Phân tích mơ tả
biến liên tục
Nguyễn Văn Tuấn
Viện nghiên cứu Y khoa Garvan
Sydney, Australia
Nội dung
•
Phân tích bằng biểu đồ
– Kiếm tra outliers
– Kiểm tra luật phân phối của dữ liệu
– Kiểm tra
•
Tóm lược dữ liệu từ một biến
•
So sánh hai nhóm
– Hai nhóm độc lập
– Hai nhóm “kết xứng” hay paired samples
Giả định trong phân tích thống kê
•
Số liệu tn theo luật phân phối chuẩn (Normal
distribution)
•
Hai nhóm độc lập với nhau, và các số liệu cũng độc lập
với nhau.
•
Hai nhóm có cùng (hay tương đương) phuơng sai.
•
Khơng có “outliers”
Kiểm tra phân phối của biến số
Cân đối, hình chng
Lí tưởng: phân phối chuẩn
Kiểm tra độ cân đối (symmetry)
Cân đối nhưng không theo hình chng
Thiếu cân đối, hai đỉnh
Nghiêng về phía trái
Nghiêng về phía phải
Một đỉnh hay 2 đỉnh (modality)
Một đỉnh
Hai đỉnh
Kiểm tra kurtosis
← Đi dày
Mesokurtic (trung bình)
Platykurtic (phẳng)
← Đi mõng
Leptokurtic (cao)
Kurtosis rất khó kiểm tra bằng mắt!
Ảnh hưởng của luật skewness và kurtosis
(A) Symmetr ic al
(B) Positiv e Sk ew
Mode Mean
Median
Mode
Mean
Median
(B) Negativ e Sk ew
Mode
Mean
Median
(A)
Cân đối (symmetry): trung bình = trung vị
(B) Skew dương tính: trung bình > trung vị
(C) Skew âm tính: trung bình < trung vị
Kiểm tra luật phân phối
Triglyceride
tg <- c(1.1, 2.1, 0.8, 1.1, 2.1, 1.5, 2.6, 1.5, 5.4, 1.9,
1.7, 1.0, 1.6, 1.1, 1.5, 1.0, 2.7, 3.9, 3.0, 3.1,
2.2, 2.7, 1.1, 0.7, 1.0, 1.7, 2.9, 2.5, 6.2, 1.3,
3.3, 3.0, 1.0, 1.4, 2.5, 0.7, 2.4, 2.4, 1.4, 2.7,
2.4, 3.3, 2.0, 2.6, 1.8, 1.2, 1.9, 3.3, 4.0, 2.5)
Histogram of log(tg)
6
2
4
Frequency
6
4
2
0
0
Frequency
8
8
10
10
Histogram of tg
1
2
3
4
tg
5
6
0.0
0.5
1.0
log(tg)
1.5
2.0
Kiểm tra outlier
x = c(1362, 1439, 1460, 1614, 1666, 1792, 1867,
1460, 1614, 1666)
stripchart(x)
2000
4000
6000
8000
9867, 1362, 1439,
10000
Tóm lược dữ liệu từ một nhóm
Những chỉ số thống kê thơng dụng
•
Số lượng mẫu hay đối tượng (n)
•
Trung bình (mean, average)
•
Trung vị (median)
•
Độ lệch chuẩn (standard deviation, SD)
– SD = căn số bậc hai của phương sai (variance)
•
Percentile
– Trung vị
– 25%, 75%
– Tối đa (maximum), tối thiểu (minimum)
Biểu đồ hộp
80
boxplot(height)
75% percentile
Median, 50% perc.
25% percentile
40
50
60
70
95% percentile
30
5% percentile
Trung bình và trung vị
•
Số trung vị ít chịu ảnh hưởng từ “outlier”
Nếu chúng ta có số liệu từ 7 bệnh nhân sau đây:
A = 1362
1439
1460
1614
1666
1792
1867
Nhưng nếu thay 1867 bằng 9867:
B = 1362
1439
1460
1614
9867
1666
1792
Nhóm A
Nhóm B
Trung bình
1600
2742.9
Trung vị
1614
1614
Độ lệch chuẩn
189.2
3145
So sánh hai nhóm:
Biến liên tục
So sánh hai nhóm độc lập: t-test
Fasting cholesterol (mg/dl)
• Nhóm 1 (cá tính A):
233, 291, 312, 250, 246, 197, 268, 224, 239, 239, 254,
276, 234, 181, 248, 252, 202, 218, 212, 325
• Nhóm 2 (cá tính B):
344, 185, 263, 246, 224, 212, 188, 250, 148, 169, 226,
175, 242, 252, 153, 183, 137, 202, 194, 213
Phân tích bằng biểu đồ
400
21
20
Cholesterol (mg/dl)
300
200
100
N=
GROUP
20
20
1
2
Biểu đồ này cho thấy:
(1) Nhóm 1 có chol cao
hơn nhóm 2 – khác
nhau về vị trí.
(2) Nhóm 2 có độ dao
động cao hơn
nhóm 1 – khác
nhau về biến thiên
(3) Tương đối cân đối,
nhưng có giá trị
“outlier”
Tóm tắt bằng các chỉ số thống kê:
n, trung bình, độ lệch chuẩn
Nhóm
n
mean
SD
1
20
245.05
36.64
2
20
210.30
48.34
Mean = trung bình, SD = độ lệch chuẩn
Quan sát và suy nghiệm!
Vài dịng lí thuyết về t-test
Thơng số (quần thể)
Quần thể 1
N1
µ1
σ1
Quần thể 2
N2
µ2
σ2
Thống kê (mẫu)
Nhóm 1
n1
s1
Nhóm 2
n2
s2
x1 − x2 là ước số (estimate) của µ1 − µ 2
Kiểm định t
Tóm lược số liệu cholesterol cho 2 nhóm
Nhóm
Số đối
tượng
Độ lệch
chuẩn
Trung
bình
1
20
36.64
245.05
2
20
48.34
210.30
df1 = n1 − 1 = 20 − 1 = 19
df 2 = n2 − 1 = 20 − 1 = 19
df = df1 + df 2 = 19 + 19 = 38
s
2
pooled
(df1 )( s12 ) + (df 2 )( s22 )
=
df
(19)(36.642 ) + (19)(48.342 )
=
38
= 1839.623
1 1
1
1
SE x1 − x2 = s 2pooled + = 1839.623 + = 13.56
20 20
n1 n2
Khoảng tin cậy 95% cho µ1 – µ2
Khoảng tin cậy 95% cho µ1 – µ2
( x1 − x2 ) ± t df , 0.975 ⋅ SE x1 − x2
Ví dụ (cholesterol):
( x1 − x2 ) ± (t n −1,.975 )( SE x1 − x2 )
= (245.05 − 210.30) ± (2.02)(13.56)
= 34.75 ± 27.39
= (7.36, 62.14)
Hốn chuyển số liệu khơng tn theo luật
phân phối chuẩn
• Số liệu dưới đây là lượng lysozyme trong dịch dạ dày của
29 bệnh nhân bị loét dạ dày và của 30 người chứng. Liệu
có sự khác nhau về lượng lysozyme trong dịch dạ dày của
hai nhóm này khơng?
Nhóm bệnh:
0.2
0.3
0.4 1.1 2.0 2.1 3.3 3.8
4.5
4.8
4.9 5.0 5.3 7.5 9.8 10.4
10.9 11.3 12.4 16.2
17.6 18.9 20.7 24.0 25.4 40.0 42.2 50.0 60.0
Nhóm chứng:
0.2 0.3 0.4 0.7 1.2 1.5 1.5 1.9 2.0 2.4 2.5 2.8
3.6 4.8 4.8 5.4 5.7 5.8 7.5 8.7 8.8 9.1 10.3
15.6 16.1 16.5 16.7 20.0 20.7 33.0
Tóm lược số liệu lysozyme
Nhóm
N
Mean (SD)
Nhóm bệnh
29
14.31 (15.74)
Nhóm chứng
30
7.68 (7.85)
10
0
5
Frequency
0
5
Frequency
10
15
Histogram of g2
15
Histogram of g1
0
10
20
30
g1
40
50
60
0
5
10
20
g2
30
Kiểm định t số liệu lysozyme
Nhóm
N
Mean (SD)
Nhóm bệnh
29
14.31 (15.74)
Nhóm chứng
30
7.68 (7.85)
s
2
pooled
( df1 )( s12 ) + (df 2 )( s22 )
=
df
28 ×15.74 2 + 29 × 7.852
=
57
= 151
1 1
1
1
SE x1 − x2 = s 2pooled + = 151 + = 3.20
29 30
n1 n2
t=
14.31 − 7.68
= 2.07
3.20
P = 0.04, có ý nghĩa thống kê
Giả định đằng sau kiểm định t có đáp ứng?
•
Hai nhóm độc lập? OK
•
Phân phối chuẩn?
•
Phương sai tương đương?
Có vấn đề
Có vấn đề.