LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála
|
|
- Zalán Lakatos
- 5 évvel ezelőtt
- Látták:
Átírás
1 LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1
2 Y: visszafizeti-e a hitelt x: fizetés (életkor) (igen-nem típusú változó) (folytonos változó) Y f 0 1 Bevezetés Mit jelent a logit regresszió? Legyen a szakmai kérdés: Mi a valószínűsége, hogy adott életkorú (adott fizetéssel rendelkező) ember visszafizeti a hitlét? x π: visszafizetés valószínűsége általában nem lineáris fv. Creditability good Transzformáljuk! bad Age in years BIOMETRIA2_NEMPARAMÉTERES_5 2
3 Transzformáció célja: linearizáljuk a függvényt Y tr x Logit(Creditability) π esély ln(esély)=logit (0,1) (0, ), esély = π 1 π logit ln 1 logit az esély logaritmusa logit ln x 1 lineáris függvény Age in years BIOMETRIA2_NEMPARAMÉTERES_5 3
4 logit ln x 1 összefüggés regressziós módszerekkel kiszámítható: azaz megadható, hogy hogyan függ a hitel visszafizetésének esélyének logaritmusa az életkortól e 1 e x x az így becsült logit értékből visszaszámolható a hitel visszafizetésének valószínűsége BIOMETRIA2_NEMPARAMÉTERES_5 4
5 Ahogy a szokásos regressziónál, itt is a következő feladataink vannak: a függvény paramétereinek ( és ) becslése a függvény alkalmasságának vizsgálata statisztikai próbák a függvényre vagy paramétereire konfidencia-tartományok számítása a paraméterekre BIOMETRIA2_NEMPARAMÉTERES_5 5
6 T 3 y Dichotom (bináris) függő változó, folytonos független változó 1. példa A. Agresti: Categorical data analysis, J. Wiley, 2002, p. 199 A Challenger űrrepülőgép katasztrófája (1986) után megvizsgálták, hogy a korábbi 23 repülés során mely esetekben károsodott a kritikusnak bizonyult O-gyűrű (1, ha igen, 0, ha nem), és ekkor milyen volt a külső hőmérséklet ( 0 F). BIOMETRIA2_NEMPARAMÉTERES_5 6
7 1.2 Scatterplot of y against T challenger 10v*23c y T BIOMETRIA2_NEMPARAMÉTERES_5 7
8 1,2 1,0 0,8 0,6 ln x 1 0,4 0,2 0,0 Szignifikáns a hőmérséklet hatása? H 0 : β = 0-0, T y Pred. Intercept T Scale y - Parameter estimates (challenger) Distribution : BINOMIAL, Link function: LOGIT Modeled probability that y = 1 Level of Column Estimate Standard Wald p Error Stat BIOMETRIA2_NEMPARAMÉTERES_5 8
9 Számítsuk ki a károsodás valószínűségét a baleset környezeti hőmérsékletére (31 0 F)! ln x exp logit 1 exp logit exp exp Intercept T Scale y - Parameter estimates (challenger) Distribution : BINOMIAL, Link function: LOGIT Modeled probability that y = 1 Level of Column Estimate Standard Wald p Error Stat BIOMETRIA2_NEMPARAMÉTERES_5 9
10 Pearson-reziduum: Illeszkedés jósága Pearson reziduum y i Yˆ i általában Vary ˆ 1 ˆ i esetünkre: y i i ˆ i i Négyzetösszege (ha az illesztett egyenes adekvát) közelítőleg 2 -eloszlást követ, n-paraméterek száma (egyenes esetén n-2) szabadsági fokkal. A próbastatisztika: 2 0 n i1 y i ˆ i ˆ 1 ˆ y - Statistics of goodness of fit (challen Distribution : BINOMIAL, Link function: Modeled probability that y = 1 Stat. Df Stat. Stat/Df Deviance Scaled Deviance Pearson Chi² Scaled P. Chi² i 2 i 11
11 L D L L max 2ln 2 ln max ln Lmodell modell 1 y ln y ln L max yi ln yi i 1 i i abx o ln L y a bx ln 1 e modell Illeszkedés jósága - deviancia i i i A deviancia is közelítőleg 2 -eloszlást követ, egyenes esetén n-2 szabadsági fokkal y - Statistics of goodness of fit (challen Distribution : BINOMIAL, Link function: Modeled probability that y = 1 Stat. Df Stat. Stat/Df Deviance Scaled Deviance Pearson Chi² Scaled P. Chi²
12 Szenzitivitás: annak valószínűsége, hogy a modell az esemény bekövetkezését jósolja és tényleg bekövetkezik 1,2 ROC Curve Area: ,0 0,8 Sensitivity 0,6 0,4 0,2 0,0 (Receiver Operating Characteristic) -0,2-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1-Specificity Specificitás: annak valószínűsége, hogy a modell az esemény be nem következését jósolja és valóban nem következik be
13 Kell-e másodfokú függvény? Intercept T T^2 y - Likelihood Type 1 Test (challenger) Distribution : BINOMIAL Link function: LOGIT Degr. of Log- Chi- p Freedom Likelihd Square Döntés? BIOMETRIA2_NEMPARAMÉTERES_5 13
14 2. példa StatSoft példa, source: Credit scoring: a törlesztési hajlandóság függése az életkortól 1 Creditability 2 Age in years az adatfile részlete bad 24 good 48 bad 26 good 44 good 25 good 39 bad 31 BIOMETRIA2_NEMPARAMÉTERES_5 14
15 Statistics >Advanced Linear/Nonlinear Models > > Generalized Linear/Nonlinear Models BIOMETRIA2_NEMPARAMÉTERES_5 15
16 Estimates Intercept Age in years Scale Creditability - Parameter estimates (creditscoring) Distribution : BINOMIAL Link function: LOGIT Level of Column Estimate Standard Wald p Error Stat logit ln 1 x BIOMETRIA2_NEMPARAMÉTERES_5 16
17 Dichotom függő változó, névleges skálán mért független változó A függő és a független változó is csak kétféle értéket vehet föl pl. x kétféle értéket vehet föl (van-e telefonja vagy sem), azaz x=0 vagy x=1 ln 1 x A paraméter jelentése: ennyivel változik az esély logaritmusa, ha x 0-ról 1-re változik BIOMETRIA2_NEMPARAMÉTERES_5 17
18 3. példa StatSoft példája source: Credit scoring: a törlesztési hajlandóság függ-e attól, hogy van-e telefonja 1 Creditability 2 Telephone bad good bad good good good bad yes yes yes yes yes no no az adatfile részlete BIOMETRIA2_NEMPARAMÉTERES_5 18
19 Intercept Telephone Telephone Scale Creditability - Parameter estimates (creditscoring) Distribution : BINOMIAL Link function: LOGIT Level of Column Estimate Standard Wald p Error Stat yes no logit ln 1 x ˆ Y ha nincs telefonja Yˆ val változik az ln esélyhányados, ha x 0 1 re változik (nincs van) ha van e 1 e x x e 1 e e 1 e logit ˆ logit e 1 e ˆ ha nincs telefonja ha van BIOMETRIA2_NEMPARAMÉTERES_5 19
20 Dichotom függő változó, több független változó Y x x x x i 0 0i 1 1i 2 2i r ri Mindegyik x lehet folytonos vagy diszkrét, vegyesen is lehet BIOMETRIA2_NEMPARAMÉTERES_5 20
21 4.1. példa A tumor-átmérő (x) és az 5 éves túlélés kimenetele (y) közötti összefüggést vizsgálták 181 beteg adataiból. Intercept TUATM Scale Intercept TUATM tul5evm - Parameter estimates (DRPETE3f) Distribution : BINOMIAL Link function: LOGIT Level of Column Estimate Standard Wald p Error Stat Konfidencia-intervallum a paraméterekre: tul5evm - Confidence Intervals of Estimates (DRPETE3 Distribution : BINOMIAL Link function: LOGIT Level of Column Lower CL Upper CL 95. % 95. % ln x 1 azaz ha a tumor átmérője egy egységgel nő, az 5 éves túlélés esélyének logaritmusa kb dal csökken BIOMETRIA2_NEMPARAMÉTERES_5 21
22 ln x 1 Kérdések: e 1 e x x Mennyi az 5 éves túlélés valószínűsége, ha a tumorátmérő 0 mm? Mennyi az 5 éves túlélés valószínűsége, ha a tumorátmérő 38 mm? Mekkora tumorátmérőnél lesz az 5 éves túlélés valószínűsége 40%? Hányszor nagyobb az 5 éves túlélés valószínűsége, ha a tumorátmérő 40 mm? BIOMETRIA2_NEMPARAMÉTERES_5 22
23 Modell jósáságának vizsgálata: A tapasztalati és becsült esélyhányados: Observed 1 0 Classification of cases (DRPETE3f Odds ratio: Log odds ratio: infinity Predicted Predicted Percent 1 0 correct π > 0.5 túléltnek becsüljük főátlóbeli elemeknek kell nagynak lennie, azaz ennek a modellnek a magyarázó ereje csekély tul5pre becsült túlélési valószínűség TUATM tul5evm tapasztalt túlélés TUATM (0,2] (2,4] (4,6] (6,8] (8,10] (10,12] (12,14] (14,16] (16,18] (18,20] (20,22] > 22
24 Modell jósáságának vizsgálata: 1,2 ROC Curve Area: ,0 0,8 Sensitivity 0,6 0,4 0,2 0,0-0,2-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1-Specificity BIOMETRIA2_NEMPARAMÉTERES_5 24
25 4.2. példa Vizsgáljuk most azt a modellt, mely a tumor-átmérő (x 1 ), az ér-nyirokér-áttét léte (x 2 ) és az 5 éves túlélés kimenetele (y) közötti összefüggést írja le (x 2 =0, ha nem volt ilyen áttét, x 2 =1, ha volt). Intercept TUATM ernyirokm Scale tul5evm - Parameter estimates (DRPETE3f) Distribution : BINOMIAL Link function: LOGIT Level of Column Estimate Standard Wald p Error Stat Observed 0 1 Classification of cases (DRPETE3f.sta Odds ratio: Log odds ratio: Include condition: exit1<>6 Predicted Predicted Percent 0 1 correct BIOMETRIA2_NEMPARAMÉTERES_5 25
26 4.3. példa Vegyük bele az előbbi modellbe a tumor-átmérő (x 1 ), az érnyirokér-áttét léte (x 2 ) közti kölcsönhatást is! Intercept ernyirokm TUATM ernyirokm*tuatm Scale tul5evm - Parameter estimates (DRPETE3f.sta) Distribution : BINOMIAL, Link function: LOGIT Modeled probability that tul5evm = 0 Include condition: exit1<>6 Level of Column Estimate Standard Wald Lower CL Upper CL p Error Stat. 95. % 95. % Observed 0 1 Classification of cases (DRPETE3f.sta Odds ratio: Log odds ratio: Include condition: exit1<>6 Predicted Predicted Percent 0 1 correct BIOMETRIA2_NEMPARAMÉTERES_5 26
Logisztikus regresszió
Logisztikus regresszió 9. előadás Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó () Nem metrikus Metrikus Kereszttábla
RészletesebbenLogisztikus regresszió
Logisztikus regresszió Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó (x) Nem metrikus Metrikus Kereszttábla elemzés
RészletesebbenKISTERV2_ANOVA_
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
RészletesebbenLogisztikus regresszió október 27.
Logisztikus regresszió 2017. október 27. Néhány példa Mi a valószínűsége egy adott betegségnek a páciens bizonyos megfigyelt jellemzői (pl. nem, életkor, laboreredmények, BMI stb.) alapján? Mely genetikai
RészletesebbenBIOMETRIA_ANOVA_2 1 1
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
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
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
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
RészletesebbenTöbb laboratórium összehasonlítása, körmérés
Több oratórium összehasonlítása, körmérés colorative test, round robin a rendszeres hibák ellenőrzése, számszerűsítése Statistical Manual of AOAC, W. J. Youden: Statistical Techniques for Colorative Tests,
RészletesebbenPhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats
PhEur... Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats 00 80 60 0 0 00 80 60 0 0 catterplot of multiple variables against dose PhEur_.sta
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
RészletesebbenEgy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban
Egy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika 2015-11-26 prohoz@kut.sote.hu
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
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
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
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
Részletesebben: az i -ik esélyhányados, i = 2, 3,..I
Kabos: Adatelemzés Ordinális logisztikus regresszió-1 Többtényezős regresszió (az adatelemzésben): Y közelítése b 1 X 1 + b 2 X 2 +... + b J X J alakban, y n = b 1 x n,1 + b 2 x n,2 +... + b J x n,j +
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
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenBevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Logistic regression. Quantitative Statistical Methods. Dr.
Logistic regression Quantitative Statistical Methods Dr. Szilágyi Roland Dependent (y) Quantit ative Qualitative Gazdaságtudományi Kar Connection Analysis Qualitative Independent variable() Quantitative
RészletesebbenFIZIKAI KÉMIA II. házi dolgozat. Reakciókinetikai adatsor kiértékelése (numerikus mechanizmusvizsgálat)
FIZIKAI KÉMIA II. házi dolgozat Reakciókinetikai adatsor kiértékelése (numerikus mechanizmusvizsgálat) Készítette: () Kémia BSc 2008 évf. 2010 1 A numerikus mechanizmusvizsgálat feladatának megfogalmazása
Részletesebbenπ = P(y bekövetkezik)
Biomatematika (SZIE ÁOTK, 2011. tavasz) 1 A logit modell (=logisztikus regresszió) Ha a függő változó (y ) dichotom (=két lehetséges értéke van, pl. túlélés-halál, siker-kudarc stb.), akkor általában azt
RészletesebbenEgy és (többváltozós) logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban
Egy és (többváltozós) logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika 2016-11-24 prohoz@kut.sote.hu
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
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,
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
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 -
RészletesebbenDiszkriminancia-analízis
Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független
RészletesebbenValó szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny
Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.
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
RészletesebbenEsettanulmány. A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre. Tartalomjegyzék. 1. Bevezetés... 2
Esettanulmány A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre Tartalomjegyzék 1. Bevezetés... 2 2. A lineáris modell alkalmazhatóságának feltételei... 2 3. A feltételek teljesülésének
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
RészletesebbenRegresszió számítás az SPSSben
Regresszió számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Lineáris regressziós modell X és Y közötti kapcsolatot ábrázoló egyenes. Az Y függ: x 1, x 2,, x p p db magyarázó változótól
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
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
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
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
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
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenLikelihood, deviancia, Akaike-féle információs kritérium
Többváltozós statisztika (SZIE ÁOTK, 2011. ősz) 1 Likelihood, deviancia, Akaike-féle információs kritérium Likelihood függvény Az adatokhoz paraméteres modellt illesztünk. A likelihood függvény a megfigyelt
RészletesebbenTúlélés elemzés október 27.
Túlélés elemzés 2017. október 27. Néhány példa Egy adott betegség diagnózisától kezdve mennyi ideje van hátra a páciensnek? Tipikusan mennyi ideig élhet túl? Bizonyos ráktípus esetén mennyi idő telik el
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
RészletesebbenKorreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
Korreláció, regresszió Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Két folytonos változó közötti kapcsolat Tegyük fel, hogy 6 hallgató a következő válaszokat adta egy felmérés
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
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
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
RészletesebbenEgy és (többváltozós) logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban
Egy és (többváltozós) logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika 2017-11-23 prohoz@kut.sote.hu
RészletesebbenA modellben az X és Y változó szerepe nem egyenrangú: Y (x n )
Kabos: Adatelemzés Regresszió-1 Regresszió (az adatelemzésben): Y (x n ) = l(x n ) + ε n, n = 1, 2,.., N, ahol ε 1,.., ε N független N(0, σ 2 ) eloszlású valószínűségi változók, és σ ismeretlen paraméter,
RészletesebbenStatistical Inference
Petra Petrovics Statistical Inference 1 st lecture Descriptive Statistics Inferential - it is concerned only with collecting and describing data Population - it is used when tentative conclusions about
RészletesebbenÖkonometria. Logisztikus regresszió. Ferenci Tamás 1 tamas.ferenci@medstat.hu. 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
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
RészletesebbenAZ ÁLTALÁNOSÍTOTT LINEÁRIS MODELL ÉS BIZTOSÍTÁSI ALKALMAZÁSAI
MÓDSZERTANI TANULMÁNYOK AZ ÁLTALÁNOSÍTOTT LINEÁRIS MODELL ÉS BIZTOSÍTÁSI ALKALMAZÁSAI A biztosítási károk alakulásának modellezésére jól alkalmazható az általánosított lineáris modell, amely alkalmas arra,
Részletesebben4. példa: részfaktorterv+fold-over, centrumponttal
4. példa: 7-4 részfaktorterv+fold-over, centrumponttal A kísérletek célja egy speciális anyag optimális előállítási körülményeinek meghatározása volt. A célfüggvény a kihozatal %, melynek maximális értékét
RészletesebbenFIT-jelentés :: Hild József Általános Iskola 1051 Budapest, Nádor u. 12. OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Hild József Általános Iskola 1051 Budapest, Nádor u. 12. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek összehasonlítása
RészletesebbenStatisztika II előadáslapok. 2003/4. tanév, II. félév
Statisztika II előadáslapok 3/4 tanév, II félév BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT Egyik konzervgyár vágott zöldbabot exportál A szabvány szerint az üvegek nettó töltősúlyának az átlaga 3 g, a szórása 5 g Az
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
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...
RészletesebbenFIT-jelentés :: Jedlik Ányos Gimnázium 1212 Budapest, Táncsics M. u. 92. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2008 Jedlik Ányos Gimnázium 1212 Budapest, Táncsics M. u. 92. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan
RészletesebbenFIT-jelentés :: Kecskeméti Református Gimnázium 6000 Kecskemét, Szabadság tér 7. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2008 Kecskeméti Református Gimnázium 6000 Kecskemét, Szabadság tér 7. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika
RészletesebbenFIT-jelentés :: Dobos C. József Vendéglátóipari Szakképző Iskola 1134 Budapest, Huba u. 7. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2008 Dobos C. József Vendéglátóipari Szakképző Iskola 1134 Budapest, Huba u. 7. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika
RészletesebbenFIT-jelentés :: Weöres Sándor Általános Iskola, Gimnázium és Szakközépiskola - Gimnáziumtagintézmény. Telephelyi jelentés
FIT-jelentés :: 2008 10. évfolyam :: 4 évfolyamos gimnázium Weöres Sándor Általános Iskola, Gimnázium és Szakközépiskola - Gimnáziumtagintézmény 1098 Budapest, Toronyház u. 21 Matematika Országos kompetenciamérés
RészletesebbenSTATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1
STATISZTIKAI ALAPOK Statisztikai alapok_eloszlások_becslések 1 Pulzus példa Egyetemista fiatalokból álló csoport minden tagjának (9 fő) megmérték a pulzusát (PULSE1), majd kisorsolták ki fusson és ki nem
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:
RészletesebbenFIT-jelentés :: Szerb Antal Gimnázium 1164 Budapest, Batthyány Ilona u. 12. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2008 Szerb Antal Gimnázium 1164 Budapest, Batthyány Ilona u. 12. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan
RészletesebbenEsetelemzések az SPSS használatával
Esetelemzések az SPSS használatával 1. Tekintsük az spearman.sav állományt, amely egy harminc tehenet számláló állomány etetés- és fejéskori nyugtalansági sorrendjét tartalmazza. Vizsgáljuk meg, hogy van-e
RészletesebbenOsztályozás, regresszió. Nagyméretű adathalmazok kezelése Tatai Márton
Osztályozás, regresszió Nagyméretű adathalmazok kezelése Tatai Márton Osztályozási algoritmusok Osztályozás Diszkrét értékkészletű, ismeretlen attribútumok értékének meghatározása ismert attribútumok értéke
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
RészletesebbenFIT-jelentés :: Szent-Györgyi Albert Általános Iskola és Gimnázium 1093 Budapest, Lónyay u. 4/c-8. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2008 Szent-Györgyi Albert Általános Iskola és Gimnázium 1093 Budapest, Lónyay u. 4/c-8. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása
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
RészletesebbenFIT-jelentés :: Árpád-házi Szent Erzsébet Középiskola 2500 Esztergom, Mindszenty tér 7. OM azonosító: Telephely kódja: 001
FIT-jelentés :: 2008 10. évfolyam :: 4 évfolyamos gimnázium 2500 Esztergom, Mindszenty tér 7. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek összehasonlítása
RészletesebbenSTATISZTIKA PRÓBAZH 2005
STATISZTIKA PRÓBAZH 2005 1. FELADATSOR: számítógépes feladatok (még bővülni fog számítógép nélkül megoldandó feladatokkal is) Használjuk a Dislexia Excel fájlt (internet: http:// starts.ac.uk)! 1.) Hasonlítsuk
RészletesebbenFIT-jelentés :: Ganz Ábrahám Kéttannyelvű Gyakorló Szakközépiskola és Szakiskola 1195 Budapest, Üllői út 303. OM azonosító:
FIT-jelentés :: 2008 Ganz Ábrahám Kéttannyelvű Gyakorló Szakközépiskola és Szakiskola 1195 Budapest, Üllői út 303. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola
FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Dr. Török Béla Óvoda, Általános Iskola, Speciális Szakiskola, Egységes Gyógypedagógiai Módszertani Intézmény, Diákotthon és Gyermekotthon 1142 Budapest,
RészletesebbenFIT-jelentés :: Petőfi Sándor Általános Iskola és Benedek Elek Tagiskola 2163 Vácrátót, Petőfi tér 6. OM azonosító: Telephely kódja: 001
FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Petőfi Sándor Általános Iskola és Benedek Elek Tagiskola 2163 Vácrátót, Petőfi tér 6. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek
Részletesebben13. Túlélési analízis. SURVIVAL ANALYSIS Nyári Tibor Ph.D., Boda Krisztina Ph.D.
13. Túlélési analízis SURVIVAL ANALYSIS Nyári Tibor Ph.D., Boda Krisztina Ph.D. Túlélési analízis Eredetileg biológiai és orvosi alkalmazásoknál használták Egyéb alkalmazások pl. szociológia, ipar, közgazdaságtan
RészletesebbenFIT-jelentés :: Kolping Katolikus Szakképző Iskola 7100 Szekszárd, Pázmány tér 4. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2008 7100 Szekszárd, Pázmány tér 4. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan jobban, hasonlóan,
RészletesebbenIntézményi jelentés. 10. évfolyam
FIT-jelentés :: 2008 Városmajori Gimnázium, Módszertani Információs Felnőttképzési Továbbképző és Vizsgaközpont 1122 Budapest, Városmajor 71. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az
RészletesebbenFIT-jelentés :: II. Rákóczi Ferenc Általános Iskola és Gimnázium 2000 Szentendre, Rákóczi u. 6. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2008 II. Rákóczi Ferenc Általános Iskola és Gimnázium 2000 Szentendre, Rákóczi u. 6. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása
RészletesebbenFIT-jelentés :: Bajza József Általános Iskola 1046 Budapest, Bajza u. 2. OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Bajza József Általános Iskola 1046 Budapest, Bajza u. 2. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek összehasonlítása
RészletesebbenFIT-jelentés :: Bolyai János Gimnázium és Kereskedelmi Szakközépiskola 2364 Ócsa, Falu Tamás u. 35. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2008 Bolyai János Gimnázium és Kereskedelmi Szakközépiskola 2364 Ócsa, Falu Tamás u. 35. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása
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,
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
RészletesebbenGyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió
Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió 1. A fizetés (Y, órabér dollárban) és iskolázottság (X, elvégzett iskolai év) közti kapcsolatot vizsgáljuk az Y t α + β X 2 t +
RészletesebbenFIT-jelentés :: Bláthy Ottó Titusz Informatikai Szakközépiskola és Gimnázium 1037 Budapest, Szépvölgyi út OM azonosító:
FIT-jelentés :: 2008 Bláthy Ottó Titusz Informatikai Szakközépiskola és Gimnázium 1037 Budapest, Szépvölgyi út 69-73. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola
FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Fazekas - Istvánffy Általános Iskola és Alapfokú Művészetoktatási Intézmény 3525 Miskolc, Fazekas u. 6. Matematika Országos kompetenciamérés 1 1 Átlageredmények
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola
FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Würtz Ádám Társult Általános Iskola és Egységes Pedagógiai Szakszolgálat Fő Utcai Tagiskola 7090 Tamási, Fő u. 1. Matematika Országos kompetenciamérés
RészletesebbenFIT-jelentés :: Stromfeld Aurél Általános Iskola 1202 Budapest, Mártirok u OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Stromfeld Aurél Általános Iskola 1202 Budapest, Mártirok u. 205. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek
RészletesebbenTöbbváltozós lineáris regresszió 3.
Többváltozós lineáris regresszió 3. Orlovits Zsanett 2018. október 10. Alapok Kérdés: hogyan szerepeltethetünk egy minőségi (nominális) tulajdonságot (pl. férfi/nő, egészséges/beteg, szezonális hatások,
RészletesebbenFIT-jelentés :: Gábor Dénes Gimnázium és Műszaki Szakközépiskola 6724 Szeged, Mars tér 14. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2008 Gábor Dénes Gimnázium és Műszaki Szakközépiskola 6724 Szeged, Mars tér 14. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
RészletesebbenFIT-jelentés :: Könyves Kálmán Gimnázium 1043 Budapest, Tanoda tér 1. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2008 Könyves Kálmán Gimnázium 1043 Budapest, Tanoda tér 1. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan
RészletesebbenFIT-jelentés :: Vörösmarty Mihály Gimnázium 2030 Érd, Széchenyi tér 1. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2008 Vörösmarty Mihály Gimnázium 2030 Érd, Széchenyi tér 1. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan
RészletesebbenFIT-jelentés :: Orosháza Város Általános Iskolája 5900 Orosháza, Előd u. 17. OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2008 Orosháza Város Általános Iskolája 5900 Orosháza, Előd u. 17. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan
RészletesebbenDiagnosztikus tesztek értékelése
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
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
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
Részletesebben