Raport o noworodkach

Nasza ocena:

5
Pobrań: 42
Wyświetleń: 1218
Komentarze: 0
Notatek.pl

Pobierz ten dokument za darmo

Podgląd dokumentu
Raport o noworodkach - strona 1 Raport o noworodkach - strona 2 Raport o noworodkach - strona 3

Fragment notatki:


1                              Palące matki a zdrowie dziecka    Zaczniemy od wczytania danych:  Input:     dane=read.table(file.choose(),header=T,sep='') #wczytanie danych  head(dane) #wyświetlenie danych w celu sprawdzenia poprawności    Output:      waga_n wiek_c licz.por. wiek_m wzrost_m waga_m palenie  1    120    284         0     27       62    100       0  2    113    282         0     33       64    135       0  3    128    279         0     28       64    115       1  4    123    999         0     36       69    190       0  5    108    282         0     23       67    125       1  6    136    286         0     25       62     93       0    Zamienimy jednostki imperialne na metryczne:  Input :     dane$waga_n=dane$waga_n/0.0351  dane$wzrost_m=dane$wzrost_m*2.54  dane$waga_m=dane$waga_m*0.454  head(dane)    Output:         waga_n wiek_c licz.por. wiek_m wzrost_m waga_m palenie  1 3418.803    284         0     27   157.48 45.400       0  2 3219.373    282         0     33   162.56 61.290       0  3 3646.724    279         0     28   162.56 52.210       1  4 3504.274    999         0     36   175.26 86.260       0  5 3076.923    282         0     23   170.18 56.750       1  6 3874.644    286         0     25   157.48 42.222       0    Dzielimy dane dotyczące wag dzieci na 2 grupy: na wagi dzieci osób palących oraz niepalących. Dane od osób, co  do których nie wiemy, czy paliły, pomijamy:  Input :    waganp=dane$waga_n[dane$palenie==1]  wagannp=dane$waga_n[dane$palenie==0]    Obliczymy teraz podstawowe parametry statystyczne wag:  Input:     summary(waganp)  summary(wagannp)  sd(waganp)  sd(wagannp)  var(waganp)  var(wagannp)  library(moments)  kurtosis(waganp)-3 # -3, żeby kurtoza rozkł. norm. była równa 0  kurtosis(wagannp)-3  skewness(waganp)  skewness(wagannp)  mean(wagannp)-mean(waganp)                        2    Output:    Parametr  Dane palących  Dane niepalących  Minimum  1652  1567  1. kwartyl  2906  3219  Mediana  3276  3504  Średnia  3251  3506  3. kwartyl  3590  3818  Maksimum  4644  5014  Odchylenie st.  515,6395  495,6891  Wariancja  265884,1  245707,7  Kurtoza  -0,01196752  1,03706  Wsp. skośności  -0,03359498  -0,1869841    Uwagę zwraca duża kurtoza wagi dzieci matek niepalących.  Pozwala to nam podejrzewać, że dane te nie  mają rozkładu normalnego.  Sprawdzimy to, ale za chwilę.  „Badania  epidemiologiczne  dowodzą,  że  palenie  jest  odpowiedzialne  za  zmniejszenie  wagi  noworodka  o  150  do 

(…)


0.004092769
0.002728513
0.002728513
0.002728513
0.002728513
0.001364256
0.001364256
0.001364256
0.001364256
0.000000000
RATIOC
1.1180432
1.1228554
1.1252193
0.6544643
0.7635417
0.5090278
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
-
Jak widzimy, ciąże skrajnie wcześniacze (<32 tygodnia) stanowią margines. Jedno dziecko wpadło do
kategorii poronienia
…,length(waganp)+length(length(wagannp))-2)
Output:
t = -8,5813
-16
p-value < 2,2*10
t1224(0,99) = 2,334093
Moduł statystyki t jest dużo większy od kwantylu rozkładu t o 1224 st. swobody, p-value niemal zerowa.
Dzieci palących istotnie mają mniejszą wagę.
Wykreślimy histogramy dla obu grup. Nałożymy je na siebie, żeby łatwiej było porównać.
Aby porównanie miało sens, unormujemy częstości, aby sumowały się do 1:
4
Input:
hist(waganp, ylim=c(0,0.001), main="Palenie przez matki a waga\nnoworodków - histogram", xlab="Waga
noworodków [g]", ylab="Częstość", freq=0, col=rgb(0,0,0,1)) #unormowane histogramy - juz mozna porownywac
hist(wagannp, add=T, freq=0, col=rgb(1,1,1,0.5))
curve(dnorm(x,mean=mean(waganp),sd=sd(waganp)),col=rgb(0.8,0.8,0,1),n=1000,type="b",add=T)
#rozkłady
normalne o śr. i sd takich, jak próby
curve(dnorm(x,mean=mean(wagannp),sd=sd(wagannp)),col=rgb(0,0,1,1),n=1000,type="b",add=T)
lines(density(waganp),col=rgb(1,0,0,1)) #gęstości prób
lines(density(wagannp),col=rgb(0,1,0,1))
legend("topleft",c("histogram(palące)","histogram(niepalące)","gęstość(palące)","gęstość(niepalące)","norm
alny(palące)","normalny(niepalące)"),fill=c(rgb(0,0,0,1),rgb(1,1,1,1),rgb(1,0,0,1),rgb(0,1,0,1),rgb(0.8,0…

0.7665289
0.5110193
0.5110193
1.5330579
1.5330579
0.0000000
0.0000000

Jak widzimy, żadne dziecko nie wpadło do kategorii VLBW (very low birth weight, <1500 g).
Wykreślimy te dane na wykresie:
Input:
plot(waga[,2],type="b",main="Palenie
przez
matki
a
waga\nnoworodków
niedowagą",col=rgb(1,0,0,1),xlab="Górna
granica
wagi
[g]",ylab="Odsetek
noworodków
wagi",xaxt="n",yaxt="n")
lines(waga[,3],type="b",col=rgb(0,1,0,1),xlab="",ylab="")
axis(side=1,at=1:21,labels=seq(length=21, from=2500, by=-50))
axis(side=2,at=seq(length=8, from=0, by=0.01),labels=seq(length=8, from=0, by=0.01))
legend("topright",c("palące","niepalące"),fill=c(rgb(1,0,0,1),rgb(0,1,0,1)))
6
odsetek
z
poniżej
danej
Output:
Palenie przez matki a waga
noworodków - odsetek z niedowagą
0.06
0.05
0.04
0.03
0.02
0
0.01
Odsetek noworodków poniżej…
… więc stwierdzić, że niepalenie powoduje wcześniactwo. W obu przypadkach odsetki mają
podobny przebieg, możemy więc przyjąć, że nie ma tu zależności od palenia.
Porównamy jeszcze wagę dziecka z wagą matki. Odrzucamy dane, jeżeli waga matki jest nieznana.
Input:
wagam=dane$waga_m[dane$waga_m!=999*0.454]
wagan=dane$waga_n[dane$waga_m!=999*0.454]
summary(wagam)
lregression2=lm(wagan~wagam)
summary(lregression2)
cat…
... zobacz całą notatkę

Komentarze użytkowników (0)

Zaloguj się, aby dodać komentarz