Folie

 Documents

 40 views
of 25
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Description
Assoziation zweier diskreter Merkmale ã Erhebung von zwei (oder mehr) Merkmalen: Frage nach dem Zusammenhang beider Merkmale ã Sind beide Merkmale diskret…
Share
Transcript
Assoziation zweier diskreter Merkmale • Erhebung von zwei (oder mehr) Merkmalen: Frage nach dem Zusammenhang beider Merkmale • Sind beide Merkmale diskret mit endlich vielen Ausprägungen (kategorial) sprechen wir von der Assoziation • Sind beide Merkmale stetig, sprechen wir von der Korrelation • Zunächst: X und Y werden als diskret angenommen • Statistik beantwortet nicht die Frage der Kausalität 1 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Beispiel: Körpertemperaturveränderung bei Ferkeln Erhöhung 8 Erhöhung 8 Stunden nach Summe Stunden nach Zweitimpfung Erstimpfung nein ja nein 21 (n11) 11 (n12) 32 (n1+) ja 3 (n21) 10 (n22) 13 (n2+) Summe 24 (n+1) 21 (n+2) 45 (n) 2 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Darstellung zweier diskreter Merkmale • Die Darstellung der letzten Folie nennt man Kontingenztafel • Merkmal X: Temperaturerhöhung nach Erstimpfung • Merkmal Y: Temperaturerhöhung nach Zweitimpfung • Beide Merkmale sind binär und haben 2 Ausprägungen (nein/ja) • Im Beispiel: 2x2-Tafel oder Vierfeldertafel • Fragestellung: Sind X und Y abhängig (assoziiert)? 3 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Definition: Unabhängigkeit • Vorlesung vom 27.10.2005: Zwei Ereignisse A und B heißen unabhängig, falls gilt: P ( B | A)  P ( B ) P ( A | B )  P ( A) P ( A  B )  P ( A)  P ( B ) 4 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Unabhängigkeit zweier diskreter Merkmale • Jetzt: Zwei diskrete Merkmale X und Y sind unabhängig, wenn P( X  x, Y  y )  P( X  x) P(Y  y ) Gemeinsame  Produkt der Wahrscheinlichkeit Randwahrscheinlichke iten 5 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Unabhängigkeit zweier diskreter Merkmale II • Beispiel zweimaliger Münzwurf einer fairen Münze • X: Ergebnis des 1.Wurfs (K oder Z) • Y: Ergebnis des 2.Wurfs (K oder Z) • 4 mögliche Kombinationen: 1. P(X=K; Y=K) = 0.25 = 0.5 · 0.5 = P(X=K) P(Y=K) 2. P(X=K; Y=Z) = 0.25 = 0.5 · 0.5 = P(X=K) P(Y=Z) 3. P(X=Z; Y=K) = 0.25 = 0.5 · 0.5 = P(X=Z) P(Y=K) 4. P(X=Z; Y=Z) = 0.25 = 0.5 · 0.5 = P(X=Z) P(Y=Z) • X und Y sind offensichtlich nach Definition unabhängig! 6 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Unabhängigkeit zweier diskreter Merkmale III • Wahrscheinlichkeitstafel beim fairen, unabhängigen Münzwurf: 1. Münzwurf 2. Münzwurf Summe K Z K 0.25 0.25 0.5 Z 0.25 0.25 0.5 Summe 0.5 0.5 1.0 7 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Kontingenztafel versus Wahrscheinlichkeitstafel • Kontingenztafel: empirisch beobachtete Daten (Häufigkeiten) • Wahrscheinlichkeitstafel: theoretische W. eines Experiments • Münzwurfbeispiel: Fair hat nichts mit Unabhängigkeit zu tun. Unfaire Münze (mit Wahrscheinlichkeit 0.7 kommt K): 1. Münzwurf 2. Münzwurf Summe K Z K 0.49 0.21 0.7 Z 0.21 0.09 0.3 Summe 0.7 0.3 1.0 8 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Experiment: unfairer Münzwurf • Das Experiment des (unabhängigen) unfairen Münzwurfs wird 100 mal wiederholt. Wir erwarten (im Sinne statistischer Erwartungswerte/Mittelwerte) folgende Häufigkeiten: 1. Münzwurf 2. Münzwurf Summe K Z K 49 21 70 Z 21 9 30 Summe 70 30 100 9 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Erwartete Häufigkeiten bei Unabhängigkeit • Die unter Unabhängigkeit von X und Y erwarteten gemeinsamen Häufigkeiten sind das Produkt der Randhäufigkeiten geteilt durch den Gesamtstichprobenumfang n: (70·70 / 100) = 49 (70·30 / 100) = 21 (30·70 / 100) = 21 (30·30 / 100) = 9 • Formal: n n i  j e  ij i, j  1,2 n eij : erwartete Häufigk. 10 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Übertragung auf das Eingangsbeispiel Erhöhung 8 Erhöhung 8 Stunden nach Summe Stunden nach Zweitimpfung Erstimpfung nein ja nein 21 (17.07) 11 (14.93) 32 (n1+) ja 3 (6.93) 10 (6.07) 13 (n2+) Summe 24 (n+1) 21 (n+2) 45 (n) 11 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Übertragung auf das Eingangsbeispiel II • Berechnungsbeispiel: e_11 = (32·24) / 45 = 17.07 • Um die Assoziation von X und Y zu messen, berechnen wir den Abstand der empirisch beobachteten Häufigkeiten von den unter Unabhängigkeit zu erwartenden Häufigkeiten in statistisch geeigneter Weise: 2  ni  n j  n  2  ij  2 n  e 2    2 2 n    2  ij ij i 1 j 1 ni  n j i 1 j 1 eij n 12 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Übertragung auf das Eingangsbeispiel III   2 21  17.07  2  11  14.93 2  17.07 14.93 3  6.93  10  6.07  2 2 6.93 6.07  6.71 (6.724 mit Computerprogramm) 13 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Pearsonscher Kontingenzkoeffizient C  2 C  n 2 14 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Pearsonscher Kontingenzkoeffizient C (II) • C ist ein normiertes Maß, d.h. es liegt im Intervall [0,1) • Sind X und Y unabhängig, so gilt: C=0 • Je größer C, desto stärker die Assoziation bei gegebener Dimension der Tafel (bis jetzt: 2x2) • C gibt keine Richtung des Zusammenhangs an! • C läßt sich auf IxJ-Tafeln analog erweitern (X: I Kategorien; Y: J Kategorien) • Im Beispiel: 6.724 C  0.361 6.724  45 15 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Odds Ratio • Der Odds Ratio (das Kreuzproduktverhältnis) ist ein zu C alternatives Zusammenhangsmaß für 2x2-Tafeln • Der Odds Ratio gibt die Richtung des Zusammenhangs an • Der (empirische) Odds Ratio ist definiert als n11n22 OR  n12 n21 16 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Odds Ratio (II) • Der Odds Ratio nimmt Werte im Intervall [0,∞) an • Sind X und Y unabhängig, so ist OR=1 • Bemerkung: der OR ist nicht immer invariant gegen Vertauschung von Zeilen oder Spalten der Kontingenztafel • OR>1: positive Abhängigkeit (siehe aber vorigen Stichpunkt) • OR<1: negative Abhängigkeit • Im Beispiel: OR = (21·10)/(11·3) = 6.36 • Interpretation: 17 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Interpretation des Odds Ratio (III) nein ja Summe nein 21 11 32 Ja 3 10 13 Bedingte Betrachtungen innerhalb der Zeilen: 1.Zeile (keine Temperaturerhöhung nach Erstimpfung): Die sog. Chance (Odds), keine Temperaturerhöhung nach der Zweitimpfung zu haben, ist Ω1 = (21/32) / (11/32) = 21/11 = 1.91 2.Zeile (Temperaturerhöhung nach Erstimpfung): Die sog. Chance (Odds), keine Temperaturerhöhung nach der Zweitimpfung zu haben, ist Ω2 = (3/13) / (10/13) = 3/10 = 0.3 18 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Interpretation des Odds Ratio (IV) • Der Odds Ratio ist das Verhältnis der Chancen: OR = Ω1/ Ω2 = 1.91/0.3 = 6.37 Die Chance, keine Temperaturerhöhung nach der Zweitimpfung zu haben, ist 6.37 mal so groß für die Ferkel, die nach der Erstimpfung keine Temperaturerhöhung hatten im Vergleich zu den Ferkeln, die eine Temperaturerhöhung nach der Erstimpfung hatten. Das heißt aber nicht, dass die Wahrscheinlichkeit, keine Temperaturerhöhung nach Zweitimpfung zu haben, für die Ferkel, die nach Erstimpfung keine Temperaturerhöhung hatten, 6.36 mal so groß ist wie für die Ferkel, die eine Temperaturerhöhung nach Erstimpfung hatten, denn: 19 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Interpretation des Odds Ratio (V) • (Bedingte) Wahrscheinlichkeit für Ferkel, die nach Erstimpfung keine Temperaturerhöhung hatten, auch nach Zweitimpfung keine TE zu haben, ist 21/32=0.66 und die Wahrscheinlichkeit für die, die eine TE nach Erstimpfung hatten, ist 3/13= 0.23. • Wichtig für Interpretation: Zeilen- und Spaltenlabels beachten. Vertauschen wir zum Beispiel die 1. und 2. Zeile: nein ja Summe Ja 3 10 13 nein 21 11 32 OR = (3·11) / (10·21) = 0.157 = 1/6.37 Die inhaltliche Interpretation bleibt aber bei Beachtung der Labels erhalten! 20 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Relatives Risiko nein ja Summe nein 21 11 32 Ja 3 10 13 Das (empirische) relative Risiko (RR), nach Zweitimpfung keine TE zu haben, ist definiert als Verhältnis der bedingten relativen Häufigkeiten (bedingt auf das Ergebnis der Erstimpfung): n11 /( n11  n12 ) RR  n21 /( n21  n22 ) 21 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Relatives Risiko (II) • Im Beispiel: RR = (21/32) / (3/13) = 2.84 (≈0.66/0.23) • Interpretation: keine Temperaturerhöhung nach Erstimpfung „erhöht das Risiko“, auch nach Zweitimpfung keine Temperaturerhöhung zu haben. • RR=1 würde bedeuten: Risiko ist unabhängig vom Ergebnis der Erstimpfung, d.h. die Merkmale TE nach Erstimpfung und TE nach Zweitimpfung sind unabhängig 22 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Vor- und Nachteile des Odds Ratios • Der Odds Ratio kann für alle gängigen Studiendesigns berechnet werden und ist dabei immer ein sinnvolles Zusammenhangsmaß • Der Odds Ratio gibt die Richtung des Zusammenhangs an (C dagegen nicht) • Für größere als 2x2-Tafeln gibt es nicht nur einen Odds Ratio, was die Interpretation schwierig macht. Hier ist C ein einfacheres Assoziationsmaß • RR ist bei manchen Studiendesigns nur in einer bestimmten „Richtung“ anwendbar (z.B. case-control) 23 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Zusammenfassung I (was Sie wissen sollten) • Für zwei diskrete Merkmale haben wir drei Assoziationsmaße kennengelernt: C, Odds Ratio und RR • Insbesondere für 2x2-Tafeln ist der Odds Ratio ein geeignetes Zusammenhangsmaß, da er auch eine Richtung angibt • Für allgemeine IxJ-Tafeln (I>2 und/oder J>2) bietet sich C als (richtungsloses) Zusammenhangsmaß an • Bei Verwendung des relativen Risikos RR ist auf das Studiendesign zu achten, um keinen unsinnigen Wert zu berechnen! 24 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005 Zusammenfassung II (was Sie können sollten) • C berechnen • Odds Ratio berechnen und interpretieren • Relatives Risiko berechnen und interpretieren 25 Vorlesung: Biometrie für Studierende der Veterinärmedizin 8.12.2005
Related Search
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks