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

Hasonló dokumentumok
Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

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

Statisztika 1. zárthelyi dolgozat március 18.

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

A matematikai statisztika elemei

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

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

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,

6. feladatsor. Statisztika december 6. és 8.

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

Statisztikai hipotézisvizsgálatok

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

BIOMATEMATIKA ELŐADÁS

Bevezetés a hipotézisvizsgálatokba

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

Normális eloszlás paramétereire vonatkozó próbák

Statisztika. Földtudomány szak, geológus szakirány, 2015/2016. tanév tavaszi

Statisztika 1. zárthelyi dolgozat március 21.

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;

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

Matematikai statisztika

Statisztika Elıadások letölthetık a címrıl

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

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

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Hipotézis vizsgálatok

[Biomatematika 2] Orvosi biometria

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

3.1. A Poisson-eloszlás

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

Zavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.

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

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

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

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

Többváltozós lineáris regressziós modell feltételeinek

egyetemi jegyzet Meskó Balázs

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

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

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

Statisztika elméleti összefoglaló

Valószín ségszámítás és statisztika

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

Hipotézis vizsgálatok

Kísérlettervezés alapfogalmak

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Hipotézis-ellenırzés (Statisztikai próbák)

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

Eddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika

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

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Statisztika gyakorlat Geológus szakirány

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

Matematikai statisztika

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

? közgazdasági statisztika

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

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

Leíró és matematikai statisztika gyakorlat 2018/2019 II. félév

Matematikai statisztika gyakorlat 2018/2019 II. félév

Kettőnél több csoport vizsgálata. Makara B. Gábor

Nemparaméteres próbák

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

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

1. A radioaktivitás statisztikus jellege

Kidolgozott feladatok a nemparaméteres statisztika témaköréből

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

STATISZTIKA. Philosophiae Naturalis Principia Mathematica (A természetfiloz. szetfilozófia fia matematikai alapelvei, 1687) Laplace ( )

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

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

Korreláció és lineáris regresszió

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Tartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset:

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Nehézségi gyorsulás mérése megfordítható ingával

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

Statisztika (jegyzet)

kritikus érték(ek) (critical value).

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

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

Matematika B4 I. gyakorlat

[Biomatematika 2] Orvosi biometria

Bootstrap (Efron, 1979)

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

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

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

Biometria gyakorló feladatok BsC hallgatók számára

A pont példájának adatai C1 C2 C3 C

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

Átírás:

Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke egy adott µ 0 számmal egyelő. Nullhipotézis: H 0 : µ µ 0 Lehetséges ellehipotézisek (alteratív hipotézisek): H : µ µ 0 kétoldali ellehipotézis H : µ < µ 0, H : µ > µ 0, H : µ µ egyoldali ellehipotézisek

u-próba elemű mitát veszük egy N(µ,σ)-eloszlású (ormális eloszlású µ várható értékkel és σ szórással) sokaságból, és σ (azaz a szórás) ismert, µ (a várható érték) em. Az egész sokaság (pld. tömeg, méret stb.) várható értékére szabváyelőírás, hogy az egy bizoyos adott érték legye: µ µ 0 (tehát µ 0 lesz a szabváy által előírt érték). x (az átlag mellyel a sokaság várható értékét becsüljük a mita alapjá) em lesz potosa µ 0, haem akörül igadozik. A próbával eldöthetjük, hogy milye mértékű igadozást tekithetük véletleek. u-próba Ha a H 0 ullhipotézis teljesül, akkor az x µ u 0 σ véletle változó stadard ormál eloszlású lesz, ahol a mérések számát jeleti, a tört evezőjébe tehát az átlag szórása található.

3 u-próba A stadard ormál eloszlás sűrűség- és eloszlásfüggvéyei: ( ) ) ( ) ( ) ( ) ( ) ( ) ( 0, ) ( b b b b d z e x e x e x f x z x x Φ Φ Φ ϕ ϕ π π ϕ σ µ π σ σ µ u-próba A Φ(x) stadard ormál eloszlásfüggvéy értékeit, a köyebb kezelhetőség miatt, táblázatba foglalták. Φ(x) tehát azt a valószíűséget jeleti, amellyel a vizsgált valószíűségi változó (amely stadard ormál eloszlású) értéke em lesz agyobb x-él (kisebb vagy legfeljebb egyelő lesz vele).

u-próba Az ábrá a Φ(x) eloszlásfüggvéy grafikoja és az x,6 értékhez tartozó függvéyérték (0,945) látható. Φ (u) 0,945 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0, 0, u 0-4 -3 - - 0,6 3 4 u-próba Az ábra azt illusztrálja, hogy a ϕ(x) sűrűségfüggvéy - és,6 közötti itegrálja (görbe alatti területe) lesz egyelő Φ (,6)-del, vagyis 0,945-del. ϕ(u) 0,4 0,35 Φ(,6) 0,3 0,5 0, 0,5 0, 0,05 0-4 -3 - - 0,6 3 4 u 4

u-próba (kétoldali hipotézis) Ha a ullhipotézis igaz, úgy az u agy valószíűséggel ( -α) a ( x 0 σ µ ) ú. elfogadási tartomáyba esik, és csak kis valószíűséggel ( α) esik kívülre. Tehát a H 0 : µ µ 0 feltevést elfogadjuk (-α) 00% biztosági szite, ha x u u u > u ( µ ) 0 u σ α tablazatbeli tablazatbeli [ u, u α α ] és elvetjük, ha u-próba (kétoldali hipotézis) u tablazatbeli értékét úgy határozzuk meg, hogy a α táblázatból a Φ( u) valószíűséghez kikeressük u értékét. 5

u-próba Legye a szigifikacia szit 5%, azaz α 0,05. α 0,05 Φ( u) 0,975 A táblázatból u értéke,96. 6

u-próba (egyoldali hipotézis) Az előzőekbe kétoldali próbát végeztük, azaz az alteratív hipotézis H : µ µ 0 volt. Egyoldali próba eseté az alteratív hipotézis pl. H : µ > µ 0 lehet. Ez azt jeleti, hogy vagy elfogadjuk a H 0 : µ µ 0 ullhipotézist, vagy elvetjük azt és a H : µ > µ 0 alteratív hipotézist fogadjuk el. Ha µ valamilye egészségügyileg káros kompoes (NO x, CO, CO, szálló por, polle, stb.) kocetrációját jeleti és µ 0 az egészségügyi határérték, yilvá az a jó, ha a H 0 ullhipotézist el tudjuk fogadi. u-próba (egyoldali hipotézis) A H 0 : µ µ 0 feltevést elfogadjuk (-α). 00% biztosági szite, ha ( x µ 0) u u u σ α tablazatbeli és elvetjük, ha u > utablazatbeli u tablazatbeli értékét úgy határozzuk meg, hogy a táblázatból a valószíűséghez kikeressük u értékét. Egy korábbi ábra adatai alapjá, ha u értéke em agyobb, mit,6 ( u tablazatbeli 94,5%-os biztosági szite), akkor elfogadjuk a H 0 ullhipotézist, és ezzel együtt azt is, hogy a mért µ kocetráció érték az egészségügyileg meghatározott µ 0 kocetráció alatt va. 7

Kétmitás u-próba Egy kompoes kocetrációjáak meghatározását két függetle aalitikai módszerrel végeztük el (pl. klasszikus titrálással és egy műszeres módszerrel). Az első méréssorozat úgy tekithető, hogy egy elemű mitát veszük egy N(µ,σ )-eloszlású (ormális eloszlású µ várható értékkel és σ szórással) sokaságból, a második méréssorozat úgy tekithető, hogy egy elemű mitát veszük egy N(µ,σ )-eloszlású (ormális eloszlású µ várható értékkel és σ szórással) sokaságból, és σ, σ (azaz a szórások) ismertek, a µ, µ (a várható értékek) em. A kérdés az, hogy a két méréssorozat átlagaiak alapjá a két módszer által szolgáltatott kocetráció becslések azoosak tekithetők-e, vagy az egyik módszerrel csak szisztematikus hibával tuduk méri. (A feladat megfogalmazható azoos aalitikai módszerrel mérő két laboratórium méréseiek összehasolítására is.) Kétmitás u-próba A próbával eldöthetjük, hogy milye mértékű igadozást tekithetük véletleek. H 0 : µ µ H : µ µ 8

Kétmitás u-próba Ha a H 0 ullhipotézis teljesül, akkor az u véletle változó stadard ormál eloszlású lesz, ahol és a mérések számát jeleti. Ha a ullhipotézis igaz, úgy az u agy valószíűséggel ( -α) a [ u α, u α ] ú. elfogadási tartomáyba esik, és csak kis valószíűséggel ( α) esik kívülre. x x σ σ + Kétmitás u-próba Tehát a H 0 : µ µ 0 feltevést elfogadjuk (-α) 00% biztosági szite, ha x x u u u α tablazatbeli σ σ + és elvetjük, ha u > u tablazatbeli 9

Kétmitás u-próba u tablazatbeli értékét úgy határozzuk meg, hogy α a táblázatból a Φ( u) valószíűséghez kikeressük u értékét. Studet-féle egymitás t-próba Normál eloszlású változóra csak akkor alkalmazható az u-próba, ha az elméleti szórás ismert. A gyakorlatba ikább csak az korrigált szóráségyzetet ismerjük. Ilyekor az N(µ,σ)-eloszlású adatokkal a H 0 : µ µ 0 hipotézis elleőrzésére a x µ próbastatisztikát képezzük. s i t ( x x) i 0 s 0

Studet-féle egymitás t-próba Kimutatható, hogy ez a változó - szabadságfokú, Studet-féle t-eloszlású. Ha a ullhipotézis igaz, úgy a t agy valószíűséggel ( -α) a [ t α, t α ] ú. elfogadási tartomáyba esik, és csak kis valószíűséggel ( α) esik kívülre. Tehát a H 0 : µ µ 0 feltevést elfogadjuk (-α). 00% biztosági szite, ha x µ 0 t t és elvetjük, ha t > t tablazatbeli s α t tablazatbeli Studet-féle egymitás t-próba t tablazatbeli értékét úgy határozzuk meg, hogy a táblázatból a v- szabadsági fok mellett α szigifikacia szithez kikeressük t értékét. A kiadott táblázatot úgy szerkesztették, hogy az oszlopok fejlécébe az α szigifikacia szitet tütették fel kétoldali próba esetére. Egyoldali próba eseté a táblázat fejlécébe található szigifikacia szit értéket el kell osztai -vel, akkor kapjuk meg a helyes értéket.

F-próba Két függetle, ormál eloszlású változó tapasztalati szórása kissé eltér. Feltehető-e, hogy az egész sokaságba megegyezik a két elméleti szórás, σ σ. E próbával eldöthetjük, hogy két aalitikai módszer, két műszer, két laboratórium reprodukálhatósága (a mérési eredméyekbe a véletle hiba által okozott igadozása) azoos-e. F-próba Osszuk el a agyobbik korrigált tapasztalati szóráségyzetet a kisebbel! Az így kapott s F s változó bizoyíthatóa ( -),( -) szabadságfokú F-eloszlású, ha a H 0 : σ σ ullhipotézis teljesül. 3

F-próba Tehát a H 0 : σ σ feltevést elfogadjuk (-α). 00% biztosági szite, ha F s s F s F és elvetjük, ha F > F tablazatbeli. s α tablazatbeli 4

Studet-féle kétmitás t-próba Ha az előbbi F-próbával már igazoltuk, hogy σ σ, akkor vizsgálhatjuk azt is, hogy a két ormál eloszlású sokaság várható értékei is azoosak-e. Azaz eldöthetjük, hogy két módszer, két műszer, két laboratórium által kapott mérési eredméyek azoosak-e, ha már bizoyítottuk, hogy reprodukálhatóság azoos. A várható értékek egyezésére, a H 0 : µ µ ullhipotézis igazolására feltéve, hogy σ σ, a következő próbát tehetjük. 5

Studet-féle kétmitás t-próba Kiszámítjuk a t változó értékét, majd a H 0 : µ µ feltevést elfogadjuk (-α). 00% biztosági szite, ha és elvetjük, ha x x ( ) s + ( ) s + + t t α t tablazatbeli t > t tablazatbeli Studet-féle kétmitás t-próba t tablazatbeli értékét úgy határozzuk meg, hogy a táblázatból az ν + - szabadsági fok mellett α szigifikacia szithez kikeressük t értékét. 6

7