Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

Hasonló dokumentumok
Bevezetés a hipotézisvizsgálatokba

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

[Biomatematika 2] Orvosi biometria

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis vizsgálatok

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Statisztika Elıadások letölthetık a címrıl

Kettőnél több csoport vizsgálata. Makara B. Gábor

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Normális eloszlás paramétereire vonatkozó próbák

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

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

Hipotézis vizsgálatok

y ij = µ + α i + e ij

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Kísérlettervezés alapfogalmak

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

A konfidencia intervallum képlete: x± t( α /2, df )

Eloszlás-független módszerek 13. elıadás ( lecke)

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

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

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

egyetemi jegyzet Meskó Balázs

Kiváltott agyi jelek informatikai feldolgozása Statisztika Kiss Gábor IB.157.

Biostatisztika VIII. Mátyus László. 19 October

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21.

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

KÖVETKEZTETŐ STATISZTIKA

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Kísérlettervezés alapfogalmak

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet

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

Adatok statisztikai értékelésének főbb lehetőségei

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

Korreláció és lineáris regresszió

Többváltozós lineáris regressziós modell feltételeinek

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biostatisztika Összefoglalás

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Az első számjegyek Benford törvénye

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

Biometria gyakorló feladatok BsC hallgatók számára

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Statisztika elméleti összefoglaló

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztikai módszerek 7. gyakorlat

Kutatásmódszertan és prezentációkészítés

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Biostatisztika Összefoglalás

Varianciaanalízis 4/24/12

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

Elemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet

Függetlenségvizsgálat, Illeszkedésvizsgálat

Nem-paraméteres és paraméteres módszerek. Kontingencia tábla, rangtranszformálás, párosított minták, két független minta

Normális eloszlás tesztje

Nemparaméteres próbák

Hipotézisvizsgálat R-ben

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE




IV. Változók és csoportok összehasonlítása

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

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

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Átírás:

Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu

Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília. Mindkét nagymamájához vonattal kell menni, amik ugyanarról a peronról indulnak de különböző vonatok. Mindkét vonat 10 percenként jár. Aladár ugyanannyira szereti a két nagymamáját, ezért a véletlenre bízza, hogy melyikhez menjen és mindig arra a vonatra száll fel amelyik hamarabb jön. Az elmúlt 30 napon felírta melyik nagymamánál volt: B, B, B, C, B, B, B, B, B, C, B, B, B, B, B, C, B, B, B, B, B, B, B, B, C, B, B, B, B, B. Jól működött-e a stratégiája? Ha nem, mi lehetett az oka?

Példa I (Vonat probléma) - Megoldás 4-szer volt C-nél, 26 szor B-nél. (A 15-15 helyett) Annak az esélye, hogy 5 nél kevesebbszer jön C feltéve ha ½ valószínűsggel választaná: 27405 + 4060 + 435 + 30 + 1 = 31931 2 30 = 1073741824 Vizsgált esetek/összes esetek 0,003 % => Nem valószínű. Feltehetőleg a C vonat körülbelül 1 perccel a B vonat után indul.

Átlag és szórás Legyen egy minta átlag értéke m. Adjunk hozzá a minta minden eleméhez c konstanst. Mennyi lesz az új átlag? Szorozzuk meg c konstanssal. Most? Legyen egy minta korrigált szórás értéke s. Adjunk hozzá a val. változóhoz c konstanst. Mennyi lesz az új szórás? Szorozzuk meg c konstanssal. Most?

Átlag és szórás Átlag: σ n i=0 n (xi+c ) σ i=0 n n (xi c ) σ i=0 n n xi (= x), ҧ n = c + σ i=0 = c* σ n i=0 Korrigált szórás: σn i=0 σn i=0 n xi n (x i +c ( x+c) ҧ 2 n 1 xi (= c + x) ҧ (= c x) ҧ σ n i=0 (x i x) ҧ 2 n 1 (= s n ) (= s n ) (x i c ( x c)) ҧ 2 = σ i=0 n (x i x) ҧ 2 c 2 n 1 n 1 (= c s n )

Példa II (Fizetés) Megmértük 25 ember keresetét (ezer ft) Magyarországon és Ausztriában 1990-ben és 2000-ben és normáltuk az infláció mértékével. 1990, Mo: 123, 133, 134, 105, 200, 113, 144, 132, 127, 130, 131, 140, 124, 128, 141, 127, 134, 144, 127, 135, 113, 132, 132, 125, 100 1990, Au: 133, 145, 154, 143, 110, 133, 200, 142, 132, 140, 151, 152, 134, 123, 121, 147, 127, 154, 132, 132, 139, 128, 123, 101, 128 2000, Mo: 127, 132, 154, 135, 175, 123, 137, 155, 120, 135, 136, 154, 116, 127, 131, 130, 136, 154, 128, 142, 101, 132, 157, 144, 135 2000, Au: 143, 166, 144, 152, 142, 133, 160, 152, 154, 140, 139, 166, 164, 95, 181, 167, 211, 134, 137, 134, 155, 175, 154, 132, 140 Végezzünk statisztikai vizsgálatot

Példa II (Fizetés) - Megoldás Átlagok: 130,96 136,96 136,64 150,8 Szórások: 18,04273 18,54832 15,48892 21,64294 (korrigált) Mi kell? Hipotézisek felállítása 90-00 eltérés (2 darab) Mo-Au eltérés (2 darab) Megfelelő próbák kiválasztása Ha átlagot vizsgálunk akkor t vagy u próba (egymintás vagy kétmintás vagy párosított) Ha szórás vizsgálunk akkor f próba (ez kell a kétmintás t próbához)

Példa II (Fizetés) - Megoldás Legyen 4 hipotézis: kétmintás t próba Szabadsági fok: 48 t értékek: -1,15936 (90 Mo-Au) -1,194325 (Mo 90-00) -2,42761 (Au 90-00) (00 Mo-Au) -2,66022 Kritikus érték 95%: kb 2,01 (táblázatból a 97,5%-os kell nincs pontosan ilyen értékünk tehát becsüljük ) De lehet az évesnél párosított is F próba: Szabadsági fokok: 24, 24 f értékek: 1,056829 1,356944 1,361518 1,952495 Kritikus érték 95%: kb. 2,03 Következtetés Szignifikáns eltérést lehet kimutatni az x próbával az átlagra (vagy szórásra) nézve y szignifikancia szint mellett. Az elsőfajú hiba nagysága 1-y. Tehát feltehetőleg a vizsgált valószínűségi változók átlaga (vagy szórása) nem egyezik meg. Nem lehet szignifikáns eltérést kimutatni az x próbával az átlagra (vagy szórásra) nézve y szignifikancia szint mellett. Tehát feltehetőleg a vizsgált valószínűségi változók átlaga (vagy szórása) megegyezik (legalábbis ezzel a módszerrel nem lehet különbséget kimutatni).

Példa III Depresszió Tudjuk, hogy nők esetén az átlagos alaphang 200 Hz értékű, 13 Hz szórású normális eloszlást követ. Megmértük 10-10 nő átlagos alaphang értékét, ahol az egyik csoport egészséges volt, a másik pedig depressziós: 200, 190, 175, 201, 213, 202, 220, 198, 205, 210 (Hz) (egészséges) 155, 181, 193, 182, 200, 178, 185, 190, 175, 165 (Hz) (depressziós) Vizsgáljuk meg, hogy az egészséges nők átlagos alaphang értéke valóban a teljes sokaságból származik (megegyezik-e az átlag értékük a tudottal)! Vizsgáljuk meg, hogy a depressziós nők átlagos alaphang értéke mutat-e szignifikáns különbséget az egészséges nők alaphangjához képest!

Példa III Depresszió Átlagok: 201,4 180,4 Szórások: 12,5 13,2 (korr szórás) Mi kell? Mint az előző feladatban U próba (ha tudott az (áltag érték és) szórás)

Példa III Depresszió U próba kritkus értéke 95%-os szign. szint mellett 1,96 (táblázatból a 97,5%-hoz tartozó eloszlás érték kell) u érték: 0,340553 Így az első esetben nem tudunk szignifikáns különbséget kimutatni. Második esetben szignifikáns különbség van (u-val: -4,76774)

Példa III Depresszió Mikor melyik próbát használjuk? Amelyiknek a feltételei teljesülnek és minél specifikusabb az adott problémára. Esetleg vizsgáljuk meg több próbával is és ha mindegyik hasonló eredményt mutat, akkor még biztosabb a döntésünk.