Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai. 2010.11.08. Magyar Tudomány Napja. Gábor Dénes Főiskola

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

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

Az entrópia statisztikus értelmezése

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula

4 2 lapultsági együttható =

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

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

Fuzzy rendszerek. A fuzzy halmaz és a fuzzy logika

Regresszió. Fő cél: jóslás Történhet:

Az elektromos kölcsönhatás

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

(eseményalgebra) (halmazalgebra) (kijelentéskalkulus)

Statisztika I. 3. előadás. Előadó: Dr. Ertsey Imre

/11 Változtatások joga fenntartva. Kezelési útmutató. UltraGas kondenzációs gázkazán. Az energia megőrzése környezetünk védelme

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

1.Tartalomjegyzék 1. 1.Tartalomjegyzék

GYERMEKEK FIZIKAI FEJLŐDÉSE. Százalékos adatok és görbék. Fiúk Lányok Fiúk Lányok ,8 10,5 12,6 8,1 9,7 11,6

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Békefi Zoltán. Közlekedési létesítmények élettartamra vonatkozó hatékonyság vizsgálati módszereinek fejlesztése. PhD Disszertáció

Lineáris regresszió. Statisztika I., 4. alkalom

8. Programozási tételek felsoroló típusokra

A DÖNTÉSELMÉLET ALAPJAI

Darupályák ellenőrző mérése

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.



Műszaki folyamatok közgazdasági elemzése. Kevert stratégiák és evolúciós játékok

Teljes eseményrendszer. Valószínőségszámítás. Példák. Teljes valószínőség tétele. Példa. Bayes tétele

Regressziós vizsgálatok

2. Anamnesztikus adatok/rizikófaktorok Alkoholfogyasztás: igen / nem Ha igen: gyakoriság: alkalmanként/havonta/hetente/naponta mennyiség (g/nap):

Szerelési és beüzemelési útmutató

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

MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI KAR DOKTORI ISKOLA VEZETŐ: MTA rendes tagja TÉMACSOPORT VEZETŐ: MTA rendes tagja TÉMAVEZETŐ: egyetemi docens

A sokaság/minta eloszlásának jellemzése

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

II. Rákóczi Ferenc Kárpátaljai Magyar Fıiskola. Pataki Gábor. STATISZTIKA I. Jegyzet

PhD értekezés. Gyarmati József

Biostatisztika e-book Dr. Dinya Elek

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

Bevezetés a programozásba. 3. Előadás Algoritmusok, tételek

Extrém-érték elemzés. Extrém-érték eloszlások. Megjegyzések. A normálhatóság feltétele. Extrém-érték modellezés

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK

Minden leendő szülő számára a legfontosabb, hogy születendő gyermeke egészséges legyen. A súlyosan beteg gyermek komoly terheket ró a családra.

Osztályozó algoritmusok vizsgálata

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés

Ellenőrző kérdések és lényegre törő válaszok az ütemezési feladatok osztályozása témakörből :

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

METROLÓGIA ÉS HIBASZÁMíTÁS

Foglalkoztatáspolitika. Modellek, mérés.

Példa: Egy üzletlánc boltjainak forgalmára vonatkozó adatok október hó: (adott a vastagon szedett!) S i g i z i g i z i

Optikai elmozdulás érzékelő illesztése STMF4 mikrovezérlőhöz és robot helyzetérzékelése. Szakdolgozat

ÁLTALÁNOS STATISZTIKA

Szerelési útmutató FKC-1 síkkollektor tetőre történő felszerelése Junkers szolár rendszerek számára

A szita formula és alkalmazásai. Gyakran találkozunk az alábbi kérdéssel, sokszor egy összetett feladat részfeladataként.

Robotok direkt geometriája

The original laser distance meter. The original laser distance meter

Valószínűségi változók. Várható érték és szórás

Nemlineáris függvények illesztésének néhány kérdése

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

IDA ELŐADÁS I. Bolgár Bence október 17.

Szennyvíztisztítási technológiai számítások és vízminőségi értékelési módszerek

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

A gabonavertikum komplex beruházás-elemzés módszertani fejlesztése OTKA: Részletes zárójelentés Témavezető: Dr. Ertsey Imre

Mit találtam RÓLAD a meddőséggel foglalkozó honlapokon?

ALGORITMUSOK, ALGORITMUS-LEÍRÓ ESZKÖZÖK

NKFP6-BKOMSZ05. Célzott mérőhálózat létrehozása a globális klímaváltozás magyarországi hatásainak nagypontosságú nyomon követésére. II.

Keresztkorreláció vizsgálata statisztikai teszttel

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

ISK - Progym JÉGKORONG

Méréselmélet: 5. előadás,

IT jelű DC/DC kapcsolóüzemű tápegységcsalád

EM algoritmus. A feladat: egy valószínűség eloszlás valmilyen paraméterét(vektorát) akarjuk becsülni részlegesen megfigyelhető.

Fizika II. (Termosztatika, termodinamika)

Egy negyedrendű rekurzív sorozatcsaládról

Prenatalis diagnosztika lehetőségei mikor, hogyan, miért? Dr. Almássy Zsuzsanna Heim Pál Kórház, Budapest Toxikológia és Anyagcsere Osztály

STATISZTIKA III. Oktatási segédlet

Orosz Gyula: Markov-láncok. 4. Statisztikus golyójátékok

Ahol mindig Ön az első! Segítünk online ügyféllé válni Kisokos

ADATREDUKCIÓ I. Középértékek

11. előadás PIACI KERESLET (2)

Online melléklet. Kertesi Gábor és Kézdi Gábor. c. tanulmányához

Hely és elmozdulás - meghatározás távolságméréssel

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés

A TERMODINAMIKA MIKROSZKOPIKUS ÉRTELMEZÉSE: A STATISZTIKUS TERMODINAMIKA ALAPJAI

Koncentráció és mérése gazdasági és társadalmi területeken. Kerékgyártó Györgyné BCE Statisztika Tanszék

Az elhízás hatása az emberi szervezetre. Dr. Polyák József Pharmamedcor Kardiológiai Szakambulancia Budapest, Katona J. u. 27.

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I o)

A z i személyről a saját X i ( t)

Kapcsolja össze háztartási készülékét a jövővel. Quick Start Guide

2 ADATKEZELÉS, STATISZTIKAI ÉS SZÁMÍTÁSTECHNIKAI ALAPOK

HAVRAN DÁNIEL. Pénzgazdálkodási szokások hatása a működőtőkére. A Magyar Posta példája

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

ÓZON A TROPOSZFÉRÁBAN

Nagynyomású fázisegyensúly vizsgálata opálosodási pont megfigyelésével

VEZÉRIGAZGATÓI UTASÍTÁS

A gyermekek növekedése és fejlődése

Leica DISTOTMD510. X310 The original laser distance meter. The original laser distance meter

Makroökonómiai fogalmak, meghatározások

[Biomatematika 2] Orvosi biometria

Átírás:

Dr. Ratkó István Matematka módszerek orvos alkalmazása 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

A valószínűségszámítás és matematka statsztka főskola oktatásakor a hallgatók néha megkérdezk egy-egy elmélet anyag tárgyalásakor: mre használhatjuk a tanultakat? Multfaktoráls öröklődésű betegségek Betegség súlyossága "Rosszndulatú folyamat" vzsgálata Betegség, vagy genetka jellemző meghatározása egyetlen vérvzsgálattal Egy specáls lleszkedés probléma Bzonytalan, vagy smeretlen adatokon alapuló dagnózs 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Multfaktoráls öröklődésű betegségek A multfaktoráls modell szernt - adott rendellenességet vzsgálva - mnden egyénhez hozzárendelhető egy ξ valós szám, amt hajlamnak s szoktak nevezn. Ezt a hajlamot a ζ genetka és az η környezet hatás együttesen alakítja k 2 2 N(0, h ), N(0, h ). h az un. örökölhetőség együttható, az f-ed fokú rokonok korrelácós együtthatója 2 2 h / 2 200..08. Magyar Tudomány Napja Gábor Dénes Főskola f.

Apa beteg Az apának antgénje van nncs van 0.0976 0.0202 Fúnak antgénje 0.0559 nncs 0.0047 0.000 van 0.0273 0.0067 Lánynak antgénje 0.066 nncs 0.0022 0.0005 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Anya beteg Az anyának antgénje van nncs van 0.46 0.0293 Fúnak antgénje 0.0785 nncs 0.0079 0.002 van 0.0424 0.004 Lánynak antgénje 0.025 nncs 0.0039 0.000 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Betegség súlyossága Legyen u egy olyan, orvosok által meghatározott érték, amely valamely betegség súlyosságát jellemz. Két pácens közül az van súlyosabb állapotban, akhez rendelt u érték nagyobb. Mndegyk pácensnél meghatároztuk (méréssel vagy egyéb módon) k változó értékét. Legyenek ezek a változók: x,,..., 2 x x k. Ezek azok a változók, amelyek - várhatóan - befolyásolják a betegség súlyosságát. 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

v a x a x... a x a 2 2 k k 0 kfejezésben úgy határozzuk meg az a 0, a,..., a k együtthatók értékét, hogy: - Az r ( u, v) korrelácós együttható a lehető legnagyobb legyen. - Az u változó által meghatározott csoportokban a v változók szgnfkánsan különbözzenek egymástól. Másk megoldás ezen problémára a következő: Súlyozzuk a jellemzőket. A súlyok megválasztása az orvosokkal történő többször megbeszélés után alakul k. Az lyen módon kapott eredményeket összevetettük az előbb módszerrel, s ugyanazt az eredményt kaptuk. 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

"Rosszndulatú folyamat" vzsgálata Tegyük fel, hogy egy pácens szervezetében egy rosszndulatú folyamat ndul el. n pácens megfgyelésével meghatározható, hogy a szervezet mely egységeben (mlyen szervekben: pl. szív, vese, pajzsmrgy, lép, mellékvese ereben) ndul el a folyamat. A folyamat megjelenése ugyanakkor egy számmal (ún. masszvtással) s jellemezhető. Ha a folyamat megjelenk, akkor lépésről lépésre terjed ez ember szervezetben, s a folyamat halálhoz vezet. 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Az orvos kérdése: () ha a folyamat gyakrabban van jelen egy szervben, akkor ott korábban kezdődk? Legyen A and B két szerv. Jelölje lletve azt az dőpllanatot, amkor a folyamat -edk alkalommal jelenk meg az A lletve a B szervben. 2 születés 2 halál ( ) A gyakrabban előforduló struktúra masszívabb? 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Betegség, vagy genetka jellemző meghatározása egyetlen vérvzsgálattal Léteznek olyan genetka jellemzők (markerek) és betegségek, amelyek meglétét, vagy hányát egyetlen vérvzsgálattal meg lehet állapítan. Például a HLA-A2, B27 antgének megléte akylosng spondylts ankylopoetca (Bechterew féle betegség) esetén; vagy a HLA-DRw4 antgén megléte juvenls dabetes, vagy rheaumatod arthrts esetén; vagy a syphls; AIDS betegségek fennállása; stb 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Vezessük be a következő jelöléseket: N: a pácensek száma M: antgénnel rendelkezők vagy a betegségben szenvedők száma a A vérvzsgálat költsége az -edk genetka jellemző (betegség) esetében. p : annak valószínűsége, hogy az -edk vérvzsgálat eredménye poztív q 200..08. Magyar Tudomány Napja Gábor Dénes Főskola p

Ha mnden pácensnél végrehajtjuk a tesztet, akkor az összköltség: N M a Gyüjtsük össze k pácens vérét. Csnáljuk meg a tesztet a. az egybegyűjtött vérrel b. ha az eredmény poztív, akkor legalább egy pácens vértesztje poztív kell, hogy legyen. Tétel: Jelöljük a költséget ζ-val. Ekkor bzonyítható, hogy M E { m[ k( q k ) ] [ l( q l ) ]} a, ahol N mk l 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

),, ( l m k f E N-mk-l feltétel 0 k q k a m f M k 0 ln M l l q lq q a l f 0 ln m q kq q m a k f M k k l mk N 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Egy specáls lleszkedés probléma Adott két betegcsoport, az egykben n, a máskban N pácens van. N>>n. Mnden pácensnek smert a neme, az életkora, a testsúlya, a testmagassága és néhány e- gyéb változójának értéke. Célunk a N e- lemű csoportból kválasztan n pácenst, akk nemben, életkorban és brokandexben lleszkednek egymáshoz. BrokaIndex testsúly ( kg) testmagasság 2 ( méter 2 ) 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

Bzonytalan, vagy smeretlen adatokon alapuló dagnózs Adott egy X pácens, aknél néhány változó értéke smert, néhányé nem smert. Ugyanakkor adott pácenseknek egy S halmaza, akknél szntén néhány változó értéke smert, néhányé nem smert. Az S halmazban lévő pácenseknél a betegség súlyosságát smerjük. Cél: meghatározn az X pácens betegségének súlyosságát. 200..08. Magyar Tudomány Napja Gábor Dénes Főskola

200..08. Magyar Tudomány Napja Gábor Dénes Főskola