Biomatematika 2 Orvosi biometria

Hasonló dokumentumok
[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria

Valószínűségi változók. Várható érték és szórás

A valószínűségszámítás elemei

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

A valószínűségszámítás elemei

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

[Biomatematika 2] Orvosi biometria

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

6. Előadás. Vereb György, DE OEC BSI, október 12.

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Diszkrét matematika 1.

Valószínűségszámítás összefoglaló

1. tétel. Valószínűségszámítás vizsga Frissült: január 19. Valószínűségi mező, véletlen tömegjelenség.

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

Készítette: Fegyverneki Sándor

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Diszkrét matematika 1.

Valószín ségszámítás és statisztika

1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Valószín ségszámítás és statisztika

Környezet statisztika

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

KÖVETKEZTETŐ STATISZTIKA

1. Kombinatorikai bevezetés

Matematika A3 Valószínűségszámítás, 0. és 1. gyakorlat 2013/14. tavaszi félév

Nagy Gábor compalg.inf.elte.hu/ nagy ősz

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Abszolút folytonos valószín ségi változó (4. el adás)

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

A Statisztika alapjai

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

[Biomatematika 2] Orvosi biometria

Feladatok és megoldások az 1. sorozat Építőkari Matematika A3

Matematika A4 I. gyakorlat megoldás

GRADUÁLIS BIOSTATISZTIKAI KURZUS február hó 22. Dr. Dinya Elek egyetemi docens


Biomatematika 2 Orvosi biometria

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0, = 0, = 0, Mo.: 32 = 0,25

Matematika III. Nagy Károly 2011

Gazdasági matematika II. tanmenet

Backhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Matematika alapjai; Feladatok

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József

Statisztikai becslés

Feladatok és megoldások a 8. hétre Építőkari Matematika A3

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Biomatematika 8. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Valószínűségszámítás

Tartalomjegyzék Szitaformulák Példák a szitaformulára Mintavételezés Bayes-tétel... 17

A biostatisztika és informatika szerepe a mindennapi orvosi gyakorlatban

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői

Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.

Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

s.s. Bere Anikó Zsuzsanna

24. tétel. Kombinatorika. A grá fok.

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!

Valószínűségszámítás és statisztika a fizikában február 16.

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

Definíció n egymástól megkülönböztethető elem egy sorrendjét az n elem egy (ismétlés nélküli) permutációjának nevezzük.

Adatszerkezetek II. 10. előadás

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

Területi sor Kárpát medence Magyarország Nyugat-Európa

Gyakorló feladatok a 2. dolgozathoz

Valószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.

Számítógépes döntéstámogatás. Statisztikai elemzés

A leíró statisztikák

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy

Valószínűségszámítás

Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József

1. Hányféle sorrendben vonulhat ki a pályára egy focimeccsen a tizenegy kezdő játékos?

MATEMATIKA ÉRETTSÉGI május 8. EMELT SZINT

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Példák: tojások száma egy madárfészekben (egy adott madárfaj esetén), egy egyed testhőmérséklete (adott faj és ivar esetén), a következő buszon az uta

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

Átírás:

Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1

Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai. Elemi esemény: egyelemű részhalmaz. Összetett esemény: többelemű részhalmaz. Egy kísérlet eredménye (16 dobás dobókockával). 2

Eseménytér: Egy kísérlet lehetséges eredményeinek összessége (halmaza). Elemi esemény: egyelemű részhalmaz. 3

Összetett esemény: többelemű részhalmaz. Populáció és minta Populáció (alapsokaság, sokaság): A vizsgálat tárgyát képező elemek összessége, amelynek tulajdonságaira egy részük (minta) vizsgálata alapján következtetünk. Minta: az alapsokaságból megvizsgálásra kiválasztott rész. mintavétel: a sokaságból véletlenszerűen kiválasztunk bizonyos számú elemet a kiválasztott elemek jellemzői: független kísérlet vagy megfigyelés eredményei azonos eloszlású független valószínűségi változóknak tekinthetők a minta reprezentatív minden mintának azonos valószínűsége van 4

mintaközép (mintaátlag, számtani közép) i=1 n x i A minta jellemzői x = n medián (sorba rendezett minta középső eleme) mintaterjedelem (a rendezett minta legkisebb és legnagyobb elemének különbsége (R)) R = x n x 1 szórásnégyzet (variancia, korrigált tapasztalati szórásnégyzet (n 10)) s 2 = i=1 n (x i x) 2 n 1 standard deviáció (A minta standard deviációja a populáció standard deviációjának torzítatlan becslése!) s = ± i=1 n (x i x) 2 n 1 Az átlag standard hibája (a mintaeloszlás varianciája): az átlag reprodukálhatósága (az alkalmazott mérési módszer megbízhatóságáról informál) s x s x= n Várható érték valószínűség Egy esemény relatív gyakorisága (a kísérlet többszöri ismétlését követően) egy bizonyos érték körül ingadozik, amit az esemény valószínűségének hívunk. A esemény valószínűsége (P(A): relatív gyakoriság): egy esemény gyakorisága (k) osztva az események teljes számával (n) (arányszám). k n P(A) 5

Mekkora a valószínűsége, hogy 4-est dobok? k (egy esemény gyakorisága): 1 n (az események teljes száma): 6 P(A)= k n P(A) = 1/6 = 0.166 Mekkora a valószínűsége, hogy 4-est vagy 6-ost dobok? k (egy esemény gyakorisága): 2 n (az események teljes száma): 6 P(A)= k n P(A) = 2/6 = 0.333 Kombinatorika (hányféle módon lehet elrendezni objektumokat) permutáció variáció kombináció 6

Permutáció Sorba rendezés lehetőségeinek száma (sorrendbe írt sorozatok száma). Minden elemet használunk. Latin eredet: permutatio: per- (át, körül) + mutare (cserél) Ismétlés nélküli permutációk száma egy n elemű halmaz esetén: P n = n! (n*(n-1)*(n-2)*(n-3)..*1) lap szó betűinek sorrendbe állítása (3! = 6) lap, lpa, pla, pal, apl, alp 1 2 3 4 számok sorrendbe állítása (4! = 24) 1234, 1243 2., 1324 3., 1342 4., 1423 5., 1432 * 4 6. 1. 32 lapos magyar kártya megkeverésének hányféle eredménye lehet? 32! = 2.631308369*10 35 Ismétléses permutációk száma egy n elemű, k darab azonosnak tekintett elemű komponens k esetén: P 1, k 2, k r n! n = (n: összes elem száma; k r : r-edik fajtából való elemek száma; k 1 +k 2 +k 3 + k r = n) k 1! k 2! k r! sas szó betűinek sorrendbe állítása (3!/(2! *1!)= 6/(2*1) = 3) sas, ssa, sas, ssa, ass, ass. baba szó betűinek sorrendbe állítása (4!/2!*2! = 24/4 = 6) bbaa, baba 2., baab 3., aabb 4., abab, abba 5. 6. 1. 2 csomag magyar kártya megkeverésének hányféle eredménye lehet? (2*32)!/2! 32 = 2.954316609*10 79 Variáció n elem közül k darab kiválasztása. Sorrend fontos! ismétlés nélküli variáció: v k n = n! (n: az összes eltérő elem száma, k: kiválasztott elemek (n k)! száma). lap szóból kétbetűs egységek kirakása (3!/(3-2)! = 6) pl, pa, lp, la, ap, al ismétléses variáció: v n k,i = n k (n: az összes eltérő elem száma (rendelkezésre álló elemek száma), k: kiválasztott elemek száma (kitöltendő elemek száma)) A magyar rendszámban lévő három betű variálhatóságának számossága (26 3 =17576) TOTÓ szelvény kitöltésének számossága 1,2,x variálása 14 sorban (3 14 =4782969) 7

kombináció Ismétlés nélküli kombináció: n különböző elemből álló halmazból képezhető k elemű részhalmazok számossága (sorrend nem fontos!) c k n = n k = n! (n: az összes eltérő elem száma, k: kiválasztott elemek száma). Sorrend nem k!(n k)! fontos! 32 kártyalapból négyes leosztással hány kombináció lehetséges (32!/(4!(32-4)!)=35960 51 kártyalapból kettes leosztással hány kombináció lehetséges (51!/(2!(51-2)!)=1275 5-ös lottó 5 találatos szelvényeinek lehetséges száma (90!/(5!(90-5)!)=43949268 Ismétléses kombináció: Az n különböző elemet tartalmazó halmaz összes különböző k-ad osztályú ismétléses kombinációinak száma: n + k 1 k Kombinatorika (hányféle módon lehet elrendezni objektumokat) n: elemszám minden elemet kiválasztunk k darab elemet választunk ki a sorrend fontos a sorrend nem fontos PERMUTÁCIÓ VARIÁCIÓ KOMBINÁCIÓ ismétlés nélküli P n = n! v n k = n! n k! c n k = n k = n! k! n k! ismétléses P n k 1, k 2, k r = n! k 1! k 2! k r! v n k,i = n k c n k,i = n + k 1 k 8

A valószínűség jellemzői 0 P A 1 P = 1 (a biztos esemény valószínűsége) P = 0 (a lehetetlen esemény valószínűsége) Egymást nem kizáró (együtt előfordulható) események A és B együttes bekövetkezése megtörténhet P A + B = P A + P B P A B Egymást kizáró (együtt elő nem forduló, vagy-vagy) események A és B együttes bekövetkezése nem történik meg: P(A*B)=0 P A + B = P A + P B P A = 1 P(A) (P A : komplementer esemény) Egymást nem kizáró események A és B esemény együtt is megvalósulhat : P A + B = P A + P B P A B pl. kockadobás eredménye 2 vagy 4 két kocka használata esetén. k = 20, n = 36 P(x=2 vagy 4) = 20/36 = 55.5% P(x=2 vagy 4) = 11/36 + 11/36 2/36 = 20/36 = 55.5% 9

Egymást kizáró események A és B esemény együtt nem valósulhat meg (vagy egyik vagy másik valósul meg): P A + B = P A + P B pl. kockadobás eredménye 2 vagy 4 egy kocka használata esetén. P(x=1): 1/6 P(x=2): 1/6 P(x=3): 1/6 P(x=4): 1/6 P(x=5): 1/6 P(x=6): 1/6 P(x=2 vagy 4) = 1/6 + 1/6 = 2/6 = 33.3% Kockadobás A esemény: a dobott pontszám páratlan B esemény a dobott pontszám 4-nél nagyobb Kérdések: P(A), P(B), P(A*B), P(A+B) eseménytér: 1; 2; 3; 4; 5; 6, az összes esetek száma: 6 A: 1; 3; 5 B: 5; 6 A*B: 5 (A és B esemény együttes (egyszerre történő) megvalósulása) A+B: 1; 3; 5; 6 (A vagy B esemény megvalósulása) P(A) = 3/6 = 0.5 P(B) = 2/6 = 0.33 P(A*B) = 1/6 = 0.166 P(A+B) = 4/6 = 0.66 P(A+B) = 3/6 + 2/6 1/6 = 4/6 10

Valószínűségi változó Egy statisztikai mennyiség (egy kísérlet, esemény kimenetele, melyet a véletlen befolyásol) mely tetszőleges értéket vehet fel (diszkrét vagy folytonos) és nem becsülhető meg biztosan csak valószínűsíthető. Ha egy véletlen eseményhez (az eseményt befolyásoló összes tényezőt nem ismerjük) számszerű értéket rendelünk, akkor egy véletlentől is függő változót, valószínűségi változót kapunk. Elemi eseményekhez rendelt számérték. Véletlentől függő számértékeket felvevő változókat valószínűségi változóknak nevezzük (jelölés:,, x). pl. vérnyomás, vércukor, magasság, kockadobás eredménye, levegő hőmérséklete. Valószínűségi változó típusai Eloszlási függvényük alapján Diszkrét valószínűségi változó A lehetséges értékek száma véges, megszámlálható (pl. kockadobás eredménye, újszülöttek neme) Eloszlási függvényük diszkrét értékeket vehet fel (lépcsős eloszlási függgvény) Binomiális eloszlás, Poisson eloszlás, Hipergeometrikus eloszlás, Polinomiális eloszlás Folytonos valószínűségi változó A lehetséges értékek száma végtelen (bármely érték egy intervallumon belül) (pl. testhőmérséklet, vérnyomás) Eloszlási függvényük folytonos Normál eloszlás, Exponenciális eloszlás, Egyenletes eloszlás 11

Eloszlási függvény Egy valószínűségi változó eloszlásfüggvényén a következő függvényt értjük: F(x) = P(k < x) Ez a függvény minden x értékre megadja annak a valószínűségét, hogy a valószínűségi változó (k) x-nél kisebb értéket vesz fel. Diszkrét valószínűségi változó eloszlásfüggvénye lépcsős függvény. Eloszlási függvény jellemzői monoton növekvő: F x 2 F x 1, ha x 2 > x 1 lim F x = 0 x lim x F x = 1 minden helyen balról folytonos: lim x x 0 0 F x = F x 0 12

Eloszlási függvény diszkrét valószínűségi változó esetén Két kocka dobása eredményének összege. (x) P(x) kumulatív P(x) 0 0 0 1 0 0 2 1/36 1/36 3 2/36 3/36 4 3/36 6/36 5 4/36 10/36 6 5/36 15/36 7 6/36 21/36 8 5/36 26/36 9 4/36 30/36 10 3/36 33/36 11 2/36 35/36 12 1/36 36/36 Diszkrét valószínűségi változó eloszlása X eloszlás: P(k = x) 0.20 0.18 0.16 0.14 0.12 0.10 0.08 0.06 0.04 0.02 0.00 0 1 2 3 4 5 6 7 8 9 10 11 12 x 13

Diszkrét valószínűségi változó eloszlásfüggvénye F x = P k < x : Ez a függvény minden x értékre megadja annak a valószínűségét, hogy a valószínűségi változó (k) x-nél kisebb értéket vesz fel. F (x) 1.10 1.00 0.90 0.80 0.70 26/36 30/36 35/36 33/36 36/36 0.60 21/36 0.50 0.40 15/36 0.30 10/36 0.20 6/36 0.10 0.00 3/36 1/36 0/36 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 x Várható érték Egy valós szám mely körül egy kísérlet várható eredményeinek átlaga ingadozik (E(X), M(x), M,, m x, m). diszkrét valószínűségi változó várható értéke súlyozott átlaga a valószínűségi változó várható értékeinek (x). M x = n i=1 p i x i folytonos valószínűségi változó várható értéke + M x = xf x dx 14

Kockadobás várható értéke M n x = i=1 p i x i x i p i 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6 M x = 1 1 6 + 2 1 6 + 3 1 6 + 4 1 6 + 5 1 6 + 6 1 6 = 3.5 vége 15