Diagnosztikus tesztek értékelése
|
|
- Antal Fazekas
- 5 évvel ezelőtt
- Látták:
Átírás
1 Δn e Δc Δn b Δc szegregancia relevancia Diagnosztikus tesztek értékelése c Átlapoló eloszlások feltételezés: egy mérhető mennyiség (pl. koncentráció) megnövekszik a populációban (a megváltozás a lényeges és nem a megnövekedés) KAD Az átlapolás mértéke használhatatlan módszer Részleges átfedés Δn e Δc valódi Igazságmátrix ál elnevezés Ál Fals Hamis Téves Valódi Korrekt Igaz Helyes gyakorlati esetek False igazi állapot: vagy c True tökéletes módszer 3 Δn b Δc ál teszt szerint: vagy valódi 4
2 Prevalencia elterjedtség a tesztet megelőző valószínűség a-priorivalószínűség a ség gyakorisága a vizsgált populációban összes + de sp se sp 5 6 A tesztek megbízhatósága a következő diagnosztikus paraméterekkel írható le: relevancia csak 3 független! szegregancia Mindegyik tesztmódszer összehasonlítandó egy referencia módszerrel ( Goldstandard ) 25% 5% 75% 7 az ami biztosan jó, hiteles (néha csak a boncolás eredménye) 8
3 Diagnosztikus határérték érzékenység valódi arány annak a valószínűsége, hogy a teszt egy et nak talál a ek se 5% se + se 7% P( ) se + Nagy ú tesztek (közel %) a korai diagnózis során kívánatosak (screening), ekkor kevés marad felismerés nélkül. 9 se 9% se % Diagnosztikus sp 5% határérték sp 7% fajlagosság valódi arány specificity annak a valószínűsége, hogy a teszt egy et nak talál az ek P( ) sp + sp 9% sp % sp + Magas ú tesztek (közel %) akkor fontosak, ha az ál értékek súlyos következménnyel járnak. 2
4 Ál arány Ál arány másodfajú hiba false-negative rate/fraction annak a valószínűsége, hogy a teszt egy et nak talál a ek P( ) elsőfajú hiba false-positive rate/fraction annak a valószínűsége, hogy a teszt egy et nak talál az ek P( ) se + sp Arányok vízszintesen (prevalenciától függetlenek) teszt utáni (a-posteriori) valószínűségek, a prevalenciától erősen függenek Diagnosztikus relevancia korrekt pozitivitás prediktív érték positive predictive value PPV a ség jelenlétének a valószínűsége, ha a teszt a ak P() PPV összes se + se + ( sp) ( ) 5 6
5 Diagnosztikus szegregancia Téves figyelemfelkeltő arány korrekt negativitás prediktív érték negative predictive value NPV a ség hiányának a valószínűsége, ha a teszt a ak false alarm rate a ség hiányának a valószínűsége, ha a teszt a ak P( ) P( ) NPV összes sp ( ) + sp ( ) + ( se) PPV összes Téves megnyugtatási arány RELEVANCIA Arányok függőlegesen false reassurance rate a ség jelenlétének a valószínűsége, ha a teszt a ak SZEGREGANCIA P() NPV összes + 9 2
6 accuracy Diagnosztikus effektivitás helyes besorolás aránya (korrekt klasszifikáció) + + de se + sp ( ) összes gyakran a határértéket úgy választjuk meg, hogy az effektivitás maximális legyen 2 se p( P B) ál arány ál arány relevancia szegregancia téves figyelemfelkeltő arány téves megnyugtatási arány sp -se -sp PPV NPV -PPV -NPV Áttekintő tábla p( N E) p( N B) p( P E) p( B P) p( E N) p( E P) p( B N) a ek az ek a ek az ek a ak a ak a ak a ak a (valódi arány) a (valódi arány) a a prevalenciától függetlenek a-posteriori valószínűségek A prevalencia hatása Pl. A: 5% sp 9% Pl. B: % sp 9% (de 9%) Goldstandard Goldstandard egészs. egészs. NPV 9% teszt 9 NPV 99% 9 se 9% PPV 9% teszt se 9% (de 9%) PPV 5% Nagyon kicsi prevalencia esetén egy magasan szenzitív és egyidejűleg magasan specifikus teszt nagyon gyenge relevanciájú lehet prevalencia. % 98 % 98 % relevancia 4 %
7 Különböző diagnosztikus módszerek összehasonlítása. ROC görbék ROC: receiver-operator (operating) characteristic az első ROC az 95-es években (receiver: radar vevő) 97 körül az első orvosi alkalmazások Hasüregi folyadékgyülemek daganatdiagnosztikája Sensitivity (%) 5 a CEA és a koleszterin koncentráció megemelkedése karcinózissal kísért rákkal hozható összefüggésbe Specificity (%) 5 CEA Sensitivity (%) 5 Specificity (%) 5 koleszterin Melyik módszer jobb? Hogyan célszerű kiválasztani a legjobb határértéket? - 25 Gulyás M, Kaposi AD, Elek G, Szollár LG, Hjerpe A, Value of carcinoembryonic antigen (CEA) and cholesterol assays of ascitic fluid in cases of inconclusive cytology, J Clinical Pathology 2 (54) de se + sp ( ) de se + ( sp ) + de ( sp) + se se ( sp) + de + meredekség ha tengelymetszet (3 független adat) de : se ( sp) + 2 de de - pl.., meredekség: 9 se ( sp) + de + meredekség ha < : azonos diagnosztikus effektivitás esetén az egyenes meredeksége nagyobb mint. tengelymetszet ha > : azonos diagnosztikus effektivitás esetén az egyenes meredeksége kisebb mint. pl..6, meredekség: de de Azok a pontok, amelyek azonos diagnosztikus effektivitásúak, olyan egyenesen vannak, amelynek a meredeksége egy. Ha a de, akkor a tengelymetszet: ; Ha a de, akkor a tengelymetszet:. 27 de - - de 28
8 prevalence:. Izoeffektivitás görbék a ROC-on prevalence:.2 prevalence:.3 specificity specificity specificity haszontalan módszer prevalence:.4 prevalence: prevalence:.6 specificity specificity specificity jobb módszer 3 ROC analízis prevalence:. Ascites (+ koleszterin, - CEA) prevalence:.2 prevalence:.3 specificity specificity specificity prevalence:.4 prevalence: prevalence:.6 specificity specificity specificity
9 További példák Példa: maximalizáljuk a diganosztikus effektivitást! alacsony prevalencia esetén a CDT módszer jobb magasabb prevalencia esetén a GGT módszer jobb A CDT (carbohydrate deficient transferrin) és GGT (gamma-glutamyltransferase) módszerek ROC görbéi az alkoholizmus kimutatására. Mivel a CDT görbe gyakorlatilag mindig balra van a GGT-től, ezért a CDT-t jobb módszernek tartják Kiegészítés - + valószínűség probalility - esemény E biztos Események bekövetkezési esélyeinek számszerűsítésére szolgáló mérőszámok lehetetlen E bekövetkezése és nem bekövetkezése azonos esélyű valószínűség probability, p(e) + esély(érték) odds esély(érték) odds (chance) 35 Kiegészítés2 Eset-kontroll vizsgálat (case-control study) Kérdés: Lehet-e egy ség kialakulásában szerepet játszó tényező egy adott rizikófaktor? H : nincs összefüggés a rizikófaktor jelenléte és a ség kialakulása. Egy bizonyos séggel rendelkező embereket választunk ki (eset-ek), majd pedig két csoportba osztjuk őket egy feltételezett rizikófaktor megléte ill. hiánya szerint. Pl. krónikus hörghurutban szendvedőknél feltételezzük rizikófaktorként a dohányzást. Választunk melléjük egy olyan csoportot (kontroll), amely tagjainál a vizsgált ség nincs jelen. Őket is két csoportba osztjuk a feltételezett rizikófaktor megléte ill. hiánya szerint. A kontroll csoport egyedeinek számát úgy szokás megválasztani, hogy az nagyjából egyezzék meg az esetek számával. Ez a mintában mesterségesen egy 5 % körüli prevalenciát hoz létre. eset kontroll rizikófaktor jelen van rizikófaktor nincs jelen dohányzik nem dohányzik krónikus hörghurut a4 c6 nincs ség b2 d8 Itt nincs értelme kiszámítani a dohányzók a krónikus hörghurut valószínűségét!
10 rizikófaktor jelen van rizikófaktor nincs jelen esélyhányados OR dohányzik nem dohányzik a ség esélye a faktor megléte esetén a ség esélye a faktor hiánya esetén Meghatározható az OR 95 %-os konfidencia intervalluma. Ha az intervallum magában foglalja az értéket, akkor megtartjuk a nullhipotézist (a feltételezett rizikófaktor nem növeli a begegség esélyét). eset krónikus hörghurut a4 c6 kontroll nincs ség b2 d8 a b c d ad bc A ség esélye a rizikófaktror megléte esetén 2.7-szer nagyobb, mint a kontroll csoportban, ahol a rizikófaktor nincs jelen. (általánosan) A krónikus hörghurut esélye a dohányzók 2.7-szer nagyobb, mint a nemdohányzók. (konkrétan) SE(ln OR) a b c d 37 Kiegészítés3 Követéses (megfigyeléses, cohort) vizsgálat Kérdés: Mekkora kockázatot jelent a dohányzás a szívinfarktus kialakulása szempontjából? H : nincs összefüggés a dohányzás és a szívinfarktus kialakulása. Válogatás szempontja: dohányzik nem dohányzik. Később (pl. év múlva) megvizsgáljuk az infarktus előfordulási gyakoriságát a két csoportban. Az adatokat egy 2x2-es táblázatban rendezzük el. rizikófaktor (dohányzik) igen nem összesen (infarktus) igen a c a+c nem b d b+d összesen a+b c+d na+b+c+d 38 A kockázat mértéke a dohányosok : a/(a+b). A kockázat mértéke a nem dohányzók : c/(c+d) Ezekből kiszámítjuk az ún. relatív kockázatot (RR relative risk): a /( a + b) a ( c + d) RR c /( c + d) c ( a + b) ami megadja, hogy hányszor gyakoribb az adott ség kockázata adott rizikófaktor megléte esetében. RR várható értéke, tehát ha H igaz, akkor RR. Meghatározható az RR 95 %-os konfidencia intervalluma (RR-.96*SE; RR+.96*SE). Ha az intervallum magában foglalja az értéket, akkor megtartjuk a nullhipotézist: nincs összefüggés a rizikófaktor (dohányzás) és a ség (szívinfarktus) kialakulása. SE(lnRR) a /( a + b) c /( c + d) + a c 39 Kiegészítés4 Valószínűségi hányados (likelihood ratio) Olyan arány, amely megadja, hogy egy tesztmódszer milyen mértékben változtatja meg a ségi esélyeket. Pozitív teszt eredmény likelihood ratio-ja (posztteszt odds/preteszt odds): LR pos se + + sp + + Negatív teszt eredmény likelihood ratio-ja: LR neg se + + sp + + 4
Diagnosztikus tesztek értékelése
n e c n b c szegregancia relevancia Diagnosztikus tesztek értékelése c Átlapoló eloszlások feltételezés: egy mérhető mennyiség (pl. koncentráció) megnövekszik a populációban (a megváltozás a lényeges és
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
RészletesebbenKapcsolat vizsgálat II: kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR. ROC analízis.
Kapcsolat vizsgálat II: kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR. ROC analízis. Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati
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
RészletesebbenLOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1 Y: visszafizeti-e a hitelt x: fizetés (életkor)
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
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
RészletesebbenEPIDEMIOLÓGIA I. Alapfogalmak
EPIDEMIOLÓGIA I. Alapfogalmak TANULJON EPIDEMIOLÓGIÁT! mert része a curriculumnak mert szüksége lesz rá a bármilyen tárgyú TDK munkában, szakdolgozat és rektori pályázat írásában mert szüksége lesz rá
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
RészletesebbenSegítség az outputok értelmezéséhez
Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró
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
RészletesebbenKapcsolat vizsgálat II: kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR.
Kapcsolat vizsgálat II: kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR. Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika
RészletesebbenKabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.
Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:
RészletesebbenKapcsolat vizsgálat : kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR.
Kapcsolat vizsgálat : kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR. Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika
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.
RészletesebbenGYORSTESZTEK ALKALMAZÁSA A
GYORSTESZTEK ALKALMAZÁSA A GYÓGYSZERTÁRAKBAN DR. MISETA ILDIKÓ GÖLLE, SZENT ISTVÁN GYÓGYSZERTÁR Rozsnyay Mátyás emlékverseny Debrecen, 2012. május 10-12. BEVEZETÉS - CÉLKITŰZÉS Miért kell a gyorstesztekkel
RészletesebbenTúlélés analízis. Probléma:
1 Probléma: Túlélés analízis - Túlélési idő vizsgálata speciális vizsgálati módszereket igényel (pl. két csoport között az idők átlagait nem lehet direkt módon összehasonlítani) - A túlélési idő nem normális
RészletesebbenMATEMATIKA ÉRETTSÉGI május 8. EMELT SZINT
MATEMATIKA ÉRETTSÉGI 007. május 8. EMELT SZINT 1) Oldja meg a valós számok halmazán az alábbi egyenletet! x x 4 log 9 10 sin x x 6 I. (11 pont) sin 1 lg1 0 log 9 9 x x 4 Így az 10 10 egyenletet kell megoldani,
Részletesebbenföldtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás
Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább
RészletesebbenSúlyos infekciók differenciálása a rendelőben. Dr. Fekete Ferenc Heim Pál Gyermekkórház Madarász utcai Gyermekkórháza
Súlyos infekciók differenciálása a rendelőben Dr. Fekete Ferenc Heim Pál Gyermekkórház Madarász utcai Gyermekkórháza Miért probléma a lázas gyermek a rendelőben? nem beteg - súlyos beteg otthon ellátható
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
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
Részletesebben1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.
1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét
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
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
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:
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
RészletesebbenLogisztikus regresszió
Logisztikus regresszió Bekövetkezés esélye Valószínűség (P): 0 és 1 közötti valós szám, az esemény bekövetkezésének esélyét fejezi ki. Fej dobásának esélye: 1:2 = 1 2 = 0,5. Odds/esélyérték (O): a tét
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
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
RészletesebbenKapcsolat vizsgálat : kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR.
Kapcsolat vizsgálat : kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR. Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
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 -
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,
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
RészletesebbenDiagnosztikai eszközök technológiai értékelésének keretei
Diagnosztikai eszközök technológiai értékelésének keretei Dr. Vittay Pál Papp Eszter GYEMSZI TEI Főosztály Orvostechnikai eszközök csoportosítása felhasználási terület szerint egészségfejlesztés prevenció
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
RészletesebbenV. Gyakorisági táblázatok elemzése
V. Gyakorisági táblázatok elemzése Tartalom Diszkrét változók és eloszlásuk Gyakorisági táblázatok Populációk összehasonlítása diszkrét változók segítségével Diszkrét változók kapcsolatvizsgálata Példák
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
RészletesebbenCardiovascularis (szív- és érrendszeri) kockázat
Cardiovascularis (szív- és érrendszeri) kockázat Varga Gábor dr. www.gvmd.hu 1/7 Cardiovascularis kockázatbecslő tábla Fatális szív- és érrendszeri események előfordulásának kockázata 10 éven belül Nő
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
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
RészletesebbenPrenaTest Újgenerációs szekvenálást és z-score
PrenaTest Újgenerációs szekvenálást és z-score számítást alkalmazó, nem-invazív prenatális molekuláris genetikai teszt a magzati 21-es triszómia észlelésére, anyai vérből végzett DNS izolálást követően
RészletesebbenPopulációbecslés és monitoring. Eloszlások és alapstatisztikák
Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk
RészletesebbenA biostatisztika alapfogalmai, valószínűségszámítási alapok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, valószínűségszámítási alapok Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Véletlen kísérlet A kimenetele nincs egyértelműen meghatározva
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
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
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
RészletesebbenDózis-válasz görbe A dózis válasz kapcsolat ábrázolása a legáltalánosabb módja annak, hogy bemutassunk eredményeket a tudományban vagy a klinikai
Dózis-válasz görbe A dózis válasz kapcsolat ábrázolása a legáltalánosabb módja annak, hogy bemutassunk eredményeket a tudományban vagy a klinikai gyakorlatban. Például egy kísérletben növekvő mennyiségű
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. 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
RészletesebbenLeast Squares becslés
Least Squares becslés A négyzetes hibafüggvény: i d i ( ) φx i A négyzetes hibafüggvény mellett a minimumot biztosító megoldás W=( d LS becslés A gradiens számítása és nullává tétele eredményeképp A megoldás
RészletesebbenMódszertani áttekintés
Módszertani áttekintés 1. A CSŐDMODELLEKNÉL ALKALMAZOTT STATISZTIKAI MÓDSZEREK... 1 1.1. DISZKRIMINANCIA ANALÍZIS... 1 1.2. REGRESSZIÓS MODELLEK... 3 1.2.1. Logisztikus (logit) regresszió... 4 1.2.2. Probit
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
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
RészletesebbenTüdőrák kockázata PVC előállításával foglalkozó munkások körében
MUNKABALESETEK ÉS FOGLALKOZÁSI MEGBETEGEDÉSEK.2 Tüdőrák kockázata PVC előállításával foglalkozó munkások körében Tárgyszavak: PVC; por; porexpozíció; tüdőrák; foglalkozási betegség. A vinil-klorid monomer
RészletesebbenVárandós nők Streptococcus agalactiaeszűrése
Várandós nők Streptococcus agalactiaeszűrése MALDI-TOF MS módszerrel Pappné Ábrók Marianna, Arcson Ágnes, Urbán Edit, Deák Judit Szegedi Tudományegyetem, Általános Orvostudományi Kar Klinikai Mikrobiológiai
Részletesebbenegyetemi jegyzet Meskó Balázs
egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.
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
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
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
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
RészletesebbenBiometria az orvosi gyakorlatban. Regresszió Túlélésanalízis
SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió
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
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
RészletesebbenSzámítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA
SZDT-03 p. 1/24 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás
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
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
RészletesebbenEredmények kiértékelése
Eredmények kiértékelése Nagyméretű adathalmazok kezelése (2010/2011/2) Katus Kristóf, hallgató Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tanszék 2011. március
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
RészletesebbenGeokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka
Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com ALAPFOGALMAK:
RészletesebbenAz Integrált-teszt. teszt összehasonlítása a jelenlegi terhesgondozás gyakorlatával
Az Integrált-teszt teszt összehasonlítása a jelenlegi terhesgondozás gyakorlatával Skriba Eszter /Állami Egészségügyi Központ/ Merhala Zoltán Timmermann Gábor /SE.II. Női Klinika/ Magzati Diagnosztikai
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése
Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık
RészletesebbenVállalkozási finanszírozás kollokvium
Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28
RészletesebbenHipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
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
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
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
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
RészletesebbenREICZIGEL JENŐ: VÁLOGATOTT FEJEZETEK A BIOSTATISZTIKÁBÓL
REICZIGEL JENŐ: VÁLOGATOTT FEJEZETEK A IOSTATISZTIKÁÓL Szent István Egyetem Állatorvostudományi Kar udapest, 2005. Reiczigel Jenő: Válogatott fejezetek a biostatisztikából 2 Tartalomjegyzék 1. evezetés
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,
RészletesebbenElőadó: Dr. Kertész Krisztián
Előadó: Dr. Kertész Krisztián E-mail: k.krisztian@efp.hu A termelés költségei függenek a technológiától, az inputtényezők árától és a termelés mennyiségétől, de a továbbiakban a technológiának és az inputtényezők
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:
RészletesebbenSzoftverminőségbiztosítás
NGB_IN003_1 SZE 2017-18/2 (9) Szoftverminőségbiztosítás Specifikáció alapú (black-box) technikák A szoftver mint leképezés Szoftverhiba Hibát okozó bement Hibás kimenet Input Szoftver Output Funkcionális
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenÖkonometria. Logisztikus regresszió. Ferenci Tamás 1 Nyolcadik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék
Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Nyolcadik fejezet Tartalom V. esettanulmány 1 V. esettanulmány Csődelőrejelzés 2 Általános gondolatok 3 becslése
RészletesebbenSTATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.
STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
RészletesebbenÖREGEDÉS ÉLETTARTAM, EGÉSZSÉGES ÖREGEDÉS
ÖREGEDÉS ÉLETTARTAM, EGÉSZSÉGES ÖREGEDÉS Mi az öregedés? Egyrészről az idő múlásával definiálható, a születéstől eltelt idővel mérhető, kronológiai sajátosságú, Másrészről az idő múlásához köthető biológiai,
Részletesebben4. LECKE: DÖNTÉSI FÁK - OSZTÁLYOZÁS II. -- Előadás. 4.1. Döntési fák [Concepts Chapter 11]
1 4. LECKE: DÖNTÉSI FÁK - OSZTÁLYOZÁS II. -- Előadás 4.1. Döntési fák [Concepts Chapter 11] A döntési fákon alapuló klasszifikációs eljárás nagy előnye, hogy az alkalmazása révén nemcsak egyedenkénti előrejelzést
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
RészletesebbenA terápiaeredményesség kockázatának átvétele, megosztása
A terápiaeredményesség kockázatának átvétele, megosztása Dr. Bidló Judit Főosztályvezető Döntéshozói dilemma Klinikai vizsgálatok eredményei Hatásosság Biztonság Tolrálhatóság Életminőség Gazdasági kérdések
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
Részletesebbens n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
RészletesebbenCsalád, barátok, közösségek a testi, lelki és szociális jól-lét kapcsolata városi fiatal felnőttek körében
Család, barátok, közösségek a testi, lelki és szociális jól-lét kapcsolata városi fiatal felnőttek körében Busa Csilla*, Tistyán László*, Kesztyüs Márk*, Füzesi Zsuzsanna** *Fact Alkalmazott Társadalomtudományi
RészletesebbenTU 7 NYOMÁSSZABÁLYZÓ ÁLLOMÁSOK ROBBANÁSVESZÉLYES TÉRSÉGÉNEK MEGHATÁROZÁSA ÉS BESOROLÁSA AZ MSZ EN 60079-10:2003 SZABVÁNY SZERINT.
TU 7 NYOMÁSSZABÁLYZÓ ÁLLOMÁSOK ROBBANÁSVESZÉLYES TÉRSÉGÉNEK MEGHATÁROZÁSA ÉS BESOROLÁSA AZ MSZ EN 60079-10:2003 SZABVÁNY SZERINT. Előterjesztette: Jóváhagyta: Doma Géza koordinációs főmérnök Posztós Endre
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.
Részletesebben