
- nemăsurabile, aparţin unui grup
Reprezentarea unui caracteristici:
- spaţiu observabil
- structură
- asocierea unei singure valori din spaţiu observabil
Tipuri de variabile:
- variabilă numerică
- variabilă ordinală
- variabilă de decizie
Observaţie: O caracteristică poate fi reprezentată prin mai multe
variabile.
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 9
 Populaţii şi eşantioane,
caracteristici şi variabile
Variabile numerice Variabile ordinale (calitative)
clase
k = nr de clase ! Nu există un algoritm pentru stabilirea
numărului de clase
k “prea mic”  ascunde particularităţile claselor
“prea mare”  se îngreunează reprezentarea claselor
Recomandare: k[8,20]
Frecvenţe, repartiţie de frecvenţă
- frecvenţa absolută
- frecvenţa relativă
- frecvenţa cumulată
Funcţii EXCEL: FREQUENCY()

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 10

Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 11

 Reprezentări grafice
Sunt eficiente în prezentarea datelor şi a rezultatelor
(informaţia vizuală este mai uşor de înţeles).
Tipuri de diagrame (clasice):
- diagrama cu bare verticale sau orizontale (bar, rotated bar)
- rozeta (pie)
- histograma (histogram)
Alte diagrame: box-and-whiskers plot, diagrama de corelaţie (scatter
plot), diagrama „Stem-and-Leaf” (Trunchi-şi-Frunză), diagrama pentru
proporţia cumulativă etc.
Variabile – cu nr mic de valori: - tabele de frecvenţă
- diagrama cu bare
- rozeta
– cu nr mare de valori: - datele sunt grupate în intervale
de valori (clase)
- histograma
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 12
 Reprezentări grafice

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 13

 Reprezentări grafice

Diagrama de corelaţie

-10
-9 7
-8
-7 1
-6 429360
-5 0443808
-4 49974197
-3 211449794891072
-2 25521724327097867
-1
-0
90322271511340818996775
6796635283143898 Diagrama Stem-and-Leaf
+0 0409092511802556566291
+1 770742664101926437694
+2 474351010
+3 8995434
+4 60
+5 5
+6

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 14

 Reprezentări grafice
Construcţia histogramei:
– axa orizontală: punctele de separare a claselor
– clasă - dreptunghi pe verticală proporţional cu frecvenţa clasei
– dreptunghiurile au “lăţimi” egale
– aria dreptunghiurilor este egală cu 1
Deosebiri între diagrama cu bare şi histograma:
histograma: clasele=intervale de numere reale
diagrama cu bare: clasele=etichete (labels)
Utilitate a diagramelor: identificarea datelor eronate sau a
valorilor aberante
Atenţie la greşelile din construcţia diagramelor: informaţia
poate fi percepută eronat!

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 15

 Reprezentări grafice

EXAGERATĂ: o diferenţă de 5 sec pentru timpul de CONFUZIE: Curbele desenate sunt îngramădite
acţiune între două medicamente pare a fi foarte mare şi confuze.

CONFUZIE: Suprapunerea deviaţiilor Ar trebui ca puntele individuale să fie conectate prin

standard produce mai multă confuzie decât linii drepte sau prin curbe netede care aproximează
claritate. punctele?
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 16
Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 17

 Centrarea unei variabile numerice
n indivizi (eşantion) şi x1, x2,..., xn (măsurători)
Media aritmetică
x1  x2  ...  xn statistică (nr sau valoare
m obţinută pe baza datelor
n din eşantion)
tratează toate velorile
echitabil
Apariţia unei valori aberante
influenţează media (nu prea
mult !!!)
Funcţii EXCEL: MEAN()
Mediana = “punctul” care împarte datele în două părţi egale
x1 x2 ...  xn datele sunt ordonate (distincte?!)
n=2m+1  Me=xm+1 sau n=2m  Me=(xm+xm+1)/2
Funcţii EXCEL: MEDIAN()
Modulul: - valoarea cu frecvenţa maximă (date categoriale)
- Mo=3Me-2m (date numerice)
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 18
Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 19

 Deviația în jurul centrului
Deviaţia (abaterea) =împrăştierea în jurul centrului
Amplitudinea A= xmax- xmin (lungimea intervalului)
Deviaţia medie (abatere medie)
n n
 | xk  m |  k  2
( x m ) media
E k 1
Q k 1

n n pătratică

Deviaţia standard
Estimarea lui  se face cu deviaţia standard:
n
 ( xk  m )
2

s k 1

n 1
Funcţii EXCEL: STDEV().
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 20
 Deviația în jurul centrului
Justificare:
x1, x2,...,xn, xk  N(,2) independente
x  x  ...  xn σ 2

m 1 2 variabilă aleatoare m ~ N (μ, )

n n 2 n
 ( xk  m ) E (Q ) 
n 2
σ deplasare (bias)
Q  k 1 variabilă aleatoare
n n  1 E(Q)2
n
 k
( x  m ) 2

V  k 1 variabilă aleatoare E(V)=2 nedeplasare (unbiased)

n 1 varianţa seriei de date
Corecția Bessel:
x1 , x2 ,..., xn n valori independente
x1  m, x2  m,..., xn  m n-1 valori independente (deoarece
suma lor este 0)
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 21
 Deviația în jurul centrului
Diagrama box-and-whisker:

linie transversală sau pătrat (centru)

dreptunghi (box) pentru variabilitatea
datelor
linii (whiskers) pentru domeniu de
variaţie excluzându-se valorile aberante
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 22
 Statistici descriptive
Statistici Alte statistici

• Media aritmetică m • Cuartile

• Mediana Me (25%,50%=Me,75%)
• Modulul Mo • Asimetria
• Amplitudinea A (skewness)
• Abaterea medie E • Turtirea (kurtosis)
• Varianţa V
• Abatere standard s

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 23

 Statistici descriptive

Rezultatul comenzii Means din

modulul Analysis al aplicaţiei
EpiInfo

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 24

Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 25

 Statistici descriptive pentru variabile calitative şi
ordinale

Variabile calitative Variabile ordinale

• Frecvenţa relativă • Mediana

(media
a
aritmetică) • Dispersia
.f  n K 1
D   Fk (1  Fk )
k 1
• Varianţa V  f (1  f ) K nr de modalitati
• Abatere standard Fk frecvente relative
.s  f (1  f ) ale modalitatilor
D
• Modulul d
( K  1) / 4
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 26
Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 27

 Covarianța şi corelația
Covarianţa arată cât de mult se schimbă împreună două variabile
Cov( X , Y )  E ( X  Y )  E ( X )  E (Y )
X=Y: Cov( X , X )  E ( X 2 )  E ( X ) 2  Var ( X )
Cov( X , Y )  E (( X  E ( X ))  (Y  E (Y ))) Medie!
Var ( X  Y )  Var ( X )  Var (Y )  2Cov( X , Y )
Cov( X , Y ) 2  Var ( X ) Var (Y )
Coeficientul de corelaţie Pearson
Cov( X , Y )
ρ( X , Y )   [1,1]
Var ( X )  Var (Y )
ρ( X , Y )  0 X, Y independente
ρ( X , Y )  1 sau - 1 Y=a+bX, b>0 (b<0)

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 28

 Covarianța și corelația

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 29

 Covarianța şi corelația
Practic: mX, mY mediile seriilor de date
1
Covarianţa C    xk  mX  yk  mY 
n 1
în esantion Cov ( X , Y )  E (( X  E ( X ))  (Y  E (Y )))
Coeficientul de corelaţie Pearson
  xk  mX  yk  mY  C
rX ,Y  sau rX ,Y 
  xk  mX    yk  mY 
2 2
s X sY
Funcţii EXCEL: CORREL(), PEARSON()
Coeficientul de corelaţie Spearman
6 d k
ro  1 
n(n 2  1)
X, Y ordinale, dk – diferenţa rangurilor
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 30
 Covarianța și corelația

-Cand nr de tigări creste, capaciatea

pulmonara tinde să scada
creste scade -Cele 2 variabile covariază în directii
opuse (valorile tind sa fie în directii
opuse fată de medii – nr de tigări este
deasupra mediei grupului, capacitatea
Media produsului de abateri este o măsură a pulmonară este sub media grupului!)
modului în care cele 2 variabile se modifică împreună!
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 31
 Covarianța și corelația

creste scade 1
C    xk  mX  yk  mY 
n 1
Cov( X , Y ) 2  Var ( X ) Var (Y )

C  53.75
rX ,Y    -0.96
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011
s X sY 55.90 32
 Covarianța și corelația
1
C    xk  mX  yk  mY 
n 1
Cov( X , Y ) 2  Var ( X ) Var (Y )

C  2.80
rX ,Y    0.13
s X sY 20.60
- cand X creste, Y tinde să
scada sau să scadă??
- dacă X este sub media
creste Creste?
grupului, Y poate fi si sub
Scade ?
media grupului si deasupra
mediei grupului
- X si Y se schimbă împreună
sau sunt independente?

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 33

Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 34

 Regresia
Întrebare: există o legătură
(asociere) între variabilele X şi Y?
Y
Dată o valoare x a variabilei X,
putem “previziona” valoarea y
corespunzătoare a variabilei Y?
Legătură liniară? X
x
Y    X Y
Permitem ca valorile lui Y să aibă
o mică “abatere aleatoare”
y
Y    X  
ε este “eroarea” x X
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 35
 Regresia
În practică dispunem Y
de eşantioane de
valori “perechi”?
( xi , yi ) y1
Estimăm  şi  din yi Eroarea εi
datele eşantionului y
(metoda celor mai mici pătrate) 2
Obţinem dreapta de
regresie
X
Y  a  bX x1 xi x2
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 36
 Regresia
Întrebare: există o legătură
(asociere) liniară între
variabilele X şi Y?
Răspuns “corect”: DA
(coeficient de corelaţie = r)

r apropiat de 1
(formula corectă)
r apropiat de 0
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 37
 Covarianța, corelația și regresia

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 38

Conținutul acestui curs:
 Populaţii şi eşantioane, caracteristici şi variabile
 Reprezentări grafice
 Statistici descriptive: Centrarea unei variabile
numerice
 Statistici descriptive: Deviaţia în jurul centrului
 Statistici descriptive pentru variabile calitative şi
ordinale
 Covarianţa și corelaţia
 Regresia
 Alte distribuţii: hi-pătrat, Student, Fisher-Snedecor

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 39

Reamintim: distribuția normală N(, 2)
• Caracterizată de:
media teoretică 
varianţa teoretică 2
(deviaţia standard teoretică )
• Calcule în Excel: NORMDIST
• Standardizare
x
z

N ( , )
2
 N (0,1)
Valori grupate Valori grupate
în jurul lui 
standardizare
în jurul lui 0
99.7% între (-3 , +3) 99.7% între (-3, +3)
IM&Bs UMF "C. Davila" 40 Biostatistica - cursul 6 - 2011
Distribuția normală standard Z = N(0, 1)

 Reprezintă erori de măsurare (vezi

formula de regresie)
 Dacă Z1=N(0, 1), Z2=N(0, 1),…, Zn=N(0, 1)
sunt independente, atunci:
E ( X  Y )  E ( X )  E (Y )
Z1+Z2+…+ Zn=N(0, n) Var ( X  Y )  Var ( X )  Var (Y )
(suma este încă normală), iar
Z1  Z 2  ...  Zn  1
M  N 0, 
n  n
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 41
 Distribuția hi-pătrat χ2(ν)
 Reprezintă eroarea “de ansamblu”
 Mai precis,  (n )  2
  ...  Zn
2
Z1 2
Z2 2
(Definiție)
unde Z1=N(0, 1), Z2=N(0, 1),…, Zn=N(0, 1) sunt
independente.
 Este caracterizată de nr de “grade de libertate” n
 Calcule în Excel: CHIDIST(x, n)
ATENŢIE LA INTERPRETARE
(este “invers” ca la NORMDIST): Prob(X ≤ x)
CHIDIST: Prob(X > x)

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 42

 Distribuția hi-pătrat χ2(ν)
Date importante:
 Asimetrică
 Vârful în
ν-2
 Media
CHIDIST(x, n) =
E(χ2(ν))=ν aria haşurată
 Varianța

Var(χ2(ν))=2ν

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 43

 Distribuția hi-pătrat χ2(ν)
1. Criteriul 1

 

Criteriul 2
n n n
X  2
 nrc  r  c 
r , c n r  n c  n 

Statistica X2 urmează cu aproximaţie distribuţia χ2(ν) unde

ν=(R-1)(C-1) r=1,...,R și c=1,...,C
R=nr de rânduri, C=nr de coloane
2.Populaţie normală N(,2) cu ,2 necunoscuţi
Eșantion de volum n  m, s estimaţii pentru ,2
(n  1) s 2 urmează distribuţia χ2(n-1)
2
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 44
 Distribuția Student t(ν)
Z William Gosset 1908
Definiţie t (n )  ”Student”
 2 (n ) n
Date importante:
 Simetrică

 Vârful în 0

 Parametru n
Densitatea lui t(10)

Pentru n>30 practic

t(n) şi Z coincid
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 45
 Distribuţia Student t(ν)
Important!
 Dacă populaţia este distribuită normal, cu
media m, şi dacă avem un eşantion „mic” de
volum n cu media de eşantion m şi cu abaterea
standard de eşantion s, atunci raportul
m
s
n
are o distribuţie de tipul t(n-1) cu n-1 grade de
libertate.

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 46

 Distribuţia Student t(ν)
Important!
 Dacă avem la dispoziţie două eşantioane din aceeaşi
populaţie (distribuită normal), şi dacă primul eşantion
de volum n1 are media de eşantion m1 şi abaterea
standard de eşantion s1, iar al doilea eşantion de
volum n2 are media de eşantion m2 şi abaterea
standard de eşantion s2, atunci raportul
m1  m2
1 1
s 
n1 n2
are o distribuţie de tipul t(n1+ n2-2), cu n1+ n2-2 grade
de libertate. Aici (n  1) s 2  (n  1) s 2
s2  1 1 2 2
n1  n2  2
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 47
 Distribuţia Student t(ν)
 Calcul direct în Excel cu funcţia
TDIST(x, n, TAILS) (Doar pentru valori x
pozitive!)

TDIST(x, n, 1) = TDIST(x, n, 2) =
aria haşurată aria haşurată

IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 48

 Distribuţia Fisher-Snedecor
2
F(ν1 , ν2 )
 (n1 )
n1
 Definiție F (n1 , n 2 ) 
 2 (n 2 )
n2
Să presupunem ca avem 2 eșantioane (n1, s1 și respectiv
n2,s2) extrase din 2 populaţii
2
(1, 2)
s1
2
~ F (n1  1, n2  1)
s2
 Calcul direct în
Excel cu funcţia
FDIST(x, ν1, ν2)
(Importanţa în “confirmarea”
faptului că eşantioane distincte
fac parte din aceeaşi
populaţie!)
IM&Bs UMF "C. Davila" Biostatistică - cursul 2 - 2011 49