Páros binomiális próbák

Hasonló dokumentumok
Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

NEMPARAMÉTERES PRÓBÁK

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Regresszió. Fő cél: jóslás Történhet:

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege

Sztochasztikus kapcsolatok

Statisztika feladatok

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Szerven belül egyenetlen dóziseloszlások és az LNT-modell

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ANOVA ( ) 2. χ σ. α ( ) 2. y y y p p y y = + + = + + p p r. Fisher-Cochran-tétel

X PMS 2007 adatgyűjtés eredményeinek bemutatása X PMS ADATGYŰJTÉS

BIOMETRIA_ANOVA_2 1 1

KISTERV2_ANOVA_

ANOVA. Egy faktor szerinti ANOVA. Nevével ellentétben nem szórások, hanem átlagok összehasonlítására szolgál. Több független mintánk van, elemszámuk

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.

Feltesszük, hogy a mintaelemek között nincs két azonos. ha X n a rendezett mintában az R n -ik. ha n 1 n 2

Minősítéses mérőrendszerek képességvizsgálata

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

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála

Fizika labor zh szept. 29.

Varianciaanalízis 4/24/12

Véletlenszám generátorok. 6. előadás

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics.

Statisztikai. Statisztika Sportszervező BSc képzés (levelező tagozat) Témakörök. Statisztikai alapfogalmak. Statisztika fogalma. Statisztika fogalma

Hipotézis vizsgálatok

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

y ij = µ + α i + e ij

Adatok statisztikai értékelésének főbb lehetőségei

Esetelemzések az SPSS használatával

Adatelemzés és adatbányászat MSc

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests

Az első számjegyek Benford törvénye

Normális eloszlás paramétereire vonatkozó próbák

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

4 2 lapultsági együttható =

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

Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával

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

A pont példájának adatai C1 C2 C3 C

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

Nemparaméteres eljárások

Kísérlettervezési alapfogalmak:

Statisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák

Kettőnél több csoport vizsgálata. Makara B. Gábor

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

Biomatematika 13. Varianciaanaĺızis (ANOVA)

1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit.

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

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

Több valószínűségi változó együttes eloszlása, korreláció

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

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

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

Valószínűségszámítás összefoglaló

Balogh Edina Árapasztó tározók működésének kockázatalapú elemzése PhD értekezés Témavezető: Dr. Koncsos László egyetemi tanár

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Kidolgozott feladatok a nemparaméteres statisztika témaköréből

Statisztikai szoftverek esszé

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Több laboratórium összehasonlítása, körmérés

) ( s 2 2. ^t = (n x 1)s n (s x+s y ) x +(n y 1)s y n x+n y. +n y 2 n x. n y df = n x + n y 2. n x. s x. + s 2. df = d kritikus.

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Az elektromos kölcsönhatás

A hő terjedése szilárd test belsejében szakaszos tüzelés esetén

Kapcsolat vizsgálat : kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR.

Az entrópia statisztikus értelmezése

Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások

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

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

A800. Az eredeti használati utasítás fordítása. Kávéfőző gép: FCS Hűtőegység: FCS4053

STATISZTIKA PRÓBAZH 2005

Logisztikus regresszió

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

Regresszió számítás az SPSSben

Philosophiae Doctores. A sorozatban megjelent kötetek listája a kötet végén található

Turbulens áramlás modellezése háromszög elrendezésű csőkötegben

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

A sokaság/minta eloszlásának jellemzése

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

Biostatisztika VIII. Mátyus László. 19 October

2012. április 18. Varianciaanaĺızis

Bevezetés a Korreláció &

Asszociációs szabályok

Statisztika elméleti összefoglaló

Kvantitatív statisztikai módszerek

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

Tiszta és kevert stratégiák

Korreláció számítás az SPSSben

Varianciaanalízis. Egytényezős kísérletek (Más néven: egyutas osztályozás, egyszempontos varianciaanalízis ANOVA)

Átírás:

áros nomáls próák Kontngena-tálázatok (rx tálázat) elemzése, ha sem a sor-, sem az oszlop-összegek nem rögzítettek sak N adott - Szmmetra-vzsgálat (összefüggés-vzsgálat) - Függetlenség-vzsgálat BIOMETRIA_NEMARAMÉTERES_3 1

Szmmetra-vzsgálat 7. példa G.A.Walker: Common statstal methods for lnal researh wth SAS examples, Collns-Wellesley ulshng, San Dego, Calforna, 1996 Véletlenszerűen kválasztottak 86 páenst, akk egy adott kezelést kaptak. Mndenknek megmérték a lrun-szntjét kezelés előtt és kezelés után s. Kérdés: A kezelésnek van-e mellékhatása a vzelet lrunszntjére, vagys hogy a kezeléstől megváltozk-e a lrun-sznt. Kezelés előtt Kezelés után normáls magas normáls 6 14 74 magas 6 6 1 66 86 dszkordáns egyedek N rögzített! BIOMETRIA_NEMARAMÉTERES_3

Nullhpotézs kétféle megfogalmazása: a r1 d r 1 N kezelés előtt (x): normáls () kezelés után (y): magas (1) π 11 π 1 π 1 π H H 1 : : x, y 1 x 1, y H : 1 1 x, y 1 x 1, y H 1 : 1 1 azaz annak a valószínűsége, hogy valak a tálázat ellájáól átkerüljön a tálázat ellájáa, ugyanakkora, mnt annak, hogy valószínűsége, hogy a ellájáól a ellájáa kerüljön át BIOMETRIA_NEMARAMÉTERES_3 3

BIOMETRIA_NEMARAMÉTERES_3 4 : H y x : H 1 y x azaz annak a valószínűsége, hogy valak az egyk (x) szempont szernt az első soporta tartozzék, ugyanakkora, mnt hogy a másk (y) szempont szernt az első soporta tartozzék, 1,, 1, : H y x y x y x y x Átrendezve:

BIOMETRIA_NEMARAMÉTERES_3 5 z A folytonosság korrekóval: z 1 1 n k n k n k p.5 n<, ksmntás n, nagymntás.5.5 n n z < Szmmetra-vzsgálat számítása: n ^

Statsts > Nonparametrs > x tale Frequenes, row 1 erent of total Frequenes, row erent of total Column totals erent of total Ch-square (df=1) V-square (df=1) Yates orreted Ch-square h-square Fsher exat p, one-taled two-taled MNemar Ch-square (A/D) Ch-square (B/C) x Tale Column 1 Column Row Totals 6 14 74 69.767% 16.79% 86.47% 6 6 1 6.977% 6.977% 13.953% 66 86 76.744% 3.56% 5.59 p=.181 5.5 p=.188 3.98 p=.46.6499 p=.8 p=.8 4.56 p=..45 p=.1175 z z 14 6 14 6 1 14 6 1 14 6 1.788 1.565 14 6 14 6 3.197 14 6 1 1 14 6 BIOMETRIA_NEMARAMÉTERES_3 6.45

8. példa (hpotetkus) Függetlenség-vzsgálat Egy szoológa vzsgálatnál 5 véletlenszerűen kválasztott emert a házastárs hűséghez való vszonyáról kérdeztek. Független-e a kérdésre adott válasz egymástól? H : független hűséges-e fontosnak tartja-e a hűséget a házasságan gen nem gen π j 18 nem 6 4 3 π +j 4 6 5 π + BIOMETRIA_NEMARAMÉTERES_3 7

Függetlenség-vzsgálat számításának elve: O j E E j j j ν = (r 1ሻ ( 1ሻ O j E j oserved value, azaz megfgyelt (mntael) érték expeted value, azaz a függetlenség esetén várt érték E j = N π j = N π + π +j = N r N j N = r j N BIOMETRIA_NEMARAMÉTERES_3 8

7. példa számítása: Statsts > Bas Statsts and Tales > Tales and anners E 11 = r 1 1 N = 4 5 = 9.6 E 1 = r 1 N = 6 5 = 1.4 χ = j (O j E j ሻ (18 9.6ሻ (4 15.6ሻ = +.. + E j 9.6 15.6 = 3.56. 5 r 1 1 11 1 1 3. 841 Döntés? Summary Tale: Expeted Frequenes (huseg n huseg) Summary Frequeny Tale (huseg n huseg) Marked ells have ounts > 5 Marked ells have ounts > 5 earson Ch-square: 3,5577, df=1, p=,1 Weght varale: szam fontos gen fontos nem Row Totals 18 6 4 3 4 6 5 Weght varale: szam fontos gen fontos nem Row Totals 9,6 1,4, 14,4 15,6 3, 4, 6, 5, BIOMETRIA_NEMARAMÉTERES_3 9

Statsts > Nonparametrs > x tales Frequenes, row 1 erent of total Frequenes, row erent of total Column totals erent of total Ch-square (df=1) V-square (df=1) Yates orreted Ch-square h-square Fsher exat p, one-taled two-taled MNemar Ch-square (A/D) Ch-square (B/C) x Tale (Spreadsheet1) Column 1 Column Row Totals 18 36.% 4.% 4.% 6 4 3 1.% 48.% 6.% 4 6 5 48.% 5.% 3.56 p=. 3.9 p=..84 p=..47115 p=. p=..6 p=.444 1.13 p=.889 BIOMETRIA_NEMARAMÉTERES_3 1

A - próához szükséges előfordulás számok Cohran: egyk E j sem lehet kse 1-nél, és a ellák legfölje %-áan lehet kse 5-nél Conover: ha néhány E j érték.5 körül van, de a töség nagyo 1-nél, az eljárás alkalmazható Ha túlságosan ksnyek a várható előfordulás számok, a ellákat összevonhatjuk. BIOMETRIA_NEMARAMÉTERES_3 11

Fsher egzakt próája a sor- és oszlop-összegek s adottak 9. példa A. Agrest: Categoral data analyss, J. Wley,, p. 444 Fsher kolléganője szernt a teát úgy kell helyesen elkészíten, hogy először a tejet öntk a sészée, utána a teát. Fsher kétsége vonta, hogy a tea ízéől észre lehet venn a sorrendet. Ezért az alá kísérletet végezte: Készített 4-4 sésze teát mndkét sorrend szernt és megkóstoltatta a kolléganőjével (ak azt tudta, hogy mndkét reepttel 4-4 tea készült). tényleges sorrend vélt sorrend tej elő tea elő tej elő 3 1 4 tea elő 1 3 4 4 4 8 BIOMETRIA_NEMARAMÉTERES_3 1

tényleges sorrend vélt sorrend tej elő tea elő tej elő 3 1 4 tea elő 1 3 4 4 4 8 hpergeometrkus eloszlás M a valószínűsége annak, hogy a 4 tej elő sésze teáól éppen 3-t talál el helyesen: k = a = 4 4 3 1 3. 9 8 4 kedvező esetek összes eset = r 1a r 1 r 1 a N r 1 BIOMETRIA_NEMARAMÉTERES_3 13

p annak valószínűsége, hogy a talált vagy annál szélsőségese eredmény álljon elő: 4 4 4 8 4 4. 143 p.9.143.433 A ks mnta-elemszám matt nagyok az ugrások, p<.5 sak akkor lenne, ha mnd a 4 sésze teát jól eltalálnák. BIOMETRIA_NEMARAMÉTERES_3 14

Összefoglaló tálázat x tálázatok elemzéséhez Típus I. II. III. IV. V. Rögzített - N 1, r 1, r 1,, r 1, r Véletlen Eloszlás H róa N, 1,, r 1, r 4 független osson 1, r 1 r 1 1 - multnomáls 1 = 1 ( = ) (szmmetra) j j (függetlenség) MNemar, Megj. log-lnear ross-setonal két független nomáls 11 = 1 ( a = ), nomáls egzakt ase-ontrol, retrospetve két független nomáls 11 = 1 a =, nomáls egzakt lnal tral, ohort study prospetve hpergeometrkus 1 a d 11 1 1 1 Fsher egzakt, BIOMETRIA_NEMARAMÉTERES_3 15

1. példa A ztonság öv használata és a halálos alesetek száma közt kapsolatot kívánjuk vzsgáln. Hogyan kell a vzsgálatot elvégezn, hogy az elő tálázat szernt I., II., III. ll. IV. típusú tálázatot kapjuk? BIOMETRIA_NEMARAMÉTERES_3 16

11. példa rx kontngena-tálázatok elemzése - homogentás vzsgálat χ -próával - (Box-Hunter-Hunter: Statsts for Expermenters, J. Wley, 1978, p. 145) 5 kórházan vzsgálták egy zonyos etegség-típusnál elért javulást. nns javulás részleges javulás teljes gyógyulás A 13 18 16 47 B 5 1 16 31 kórház C 8 36 35 79 D 1 56 51 18 E 43 9 1 8 9 149 18 367 BIOMETRIA_NEMARAMÉTERES_3 17

Sorok (kórházak) független multnomáls eloszlást alkotnak. Nullhpotézs: a multnomáls eloszlások paramétere kórházanként megegyeznek, azaz a különöző kórházakan megegyezk a javulás esélye H : j j 1. Kezeljük egyelőre a javulás fokozatokat névleges skálán mért értékeknek! Ha a nullhpotézs gaz: π j = j N E j = r π j = r j N BIOMETRIA_NEMARAMÉTERES_3 18

Summary Frequeny Tale (korhaz n Workook1) Marked ells have ounts > 5 (Margnal summares are not marked) oserved Weght varale:! ~\FT1,,,\38,gyakorsag korhaz nns reszleges teljes Row Totals A 13 18 16 47 B 5 1 16 31 C 8 36 35 79 D 1 56 51 18 E 43 9 1 8 All Grps 9 149 18 367 O j E E j j ν = (r 1ሻ ( 1ሻ j Summary Tale: Expeted Frequenes (korhaz n Workook1) Marked ells have ounts > 5 earson Ch-square: 56,75, df=8, p=, Weght varale:! ~\FT1,,,\38,gyakorsag nns reszleges teljes Row Totals 11,56 19,8 16,39 47, 7,6 1,59 1,81 31, 19,373 3,7 7,55 79, 31,39 51,97 44,64 18,,19 33,9 8,6 8, 9, 149, 18, 367, E 11 = r 1 1 N = 47 9 367 = 11.56 BIOMETRIA_NEMARAMÉTERES_3 19

. Sorrend skálán kezelve a javulás adatokat: egyfaktoros ANOVA rangszámokra végezve Depend.: A B C D E Kruskal-Walls ANOVA y Ranks; (korhaz.sta) Independent (groupng) varale: korhaz Kruskal-W alls test: H ( 4, N= 367) =49.38915 p =. Code Vald Sum of Mean N Ranks Rank 11 47 8417.5 179.957 1 31 6733.5 17.97 13 79 1696.5 14.595 14 18 5674..5781 15 8 9776.5 119.56 Mood-féle Medan Test, Overall Medan = 1.; (korhaz.sta) Independent (groupng) varale: korhaz Dependent: Ch-Square = 6.8919 df = 4 p =. A B C D E Total <= Medan: oserved 31. 15. 44. 77. 7. 39. expeted 3.6763.1881 51.44687 83.3569 53.45 os.-exp..3937-5.1881-7.44687-6.3569 18.5995 > Medan: oserved 16. 16. 35. 51. 1. 18. expeted 16.3937 1.81199 7.55313 44.6431 8.5995 os.-exp. -.3937 5.1881 7.44687 6.3569-18.5995 Total: oserved 47. 31. 79. 18. 8. 367. BIOMETRIA_NEMARAMÉTERES_3

3. az E kórház és a tö kórház összehasonlítása Summary Frequeny Tale (korhaz n Workook1) Marked ells have ounts > 5 (Margnal summares are not marked) Weght varale:! ~\FT1,,,\38,gyakorsag melyk nns reszleges teljes Row Totals E 43 9 1 8 neme 47 1 118 85 All Grps 9 149 18 367 Summary Tale: Expeted Frequenes (korhaz n Workook1) Marked ells have ounts > 5 earson Ch-square: 49,8439, df=, p=, Weght varale:! ~\FT1,,,\38,gyakorsag nns reszleges teljes Row Totals,1899 33,916 8,5995 8, 69,8911 115,784 99,45 85, 9, 149, 18, 367, BIOMETRIA_NEMARAMÉTERES_3 1