Egy kórtörténeti tapasztalat kiértékelése
|
|
- Zalán Gáspár
- 5 évvel ezelőtt
- Látták:
Átírás
1 Egy kórtörténeti tapasztalat kiértékelése Ebben a dolgozatban ismertetjük azokat a tapasztalatokat, amelyeket a korábban választott matematikai modell működésének előzetes kipróbálása alkalmával szereztünk. Evégből és e célra egy konkrét esetet (példát) vettünk alapul. Ezen keresztül ellenőriztük, hogy annál a betegnél, akinél korábban prosztatacarcinoma igazolódott, hogyan alakult a mért PSA értékek tendenciája, s a választott eljárás ezt mennyire elfogadhatóan követi. Ennek kapcsán megvizsgáltuk, hogy a paraméterek becslésére kapott formulák alapján számolva, az előállt numerikus értékek reálisnak tekinthetők-e? Célunk volt ilyen módon is megállapítani a számítógépre adaptálandó formulák helyességét és hibátlanságát, valamint eldönteni azt, hogy az [1]-ben vázolt program beindításának előfeltételei teljesülnek-e? A tapasztalatok azt mutatják, hogy elképzeléseink reálisak, megvalósításuknak ha az anyagi föltételek a kivitelezéshez teljesülnek nincs elvi akadálya. Megkezdhető a prosztatarák számítógépes követési rendszerének létrehozása, ami által annak kezelése, gyógyítása hatásosabb lesz, mert körültekintőbb, informatikai adatbázist alkalmazó szinten valósulhat meg. Matematikailag is a folyamatra jellemző duplázási idő, sebesség és gyorsulás, mint eligazító mutatók meghatározhatók! További fontos tapasztalatokhoz akkor jutunk, amikor majd elkezdődik a szükséges algoritmusok és eljárások számítógépre adaptálása konkrétebb formában. Ekkor a program belövése és megbízható működése, valamint működtetése céljából már több beteg PSA követését kell alapul venni, ami egyben a rendszer tesztelését is szolgálja. Ezt nagyon fontos lépésnek kell tekinteni, mert ezen alapszik a vizsgálati és kezelési mód fölépítése és hasznosítása. Gondosan kell megtervezni a rendszer adatbázisát! Ez hivatott elősegíteni a beteg kezelésekor a beavatkozási időpont és a gyógyítási stratégia megválasztását. Nyomatékosan hangsúlyozzuk, hogy ennek az egyetlen kórtörténeti esetnek a tanulmányozását elsősorban a rendszer kifejlesztésének és létrehozásának aspektusából vizsgáltuk mégpedig azért, hogy érzékeltessük és láttassuk, mire számíthatunk. 1
2 Elöljáróban egy alapvető észrevételről A [2]-ben igen általános feltételek mellett megvizsgáltuk a rákos folyamatok véletlenszerű viselkedését. A [3]-ban pedig a daganat burjánzásának lehetséges kimeneteli állapotait tipizáltuk, aminek az orvosi praxisban való fönnállását [4]-ben megerősítettük. Az így adódott alapozó eredményekből következtetéseket vontunk le a prosztatadaganat fejlődésére (terjedésére) vonatkozóan. A rákos sejtek számának várható értéke időbeni alakulásából ([2], [3]) következtetni lehetett arra, hogy prosztatadaganat esetében a PSA értéke olyan három (b, v és a) paraméterrel jellemzett parabolával írható le közelítően (lásd még idevonatkozóan [5]), amelynél mindhárom paraméter értékének pozitívnak kell lennie. Ez a prosztatarák fönnállásának szükséges és elégséges feltétele! (Tájékoztató jelleggel lásd [6]. Megjegyezzük, hogy sem ennek bizonyítását, sem más idevonatkozó behatóbb eredményeket a szoftver-rendszer esetleges védelmi oltalma miatt egyelőre nem hoztuk nyilvánosságra!) Kiderült: a gyakorlatban azzal, hogy a paramétereket a legkisebb négyzetek módszerével becsüljük, ez az elvárás nem mindig teljesül, ami azt jelenti, hogy a v értéke esetenként negatív is lehet. Ez az eljárási mód velejárója! Azért fordul elő, mert a hibával is terhelten mért PSA értékek főleg a kezdeti szakaszban jelentősen ingadoznak, miáltal viszonylag nagy a mért értékek szórása, ami az eltérések négyzetösszegének minimalizálásánál dominál! (Ha a PSA értékek pontosabban követnék, illetve fejeznék ki a burjánzást, ez a helyzet ritkábban fordulna elő!) Mindez a gyakorlatban azt jelenti, hogy a t 0 =0 időponttól számítva a mérési időt, egy rövid szakaszon (aminek gyakorlati jelentősége nincsen) a PSA alakulását leíró p(t) parabola (függvény) értéke esetenként (átmenetileg) csökken. A p(t), v<0 miatt a minimumát a t m =-v/a helyen veszi fel! Ha v>0, akkor p(t) minimuma a t 0 =0 helyen van, és így t>0 esetén p(t) szigorúan monoton növekvő! Ez a (csökkenő) helyzet t m kis értéke miatt gyakorlati szempontból olyan jelentéktelennek bizonyul, hogy emiatt nem érdemes a paraméterek becslésére más (kiküszöbölő) módszert keresni. Az eljárást tehát nyugodtan alkalmazhatjuk; csupán jó, ha tudunk erről az anomáliáról, vagyis arról, hogy a kezdeti kis szakaszon p(t) esetenként monoton csökkenhet! 2
3 A mért és számolt adatok alakulása A kórtörténet követése során a t=t i (i=0,1,2,3,4) időpontokban mért PSA és számolt PSA adatok alakulását az 1. Táblázat tünteti fel. Naptári idő Mért adatok Nap (N) Év (t=t i ) PSA Számolt adatok n=2 n=3 n=4 p 2 (t) p 3 (t) p 4 (t) t 0 =0,0000 2,54 2,55 2,77 2, t 1 =0,1699 4,42 4,40 3,79 3, t 2 =0,3836 8,09 8,10 8,96 8, t 3 =0, ,28 12,81 13, t 4 =0, ,41 18,02 1. Táblázat A számolt értékeket n 2 esetén az [5] dolgozatban található (10), (11) és (12) formulák alapján becsült a, v, b paraméterek ismeretében kaptuk. A numerikus számításokat (kézi úton) egy SHARP EL-531A scientific calculator alkalmazásával végeztük el! Ezt az eljárást kell(ene) számítógépre programozni! (Több beteg esetén ez az út már nem járható!) A p n (t) általános formája: (1) p t = b + v t + t (t 0; n=2, 3, 4) Ebből adódóan a paraméterek numerikus alakulását a (2) p t = 2, t + 16,9 t p t = 2,77 2,14 t + 47,6 t p t = 2,90 6,62 t + 58,68 t összefüggések értelemszerűen mutatják. Az 1. Táblázat alapján látható, hogy a mért PSA értékeket a parabola (másodfokú függvény) értékei gyakorlati szempontból jól közelítik, ami egyben azt is jelenti, hogy az eljárás bevezetésre alkalmas! A p n (t) minimumát a 3
4 (3) t = 0, ha v 0 #, ha v < 0 helyen veszi fel. Példánk esetében: t = 0; t = # & & = 0,02; t = # ' ' = 0,06; ami valóban arra utal, hogy v n-1 <0 előfordulásának nincs gyakorlati jelentősége! Valószínű, hogy többnyire a kezdeti szakaszon a PSA jobban ingadozik vagyis nagyobb a szórása, mint később, amikor a folyamat erőteljesebben beindul. Ezt majd tapasztalati úton statisztikai adatokkal lehet igazolni, vagy cáfolni. További hasznos mutatók, adatok, információk A mért értékek alapján számított PSA alakulásáról, vagyis a folyamat lefolyásáról három lényegesnek mondható mutató ad felvilágosítást. Ezek: 1. A folyamat lezajlásának sebessége a t időpontban: (4) p( t = v + a t = V *. 2. A folyamat lezajlásának gyorsulása: (5) p+ t = a = V(*. (Ez egy új fontos útbaigazító jellemző, amely kortól is függően alakul!) 3. Duplázási idő: (6) T - = # &./#. 0 * 1 2 = T -. Értelmezése: A t=t d időpontban p n (t d ) értéke meghatározható. Kérdés: a PSA számított értéke milyen T d -re veszi fel a 2p n (t d ) értéket; vagyis várhatóan mikorra nő a PSA értéke a duplájára? A (6) alatti T d időt a PSA duplázási idejének (Doubling Time) nevezzük. Ha például t d =t 4 =0,5617, akkor p 4 (t d )=18,02; b 3 =2,9; v 3 =-6,62; a 3 =117,36; és így: T d =0,81. Ez azt jelenti, hogy a szeptember 17-re számított PSA érték a 296-ik napra, vagyis 89 nap múlva, azaz december 15-re fog megkétszereződni. 4
5 Megjegyezzük, hogy már p 3 (t) is jól mutatta, hogy a folyamat beindult. A tendencia általában már 4-5 mérés után jól kivehető és látható! A betegek korától függően, az itt bemutatott jellemzőkre (mutatókra) célszerű is, hasznos is statisztikát készíteni. Különösen a folyamat lezajlásának gyorsulási mutatója ad a gyakorlat számára fontos útbaigazítást, továbbá a duplázási idő alakulása. A b n-1, v n-1, a n-1 paraméterek további más paraméterektől (kor, faji, genetikai adottság, életvitel, életkörülmények, étkezési szokások stb.) is függenek, így ezek szerepét és jelentőségét is ezen az úton követhetjük akár úgy is, hogy a daganatos folyamatot nem a PSA, hanem más megbízhatóbb mutató mérésével jellemezzük. (Ez a lehetőség a gyógyszerkutatást is támogatja, segíti!) A kapott eredmények alapján, a vizsgált beteg esetében a rohamosan emelkedő PSA érték miatt gyógykezelést szükségképpen alkalmazni kellett. Ezzel viszont már egy új helyzet állt elő. Ettől kezdve a folyamat lezajlását egy másik matematikai modell jellemzi. Budapest, október 8. Dobó Andor dr. Nagy Károly HIVATKOZÁSOK [1] Dobó Andor dr. Nagy Károly: Előkészületek és tennivalók, Kézirat, Budapest, a szövegszerkesztés folyamatban [2] Dobó Andor: Sztochasztikus rákos folyamatok, Kézirat, Budapest, május 24. [3] Dobó Andor: A rákos folyamat modell-családjának diszkutálása, Kézirat, Budapest, június 7. [4] dr. Nagy Károly és Dobó Andor: A matematikai modellcsalád szerinti kategóriák orvosi szempontból történő értékelése, Kézirat, Budapest, július 31. [5] Dobó Andor: Prosztatarák terjedésének matematikai leírása, Kézirat, Budapest, március 7. [6] Dobó Andor dr. Nagy Károly: Itt tartunk ma, Kézirat, Budapest, május 17. 5
Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenFüggvények 1. oldal Készítette: Ernyei Kitti. Függvények
Függvények 1. oldal Készítette: Ernyei Kitti Függvények DEFINÍCIÓ: Ha adott két nemüres halmaz: és, továbbá minden eleméhez hozzárendeljük a valamely elemét, akkor ezt a hozzárendelést függvénynek nevezzük.
RészletesebbenA mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenNehézségi gyorsulás mérése megfordítható ingával
Nehézségi gyorsulás mérése megfordítható ingával (Mérési jegyzőkönyv) Hagymási Imre 2007. április 21. (hétfő délelőtti csoport) 1. A mérés elmélete A nehézségi gyorsulás mérésének egy klasszikus módja
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenMatematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók
Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz
RészletesebbenIntelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban
Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses
RészletesebbenAl-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása
l--si háromalkotós egyensúlyi fázisdiagram közelítő számítása evezetés Farkas János 1, Dr. Roósz ndrás 1 doktorandusz, tanszékvezető egyetemi tanár Miskolci Egyetem nyag- és Kohómérnöki Kar Fémtani Tanszék
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenFÜGGVÉNYEK. A derékszögű koordináta-rendszer
FÜGGVÉNYEK A derékszögű koordináta-rendszer Az. jelzőszámot az x tengelyről, a 2. jelzőszámot az y tengelyről olvassuk le. Pl.: A(-3;-) B(3;2) O(0;0) II. síknegyed I. síknegyed A (0; 0) koordinátájú pontot
RészletesebbenKontrol kártyák használata a laboratóriumi gyakorlatban
Kontrol kártyák használata a laboratóriumi gyakorlatban Rikker Tamás tudományos igazgató WESSLING Közhasznú Nonprofit Kft. 2013. január 17. Kis történelem 1920-as években, a Bell Laboratórium telefonjainak
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenMintavételi eljárások
Mintavételi eljárások Daróczi Gergely, PPKE BTK 2008. X.6. Óravázlat A mintavétel célja Alapfogalmak Alapsokaság, mintavételi keret, megfigyelési egység, mintavételi egység... Nem valószínűségi mintavételezési
RészletesebbenE-tananyag Matematika 9. évfolyam 2014. Függvények
Függvények Függvények értelmezése Legyen adott az A és B két nem üres halmaz. Az A halmaz minden egyes eleméhez rendeljük hozzá a B halmaz egy-egy elemét. Ez a hozzárendelés egyértelmű, és ezt a hozzárendelést
RészletesebbenStatisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre
Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a
RészletesebbenFajhő mérése. (Mérési jegyzőkönyv) Hagymási Imre február 26. (hétfő délelőtti csoport)
Fajhő mérése (Mérési jegyzőkönyv) Hagymási Imre 2006. február 26. (hétfő délelőtti csoport) 1. A mérés elméleti háttere Az anyag fajhőjének mérése legegyszerűbben a jólismert Q = cm T m (1) összefüggés
Részletesebben3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:
Biostatisztika = Biometria = Orvosi statisztika Biomatematika 2. előadás Néhány egyszerű definíció: A statisztika olyan tudomány, amely a tömegjelenségekkel kapcsolatos tapasztalati törvényeket megfigyelések
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
RészletesebbenIdősorok elemzése előadás. Előadó: Dr. Balogh Péter
Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban
RészletesebbenSorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK
Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK Sorozat fogalma Definíció: Számsorozaton olyan függvényt értünk, amelynek értelmezési tartománya a pozitív egész
RészletesebbenA Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása
azdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállakozásgazdaságtan Tanszék A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása Készítette: dr. Koltai Tamás egyetemi tanár Budapest,.
RészletesebbenFázisátalakulások vizsgálata
KLASSZIKUS FIZIKA LABORATÓRIUM 6. MÉRÉS Fázisátalakulások vizsgálata Mérést végezte: Enyingi Vera Atala ENVSAAT.ELTE Mérés időpontja: 2011. szeptember 28. Szerda délelőtti csoport 1. A mérés célja A mérés
RészletesebbenPszichometria Szemináriumi dolgozat
Pszichometria Szemináriumi dolgozat 2007-2008. tanév szi félév Temperamentum and Personality Questionnaire pszichometriai mutatóinak vizsgálata Készítette: XXX 1 Reliabilitás és validitás A kérd ívek vizsgálatának
RészletesebbenProsztatarák terjedésének matematikai leírása
Prosztatarák terjedésének matematikai leírása A PROBLÉMA BEMUTATÁSA Ismeretes, hogy a hámsejtek kóros elszaporodásából támadt rosszindulatú, környezetét pusztítva növekvő daganatot rákosnak, illetve a
RészletesebbenII. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés
II. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés Nagyon könnyen megfigyelhetjük, hogy akármilyen két számmal elindítunk egy Fibonacci sorozatot, a sorozat egymást követő tagjainak
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenDescartes-féle, derékszögű koordináta-rendszer
Descartes-féle, derékszögű koordináta-rendszer A derékszögű koordináta-rendszerben a sík minden pontjához egy rendezett valós számpár rendelhető. A számpár első tagja (abszcissza) a pont y tengelytől mért
RészletesebbenMatematika 11. osztály
ELTE Apáczai Csere János Gyakorló Gimnázium és Kollégium Humán tagozat Matematika 11. osztály I. rész: Hatvány, gyök, logaritmus Készítette: Balázs Ádám Budapest, 018 . Tartalomjegyzék Tartalomjegyzék
RészletesebbenMintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
Részletesebben9. Tétel Els - és másodfokú egyenl tlenségek. Pozitív számok nevezetes közepei, ezek felhasználása széls érték-feladatok megoldásában
9. Tétel Els - és másodfokú egyenl tlenségek. Pozitív számok nevezetes közepei, ezek felhasználása széls érték-feladatok megoldásában Bevezet : A témakörben els - és másodfokú egyenl tlenségek megoldásának
RészletesebbenI. BESZÁLLÍTÓI TELJESÍTMÉNYEK ÉRTÉKELÉSE
I. BESZÁLLÍTÓI TELJESÍTMÉNYEK ÉRTÉKELÉSE Komplex termékek gyártására jellemző, hogy egy-egy termékbe akár több ezer alkatrész is beépül. Ilyenkor az alkatrészek általában sok különböző beszállítótól érkeznek,
RészletesebbenA Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma
A Riemann-Siegel zeta függvény kiugró értékeinek keresése A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma 2013 A probléma fontossága és hatása a hétköznapi életre A prímszámok
RészletesebbenMÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
RészletesebbenVÁRAKOZÓK JELENTÉSE ELEMZÉS
VÁRAKOZÓK JELENTÉSE ELEMZÉS 09. 01. ÁLLAPOT SZERINT Várakozások jellemzői 1. táblázat Várakozók i forma/típus/altípus szerinti megoszlása szeptember 1-én Színkód 1: narancs = szakosított ok, zöld = alapok
RészletesebbenKomplex számok. A komplex számok algebrai alakja
Komple számok A komple számok algebrai alakja 1. Ábrázolja a következő komple számokat a Gauss-féle számsíkon! Adja meg a számok valós részét, képzetes részét és számítsa ki az abszolút értéküket! a) 3+5j
RészletesebbenStatisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
Részletesebben6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének
6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük
RészletesebbenModern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt
Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak
Részletesebben1. Ábrázolja az f(x)= x-4 függvényt a [ 2;10 ] intervallumon! (2 pont) 2. Írja fel az alábbi lineáris függvény grafikonjának egyenletét!
Függvények 1 1. Ábrázolja az f()= -4 függvényt a [ ;10 ] intervallumon!. Írja fel az alábbi lineáris függvény grafikonjának egyenletét! 3. Ábrázolja + 1 - függvényt a [ ;] -on! 4. Az f függvényt a valós
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenKutatásmódszertan és prezentációkészítés
Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I
Részletesebben6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?
6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.
Részletesebbenb) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2
1) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) b) c) ( ) ) Határozza meg az 1. feladatban megadott, ; intervallumon
RészletesebbenKvantitatív módszerek
Kvantitatív módszerek szimuláció Kovács Zoltán Szervezési és Vezetési Tanszék E-mail: kovacsz@gtk.uni-pannon.hu URL: http://almos/~kovacsz Mennyiségi problémák megoldása analitikus numerikus szimuláció
RészletesebbenMatematika érettségi feladatok vizsgálata egyéni elemző dolgozat
Szent István Egyetem Gazdaság- és Társadalomtudományi Kar Statisztika I. Matematika érettségi feladatok vizsgálata egyéni elemző dolgozat Boros Daniella OIPGB9 Kereskedelem és marketing I. évfolyam BA,
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenÁRAMKÖRÖK SZIMULÁCIÓJA
ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
Részletesebben1 Energetikai számítások bemutatása, anyag- és energiamérlegek
1 Energetikai számítások bemutatása, anyag- és energiamérlegek Előzőleg a következőkkel foglalkozunk: Fizikai paraméterek o a bemutatott rendszer és modell alapján számítást készítünk az éves energiatermelésre
RészletesebbenKorrelációs kapcsolatok elemzése
Korrelációs kapcsolatok elemzése 1. előadás Kvantitatív statisztikai módszerek Két változó közötti kapcsolat Független: Az X ismérv szerinti hovatartozás ismerete nem ad semmilyen többletinformációt az
Részletesebben1. Számológép és táblázat használata nélkül számítsd ki a következő számokat, majd. ; 8. (7 pont) függvényt! (9 pont)
I..negyedéves témazáró.évfolyam A csoport. Számológép és táblázat használata nélkül számítsd ki a következő számokat, majd rendezd növekvő sorrendbe: 9 ; 8 ; 8. (7 pont). Ábrázold és jellemezd az f ( )
RészletesebbenSztochasztikus rákos folyamatok
Sztochasztikus rákos folyamatok A rákos sejtek szaporodásáról egyre többet tudunk, de nem eleget. A kóros betegségben szenvedők sejtjei szüntelenül harcban állnak egymással, mint azok az azonos fajhoz
RészletesebbenA XXI. SZÁZADRA BECSÜLT KLIMATIKUS TENDENCIÁK VÁRHATÓ HATÁSA A LEFOLYÁS SZÉLSŐSÉGEIRE A FELSŐ-TISZA VÍZGYŰJTŐJÉN
44. Meteorológiai Tudományos Napok Budapest, 2018. november 22 23. A XXI. SZÁZADRA BECSÜLT KLIMATIKUS TENDENCIÁK VÁRHATÓ HATÁSA A LEFOLYÁS SZÉLSŐSÉGEIRE A FELSŐ-TISZA VÍZGYŰJTŐJÉN Kis Anna 1,2, Pongrácz
RészletesebbenBEVEZETÉS AZ ELŐADÁS BETEKINTÉST AD A HATÓSÁG SZÉLESSÁV-MÉRŐ PROGRAMJÁBA. 2012.10.16. 2
2 BEVEZETÉS AZ NEMZETI MÉDIA-ÉS HÍRKÖZLÉSI HATÓSÁG ELKÖTELEZETT A SZÉLESSÁVÚ SZOLGÁLTATÁSOK ELTERJEDÉSÉNEK ELŐSEGÍTÉSÉBEN, A FOGYASZTÓI TUDATOSSÁG NÖVELÉSÉBEN. A FOGYASZTÓ ÁLTALÁBAN GYAKRAN AZ ISMERETEK
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenMegkülönböztetett kiszolgáló routerek az
Megkülönböztetett kiszolgáló routerek az Interneten Megkülönböztetett kiszolgálás A kiszolgáló architektúrák minősége az Interneten: Integrált kiszolgálás (IntServ) Megkülönböztetett kiszolgálás (DiffServ)
RészletesebbenA kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9
A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9 Név: Pitlik László Mérés dátuma: 2014.12.04. Mérőtársak neve: Menkó Orsolya Adatsorok: M24120411 Halmy Réka M14120412 Sárosi
RészletesebbenFüggvények Megoldások
Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény
RészletesebbenDiszkréten mintavételezett függvények
Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott
RészletesebbenSTATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenTARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23
TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések
Részletesebben2010. október 12. Dr. Vincze Szilvia
2010. október 12. Dr. Vincze Szilvia Tartalomjegyzék 1.) Sorozat definíciója 2.) Sorozat megadása 3.) Sorozatok szemléltetése 4.) Műveletek sorozatokkal 5.) A sorozatok tulajdonságai 6.) A sorozatok határértékének
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
RészletesebbenA szabályos sokszögek közelítő szerkesztéséhez
1 A szabályos sokszögek közelítő szerkesztéséhez A síkmértani szerkesztések között van egy kedvencünk: a szabályos n - szög közelítő szerkesztése. Azért vívta ki nálunk ezt az előkelő helyet, mert nagyon
RészletesebbenAlgoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás
Algoritmusok Tervezése 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Mi az algoritmus? Lépések sorozata egy feladat elvégzéséhez (legáltalánosabban) Informálisan algoritmusnak nevezünk bármilyen jól definiált
RészletesebbenMódszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!
BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22
Részletesebben10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK
MATEMATIK A 9. évfolyam 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK Tanári útmutató 2 MODULLEÍRÁS A modul
RészletesebbenDETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS
Műszaki Földtudományi Közlemények, 83. kötet, 1. szám (2012), pp. 271 276. HULLADÉKOK TEHERBÍRÁSÁNAK MEGHATÁROZÁSA CPT-EREDMÉNYEK ALAPJÁN DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST
RészletesebbenA létszámbecslés szerepe a hasznosítástervezésben. Létszám - sűrűség
A létszámbecslés szerepe a hasznosítástervezésben Dr. Szemethy László egyetemi docens SzIE, Gödöllő Vadvilág Megőrzési Intézet Létszám - sűrűség Létszám: a vad száma a területen ezt jelentjük, de tudjuk-e,
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek megoldásához!
RészletesebbenFényhullámhossz és diszperzió mérése
KLASSZIKUS FIZIKA LABORATÓRIUM 9. MÉRÉS Fényhullámhossz és diszperzió mérése Mérést végezte: Enyingi Vera Atala ENVSAAT.ELTE Mérés időpontja: 2011. október 19. Szerda délelőtti csoport 1. A mérés célja
RészletesebbenAz éghajlati modellek eredményeinek felhasználási lehetıségei
Az éghajlati modellek eredményeinek felhasználási lehetıségei Szépszó Gabriella (szepszo( szepszo.g@.g@met.hu), Kovács Mária, Krüzselyi Ilona, Szabó Péter Éghajlati Osztály, Klímamodellezı Csoport Magyar
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenKOVÁCS BÉLA, MATEMATIKA II.
KOVÁCS BÉLA, MATEmATIkA II 3 III NUmERIkUS SOROk 1 Alapvető DEFInÍCIÓ ÉS TÉTELEk Végtelen sor Az (1) kifejezést végtelen sornak nevezzük Az számok a végtelen sor tagjai Az, sorozat az (1) végtelen sor
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
Részletesebben10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai
Optimalizálási eljárások MSc hallgatók számára 10. Előadás Előadó: Hajnal Péter Jegyzetelő: T. Szabó Tamás 2011. április 20. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai A feltétel nélküli optimalizálásnál
RészletesebbenMATEMATIKA 2. dolgozat megoldása (A csoport)
MATEMATIKA. dolgozat megoldása (A csoport). Definiálja az alábbi fogalmakat: (egyváltozós) függvény folytonossága, differenciálhatósága, (többváltozós függvény) iránymenti deriváltja. (3x8 pont). Az f
RészletesebbenModern fizika laboratórium
Modern fizika laboratórium 11. Az I 2 molekula disszociációs energiája Készítette: Hagymási Imre A mérés dátuma: 2007. október 3. A beadás dátuma: 2007. október xx. 1. Bevezetés Ebben a mérésben egy kétatomos
RészletesebbenBiostatisztika VIII. Mátyus László. 19 October
Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.
RészletesebbenBEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA
BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA BESZÉDTUDOMÁNY Az emberi kommunikáció egyik leggyakrabban használt eszköze a nyelv. A nyelv hangzó változta, a beszéd a nyelvi kommunikáció
RészletesebbenA GDP hasonlóképpen nem tükrözi a háztartások közötti munka- és termékcseréket.
FŐBB MUTATÓK A regionális GDP adatok minősége alapvetően 3 tényezőtől függ: az alkalmazott számítási módszertől a felhasznált adatok minőségétől a vizsgált területi egység nagyságától. A TERÜLETI EGYENLŐTLENSÉGEK
RészletesebbenModern Fizika Labor. 2. Az elemi töltés meghatározása. Fizika BSc. A mérés dátuma: nov. 29. A mérés száma és címe: Értékelés:
Modern Fizika Labor Fizika BSc A mérés dátuma: 2011. nov. 29. A mérés száma és címe: 2. Az elemi töltés meghatározása Értékelés: A beadás dátuma: 2011. dec. 11. A mérést végezte: Szőke Kálmán Benjamin
RészletesebbenSTATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.
Centrális mutatók STATISZTIKA I. 4. Előadás Centrális mutatók 1/51 2/51 Középértékek Helyzeti középértékek A meghatározása gyakoriság vagy sorszám alapján Számítás nélkül Az elemek nagyság szerint rendezett
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
RészletesebbenSportági teljesítmény diagnosztika, méréseredmények feldolgozása, alkalmazása az edzéstervezés folyamatában.
Sportági teljesítmény diagnosztika, méréseredmények feldolgozása, alkalmazása az edzéstervezés folyamatában. Új technológia a kajak-kenu sportban: ArguStress Sport-Pro Kayak - Általános cél Folyamatosan
Részletesebben