Klinikai és Bírósági Alkalmazások Valószínűségszámítási Modellek BREUER-LÁBADY PÉTER
|
|
- Zalán Jónás
- 5 évvel ezelőtt
- Látták:
Átírás
1 Klinikai és Bírósági Alkalmazások Valószínűségszámítási Modellek BREUER-LÁBADY PÉTER
2 KLINIKAI ALKALMAZÁSOK GYÓGYSZER TESZTELÉS MIK LEHETNEK A PROBLÉMÁK? STATISZTIKAI ALAPKÖVEK GYÓGYULÁSI ESÉLYEK TARTALOM BÍRÓSÁGI ALKALMAZÁS VALÓSZÍNÜSÉG JELENTÉSE MÚLTBELI ESEMÉNYEK REKONSTRUÁLÁSA GYÓGYULÁSI ESÉLYEK BÍRÓSÁGI SZEMPONTBÓL
3 KLINIKAI ALKALMAZÁSOK ÉS EZEK KIHÍVÁSAI
4 KLINIKAI ALKALMAZÁSOK / GYÓGYSZER TESZTELÉSI FOLYAMATOK / GYÓGYULÁSI MÓDSZEREK
5
6 / DEFINIÁLJUK A KÉRDÉST, AMIT SZERETNÉNK MEGVÁLASZOLNI. // JOBB-E AZ ADOTT GYÓGYSZER MINT A PLACEBÓ? // A GYÓGYSZERT KIEGÉSZÍTVE EGY MÁSODIKKAL, JOBB HATÁST GYÓGYSZER TESZTELÉS TUDUNK ELÉRNI? // AZ ÚJ GYÓGYSZER JOBB MINT AZ EREDETI/RÉGI? / HATÁROZZUK MEG A PÁCIENSI POPULÁCIÓT / VIZSGÁLATI IDŐSZAK HOSSZA ÉS PARAMÉTEREI / MI ALAPJÁN MÉRJÜK AZ EREDMÉNYT? / MIT DEFINIÁLUNK SIKERNEK?
7 / PONTOSAN MEGHATÁROZOTT FOLYAMAT RÉSZLETES FOLYAMATOK / 5000 KEZDETLEGES ANYAGBÓL ÁTLAGOSAN EGY ELFOGADOTT / ÁTLAGOSAN 12 ÉV AZ ELFOGADÁSI FOLYAMAT / KÜLÖNBÖZŐ STATISZTIKAI MINTÁK ÉS VIZSGÁLATOK
8 GYÓGYSZER TESZTELÉS
9 GYÓGYULÁSI ESÉLYEK / MŰTÉTEK MÓDSZERÉT MEGHATÁROZÓ TÉNYEZŐK / KÜLÖNBÖZŐ GYÓGYMÓDOK ÉS FOLYAMATOK / GYÓGYSZERVÁLASZTÁS - MELLÉKHATÁSOK
10 / STATISZTIKAI HIPOTÉZIS: EGY POPULÁCIÓRA, VAGY ANNAK VALAMELY PARAMÉTERÉRE VONATKOZÓ ÁLLÍTÁS / ÁLTALÁBAN KÉT ELLENTÉTES ÁLLÍTÁS / NULLHIPOTÉZIS ( H0 ) - A POPULÁCIÓ PARAMÉTERE EGYENLÕ EGY HIPOTÉZISEK ADOTT SZÁMMAL (=) / ALTERNATÍV HIPOTÉZIS ( H1 ) - EZZEL SZEMBENÁLLÓ HIPOTÉZIS, A KÜLÖNBÖZÕSÉGET TÉTELEZI FEL (<,>, )
11 / FIRST TYPE ERROR: SZIGNIFIKÁNS KÜLÖNBSÉGET ÁLLAPÍTUNK MEG, PEDIG VALÓJÁBAN NINCS KÜLÖNBSÉG (ELSŐ FAJTA HIBA) // NAGYSÁGÁT ELKÖVETÉSÉNEK VALÓSZÍNÛSÉGÉVEL SZOKÁS MEGADNI STATISZTIKAI HIBÁK // ANNAK ESÉLYE, HOGY A TAPASZTALT KÜLÖNBSÉGET A VÉLETLEN OKOZTA // = SZIGNIFIKANCIA SZINT / SECOND TYPE ERROR: MINTÁK ALAPJÁN NEM ÁLLAPÍTUNK MEG SZIGNIFIKÁNS KÜLÖNBSÉGET, PEDIG VALÓJÁBAN, AZAZ A POPULÁCIÓK KÖZÖTT MÉGIS VAN KÜLÖNBSÉG (MÁSODIK FAJTA HIBÁNAK) / KONFIDENCIA INTERVALLUMOK
12 ÖSSZEFOGLALVA NEM VETJÜK EL H0-T ELVETJÜK H0-T H0 IGAZ HELYES ELSÕ FAJTA HIBA H0 HAMIS MÁSODIK FAJTA HIBA HELYES
13 5%-os szignifikancia szint esetén, amennyiben a populációk között nincs különbség, az elsõ fajta hiba elkövetésének valószínûsége 0.05, azaz minden száz ilyen esetbõl 5 alkalommal, nagyjából minden húszadik esetben követjük el ezt a hibát. Ennyiszer okoz ugyanis a véletlen a különben egyforma, azonos populációkból vett minták közt túlságosan nagy, általunk szignifikánsnak minõsített különbséget.
14 / MINTA NEM MEGFELELŐ ÖSSZEÁLLÍTÁSA ALAPVETŐ KIHÍVÁSOK / P-ÉRTÉK: ANNAK A VALÓSZÍNŰSÉGE, HOGY H0 IGAZ. / TUD A VIZSGÁLATRÓL A BETEG? / AZ ORVOS? / PLACEBÓ
15 100 betegetnél alkalmaztuk a gyógyszert, ebből 80 meggyógyult. 80%-ban hatékony a gyógyszer. 100 betegnél alkalmaztuk a gyógyszert, 80 gyógyult meg ben vizsgálták ezt a betegséget és az akkori módszer szerint 50 gyógyultak meg. Tehát az új 30%-kal hatékonyabb.
16 GRAFIKAI ÁBRÁZOLÁS
17 BÍRÓSÁGI ALKALMAZÁSOK ÉS NÉHÁNY RELEVÁNS ESET
18 CSAK EGY FELVETÉS...
19
20 24/A. 12 (1) Büntetőeljárás során az emberi DNS-profilokat a DNS-profil meghatározásának szakmai-módszertani követelményeiről szóló rendeletnek megfelelően kell meghatározni. 31/2008. (XII. 31.) IRM rendelet igazságügyi szakértői működésről (2) A bűncselekmény helyszínén és a bűncselekmény elkövetésének nyomait hordozó tárgyon rögzített anyagmaradvány vonatkozásában emberi DNS-profilok vizsgálata során a szakvéleményben - a 10. -ban meghatározottak mellett - meg kell jelölni a) vizsgált személy és a biológiai minták DNS-profilját (szakmai ténymegállapítás), b) azt, hogy a vizsgált személy és a DNS-minta DNS-profiljai eltérőnek tekinthetőek-e vagy sem, így ennek megfelelően az elvégzett genetikai vizsgálat alátámasztja vagy nem támasztja alá a tisztázni kívánt származást (vélemény), valamint c) - megegyező DNS-profilok esetén - a valószínűségi hányados kiszámításával az egyezés valószínűségét, azaz annak bizonyító erejét (vélemény).
21 / S: Az esemény, hogy a vádlott jelen volt a bűncselekmény helyszinén. / Feltehető, hogy a bíró a tárgyalás állásához mérten, rendelkezik egy saját gondolattal a vádlott bűnösségének valószínüségéről. /Egy tanú kijelentése szerint, egy barna hajú, magas férfit látott elfutni a helyszinről. /A vádlottunk barna hajú, magas férfi.. HIPOTETIKUS PÉLDA / A bíró frissíti a saját valószínűségét. / A helyszinen eltört ablakkal identikus üveg szilánkokat találtak a vádlott ruházatán. / A bíró ismét frissíti a saját valószínűségét.... / Hogyan változtassa meg a bíró a benne kialakult képet a valószínüségről? / Vajon tényleg így gondolkozik egy bíró?
22 / BAYES TÉTEL VÁLÓSZÍNÜSÉGEK / TELJES VALÓSZÍNÜSÉG TÉTELE ÉS
23
24 ESEMÉNYEK REKONSTRUÁLÁSA / A VALÓSZÍNÜSÉGNEK A BÍRÓSÁGON A LEGNAGYOBB JELENTŐSÉGE: // BIZONYÍTÁSI ELJÁRÁSOK // GYÓGYULÁSI ESÉLYEK / AHHOZ HOGY A BÍROSAG ITÉLETET TUDJON HOZNI, EGY MÚLTBELI TÉNYÁLLÁST KELL FELIDÉZNI. BIZONYÍTÉKOKKAL TÖRTÉNIK: PL: BIOLOGIA, TANUK. / A MÚLTBELI ESEMÉNYNEK REKONSTRUÁLÁSA, HA NINCSEN HANG/KÉP, CSAK KÖZVETETT BIZONYÍTÉKOKKAL TÖRTÉNHET: / A BIZONYÍTÁSI ELJÁRÁSOK 90 %-BAN A REKONSTRUKCIÓ NEM TÖRTENIK MEG 100%-OSAN.
25 2 szempontot vizsgálunk az igazság megállapításnak folyamatában: / Vélelmezett fogalmazási időben (Gyermek szuletése előtt: ) ebben az időben lehetséges-e, hogy közösült az alperes. // Közveteten lehet csak bizonyítani. //ténylegesen megtörtent-e? APASÁG / Valószinűsége annak, hogy a gyermek ebből a közösülésből származik. // Vizsgálatok: antropológia, dns, vérvizsgalat, stb. // Informaciot adnak, hogy lehetséges-e egyáltalan. // Nem állapítható meg 1 valószínűséggel semmi. // Általában 83-97% / Legnagyobb valószínűséggel állapítja meg a bíro a megtörtént közösülést. Illetve a vizsgálatok alapján az ebből való származást.
26 A bírosag csak bizonyosság alapján hozhat ítéletet. Ez a bizonyosság azonban az esetek legnagyobb százalékaban nem bizonyosság, hanem valószínüség. Ezt nevezzük bírói bizonyosságnak. DR. LÁBADY TAMÁS ALKOTMÁNYBÍRÓ ( )
27 GYÓGYULÁSI MÓDSZEREK / Betegek kezelése egy orvos vagy egészségügyi intézmény által. / A kezelés során nem alkalmaz egy olyan módoszert/eljárást, amely nagy valószínűséggel segíti a beteg gyógyulását. / A szakértői véleményből kiderül a túlélés valószínűsége a gyógyszer használata esetén.
28 GYÓGYULÁSI MÓDSZEREK
29
30 FORRÁSOK
31 FORRÁSOK en/understanding_clinical_trials.pdf /02/WC pdf 31/2008. (XII. 31.) IRM rendelet az igazságügyi szakértői működésről An Introduction to Statistical Thinking for Forensic PractitionersAlicia Carriquiry Hal Stern Colin Lewis-Beck
32 KÖSZÖNÖM! BREUER-LÁBADY PÉTER
33 TESZTKÉRDÉS: ÁTLAGOSAN MENNYI IDŐ, AMEDDIG EGY ÚJ GYÓGYSZER A FELFEDEZÉSTŐL ELJUT A PIACRA? A) B) C) D)
1. 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
RészletesebbenElemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet
Elemszám becslés Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet Miért fontos? Gazdasági okok: Túl kevés elem esetén nem tudjuk kimutatni a kívánt hatást Túl kevés elem esetén olyan eredmény
RészletesebbenALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!
A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenA BIZONYÍTÁSI TEHER. A NEMI ALAPON TÖRTÉNŐ MEGKÜLÖNBÖZTETÉS ESETEIBEN Gyulavári Tamás
A BIZONYÍTÁSI TEHER A NEMI ALAPON TÖRTÉNŐ MEGKÜLÖNBÖZTETÉS ESETEIBEN Gyulavári Tamás 1 TÉMAKÖRÖK 1. EU jogszabályi rendelkezések 2. EUB döntések 3. Következtetések 1. BIZONYÍTÁSI TEHER AZ EU JOGBAN 2 BIZONYÍTÁSI
RészletesebbenSzámítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA
SZDT-04 p. 1/30 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenBiomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
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
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
Részletesebben[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet
Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
RészletesebbenKiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.
Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak
RészletesebbenHorváth András vegyészszakértő BSZKI. Horváth András - BSZKI 1
Horváth András vegyészszakértő BSZKI Horváth András - BSZKI 1 A büntetőeljárás - feladata és célja: a bűncselekmények felderítése, a büntetőjogi felelősségről való döntés bizonyítási eljárás keretén belül.
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
RészletesebbenBIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis
Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai
RészletesebbenStatisztika 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
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
RészletesebbenMódszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság
Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság SZIGNIFIKANCIA Sándorné Kriszt Éva Az MTA IX. Osztály Statisztikai és Jövőkutatási Tudományos Bizottságának tudományos ülése
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenKét diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi
RészletesebbenStatisztikai csalások és paradoxonok. Matematikai statisztika Gazdaságinformatikus MSc november 26. 1/31
Matematikai statisztika Gazdaságinformatikus MSc 11. előadás 2018. november 26. 1/31 A tojást rakó kutya - a könyv Hans Peter Beck-Bernholdt, Hans-Hermann Dubben: A tojást rakó kutya c. könyve alapján
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenGyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016
Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait
RészletesebbenA mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra
A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra Vörös Zsuzsanna NÉBIH RFI tervezési referens 2013. április 17. Egy kis felmérés nem kor Következtetések: 1. a jelenlevők nemi megoszlása:
RészletesebbenBiomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November
Részletesebben11.Négymezős táblázatok. Egyezés mérése: kappa statisztika Kockázat becslés: esélyhányados (OR) Kockázat becslés: relatív kockázat (RR)
.Négymezős táblázatok Egyezés mérése: kappa statisztika Kockázat becslés: esélyhányados (OR) Kockázat becslés: relatív kockázat (RR) Az egyezés mérése:cohen s Kappa Kappa: az egyezés mérése két nominális
RészletesebbenA bizonyítás. A bizonyítás fogalma
A bizonyítás A bizonyítás fogalma A tényállás tisztázása a hatóság hivatalbóli kötelessége, minden eljárásban megkerülhetetlen. A bizonyítási eljárás (vagy bizonyítás) - a hivatalbóli eljárás alapelvén
RészletesebbenA vádlottra irányadó szabályok az előkészítő ülésen
Előkészítő ülés Az előkészítő ülés lényege Az előkészítő ülés a vádemelés után a tárgyalás előkészítése érdekében tartott nyilvános ülés, amelyen a vádlott és a védő a tárgyalást megelőzően kifejtheti
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
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
RészletesebbenBiometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem
Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,
RészletesebbenA biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, hipotézisvizsgálatok Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet Hipotézisvizsgálatok A hipotézisvizsgálat során a rendelkezésre álló adatok (statisztikai
Részletesebben[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2017. 03. 20. Khí-négyzet (χ 2 ) Próba Ha mérés során kapott adatokról eleve tudjuk, hogy nem követik a normális vagy más ismert eloszlást, akkor a korábban
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
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
RészletesebbenPrenatalis diagnosztika lehetőségei mikor, hogyan, miért? Dr. Almássy Zsuzsanna Heim Pál Kórház, Budapest Toxikológia és Anyagcsere Osztály
Prenatalis diagnosztika lehetőségei mikor, hogyan, miért? Dr. Almássy Zsuzsanna Heim Pál Kórház, Budapest Toxikológia és Anyagcsere Osztály Definíció A prenatális diagnosztika a klinikai genetika azon
RészletesebbenAz első számjegyek Benford törvénye
Az első számjegyek Benford törvénye Frank Benford (1883-1948) A General Electric fizikusa Simon Newcomb (1835 1909) asztronómus 1. oldal 2. oldal A híres arizonai csekk sikkasztási eset http://www.aicpa.org/pubs/jofa/may1999/nigrini.htm
RészletesebbenA bizonyítás. Az eljárás nem szükségképpeni része.
A bizonyítás A bizonyítás fogalma A bizonyítási eljárás (vagy bizonyítás) - a hivatalbóli eljárás alapelvén nyugvó, - a hatóság az ügyfelek és az eljárás más résztvevői közreműködésével zajló eljárási
RészletesebbenAz igazságügyi informatikai szakértés modellezése. Illési Zsolt illesi.zsolt@proteus.hu
Az igazságügyi informatikai szakértés modellezése Illési Zsolt illesi.zsolt@proteus.hu Témák Az igazságügyi szakértői módszertani levelek és a szakértés minősége Az igazságügyi informatikai szakértés modellezése
RészletesebbenTÖRVÉNYESSÉGE ÉS A BIZONYÍTÉKOK ÉRTÉKELÉSE. A bizonyítás tárgya
végrehajtás szervezete továbbítja, a 20/2009. (VI. 19.) IRM rendeletben foglaltak szerint. Az első két nyilvántartás közvetlen felhasználói a büntetőeljárásban közreműködő szervek, a harmadik adatbázisnak
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
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
RészletesebbenA biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, hipotézisvizsgálatok Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet Hipotézis Állítás a populációról (vagy annak paraméteréről) Példák H1: p=0.5 (a pénzérme
RészletesebbenBüntető eljárásjog SZIGORLATI TÉTELEK 2012/2013. tanév tavaszi félévétől jogász szak levelező tagozatán. I. félév
Büntető eljárásjog SZIGORLATI TÉTELEK 2012/2013. tanév tavaszi félévétől jogász szak levelező tagozatán I. félév 1. Büntetőjog, büntetőeljárási jog; a büntetőeljárás tartalma és feladatai 2. A büntetőeljárási
RészletesebbenStatisztika I. 10. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk
RészletesebbenVIZSGADOLGOZAT. I. PÉLDÁK (60 pont)
VIZSGADOLGOZAT (100 pont) A megoldások csak szöveges válaszokkal teljes értékűek! I. PÉLDÁK (60 pont) 1. példa (13 pont) Az egyik budapesti könyvtárban az olvasókból vett 400 elemű minta alapján a következőket
RészletesebbenStatisztika, próbák Mérési hiba
Statisztika, próbák Mérési hiba ÁTLAG SZÓRÁS KICSI, NAGY MIN, MAX LIN.ILL LOG.ILL MEREDEKSÉG METSZ T.PROBA TREND NÖV Statisztikai függvények Statisztikailag fontos értékek Számtani átlag: ŷ= i y i /n Medián:
RészletesebbenNemparametrikus tesztek. 2014. december 3.
Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha
RészletesebbenDNS viszgálatok, számítási módszerek
DNS viszgálatok, számítási módszerek Apasági vizsgálatok Kizárás: -a gyereknél az apától örökölt allél nem egyezik a feltételezett apáéval - 3 kizárás esetén az apaság kizárható -100% Anya: 12-13, kk.
RészletesebbenMatematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
RészletesebbenNem-paraméteres és paraméteres módszerek. Kontingencia tábla, rangtranszformálás, párosított minták, két független minta
Nem-paraméteres és paraméteres módszerek Kontingencia tábla, rangtranszformálás, párosított minták, két független minta Az előadások célja bemutatni a hipotézis vizsgálat elveinek alkalmazását a gyakorlatban
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
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
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.
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
RészletesebbenPÉNZHAMISÍTÁS ELŐSEGÍTÉSE MIATT INDÍTOTT BÜNTETŐÜGY SZABÓ ISTVÁN ELLEN
PÉNZHAMISÍTÁS ELŐSEGÍTÉSE MIATT INDÍTOTT BÜNTETŐÜGY SZABÓ ISTVÁN ELLEN Btk. 305. (NIRIIVIANK) Védelem MÓDOSÍTOTT BEADVÁNY 2009.12.13 Készítette : Sebestyén Adalbert - THL5CK... BMF-NIK Mérnök Informatikus
RészletesebbenPopulációbecslések és monitoring
Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány
RészletesebbenIntelligens orvosi műszerek VIMIA023
Intelligens orvosi műszerek VIMIA023 Diagnózistámogatás = döntéstámogatás A döntések jellemzése (ROC, AUC) 2018 ősz http://www.mit.bme.hu/oktatas/targyak/vimia023 dr. Pataki Béla pataki@mit.bme.hu (463-)2679
Részletesebben10. GYAKORLÓ FELADATSOR MEGOLDÁSA
10. GYAKORLÓ FELADATSOR MEGOLDÁSA 1. Egy vállalatnál 180 férfi és 120 nő dolgozik. A férfiak közül 70-en, a nők közül 30-an hordanak szemüveget. Kiválasztunk véletlenszerűen egy dolgozót. (a) Mi a valószínűsége
Részletesebbennem kezelt 1.29, 1.60, 2.27, 1.31, 1.81, 2.21 kezelt 0.96, 1.14, 1.59
1. feladat Egy szer rákellenes hatását vizsgálták úgy, hogy 9 egér testébe rákos sejteket juttattak be. Közülük 3 véletlenszerűen kiválasztott egérnek kezelésként beadták a vizsgálandó szert, 6-nak pedig
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenOrvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN
Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás
RészletesebbenA poligráfos vizsgálat
A poligráfos vizsgálat Hitek és tévhitek Hitek és tévhitek A poligráf leleplezi a hazugságot? A poligráfos vizsgálat több mint vallomásellenőrzés? Igazak az 1960-as években megfogalmazott vádak, miszerint
RészletesebbenA Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
RészletesebbenThe nontrivial extraction of implicit, previously unknown, and potentially useful information from data.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó
RészletesebbenA Hardy-Weinberg egyensúly. 2. gyakorlat
A Hardy-Weinberg egyensúly 2. gyakorlat A Hardy-Weinberg egyensúly feltételei: nincs szelekció nincs migráció nagy populációméret (nincs sodródás) nincs mutáció pánmixis van allélgyakoriság azonos hímekben
RészletesebbenAZ ALKOTMÁNYBÍRÓSÁG 3248/2015. (XII. 8.) AB VÉGZÉSE. Az Alkotmánybíróság tanácsa alkotmányjogi panasz tárgyában meghozta a következő.
2996 AZ ALKOTMÁNYBÍRÓSÁG 3248/2015. (XII. 8.) AB VÉGZÉSE alkotmányjogi panasz visszautasításáról Az Alkotmánybíróság tanácsa alkotmányjogi panasz tárgyában meghozta a következő végzést: Az Alkotmánybíróság
RészletesebbenKollokviumi kérdések büntetőeljárási jogból 2011/12-es tanévtől visszavonásig
Kollokviumi kérdések büntetőeljárási jogból 2011/12-es tanévtől visszavonásig A 1. A büntetőeljárás és a büntetőeljárási jog (alapfogalmak, feladatok) 2. A büntetőeljárási jog forrásai és hatálya 3. A
Részletesebbena jog és prvilága között Tóth Péter Benjamin Artisjus, kommunikációs vezető
Tudathasadás és együttműködés a jog és prvilága között Tóth Péter Benjamin Artisjus, kommunikációs vezető L Aquila2009 Szeizmológusokpere 2012 Tévesen megnyugtató közlemény kiadása a legsúlyosabb földrengés
Részletesebben1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba
Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai
RészletesebbenBEUGRÓ KÉRDÉSEK BÜNTETŐ ELJÁRÁSJOG STATIKUS RÉSZÉHEZ NAPPALI ÉS LEVELEZŐ TAGOZATOS HALLGATÓK RÉSZÉRE
BEUGRÓ KÉRDÉSEK BÜNTETŐ ELJÁRÁSJOG STATIKUS RÉSZÉHEZ NAPPALI ÉS LEVELEZŐ TAGOZATOS HALLGATÓK RÉSZÉRE 1. Határozza meg a büntetőeljárás, illetve a büntető eljárásjog fogalmát egy-egy mondatban! 2. Sorolja
RészletesebbenGenomikai Medicina és Ritka Betegségek Intézete Semmelweis Egyetem
Tisztelt Hölgyem, Tisztelt Uram! Örömmel jelentjük be Önöknek, hogy a Genomikai Medicina és Ritka Betegségek Intézetének egyik új projektje azon betegségek genetikai hátterének feltérképezésére irányul,
RészletesebbenStatisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában
Statisztikai alapok Leíró statisztika Lineáris módszerek a statisztikában Tudományosan és statisztikailag tesztelhető állítások? A keserűcsokoládé finomabb, mint a tejcsoki. A patkány a legrondább állat,
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
RészletesebbenKÖFOP VEKOP A
KÖFOP-2.1.2-VEKOP-15-2016-00001 A jó kormányzást megalapozó közszolgálat-fejlesztés Adatvédelmi kérdések a gyűlölet-bűncselekmények tanúinak kihallgatásakor Dombos Tamás Háttér Társaság Nemzeti Közszolgálati
RészletesebbenStatisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat
Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia
RészletesebbenStatisztikai alapfogalmak a klinikai kutatásban. Molnár Zsolt PTE, AITI
Statisztikai alapfogalmak a klinikai kutatásban Molnár Zsolt PTE, AITI Bevezetés Research vs. Science Kutatás Tudomány Szerkezeti háttér hiánya Önkéntesek (lelkes kisebbség) Beosztottak (parancsot teljesítő
RészletesebbenA Hardy Weinberg-modell gyakorlati alkalmazása
1 of 6 5/16/2009 2:59 PM A Hardy Weinberg-modell gyakorlati alkalmazása A genotípus-gyakoriság megoszlásának vizsgálata 1. ábra. A Hardy Weinberg-egyensúlyi genotípus-gyakoriságok az allélgyakoriság Számos
RészletesebbenLineáris regresszió vizsgálata resampling eljárással
Lineáris regresszió vizsgálata resampling eljárással Dolgozatomban az European Social Survey (ESS) harmadik hullámának adatait fogom felhasználni, melyben a teljes nemzetközi lekérdezés feldolgozásra került,
RészletesebbenFővárosi Törvényszék
Fővárosi Törvényszék 2018. 03. 12-14. 2018. 03. 12. Fővárosi Törvényszék földszint 38. 1.B. 469/2017 T. J. és társa különösen nagy kárt okozó csalás 2018. 03. 12. 9.00 A vád szerint T. J. I. r. vádlott
RészletesebbenTájékoztatott vagy tájékozott beteg kérdése
Tájékoztatott vagy tájékozott beteg kérdése Az elektív csípő- és térd-protézis műtéten résztvevő betegek tájékoztatásának vizsgálata Készítette: Fehér Mónika MSc ápoló hallgató Az elektív csípő- és térd-protézis
Részletesebben3. Milyen korlátozások vannak ha vannak egyáltalán a videokonferencia útján beszerezhető bizonyítéktípusok tekintetében?
Olaszország 1. Van-e lehetőség videokonferencia útján történő bizonyításfelvételre akár a megkereső tagállam bíróságának részvételével, akár közvetlenül e tagállam bírósága által? Ha igen, melyek a vonatkozó
RészletesebbenStatisztika Elıadások letölthetık a címrıl
Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel
RészletesebbenBME Nyílt Nap november 21.
Valószínűségszámítás, statisztika és valóság Néhány egyszerű példa Kói Tamás Budapesti Műszaki és Gazdaságtudományi Egyetem koitomi@math.bme.hu BME Nyílt Nap 2014. november 21. Matematikai modell Matematikai
RészletesebbenIV. Változók és csoportok összehasonlítása
IV. Változók és csoportok összehasonlítása Tartalom Összetartozó és független minták Csoportosító változók Két összetartozó minta összehasonlítása Két független minta összehasonlítása Több független minta
RészletesebbenPopulációbecslések és monitoring
Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány
RészletesebbenA közjegyzői nemperes eljárások
A közjegyzői nemperes eljárások A nemperes eljárás olyan eljárás amely nem a peres eljárás szabályai szerint zajlik (Kengyel Miklós) Célja eltérő: -perelterelő, permegelőző, perelőkészítő -Jogok, tények
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenMiért volt szükséges ez a vizsgálat?
CARMELINA: A linagliptin hatása a kardiovaszkuláris egészségre és a veseműködésre kardiovaszkuláris kockázattal rendelkező, 2-es típusú cukorbetegségben szenvedő betegeknél Ez egy 2-es típusú diabéteszben
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenTöbbleterő kifejtés. A Fővárosi Ítélőtábla Polgári Kollégiuma 1/2011. (III.28.) számú határozatával elfogadva.
Többleterő kifejtés A Fővárosi Ítélőtábla Polgári Kollégiuma 1/2011. (III.28.) számú határozatával elfogadva. FŐVÁROSI ÍTÉLŐTÁBLA POLGÁRI KOLLÉGIUMA Kollégiumi vélemény A rendkívüli munkateljesítmény értékelése
Részletesebben