Statisztikai kimutatások

• Becslések

Különböző statisztikai eljárások segítségével lehetőség van arra, hogy megadott pontossággal (konfidencia-intervallum) megbecsüljünk egy paramétert. Például, ha egy 50 elemű mintát veszünk a belgyógyász orvosok köréből mint alapsokaságból, és megkérdezzük tőlük, hogy hány beteggel találkoznak naponta járóbeteg rendelésen, akkor a megkérdezettek válaszainak számtani átlaga egy becslés lesz arra nézve, hogy a belgyógyász szakorvosok várhatóan hány beteggel találkoznak naponta járó-beteg ellátáson.

• Statisztikai próbák

A statisztikai próbákat arra használjuk, hogy hipotéziseinket tesztelni tudjuk. Például, azt gondoljuk, hogy különbség van a belgyógyászok és a sebészek közötta havi kezelt betegek számát illetően. Nullhipotézisünk az lesz, hogy a két csoport között nincs különbség, tehát ugyanannyi beteggel találkoznak. Statisztikai próba segítségével hozunk döntést arról, hogy az egyenlőség nullhipotézisét elutasítjuk vagy sem.

• Kapcsolatvizsgálatok

Többnyire korreláció és regresszió alapú kapcsolatvizsgálatokkal foglalkozunk. Azt tudjuk meg ezen eljárásokkal, hogy különböző ismérvek milyen kapcsolatban állnak egymással. Nézzünk egy példát a korrelációra. Az a hipotézisünk, hogy minél több beteggel találkozik egy sebész orvos, annál magasabb helyet foglal el az orvosi hierachiában, azaz magasabb címmel rendelkezik. Természetesen az általunk felállított szabály bizonyos orvosokra igaz lesz, míg másokra nem. A korreláció ebben az esetben azt mutatja meg, hogy milyen irányú, és milyen erősségű a kapcsolat a két ismérv között. Például azt látjuk, hogy pozitív irányú, és értéke 0.78. Ebből az következik, hogy hipotézisünket nem kell elvetnünk. (Persze szigorúan nézve a korrelálatlanság a nullhipotézis, azaz hogy a két változó között nincs kapcsolat.) A 0.78-as korreláció pedig jó erővel magyarázza a hierarchiában elfoglalt helyet a kezelt betegek számának tükérben.

• Időbeli folyamatok vizsgálata

Statisztikai módszerek segítségével az időbeli folyamatok is jól leírhatók. Meg tudjuk mondani, hogy milyen szabályszerűségek figyelhetők meg az adatok között az időben előre haladva. Csak címszavakban a teljességet nélkülözve pár statisztikai módszer: trendvizsgálat, szezonalitás keresése, autokorreláció, simítási eljárások alkalmazása, stb.

• Illeszkedésvizsgálatok

Az eljárás arra ad lehetőséget, hogy a megfigyelt tapasztalati eloszlásunk közel van-e valamely nevezetes eloszláshoz. Például az emberek testmagasságának tapasztalati eloszlása közel normális eloszlást követ. A jövedelem viszont az exponenciális eloszláshoz hasonlít. Ha sikerül adatainkhoz valamilyen nevezetes eloszlást társítani, akkor több és pontosabb statisztikai módszer használható.

• Sokasági eloszlás elemzése

Ahhoz, hogy például két ATC5 csoportot össze tudjuk hasonlítani abból a szempontból, hogy egy adott ismérv szerint melyik homogénebb, illetve melyik heterogénebb, nem járunk el jól, ha a két csoport szórását hasonlítjuk össze, mert nagy valószínűséggel a két csoportátlag különböző lesz egymástól. A probléma megoldása a relatív szórás kiszámítása. Ezen statisztikai mérőszám segítségével már meg tudjuk mondani, hogy az alacsonyabb relatív szórású csoporta homogénebb, míg a magasabb értéket mutató a heterogénebb.