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

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

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?

4 2 lapultsági együttható =

? közgazdasági statisztika

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

? közgazdasági statisztika

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

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

[Biomatematika 2] Orvosi biometria

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Regresszió. Fő cél: jóslás Történhet:

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap

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

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

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

Valószínűségi változók. Várható érték és szórás

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

Kutatásmódszertan és prezentációkészítés

A m becslése. A s becslése. A (tapasztalati) szórás. n m. A minta és a populáció kapcsolata. x i átlag

Mérési hibák

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

Biomatematika 2 Orvosi biometria

[Biomatematika 2] Orvosi biometria

ADATREDUKCIÓ I. Középértékek

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

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

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

Lineáris regresszió. Statisztika I., 4. alkalom

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

ADATREDUKCIÓ I. Középértékek

[Biomatematika 2] Orvosi biometria

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

NEVEZETES FOLYTONOS ELOSZLÁSOK

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

Statisztika feladatok

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

[Biomatematika 2] Orvosi biometria

KÖVETKEZTETŐ STATISZTIKA

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

Biomatematika 2 Orvosi biometria

Szerven belül egyenetlen dóziseloszlások és az LNT-modell

Matematikai alapok és valószínőségszámítás. Normál eloszlás

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

Véletlenszám generátorok. 6. előadás

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

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

Valószínűségszámítás összefoglaló

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

A sokaság/minta eloszlásának jellemzése

Nemparaméteres eljárások

Normális eloszlás tesztje

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

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

(eseményalgebra) (halmazalgebra) (kijelentéskalkulus)

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

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Kísérlettervezés alapfogalmak

A mérési eredmény megadása

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

Microsoft Excel Gyakoriság

Minősítéses mérőrendszerek képességvizsgálata

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

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

A valószínűségszámítás elemei

ADATREDUKCIÓ I. Középértékek

Az entrópia statisztikus értelmezése

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Biostatisztika VIII. Mátyus László. 19 October

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

Intelligens elosztott rendszerek

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

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

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

A leíró statisztikák

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

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

A maximum likelihood becslésről

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

BIOMATEMATIKA ELŐADÁS

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

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

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

Kísérlettervezés alapfogalmak

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

Bevezetés a hipotézisvizsgálatokba

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Készítette: Fegyverneki Sándor

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

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

A napsugárzás mérések szerepe a napenergia előrejelzésében

Bevezetés. 1. előadás, február 11. Módszerek. Tematika

MATEMATIKA HETI 5 ÓRA

Átírás:

ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet Egyéb példák 36,7 C 36,7 C RBC: 4,5x /l (3,9-5 x /l) normál tartomány? 36,9 C 36,9 C Az új terápás eljárás hatékonyabb mnt a rég? 36,6 C. Mérés pontatlanség.. Időbel ngadozások!!! 36,5 C 3. Bológa változatosság!!! Hogyan gazolható egy lázcsllapító hatásossága? A megfgyelt értékek nem állandóak! Mért érték: 37, C. Egészséges vagy beteg? Kérdések!

Hogyan válaszolható meg? A gyógyszer hatásos.?. Dt <. Dt >= A gyógyszer nem hatásos: fluktuácó, a beteg jobban lesz, stb. Változók változó tartomány típus A változó típusa magasság ~5 cm ~5 cm valós szám folytonos numerkus fogak száma.. 3 egész szám dszkrét vércsoport A, B, AB, betűk a rák stáduma 4 egész szám kategóráls nomnáls ordnáls Következmény: A válasz nem egyszerű és nem mndg egyértelmű! (Nem csak a gyógyszer befolyásolhatja a test hőmérsékletet.) A gyógyszer nem hatásos. A gyógyszer hatásos: fluktuácó, nem emelkedk tovább, stb. Leíró statsztka! A változó leírása Numerkus változók Típusa Lehetséges értékek Az értékek előfordulása Név folytonos dszkrét Defnícó Példa Végtelen sok érték lehetséges, egy adott tartományban Magasság, testhőmérséklet Véges számú lehetséges érték A fogak száma, a gyerekek száma

Kategoráls változók A lehetséges értékek megadása Név Nomnáls Ordnáls Folytonos : megadjuk a lehetséges tartományt.» pl. magasság: ~6 cm - ~ 5 cm Defnícó Nncs sorrend Létezk természetes sorrend Egyéb: felsoroljuk az értékeket, ha lehetséges» pl. vércsoport: A, B, AB, Példa nem, vércsoport A betegség súlyossága, a fájdalom nagysága Előfordulás Megfgyelés: Az értékek előfordulása nem azonos mértékű! Populácó Hány kísérletre van szükség? Amenny csak lehetséges. Kísérlet: mérés, megfgyelés, kkérdezés... Csak olyan esetekkel foglalkozunk, amelyekben a kísérlet megsmételhető! Kmenetel: Egy kísérlet eredménye. (pl.: egy hallgató magassága) Ideáls eset: pl. az összes ember populácó 3

Mnta Egy ksebb, véges számú hányad a populácóból. A mnta kválasztása Alapelv: véletlen mnta. n: az elemek száma a mntában. x: a vzsgált mennység x : egy elem a mntából Orvos statsztka: ha nncs egyéb kzáró ok, akkor véletlen legyen a kválasztás! Előfordulás Gyakorság (k): egy adott érték előfordulásának a száma. k : az -edk érték előfordulása. n k Gyakorság eloszlás A gyakorság a változó értékenek a függvényében. Vércsoport A B AB összes gyakorság 7 5 4

gyakorság Megjelenítés Relatív gyakorság A vércsoport gyakorság eloszlása 5 5 5 O A B AB oszlop dagramm A gyakorság aránya a teljes elemszámhoz vszonyítva. k n n k n n O A B AB kördagramm Gyakran százalékos formában adjuk meg: k n % Valószínűség (P) Valószínűség eloszlás A valószínűség a relatív gyakorság értéke, ha n tart a végtelenhez. 5

százalék A valószínűség tulajdonsága Valószínűség és relatív gyakorság P P = - sohasem fordul elő P = - mndg előfordul Mnta n véges! Populácó n példa: vércsoport P P A B P AB P (ha, egymást kzáró események) P relatív gyakorság valószínűség A valószínűség nagyon gyakran nem smert! A gyakorlatban a relatív valószínűséget használjuk helyette. 5% 45% 4% 35% 3% 5% % 5% % 5% % Megjelenítés Vércsoportok eloszlása Magyarországon O A B AB 5,5%,9% 36,9% O A B AB Folytonos változó Végtelen sok lehetséges érték!!! Osztály: egy ks ntervallum a teljes értéktartományon belül. Osztályszélesség: Az ntervallum hossza. Gyakorság: azon elemek száma, amelyek az adott ntervallumba esnek. 44,7% Olyan, mntha dszkrét értékek lennének! 6

gyakorság gyakorság gyakorság Egy példa Megjelenítés 6 cm 8 cm 3 75 cm 4 63 cm 5 65 cm 6 79 cm 7 64 cm 8 85 cm 9 77 cm 68 cm osztály 6-64 65-69 7-74 75-79 8-84 85-89 k 3 3 5 5 gyakorság eloszlás (5 cm) 5 55 6 65 7 75 8 85 9 magasság (cm) Fnomabb felosztás Megjelenítés gyakorság eloszlás ( cm) 8 7 6 5 4 3 5 54 58 gyakorság eloszlás ( cm) 6 66 7 74 magasság (cm) 78 8 86 9 5 4 3 5 55 6 65 7 75 8 85 9 magasság (cm) Valóban teljes leíráshoz akkor jutunk, ha az elemszám végtelen nagy! 7

probablty densty valószínűség sűrűség probablty densty,6,5 Normáls eloszlás Ha az osztályszélesség végtelenül kcs és az elemszám végtelenül nagy! normáls eloszlás (m=7, s=8) Elmélet eloszlás Normáls vagy Gauss-eloszlás g xm s ( x) e s,4,3,, 5 55 6 65 7 75 8 85 9 magasság (cm) Paraméterek: m várható érték s elmélet szórás Normal dstrbuton (m=7, s=8),6,5,4,3,, 5 55 6 65 7 75 8 85 9 Heght (cm) Paraméterek: Elmélet leírás Normáls vagy Gauss-eloszlás m várható érték, vagy elmélet átlag s elmélet szórás g xm s ( x) e s,6,5,4,3,, Normal dstrbuton (m=7, s=8) 5 55 6 65 7 75 8 85 9 Heght (cm) Tulajdonsága, a paraméterek jelentése A --től a + -g terjed, szmmetrkus, A görbe alatt terület. m: a görbe maxmumához tartozó érték. s: az adatok átlagos eltérése a m-től. 8

Sűrűségfüggvény, eloszlás függvény A valószínűség jelentése Sűrűségfüggvény Eloszlásfüggvény ntegrálás derválás P annak a valószínűsége, hogy az x érték az (a,b) ntervallumba esk, ll. az adatok P%-a tartozk ehhez az ntervallumhoz. Elmélet szórás Normáls eloszlás (m±s) ~ 68% (m±s) ~ 95% (m±3s) ~ 99,5% Elmélet eloszlás! A populácó egészére jellemző. A gyakorlatban általában nem smerjük a paraméteret. Általában csak egy vagy több véletlen mntánk van a teljes populácóból! 9

A m becslése A s becslése s = Az adatok átlagos eltérése a m-től. s (tapasztalat szórás) = az elemek átlagos eltérése az átlagtól. átlag: az elemekhez képest középen kell elhelyezkedne. x x x n x Q x x x A (tapasztalat) szórás A mnta és a populácó kapcsolata Qx s n (x±s) ~ 68% (x±s) ~ 95% (x±3s) ~ 99,5% s: az elemek átlagos eltérése az átlagtól. n-: a szabadság fok Példa: 3 szám átlaga =. Melyk ez a három szám? Mnta. szám. szám 3. szám. 8 5 36-(8+5) = 3. 3 4 36-(3+4) = 9 mnta átlag s n populácó m s 3. 36-(+) = 5

A m és az átlag Standard hba A mérés megsmétlése több mntán. Az átlagok szntén ngadoznak a m körül! s x s n Az átlagok átlagos eltérése a m- től! Mnta átlag 7 A m konfdenca ntervalluma. 68 3 66 4 73 x s x ~ 68% ~68% annak a valószínűsége, hogy a m ebben a tartományban van. (~3%, hogy nem!) A m becslése Informácó tartalom Átlag Pont becslés Konfdenca ntervallum Intervallum becslés x s x ~ 68% x s ~ 95% x x s ~ 99.5% 3 x Egy egyszerű érték. Egy tartomány és egy valószínűség, amely megadja a az esélyét, hogy a m a tartományba esk. x % De: a konfdenca ntervallum hossza függ a standard hba nagyságától!

Normál tartomány Normáls eloszlású változó Egyéb típusú változó Egy olyan tartomány, amkor 95% a valószínűsége, hogy egy érték benne van. De: 5% az esélye, hogy a tartományon kívülre esk!!!