Nama : Friski Exaudi

NIM : 09011181722014
5.1 Populasi dan Sampel
Dalam analisis statistik data biasanya kita menggunakan data dari
beberapa yang dipilih sampel untuk menarik kesimpulan tentang
populasi dari mana sampel tersebut diambil. Populasi termasuk semua
elemen dari satu set data. Mencicipi terdiri dari satu atau lebih
pengamatan dari populasi. Lebih dari satu sampel dapat diturunkan
dari populasi yang sama. Ketika mengestimasi parameter dari populasi,
misalnya berat euro laki-laki peans, kita biasanya tidak dapat mengukur
semua mata pelajaran. Kita harus membatasi diri untuk menyelidiki
(mudah-mudahan perwakilan) random mencicipi diambil dari kelompok
ini. Berdasarkan sampel statistik, yaitu, nilai yang sesuai dihitung dari
data sampel, kita menggunakan inferensi statistik untuk fi mencari tahu
apa yang kita ketahui tentang parameter yang sesuai dalam populasi.
Populasi : Karakteristik populasi, seperti mean atau standar deviasi.
Sering dinotasikan dengan huruf yunani.
Statistik : Karakteristik terukur dari sampel. Contohnya statistik : Nilai
rata-rata dari sampel.
5.2 Distribusi Probabilitas
Alat matematika untuk menggambarkan distribusi data numerik
pada populasi dan sampel distribusi statistik.
5.2.1 Distribusi Diskrit
Contoh sederhana dari distribusi probabilitas diskrit adalah
permainan melemparkan dadu: untuk masing-masing nomor saya
D 1; :::; 6, probabilitas bahwa pada lemparandari mati samping
menunjukkan jumlah saya menghadap ke atas, P saya, aku s.
Himpunan semua probabilitas ini f P saya g membentuk distribusi
kemungkinan untuk dadu bergulir.
5.2.2 Distribusi Berkelanjutan
Manymeasurements memiliki hasil yang tidak terbatas nilai integer
diskrit. Misalnya, berat seseorang dapat sejumlah positif. Dalam hal ini,
kurva yang menggambarkan probabilitas untuk setiap nilai, yaitu,
distribusi kemungkinan, adalah fungsi kontinu, fungsi kepadatan
probabilitas (PDF). PDF, atau massa jenis dari variabel acak kontinu,
adalah fungsi yang menggambarkan kemungkinan relatif dari variabel
acak X untuk mengambil nilai yang diberikan x. Di ladang matematika
probabilitas dan statistik, random variate x adalah hasil tertentu dari
variabel acak X: variates acak yang hasil lainnya dari variabel acak yang
sama mungkin memiliki nilai yang berbeda. Karena kemungkinan fi
nding setiap nilai yang diberikan tidak bisa kurang dari nol, dan karena
variabel harus memiliki beberapa nilai.
5.2.3 Diharapkan Nilai dan Variance
a) Nilai yang diharapkan
Nilai yang diharapkan adalah fungsi dari distribusi probabilitas dari
nilai diamati di kami populasi. Itu sampel berarti dari kami mencicipi
adalah nilai rata-rata yang diamati dari data kami. Jika percobaan telah
dirancang dengan benar, mean sampel harus konvergen ke nilai yang
diharapkan karena semakin banyak sampel dimasukkan dalam analisis.

b) Variance
Itu variabilitas dari data yang ditandai oleh perbedaan.
5.3 Derajat Kebebasan
Konsep derajat kebebasan (DOF), yang dalam mekanika tampaknya
jelas, lebih sulit untuk memahami untuk aplikasi statistik. Dalam
mekanika, partikel yang bergerak dalam pesawat memiliki “2 DOF”:
pada setiap titik waktu, dua parameter (yang x = y koordinat)
mendefinisikan lokasi partikel. Jika partikel bergerak sekitar di ruang
angkasa, ia memiliki “3 DOF”: yang x = y = z koordinat. Dalam statistik,
sekelompok n nilai memiliki n DOF. Jika kita melihat hanya pada bentuk
distribusi nilai-nilai, kita dapat mengurangi dari setiap nilai mean
sampel. Kemudian, data yang tersisa hanya memiliki n 1 DOF. (Ini
adalah jelas untuk n D 2: jika kita tahu nilai mean dan nilai mencicipi 1,
maka kita dapat menghitung nilai mencicipi 2 oleh v Al 2 D 2 berart v Al
1.)
5.4 Desain Studi
Pentingnya desain studi yang baik telah ditunjukkan baru-baru ini oleh
penyelidikan menunjukkan efek dari pengenalan clinicaltrials.gov
registry (Kaplan dan Irvin 2015 ): Sebuah 1997 hukum AS diamanatkan
penciptaan registri, membutuhkan peneliti dari tahun 2000 dan
seterusnya untuk merekam metode trial dan ukuran hasil sebelum
mengumpulkan data. Kaplan et al mengamati penelitian mengevaluasi
obat atau suplemen diet untuk pengobatan atau pencegahan penyakit
kardiovaskular. Mereka menemukan bahwa sebelum pengenalan
clinicaltrials.gov, 57% dari studi menunjukkan hasil yang positif,
sedangkan setelah pendahuluan, jumlah ini berkurang drastis menjadi
hanya 8%. Dengan kata lain, tanpa desain studi ketat, ada bias yang
signifikan ke arah mendapatkan hasil yang Anda harapkan.
5.4.1 Terminologi
Dalam konteks desain penelitian, berbagai terminologi dapat
ditemukan. Input yang dikendalikan sering disebut faktor atau
perawatan. Input yang tidak terkontrol disebut kofaktor, faktor
gangguan, atau confoundings. Syarat kovariat mengacu pada variabel
yang mungkin prediksi dari hasil yang dipelajari, dan dapat menjadi
faktor atau kofaktor.
5.4.2 Overview
Langkah pertama dalam desain penelitian adalah eksplisit klarifikasi
dari tujuan penelitian. Apakah kita ingin bandingkan dua atau lebih
kelompok, atau satu kelompok dengan nilai yang tetap?
*Layar tanggapan diamati untuk mengidentifikasi faktor-faktor / efek
yang penting?
*Memaksimalkan atau meminimalkan respon (variabilitas, jarak untuk
menargetkan, ketahanan)?
*Mengembangkan model regresi untuk mengukur ketergantungan
variabel respon pada input proses?
Pertanyaan pertama mengarah ke uji hipotesis. Yang kedua
adalah investigasi screening, di mana satu harus waspada artefak
jika faktor dalam model.
5.4 Desain Studi
Tidak benar-benar independen. Tugas ketiga adalah masalah
optimasi. Dan yang terakhir membawa kita ke dalam wilayah
pemodelan statistik. Setelah kita telah ditentukan apa kita ingin
lakukan, kita harus memutuskan bagaimana kami ingin melakukan
hal ini. Antara eksperimen terkontrol atau pengamatan dapat
digunakan untuk memperoleh data yang diperlukan. Dalam sebuah
percobaan terkontrol kami biasanya mencoba untuk bervariasi
hanya satu parameter, dan menyelidiki efek yang parameter pada
output.
5.4.3 Jenis Studi
a) observasional atau Eksperimental
Dalam sebuah studi observasional, peneliti hanya mengumpulkan
informasi, tetapi tidak berinteraksi dengan populasi penelitian.
Sebaliknya, dalam studi eksperimental peneliti sengaja memengaruhi
peristiwa (misalnya, memperlakukan pasien dengan jenis baru obat-
obatan) dan menyelidiki efek dari intervensi ini.
b) Calon atau Retrospective
Di sebuah studi prospektif, data dikumpulkan dari awal penelitian.
Sebaliknya, penelitian retrospektif mengambil data yang diperoleh dari
peristiwa sebelumnya, misalnya, tes rutin dilakukan di rumah sakit.
c) Longitudinal atau Cross-Sectional
Di membujur penyelidikan, peneliti mengumpulkan informasi selama
periode waktu, mungkin beberapa kali dari setiap pasien. Sebaliknya, di
cross-sectional Studi individu yang diamati hanya sekali. Sebagai
contoh, sebagian besar survei cross-sectional, tetapi percobaan
biasanya longitudinal. Di sebuah studi kasus-kontrol, pertama pasien
dirawat, dan kemudian mereka dipilih untuk dimasukkan dalam
penelitian ini, berdasarkan kriteria tertentu (misalnya, apakah mereka
merespon obat tertentu). Sebaliknya, dalam penelitian kohort, mata
pelajaran yang menarik yang dipilih pertama, dan kemudian mata
pelajaran ini dipelajari dari waktu ke waktu, misalnya, untuk respon
mereka terhadap pengobatan.
e) Acak Percobaan Terkendali
Standar emas untuk uji klinis ilmiah eksperimental, dan dasar
persetujuan newmedications, adalah percobaan terkontrol acak.
Berikut bisa dihindari.
f) Studi Crossover
Sebuah alternatif untuk pengacakan adalah penyeberangan desain studi. Sebuah
studi crossover studi longitudinal di mana subyek menerima urutan perlakuan yang
berbeda. Setiap subjek menerima setiap pengobatan. (Subjek “menyilang” dari satu
pengobatan ke yang berikutnya.) Untuk menghindari efek kausal, urutan alokasi
pengobatan harus acak. Misalnya, dalam investigasi yang menguji efek berdiri dan
duduk pada konsentrasi mata pelajaran, masing-masing subjek melakukan kedua
pelaksanaan tugas sambil berdiri dan pelaksanaan tugas sambil duduk. Urutan
berdiri / duduk adalah acak, untuk membatalkan efek urutan.
5.4.4 Desain Eksperimen
Blok apa pun yang Anda bisa; dan mengacak sisanya! Saya havementioned di atas bahwa kita
memiliki faktor ( yang kita dapat mengontrol) dan faktor gangguan, yang memengaruhi
hasil, tapi yang kita tidak dapat mengontrol dan / atau memanipulasi. Asumsikan, misalnya,
bahwa kita memiliki sebuah eksperimen di mana hasil tergantung pada orang yang
melakukan percobaan (misalnya, perawat yang tes subjek), dan pada waktu hari. Dalam hal
ini kita dapat memblokir faktor perawat, dengan memiliki semua tes yang dilakukan oleh
perawat yang sama. Tapi itu tidak akan mungkin untuk menguji semua mata pelajaran pada
waktu yang sama. Jadi kita mencoba untuk rata-rata keluar efek waktu, oleh acak
pencampuran waktu mata pelajaran. Jika, sebaliknya, kita mengukur pasien kami di pagi hari
dan subyek sehat di sore hari, kita akan selalu membawa beberapa prasangka menjadi data
kami.
5.4.5 Saran Pribadi
1) Undang-Undang Awal Investigasi dan Murphy
Kebanyakan penyelidikan membutuhkan lebih dari satu putaran percobaan dan analisis.
Secara teoritis, Anda menyatakan Anda hipotesis pertama, kemudian melakukan percobaan,
dan akhirnya menerima atau menolak hipotesis.
2) Kalibrasi Berjalan
Pengukuran data dapat dipengaruhi oleh berbagai artefak. Untuk mengontrol artefak
sebanyak mungkin, salah satu harus selalu memulai dan mengakhiri rekaman eksperimental
dengan sesuatu yang dikenal.
3) Dokumentasi
Pastikan bahwa Anda mendokumentasikan semua faktor yang dapat memengaruhi hasil
Anda, dan segala sesuatu yang terjadi selama eksperimen:
Tanggal dan waktu percobaan.
Informasi tentang peneliti dan subyek.
Paradigma yang tepat yang telah Anda memutuskan.
Apa pun dicatat bahwa terjadi selama percobaan.
Sesingkat mungkin, tetapi mencatat segala sesuatu dicatat bahwa terjadi selama
percobaan. Jadilah terutama jelas tentang nama-nama yang tercatat data- fi les, karena
mereka akan menjadi hal pertama yang Anda butuhkan ketika Anda menganalisis data
kemudian. Sering kali Anda tidak perlu semua rincian dari catatan Anda. Tapi ketika Anda
memiliki outlier atau titik data yang tidak biasa, catatan ini bisa sangat berharga untuk
analisis data.
4) Penyimpanan Data
Cobalah untuk memiliki konvensi penamaan yang jelas, intuitif, dan praktis. Sebagai contoh,
ketika Anda melakukan eksperimen dengan pasien dan dengan normals pada hari yang
berbeda, Anda dapat memberikan nama rekaman ini “[p / n] [tttt / bb / hh] _ [x] dat,”
misalnya, n20150329_a.
Dengan konvensi ini Anda memiliki pengelompokan alami data Anda, dan data secara
otomatis diurutkan berdasarkan tanggal mereka. Selalu menyimpan data mentah langsung,
sebaiknya dalam direktori terpisah. Saya lebih suka untuk membuat direktori ini read-only,
sehingga saya tidak sengaja menghapus Data mentah yang berharga. Anda dapat dalam
banyak kasus mudah mengulang analisis run. Tapi sering, Anda tidak akan dapat
mengulangi percobaan.
5.4.6 Rencana Clinical Investigation
Untuk merancang sebuah penelitian medis dengan baik, rencana investigasi klinis tidak
hanya dianjurkan, itu bahkan diperlukan oleh ISO 14.155-1: 2003, penyelidikan klinis
perangkat medis untuk subyek manusia. norma ini spesifik es banyak aspek studi klinis.