Oczekiwany zakres analizy:-)

Praca ma zawierać następujące elementy:

Przykład

Proszę nie kopiować literalnie, poniższe ma stanowić inspirację :-)

Dane

Wykorzystano następujące zbiory danych

Otyłość wśród dorosłych w Europie w latach 2000 oraz 2022

W tabeli zestawiono, a na wykresie przedstawiono przeciętny poziom zjawiska, jego rozproszenie oraz skośność w latach 2000 i 2022.

year mean median q1 q3 variance sd iqr skweness
2000 16.58994 16.59954 13.13881 19.73004 15.51547 3.938968 6.591226 0.1944353
2022 25.63361 25.84998 20.99145 29.93067 40.16141 6.337303 8.939220 -0.0289372

W porównaniu do pierwszego okresu, w drugim okresie obserwuje się wyraźny wzrost poziomu otyłości, co widoczne jest w wyższej medianie i średniej. Jednocześnie zwiększone rozproszenie wskazuje, że populacja stała się bardziej niejednorodna — różnice między krajami o najniższych i najwyższych wartościach otyłości uległy pogłębieniu.

Wpływ otyłości na występowanie cukrzycy w modelu regresji liniowej

Zależność pomiędzy otyłością na występowanie cukrzycy przedstawiono na rysunku

Hipoteza badawcza: istnieje zależność między otyłością a częstością występowania cukrzycy

Do weryfikacji hipotezy wykorzystujemy dane nt. otyłości oraz cukrzycy w Europie w 2022 roku

## 
## Call:
## lm(formula = d ~ o, data = oc.eur)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.8758 -1.7902 -0.9225  1.5681  9.4628 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  2.27917    1.73995    1.31 0.196214    
## o            0.26243    0.06593    3.98 0.000223 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2.984 on 50 degrees of freedom
## Multiple R-squared:  0.2406, Adjusted R-squared:  0.2254 
## F-statistic: 15.84 on 1 and 50 DF,  p-value: 0.0002226

Hipoteza badawcza została potwierdzona: jeżeli odsetek osób z otyłością wzrośnie o 1% to odsetek osób z cukrzycą przeciętnie wzrośnie o 0,26%; wartość ta jest istotna statystycznie (\(p=0.0002\)). Wielkość współczynnika determinacji \(R^2 = 24\)% oznacza, że 24% zmienności odsetka osób z cukrzycą jest wyjaśniane przez model (czyli nie za dużo).

Analiza trendu liniowego liczby zgonów z powodu chłoniaka oraz szpiczaka mnogiego w Polsce

Liczbę zgonów z powodu chłoniaka oraz szpiczaka mnogiego w Polsce w latach 1959–2022 według płci zmarłego przedstawiono na wykresie.

Moża zaobserwować wyrażny trend liniowy do okołu roku 2018, w którym to roku nastąpiła wyraźne odwrócenie tendencji i spadek. Z powodu obu chorób umierało więcej mężczyzn niż kobiet.

Oszacowano także model trendu liniowego liczby zgonów łącznie (kobiety + mężczyźni) z powodu chłoniaka oraz szpiczaka mnogiego w Polsce w latach 1959–2022

## 
## Call:
## lm(formula = zgony ~ trend, data = m.pl.bothsexes)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -543.54  -89.11  -19.10   93.45  304.67 
## 
## Coefficients:
##             Estimate Std. Error t value             Pr(>|t|)    
## (Intercept) 379.3605    41.5248   9.136    0.000000000000584 ***
## trend        17.6368     0.3884  45.413 < 0.0000000000000002 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 164.1 on 60 degrees of freedom
## Multiple R-squared:  0.9717, Adjusted R-squared:  0.9713 
## F-statistic:  2062 on 1 and 60 DF,  p-value: < 0.00000000000000022

W latach 1959–2022 przeciętny roczny wzrost liczby zgonów wynosił około 17,6 osób; wielkość ta jest istotna statystycznie. Wartość współczynnika determinacji jest wysoka bo wynosi 97%.

Średnie tempo zmian liczby zgonów łącznie w latach 1959-2022 wynosiło 3.7%, tj. przeciętnie w tym okresie liczba zgonów ogółem rośnie o 3.7%.