11.Négymezős táblázatok. Egyezés mérése: kappa statisztika Kockázat becslés: esélyhányados (OR) Kockázat becslés: relatív kockázat (RR)
|
|
- Alfréd Magyar
- 7 évvel ezelőtt
- Látták:
Átírás
1 .Négymezős táblázatok Egyezés mérése: kappa statisztika Kockázat becslés: esélyhányados (OR) Kockázat becslés: relatív kockázat (RR)
2 Az egyezés mérése:cohen s Kappa Kappa: az egyezés mérése két nominális (bináris) változó között. Jacob Cohen ( ). H 0 : =0 H A : 0 2
3 Megfigyelt gyakoriságok Egyezések. Teszt Teszt II Positív Negatív Total Pozitív a b R =a+b R /N Negatív c d R 2 =c+d R 2 /N Total C =a+c C 2 =b+d N N C /N C 2 /N Teszt I pozitív és negatív eredményeinek valószínűsége C /N és C 2 /N Teszt II pozitív és negatív eredményeinek valószínűsége:r /N és R 2 /N a d Megfigyelt egyezési valószínűség: p obs =(a+d)/n p O N 3
4 A valószínűségi függetlenség alapján : Pozitív Negatív Várt gyakoriságok aˆ R C ( AB) P( A) P( B) N N N Test I Pozitív P ˆ R N C N a N Negatív ˆ R 2 N C N d 2 N A várt egyezési valószínűség : p E aˆ N dˆ 4
5 5 Cohen s kappa N d a p observed N d a p E ˆ ˆ E E O p p p Standard error (SE) : } { ) ( ) ( 2 2 i i l i i i E E E Z S N Z S p p N p se A teszt statisztika 2 ) ( se ² eloszlás df. ² táblázat(α=0,05; FG=) érték = 3.84 (=.96²) N c a b a a N R C a N C N R N a B P A P AB P ) )( ( ˆ ˆ ˆ ) ( ) ( ) ( N d b d c d B P A P AB P ) )( ( ˆ ) ( ) ( ) (
6 Kappa tulajdonságai (Fleiss) Kiváló (jó) egyezés : κ0,75 Közepes egyezés : 0,4κ<0,75 Gyenge egyezés : κ<0,4 Megjegyzés: Létezik ötfokozatú bosztás is. 6
7 Az adat táblázat 7
8 Példa Ditchburn and Ditchburn(990) Üledékes vizsgálat alapján 229 gennyes vizeletet vizsgáltak mikrobiológiai laboratóriumban a standardnak tekintett tenyésztéssel, és egy gyors - teszttel. A vizsgálatok eredményeit szintén négymezős táblázatban összefoglalva kapjuk: Tenyésztés Gyors teszt Pozitív Negatív Összesen Pozitív Negatív Összesen a d p O 0,77 N 229 8
9 Megoldás: Várt gyakoriság aˆ C R P( AB) P( A) P( B) N N N * ,3 Tenyésztés Gyors teszt Pozitív Negatív Pozitív 52,3 Negatív 4,869 60,3 a d p 0,77 aˆ dˆ 52,3 60,3 O N 229 p E 0, 49 N 229 po p p 0,4< κ=0,546 <0,75 közepes egyezés. E E 0,546 74,869 9
10 Altman DG, Bland JM. Statistics Notes: Diagnostic tests : sensitivity and specificity BMJ 994; 308 : 552 Megfigyelt gyakoriságok Patológia Ultrahang pozitív negatív Össz pozitív negatív Összesen
11 Várt gyakoriságok aˆ R C RC P( AB) P( A) P( B) aˆ N N N N â =(263/344)*(258/344)*344=97,25 dˆ =(8/344)*(86/344)*344=20,25 Patológia Ultrahang pozitív negatív Össz pozitív 97, negatív (-) 20,25 8 Összesen
12 Cohen s kappa Megfigyelt és várt egyezési valószínűségek p Obs 0,828 p Exp 0,63 Cohen s kappa (κ)=0,53. 0,4<κ 0,75 -> közepes egyezés p obs a d N ,828 p E aˆ dˆ N 97,25 20, ,63 pobs p p E E ,53 2
13 Példa Egy vizsgálatban a megfigyelt ( p O =0,85) és várt (p E =0,5) valószínűségeket megadták. Számoljuk ki az egyezés mértékét (kappát)! Megoldás: H 0 : =0 H A : 0 Közepes egyezés : 0,4<κ számított =0,7<0,75 p O p p E E 0,85 0,5 0,5 0,35 0,5 0,7 3
14 Vizsga feladat Egy diagnosztikus tesztnél a 300 vizsgálatból 270 valódi pozitív és 30 valódi negatív eredményt találtak. Mekkora a módszer pozitív prediktív értéke? Számítsa ki a kappa értékét! 4
15 Az adatok alapján: Megoldás PPV=a/(a+b)=270/270= P O =(a+d)/n=(270+30)/300= P E =(E(a)+E(d))/N=(243+3)/300=246/300=0,82 E(a)=(270*270)/300=243 és E(d)=(30*30)/300=3 Kappa=(-0,82)/(-0,82)= Teszt I Teszt II pozitív negatív Össz pozitív a= negatív 0 d=30 30 Összesen
16 Odds ratio Esélyhányados
17 incidencia Mérőszámok Újesetek száma a vizsgált periódusban A kockázatnak kitett populáció száma a vizsgálat kezdetén Azaz a vizsgált betegség egy adott(érintett) populációbeli előfordulási gyakoriságát az adott időtartam alatt incidenciának nevezzük. prevalenci a A létező esetek száma Az érintett populáció száma a vizsgált időpontban. Azaz a vizsgált betegség egy adott(érintett) populációbeli előfordulási gyakoriságát a vizsgált időpontban prevalenciának nevezzük. Megjegyzés: a prevalenciát becsülhetjük az incidencia értékkel. 7
18 (Epidemiológiai) vizsgálatok típusai ESET- KONTROLL KOHORSZ Kockázati tényező? ESET EXPONÁLT Megbetegedés? Kockázati tényező? KONTROLL NEM EXPONÁLT Megbetegedés? Időben VISSZAMENVE vizsgálja a kockázati tényezőt Kiindulva a jelenből Időben ELŐRE HALADVA vizsgálja a betegség fellépését 8
19 Mérőszámok Kohorsz Incidencia Relatív kockázat (RR) Eset-Kontroll Esélyhányados (odds ratio) Keresztmetszeti Prevalencia Esélyhányados (odds ratio) 9
20 Kohorsz vizsgálatok Egy populációból vagy annak egy reprezentatív mintájából indul ki és a betegség és a kockázati tényező együttes jelenlétét vizsgálja minden egyes egyén estében a vizsgálat időpontjában. Időben ELŐRE HALADVA vizsgálja a kockázati tényező hatását a betegség kialakulására Kiinduláskor minden személy mentes a vizsgált betegségtől. Csak az exponáltság (kockázati tényező) megléte vagy nem léte ismert. A betegség kialakulásakor válik szét a beteg és kontroll csoport Incidenciát csak kohorsz vizsgálatban tudunk mérni!!! 20
21 Eset-kontroll vizsgálatok Időben VISSZAMENVE vizsgálja a kockázati tényező hatását a betegség kialakulására. Már ismert a diagnózis, így az eset csoportba kerülnek az adott betegségben szenvedők, és a feltételezett rizikó tényező(k) hatását vizsgálja a megfelelően kiválasztott kontroll csoporthoz viszonyítva. 2
22 Keresztmetszeti vizsgálatok Egy populációból vagy annak egy reprezentatív mintájából indul ki és a betegség és a kockázati tényező együttes jelenlétét vizsgálja minden egyes egyén estében a vizsgálat időpontjában. Csak a vizsgált tényező időpontbeli gyakoriságai mérhetők és azok összefüggései elemezhetők, a keresztmetszeti vizsgálatokat szokás prevalencia vizsgálatoknak is nevezni. Tisztázatlan eredetű megbetegedések elsősorban fertőző megbetegedések rövid idő alatti halmozódása esetén Etiológiai hipotézisek felállításához vezethet, amely hipotézisek tesztelése azután eset kontroll vagy kohorszvizsgálatban történhet. 22
23 Esélyhányados és a relatív kockázat Az esélyhányados (OR) az exponáltság és a nem exponáltság esélyarányát méri össze az esetcsoport (a : b) és a kontrollcsoport (c : d) vonatkozásában Relatív kockázat (RR) csak prospektív (kohorsz) vizsgálatokban mérhető, a p, p 2 valószínűségek(incidenciák) hányadosa. Véletlen (=nincs) kockázat esetén mind az OR, mind a RR -gyel egyenlő. Döntés: 95%-os konfidencia intervallummal 23
24 Az esély (esélyérték, odds) valószínűségszámítási fogalma Ha az A esemény valószínűsége P(A), akkor az A esemény bekövetkezésének esélye: Odds( A) P( A) P( A) P( A) P( A) amely megadja, hogy mennyiszer valószínűbb az A esemény bekövetkezése a be nem következés valószínűségéhez viszonyítva. Kiszámítása klasszikus valószínűség esetén: kedvező esetek száma osztva a kedvezőtlen esetek számával 24
25 A négymezős gyakorisági táblázat Megbetegedés Kockázati tényező: Igen Nem Összesen Igen a b a+b Nem c d c+d Összesen a+c b+d N a b ad OR( EH ) SE( OR) LN(OR),96 a b c d c a b c d bc 95% KI = e d RR a /( a b) c /( c d) SE( RR) a a b c c d 95% KI = e LN(RR),96 a ab c cd 25
26 Esélyhányados (Odds ratio) Eset-kontroll (vagy keresztmetszeti) vizsgálatokban egy kiválasztott rizikó tényező (pl.: dohányzás) adott (vizsgált) betegség kialakulására vonatkozó kockázatát adja meg. H 0 : OR= (esélyhányados a populációban ) H A : OR 26
27 Példa A dohányzás hatását vizsgálták a cervix HPV fertőzés kialakulásánál. H 0 : OR= H A : OR HPV Igen Nem Total Dohányzás Igen Nem Total OR ad 56 *438,9 SE( OR) 0, cb 90 *
28 Eredmények OR ad 56 *438,9 SE( OR) 0, cb 90 * % CI = 2,78 ln(.9) ,30 ; 2,80 Az OR=,9 és 95% konfidencia intervallum (95%KI) [, ] NEM tartalmazza -t, így H A t fogadjuk el. Azaz,9 szeres kockázat a dohányosoknál a cervix HPV fertőzés kialakulása. 28
29 Példa Középiskolások körében vizsgálták a drog kipróblás lehetséges kockázati tényezőit. 29
30 SPSS Eredmény row * column Crosstabul ation Count row Total,00 2,00 column,00 2,00 Total Risk Esti mate Odds Ratio for row (,00 / 2,00) For cohort column =,00 For cohort column = 2,00 N of Valid Cases Value Lower Upper 3,338,527 7,296 2,730,459 5,08,88,690, % Confidence Interv al 30
31 H 0 : OR= H A : OR Számolás Count row Total row * column Crosstabul ation column,00 2,00 Total, , SE( OR) OR=(3*90)/ (37*20)=3,337 ln(or)=,205 SE=0,399 Alsó határ =exp(,205,96*0,399)=,5269 Felső határ=exp(,205+,96*0,399)=7,296 Mivel a 95% konfidencia intervallum [,53 7,29] on kívül esik az, így H A t fogadjuk el. 3
32 Példa A szívkoszorúér megbetegedés kialakulásának kockázatát vizsgálták 906 önkéntesnél, akik közül 479 dohányzott. Dohányzik * Szívkoszorúér betegség Crosstabulation Count Dohányzik Total Nem Igen Szívkos zorúér betegs ég Nem Igen Total
33 H 0 : OR= H A : OR SPSS eredmény Dohányzik * Szívkoszorúér betegség Crosstabulation Count Dohányzik Total Nem Igen Szívkos zorúér betegs ég Nem Igen Total OR=(423*394)/ (56*33)=90,85 ln(or)=4,50 SE=0,23 Alsó határ =exp(4,50,96*0,23)=57,4 Felső határ=exp(4,50+,96*0,23)=4,648 Odds Ratio for Dohányzik (Nem / Igen) For cohort Szívkoszorúér betegség = Nem For cohort Szívkoszorúér betegség = Igen N of Valid Cases Risk Estimate Value Lower Upper 90,85 57,49 4,648 2,099 8,694 6,836,34,05, % Confidence Interval Mivel a 95% konfidencia intervallum [57,4 4,6] on kívül esik az, így H A t fogadjuk el. 33
34 Relative Risk (RR) Relatív Kockázat
35 Null és alternatív hipotézis H 0 : RR= H A : RR 35
36 Relatív kockázat (Relative risk) Diagnózis Kockázati tényező Pozitív Negatív Összesen Van a b a+b Nincs c d c+d Összesen a+c b+d n=a+b+c+d RR I I nem exp exp a /( a b) c /( c d) SE( RR) a a b c c d 95% CI = e ln( RR).96 a ab c cd, ahol e 2,78 36
37 Kockázat becslés kohorsz vizsgálatban Egy kohorsz vizsgálatban a dohányzás kockázatát vizsgálták a tüdőrák kialakulására. Az összegyűjtött adatokat a következő táblázatban foglalták össze. (Forrás: MASD 93, UK) Számoljuk ki a dohányzás relatív kockázatát a betegség kialakulásában! Tüdőrák Igen Nem Összesen Incidencia Dohányzik /30000=,30 Nem-dohányzik /60000=0,0 Összesen A relatív kockázat(relative risk /RR/)=3,0 (,30/0,0) 37
38 Relatív kockázat (RR) Betegség Igen Nem Összesen Dohányzik Nem dohányzik Total a /( a b) RR c /( c d) 95% KI = 2,78 alsó határ / / ,0 ln(3.0).96 ln(3.0) 39 SE( RR) 0, * felső határ ln(3.0).96*
39 Relatív kockázat /Relative risk (RR)/ H 0 : RR= H A : RR RR= nem exp Konfidencia intervallum (RR hez számított): 95% KI = e I RR I exp ln( RR).96 a /( a c /( c a b) 3,0 d) ab cd, és 2,78 Példánkban RR=3,0 és a 95% konfidencia intervallum [5,5 30,7]. NEM tartalmazza -t, így H A t fogadjuk el. Azaz 3 szor (szignifikánsan) magasabb a tüdőrák kockázata a dohányosoknál a nem dohányosokhoz viszonyítva. c e 39
40 Melyik statisztikát használjuk az egyezés mérésére? A kappa=0,3 érték esetén az egyezés mértéke... Kérdések Hogyan számoljuk ki a megfigyelt valószínűséget (po) az egyezés méréséhez (a kappához)? Eset-kontroll vizsgálatoknál a betegségre vonatkozólag milyen kockázat becslést számolunk, azaz mi a próba statisztika neve? Kohorsz vizsgálatoknál a betegségre vonatkozólag milyen kockázat becslést számolunk, azaz mi a próba statisztika neve? Keresztmetszeti vizsgálatoknál a betegségre vonatkozólag milyen kockázat becslést számolunk, azaz mi a próba statisztika neve? A kohorsz vizsgálat definiciója Az eset-kontroll vizsgálat definiciója A keresztmetszeti vizsgálat definiciója Mi az esélyhányadosra (odds ratio) vonatkozó nullhipotézis? Mi az relatív kockázatra (relative risk) vonatkozó nullhipotézis? Mi az egyezés mérésére (kappa) vonatkozó nullhipotézis? Mi az esélyhányadosra (odds ratio) vonatkozó alternatív hipotézis? Mi az relatív kockázatra (relative risk) vonatkozó alternatív hipotézis? Mi az egyezés mérésére (kappa) vonatkozó alternatív hipotézis? Egy vizsgálatban a megfigyelt ( po=0,85) és várt (pe=0,5) valószínűségeket megadták. Számoljuk ki az egyezés mértékét (kappát)! Egy tanulmányban 50 pozitív méhnyak kenetből 40 HPV pozitív fertőzést diagnosztizáltak, míg 60 normál méhnyak kenetből 0 HPV pozitív fertőzést. Számítsa ki az esélyhányadost a HPV fertőzés kockázatára pozitív cytológia esetén! Egy tanulmányban 20 pozitív méhnyak kenetből 8 HPV pozitív fertőzést diagnosztizáltak, míg 20 normál méhnyak kenetből 0 HPV pozitív fertőzést. Számítsa ki az esélyhányadost a HPV fertőzés kockázatára pozitív cytológia esetén! Egy tanulmányban a dohányzás kockázatát vizsgálták a HPV fertőzés kialakulására. A kockázat mérésére,58 értéket (odds ratio) kaptak, és a 95%KI [,06-2,398]. Ezek alapján... hipotézist fogadjuk el. Egy tanulmányban a dohányzás kockázatát vizsgálták a HPV fertőzés kialakulására. A kockázat mérésére,58 értéket (odds ratio) kaptak,és a 95%KI [0,96-2,598].. Ezek alapján... hipotézist fogadjuk el. Egy diagnosztikus tesztnél a 300 vizsgálatból 270 valódi pozitív és 30 valódi negatív eredményt találtak. Számítsa ki a kappa értékét! 40
Két 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
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
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
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)
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 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
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.
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
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
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
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
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
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
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
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
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
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
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:
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
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 -
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
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
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
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
RészletesebbenKhi-négyzet eloszlás. Statisztika II., 3. alkalom
Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként
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
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
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
RészletesebbenDiagnosztikus 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
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
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
RészletesebbenStatisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák
Statisztikai hipotézisvizsgálatok Paraméteres statisztikai próbák 1. Magyarországon a lakosság élelmiszerre fordított kiadásainak 2000-ben átlagosan 140 ezer Ft/fő volt. Egy kérdőíves felmérés során Veszprém
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
RészletesebbenKlinikai és Bírósági Alkalmazások Valószínűségszámítási Modellek BREUER-LÁBADY PÉTER
Klinikai és Bírósági Alkalmazások Valószínűségszámítási Modellek BREUER-LÁBADY PÉTER KLINIKAI ALKALMAZÁSOK GYÓGYSZER TESZTELÉS MIK LEHETNEK A PROBLÉMÁK? STATISZTIKAI ALAPKÖVEK GYÓGYULÁSI ESÉLYEK TARTALOM
RészletesebbenEPIDEMIOLÓGIAI ALAPFOGALMAK ÉS STANDARDIZÁLÁS
EPIDEMIOLÓGIAI ALAPFOGALMAK ÉS STANDARDIZÁLÁS TANULJON EPIDEMIOLÓGIÁT! mert része a curriculumnak mert szüksége lesz rá a bármilyen tárgyú TDK munkában, szakdolgozat és rektori pályázat írásában mert szüksége
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:
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
RészletesebbenV. Gyakorisági táblázatok elemzése
V. Gyakorisági táblázatok elemzése Tartalom Diszkrét változók és eloszlásuk Gyakorisági táblázatok Populációk összehasonlítása diszkrét változók segítségével Diszkrét változók kapcsolatvizsgálata Példák
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
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,
RészletesebbenNemzeti Onkológiai Kutatás-Fejlesztési Konzorcium 1/48/ Részjelentés: November december 31.
Nemzeti Kutatási és Fejlesztési Program 1. Főirány: Életminőség javítása Nemzeti Onkológiai Kutatás-Fejlesztési Konzorcium a daganatos halálozás csökkentésére 1/48/2001 3. Részjelentés: 2003. November
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
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
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
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
RészletesebbenLogisztikus 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
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
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
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
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
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
RészletesebbenA 0 64 éves férfiak és nők cerebrovascularis betegségek okozta halálozásának relatív kockázata Magyarországon az EU 15
A hipertónia, mint kiemelt kardiovaszkuláris rizikófaktor befolyásoló tényezőinek és ellátásának vizsgálata az alapellátásban Dr. Sándor János, Szabó Edit, Vincze Ferenc Debreceni Egyetem OEC Megelőző
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 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
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
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
RészletesebbenA kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András
Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András A kockázat fogalma A kockázat (def:) annak kifejezése, hogy valami nem kívánt hatással lesz a valaki/k értékeire, célkitűzésekre. A kockázat
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
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
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
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
RészletesebbenStatisztikai módszerek 7. gyakorlat
Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ 2 próbával Homogenitás-vizsgálat Χ 2 próbával Normalitás-vizsgálataΧ 2 próbával MIRE SZOLGÁL? A val.-i
RészletesebbenA pont-prevalencia vizsgálat epidemiológiája
A pont-prevalencia vizsgálat epidemiológiája Mi a prevalencia? Adott jelleg vagy jelenség (pl. betegség) által aktuálisan érintett egyének száma a populációban egy bizonyos időpontban. Kifejezése: százalék
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
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
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
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
RészletesebbenVarianciaanalízis 4/24/12
1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása
RészletesebbenTovább csökkent az influenzaszerű megbetegedések száma
Az Országos Epidemiológiai Központ tájékoztatója az influenza figyelőszolgálat adatairól Magyarország 2017. 6. hét Tovább csökkent az influenzaszerű megbetegedések száma 2017. február 612. között a figyelőszolgálatban
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
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
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
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
RészletesebbenTovább csökkent az influenzaszerű megbetegedések száma
Az Országos Epidemiológiai Központ tájékoztatója az influenza figyelőszolgálat adatairól Magyarország 2017. 8. hét Tovább csökkent az influenzaszerű megbetegedések száma A figyelőszolgálatban résztvevő
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
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
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
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenMinőség-képességi index (Process capability)
Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenX PMS 2007 adatgyűjtés eredményeinek bemutatása X PMS ADATGYŰJTÉS
X PMS ADATGYŰJTÉS 2007 1 Tartalom Összefoglalás...3 A kutatásba beválasztott betegek életkora... 4 A kutatásba bevont betegek nem szerinti megoszlása... 5 Az adatgyűjtés során feltárt diagnózisok megoszlása...
RészletesebbenSztochasztikus kapcsolatok
Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
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
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenA khi-négyzet próba és alkalmazásai: illeszkedésés függetlenségvizsgálat. khi-(χ 2 )-négyzet próba
A khi-négyzet próba és alkalmazásai: illeszkedésés függetlenségvizsgálat khi-(χ 2 )-négyzet próba Khi-(χ 2 )-négyzet próba A χ 2 -négyzet próbát leggyakrabban a következő problémák megoldásánál alkalmazzák:
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
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
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
RészletesebbenStatisztikai szoftverek esszé
Statisztikai szoftverek esszé Dávid Nikolett Szeged 2011 1 1. Helyzetfelmérés Adott egy kölcsön.txt nevű adatfájl, amely információkkal rendelkezik az ügyfelek életkoráról, családi állapotáról, munkaviszonyáról,
RészletesebbenSugárbiológiai ismeretek: LNT modell. Sztochasztikus hatások. Daganat epidemiológia. Dr. Sáfrány Géza OKK - OSSKI
Sugárbiológiai ismeretek: LNT modell. Sztochasztikus hatások. Daganat epidemiológia Dr. Sáfrány Géza OKK - OSSKI Az ionizáló sugárzás biológiai hatásai Determinisztikus hatás Sztochasztikus hatás Sugársérülések
RészletesebbenTudományos következtetések. A Prevora tudományos értékelésének átfogó összegzése
II. MELLÉKLET AZ EURÓPAI GYÓGYSZERÜGYNÖKSÉG (EMA) ÁLTAL BETERJESZTETT TUDOMÁNYOS KÖVETKEZTETÉSEK, A POZITÍV VÉLEMÉNY, AZ ALKALMAZÁSI ELŐÍRÁS, A CÍMKESZÖVEG, VALAMINT A BETEGTÁJÉKOZTATÓ MÓDOSÍTÁSÁNAK INDOKLÁSA
RészletesebbenA telefonnal való ellátottság kapcsolata a rádió és televízió műsorszórás használatával a 14 éves és idősebb lakosság körében
A telefonnal való ellátottság kapcsolata a rádió és televízió műsorszórás használatával a 14 éves és idősebb lakosság körében Kiegészítő elemzés A rádió és televízió műsorszórás használatára a 14 éves
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
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
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.
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
Részletesebben