[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

[Biomatematika 2] Orvosi biometria

A valószínűségszámítás elemei

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

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

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

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

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

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

Valószínűségszámítás összefoglaló

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

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

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

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

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

Környezet statisztika

1. Kombinatorikai bevezetés

Diszkrét matematika 1.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

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

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

Készítette: Fegyverneki Sándor

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

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

A Statisztika alapjai

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

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

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika

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

Diszkrét matematika 1.

Abszolút folytonos valószín ségi változó (4. el adás)

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

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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

KÖVETKEZTETŐ STATISZTIKA

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

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

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

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

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

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Valószínűségszámítás

Gazdasági matematika II. tanmenet

Matematika alapjai; Feladatok

Feladatok és megoldások az 1. sorozat Építőkari Matematika A3

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

Matematika A4 I. gyakorlat megoldás

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

Statisztikai becslés

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Feladatok és megoldások a 8. hétre Építőkari Matematika A3

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

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

[Biomatematika 2] Orvosi biometria

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

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

Számítógépes döntéstámogatás. Statisztikai elemzés

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

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

Biomatematika 2 Orvosi biometria

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

Matematika III. Nagy Károly 2011

s.s. Bere Anikó Zsuzsanna

24. tétel. Kombinatorika. A grá fok.

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

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

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok

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


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

Valószínűségszámítás és statisztika a fizikában február 16.

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

Eseményalgebra, kombinatorika

A leíró statisztikák

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

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

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

Területi sor Kárpát medence Magyarország Nyugat-Európa

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

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

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

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Kísérlettervezés alapfogalmak

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

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik

Populációbecslések és monitoring

Valószínűségszámítás és Statisztika I. zh november MEGOLDÁS

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Kísérlettervezés alapfogalmak

Átírás:

[Biomatematika 2] Orvosi biometria 2016.02.15. 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. 1

Egy kísérlet eredménye (16 dobás dobókockával). Eseménytér: Egy kísérlet lehetséges eredményeinek összessége (halmaza). 2

Elemi esemény: egyelemű részhalmaz. Összetett esemény: többelemű részhalmaz. 3

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 mintaközép (mintaátlag, számtani közép) A minta jellemzői = medián (sorba rendezett minta középső eleme) mintaterjedelem (a rendezett minta legkisebb és legnagyobb elemének különbsége (R) = szórásnégyzet (variancia, korrigált tapasztalati szórásnégyzet (n 10)) = ( ) 1 standard deviáció (A minta standard deviációja a populáció standard deviációjának torzítatlan becslése!) = ± ( ) 1 Az átlag standard hibája (a mintaeloszlás varianciája): az átlag reprodukálhatósága (az alkalmazott mérési módszer megbízhatóságáról informál) Várható érték 4

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). P(A) 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 =! =!! = =!!! ismétléses,, =!!!!,! =,! = + 5

Permutáció Sorba rendezés lehetőségeinek száma (sorrendbe írt sorozatok száma). Ismétlés nélküli permutációk száma egy n elemű halmaz esetén: =! (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) #$ $# #$ #$ $# $#,,,,, * 4.. #. $. &. '. 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 esetén:,,! = (n: összes elem száma; k r : r-edik fajtából való elemek száma; k 1 +k 2 +k 3 + k r = n)!!! 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) (()), ()()., ())( #., ))(( $., )()(, )(() &. '.. 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: *! = (n: az összes eltérő elem száma, k: kiválasztott elemek (+)! száma). lap szóból kétbetűs egységek kirakása (3!/(3-2)! = 6) pl, pa, lp, la, ap, al ismétléses variáció: *, = (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) 6

kombináció Ismétlés nélküli kombináció: n különböző elemből álló halmazból képezhető k elemű részhalmazok számossága (sorrend nem fontos!), = - =! (n: az összes eltérő elem száma, k: kiválasztott elemek száma). Sorrend nem!(+)! 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: +- 1 - A valószínűség jellemzői 0 P A 1 P Ω = 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) események A és B együttes bekövetkezése nem történik meg: P(A*B)=0 P A+B = P A +P B P A4 = 1 P(A) (P A4 :komplementer esemény) 7

Egymást kizáró események A és B esemény együtt nem valósulhat 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% 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% 8

Újabb 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 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 függő változót, valószínűségi változót kapunk. Elemi eseményekhez rendelt számérték. Véletlentől függő számértékeket felvevő változókat valószínűségi változóknak nevezzük (jelölés: ξ, η, x). pl. vérnyomás, vércukor, magasság, kockadobás eredménye, levegő hőmérséklete. 9

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 Eloszlási függvény Egy ξ valószínűségi változó eloszlásfüggvényén a következő függvényt értjük: B() = C(- < ) Ez a függvény minden x értékre megadja annak a valószínűségét, hogy a valószínűségi változó (-) x-nél kisebb értéket vesz fel. Diszkrét valószínűségi változó eloszlásfüggvénye lépcsős függvény. 10

Eloszlási függvény jellemzői monoton növekvő: B B,FG > lim +K B = 0 lim K B = 1 minden helyen balról folytonos: lim L +M B =B M Eloszlási függvény diszkrét valószínűségi változó esetén Két kocka dobása eredményének összege. (N) (N) OPOQRSí (N) 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 11

Diszkrét valószínűségi változó eloszlása X eloszlás: C(k = ) 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 Diszkrét valószínűségi változó eloszlásfüggvénye B = C(- < ) B () 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 12

Várható érték Egy valós szám mely körül egy kísérlet várható eredményeinek átlaga ingadozik (E(X), M(x), M, µ, m x, m). diszkrét valószínűségi változó várható értéke súlyozott átlaga a valószínűségi változó várható értékeinek (x). M = U x folytonos valószínűségi változó várható értéke Y M x = V+ W X Kockadobás várható értéke M x = U N! Z! 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6 M x = 1 ' + 2 ' + 3 ' + 4 ' + 5 ' + 6 ' = 3.5 13

vége 14