Попробуйте по аналогии: например в том же аудите это достигается через оценку риска и существенности

Добавлено через 5 минут
Присоединяюсь

Если вы хотите оценить силу связи - то применяйте корреляционный анализ (соответственно вычисляете коэф. корреляции)
Если нужно оценить достоверность различий при наличии кач и колич переменных - тогда например, ANOVA.
Ну, например, вам надо определить, достоверны ли отличия в уровне показателей АД в группах больных гипертонической болезнью с ИБС и без ИБС.
У вас две переменных: качественная (группа 1 и группа 2) и колич (уровень АД). Дальше считайте
Конечно, это совсем примитивно, на пальцах, ну, какой вопрос...

Во, сразу д.м.н. видно. :)

Здравствуйте. Поздравляю всех мужчин с праздником! Успехов в науке, личной жизни и материального благополучия.
Большое спасибо за ответы.
Вопрос я действительно не ахти сформулировала. действительно хочу оценить достоверность различий в группах с разным стилем питания по уровню АД.
Спасибо
Что ещё можно использовать кроме ANOVA Подскажите пожалуйста!
После прочтения большого объёма литературы за короткое время всё равно не могу сориентироваться. А если нужно оценить достоверность различий при наличии двух количественных переменных например масса тела и уровень АД тогда что лучше Спирмена?
Если важно у меня 500 человек почти выборка сплошная
заранее благодарна

При наличии двух колич переменных используется t-критерий для независимых или парных (в вашем случае) выборок. Он, естественно, есть в SPSS и в Statistika
Спирмен даст корреляцию, а не достоверность различий

Есть радикальное предложение: уходим от вероятностной статистики и переходим к использованию возможностных методов, нечеткой логики. В частном случае: теории нечетких множеств. Скажем так: для большого числа практически важных случаев, когда обективно невозможно сформулировать статистически значимый (по t-, пси- и прочим критериям) массив для анализа (неоднородность массива, недостаток информации, уникальные объекты), тем более в вашем случае есть явные признаки именно квазистатистики (данные, не отвечающие критериям статистической однородности и репрезентативности): мешанина количественных и качественных оценок - я вижу огромное количество причин к использованию аппарата нечетких множеств (терм-множества, подмножества, носители, нечеткие числа и т.п.). Если совсем без статистики невмоготу - тогда переходим к статистике данных нечисловой природы, частный вариант которых- данные как раз нечетко-множественной природы. Читаем Заде. Беллмана, Орлова, Недосекина, Акад. Моисеева и кучу литературы.
Статьи Алексея Силакова, кандидатскую Александра Силакова и т.п....
Удачи!

Добавлено через 4 минуты
Да, касательно аудита: на Западе есть уже стандарты использования как раз нечетких множеств и возможностной статистике именно в аудите. Более того, все не как не дойду до почтового отделения, мне пришла как раз американская книжка по этому вопросу - супруга по моей просьбе оформляла подписку на нее. Получу., уточню данные: опубликую здесь (забуду - напомните в личку :) )

Будьте спок: не забудем ;)

fazotron,
Спасибо! Помогли сориентироваться!

Вам нужен MathCad и Origin

Как относитесь к этому (фраза из самоучителя по статистике)
Непараметрические методы наиболее приемлемы, когда объем выборок мал. Если данных много (например, n >100), часто не имеет смысла использовать непараметрическую статистику.
ПОсчитала всё с помощью непараметрических методов корреляцию Спирмен и кендел, Достоверность отличий по группам ANOVA (Краскелл-уолллис)
Честно говоря результаты разачаровали. Очень мало статистически значимых корреляций и отличий по группам
напомню у меня 600 человек.
что действительно параметрические методы мощнее и надо бы использовать их?