Több laboratórium összehasonlítása, körmérés



Hasonló dokumentumok
KISTERV2_ANOVA_

BIOMETRIA_ANOVA_2 1 1

Motivációs diasor Ha megéri, nem baj, hogy nehéz!

PhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats

4. példa: részfaktorterv+fold-over, centrumponttal

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála

Minőségjavító kísérlettervezés

Esetelemzés az SPSS használatával

WIL-ZONE TANÁCSADÓ IRODA

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

Critical mix. 15. példa. 2 égh. anyag. 1 oxigén. 3 ég-e. 2 van nincs 0 3 nincs van 0 4 van van 1. 1 nincs nincs 0

Több valószínűségi változó együttes eloszlása, korreláció

TAGUCHI ÉS SHAININ. Taguchi módszere a minőség kísérletes javítására

STATISZTIKA PRÓBAZH 2005

Statisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák

Minőség-képességi index (Process capability)

Statisztika, próbák Mérési hiba

Idősoros elemzés. Ferenci Tamás, január 7.

Idősoros elemzés minta

You created this PDF from an application that is not licensed to print to novapdf printer (

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

Statisztika II. feladatok

Normál eloszlás. Gyakori statisztikák

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

Esetelemzések az SPSS használatával

Varianciaanalízis 4/24/12

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek. Dr. Dombi Ákos

Correlation & Linear Regression in SPSS

Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése. Rezsabek Tamás GSZDI

Bevezetés az ökonometriába

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Regression

Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások

Statistical Inference

Statistical Dependence

Hipotézis vizsgálatok

Minőségjavító kísérlettervezés TAGUCHI ÉS SHAININ

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests

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

Shainin-kísérlettervezés

Biostatisztika Bevezetés. Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Logisztikus regresszió október 27.

A telefonnal való ellátottság kapcsolata a rádió és televízió műsorszórás használatával a 14 éves és idősebb lakosság körében

ÚJDONSÁGOK A MINITAB STATISZTIKAI SZOFTVER ÚJ KIADÁSÁNÁL (MINITAB 18)

MSA - mérőrendszer elemzés (MSA - measurement systems analysis)

2 p típusú teljes faktoros kísérleti tervek. Kísérlettervezés. Mit akarunk megtudni? mátrix-terv. a változók egyenkénti változtatása. x 3 x 2.

4. példa: részfaktorterv+fold-over, centrumponttal

Descriptive Statistics

Statisztikai szoftverek esszé

Eloszlás-független módszerek 13. elıadás ( lecke)

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

y ij = µ + α i + e ij

SPSS ÉS STATISZTIKAI ALAPOK II.

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis

Biomatematika 13. Varianciaanaĺızis (ANOVA)

MARKETINGKUTATÁS II. Oktatási segédanyag. Budapest, február

Diszkriminancia-analízis

Az R statisztikai programozási környezet: az adatgyűjtéstől a feldolgozáson és vizualizáción át a dinamikus jelentéskészítésig

Likelihood, deviancia, Akaike-féle információs kritérium

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

Módszertani eljárások az időtényező vezetési, szervezeti folyamatokban betöltött szerepének vizsgálatához

Nem. Cumulative Percent 1,00 férfi ,9 25,9 25,9 2,00 nı ,1 73,1 99,0 99,00 adathiány 27 1,0 1,0 100,0 Total ,0 100,0

1. melléklet A ciklodextrin hatásának jellemzése mikroorganizmusok szaporodására Murányi Attila

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

A KUTATÁSMÓDSZERTAN MATEMATIKAI ALAPJAI MA. T.P.Lenke

Biológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható.

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Hypothesis Testing. Petra Petrovics.

Logisztikus regresszió

A mintavétel bizonytalansága

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.

Reiczigel Jenő,

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

Egyenlőtlenségi mérőszámok alkalmazása az adatbányászatban. Hajdu Ottó BCE: Statisztika Tanszék BME: Pénzügyek tanszék Budapest, 2011

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

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

Statisztikai folyamatszabályozás Minitab szoftverrel

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

Statisztika II előadáslapok. 2003/4. tanév, II. félév

A JOHNSON NEYMAN-MÓDSZER BEMUTATÁSA ÉS ALKALMAZÁSA

y ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti.

Sztochasztikus kapcsolatok

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka

Logisztikus regresszió

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

Biostatisztika Hipotézisvizsgálatok, egy- és kétoldalas próbák, statisztikai hibák, ANOVA

Statisztikai módszerek alkalmazása az orvostudományban. Szentesi Péter

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

Korreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

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

p-érték, hipotézistesztelés, és ellentmondásaik

STATISZTIKA. Fogalom. A standard lineáris regressziós modell mátrixalgebrai jelölése. A standard lineáris modell. Eredménytáblázat

Standardizálás, transzformációk

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Bemenet modellezése II.

Variancia-analízis (folytatás)

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

Átírás:

Több oratórium összehasonlítása, körmérés colorative test, round robin a rendszeres hibák ellenőrzése, számszerűsítése Statistical Manual of AOAC, W. J. Youden: Statistical Techniques for Colorative Tests, E. H. Steiner: Planning and Analysis of Results of Colorative Tests Laboratóriumok összehasonlítása A cél: a módszerek megbízhatóságának értékelése a rendszeres hibák nagyságának számszerűsítése (a résztvevő oratóriumok alkalmasságának vizsgálata) Megfelelő időpontja: amikor a módszer már kialakult ruggedness test után Módja: minden résztvevő or minden mintát egyszer vagy többször analizál Laboratóriumok összehasonlítása

Két fő módszer: Youden páronként ill. véletlen blokk ismétlés nélkül Steiner több ismétléssel Értékelés Youden-plot rang-módszer (Friedman) kiugró értékek vizsgálata/kiszűrése véletlen blokk/anova (Youden) teljes terv kereszt-osztályozással/anova (Steiner) Laboratóriumok összehasonlítása Valódi érték (valódi koncentráció) nagyon tiszta standard két vagy több analitikai módszer konvergenciája Az ismétlés hátrányai a minta ismerős lesz censoring Statisztikai problémák σ e oron belüli ingadozás nem konstans másodlagos fontosságú Laboratóriumok összehasonlítása 4

Minták azonos minták homogenitás esetleg analízisre előkészítve A teljes tervből (Steiner) becsülhető σ A orok közötti különbség σ AB or*minta kölcsönhatás σ e oron belüli ingadozás A véletlen blokkos tervből (Youden) becsülhető σ A orok közötti különbség σ + AB σ e Laboratóriumok összehasonlítása Youden módszere Minden résztvevő oratórium két (egymáshoz közeli) mintát mér (x és y), egyszer. y # # # # # # # # #4 # # # # # # # #4 #0 # Youden-plot # x Laboratóriumok összehasonlítása

# # # # # # µ =.0 µ =. y # # # # # # # # #4 #0 # # #4 orok között σ A =.0 # oron belül σ e = 0. x Az egyes orok jó ismételhetőséggel követik a saját verziójuk szerinti eljárást, de a orok között nagy különbségek vannak. Mi a baj az eljárással (leírással)? Laboratóriumok összehasonlítása y # #4 # #0 # #4 # # # # # # # # # # # # µ =.0 µ =. orok között σ A =.0 # # oron belül σ e =.0 x Laboratóriumok összehasonlítása

µ =.0 µ =. y orok között σ A = 0. oron belül x σ e = 0. Laboratóriumok összehasonlítása.0...4. y.0...4..0.0..4...0..4...0 x Laboratóriumok összehasonlítása

. példa Youden p. minta vízoldhatatlan N-tartalma Youdenp.sta 4 Coll Sample_ Sample_ 4 Sample_ Sample_4 Sample_ 4..4.4.. 4.4....44 4.0.40... 4..4..0. 4.....00 4.0..0..4 4.4.40.4.0.0 4..0... 4....04. 4..4... Laboratóriumok összehasonlítása Rang-próba (Friedman ANOVA) Sample_ Sample_ Sample_ Sample_4 Sample_ 4 4. 4.4 4.0 4. 4. 4.0 4.4 4. 4. 4..4..40.4...40.0..4.4.....0.4.......0...0..04...44...00.4.0... Variable Friedman ANOVA and Kendall Coeff. of Concordance (Youdenp_transposed.sta) ANOVA Chi Sqr. (N =, df = ) =.4 p =.0 Coeff. of Concordance =.4 Aver. rank r =.0 Average Sum of Mean Std.Dev. Rank Ranks.00000.0000.40000.0.00000.00000.000.0, 4 4.00000.00000.000.4.00000.0000.0000.4.00000.00000.4000..00000 4.00000.000..00000.0000.0000. 4.00000.0000.000..00000.00000.0000..000000.00000.04000.. or gyanús (4>4) Laboratóriumok összehasonlítása

Laboratóriumok összehasonlítása orok közötti σ A σ e ( σ + ) AB σ e orokon belüli Components of Variance (Youdenp_stacked.sta) Effect Value Coll.4.44 Effect Intercept Coll Sample Univariate Tests of Significance for Value (Youdenp_stacked.sta) Effect SS Degr. of MS Den.Syn. Den.Syn. F p (F/R) Freedom df MS Fixed.00.00..0 0.0000 Random.00..44.04 0.00 Fixed 0.000 4 0.000.44 0.00000.000000.0.44 Laboratóriumok összehasonlítása 4

. példa Youden p. 4 minta Al-tartalma Youdenp4.sta Variable 4 Friedman ANOVA and Kendall Coeff. of Concordance (Youdenp4_transposed.sta) ANOVA Chi Sqr. (N =, df = ) =. p =.00 Coeff. of Concordance =.0 Aver. rank r =. Average Sum of Mean Std.Dev. Rank Ranks.0000.0000.44000.0, 4 4.00000.0000.000.4.00000.0000.000.4.0000.0000.0000..00000.0000.4000.400.00000 4.00000.0000.04.0000 0.0000.0000.040.00000 4.00000.00000.0.00000.0000.000.40.00000.0000.4000.0. és. or gyanús (4>4, 4>4) Laboratóriumok összehasonlítása Youdenp4.sta v*c.0. #. Limestone_4....4 # # # #4 # # # #... #.0..0..4...40.4.44.4.4.0..4 Limestone_ Laboratóriumok összehasonlítása

Effect Intercept Coll Code Univariate Tests of Significance for Value (Youdenp4_stacked.sta) Effect SS Degr. of MS Den.Syn. Den.Syn. F p (F/R) Freedom df MS Fixed.. 0.0.4 0.000000 Random. 0.0 0.004.4 0.00 Fixed. 4 4.0 0.004 4. 0.000000.4 0.0 Components of Variance (Youdenp4_stacked.sta) Effect Value Coll 0.000 0.004 Effect Coll Restricted Maximum Likelihood Estimates (Youdenp4_stacked.sta) Variable: Value -*Log(Likelihood)=.44 Variance Standard df z Prob. Alpha Lower Upper Sum Percent RSD (%) Value Value z.0000%.0000% 0.000 0.0 4.0.44 0.00 0.00000 0.0 0.4 0.000 0.4.40 0.004 0.04.00000 4.44 0.0000 0.00000 0.040 0. 0.00.04. Laboratóriumok összehasonlítása.0 Residual vs. Predicted Values Dependent variable: Value 0. 0. 0.4 Raw Residuals 0. 0.0-0. -0.4-0. -0. Normal Prob. Plot; Raw Residuals -.0 Dependent variable: Value 0 4.0 Predicted Values..0... Expected Normal Value.0 0. 0.0-0. -.0 -. -.0 -......0.0 -.0 -.0-0. -0. -0.4-0. 0.0 0. 0.4 0. 0..0 Laboratóriumok összehasonlítása Residual

. példa Steiner p. minta orban sample sample sample..4...0.0.4...0.. 0. 0.....0 4.......0 0. 0...0.4.4..4 0. 0.4..... 0.......0....0.4..... 0..0....4. 0....... 0..0...... Laboratóriumok összehasonlítása 4 sum sum 4 sum 4...0 4.0.. 4... 4 4... 4... 4... 4...4 4... 4... 4. 4.. 4... Laboratóriumok összehasonlítása 0

Variable 4 Friedman ANOVA and Kendall Coeff. of Concordance (-Way Tables of Descriptive Statistics (Steinerpm.sta)) ANOVA Chi Sqr. (N =, df = ) =. p =. Coeff. of Concordance =.0 Aver. rank r =.0 Average Sum of Mean Std.Dev. Rank Ranks.00000.00000.40000.0. 0.00000.0000.44 4..00000..4.00000.00000 4..404. 0.00000..000..0000...00000.00000..0..00000 4.. 4, 4..0000....00000.4.0 4. 4.00000.40000.00 a 4. or gyanús (>) Laboratóriumok összehasonlítása. minta. minta. minta max 4... max - 4.0..4 max-min + 4.-4..-..-.0 xmax xmax 4. 4.0....4 = 0.0 = 0.4 x x 4. 4.....0 max min + = 0.0 min 4. 4.. min + 4...0 xmin x 4. 4.. 4..0. + = 0. = 0.0 = 0.0 x xmin 4.0 4.. 4..4. max Dixon-próba a 4. or nélkül min max - -min 4.0-4..-4..4-. mérésre (orra) a kritikus érték (α=0.0) 0.4. or. mintája (4.) kiugró, a mérési jegyzőkönyv alapján. helyett. a jó érték Laboratóriumok összehasonlítása

Varianciaanalízis a 4. orral együtt Effect Intercept Code *Code Univariate Tests of Significance for Value (Steinerpm_corr_stacked.sta) Effect SS Degr. of MS Den.Syn. Den.Syn. F p (F/R) Freedom df MS Fixed...00000 0.4 404. 0.000000 Random. 0. 0.00000 0.. 0.0 Fixed 4.. 0.00000 0. 0. 0.000000 Random. 0 0..00000 0.04.4 0.0.4 0.0 Effect *Code Components of Variance (Steinerpm_corr_stacked.sta) Value 0.0044 0.0 0.04 Laboratóriumok összehasonlítása Varianciaanalízis a 4. or nélkül Effect Intercept Code *Code Univariate Tests of Significance for Value (Steinerpm_corr_stacked.sta) Exclude condition: =4 Effect SS Degr. of MS Den.Syn. Den.Syn. F p (F/R) Freedom df MS Fixed...00000 0. 04. 0.000000 Random. 0..00000 0.04. 0.4 Fixed.4..00000 0.04.4 0.000000 Random. 0. 0.00000 0.044000. 0.00. 0 0.04 Effect *Code Components of Variance (Steinerpm_corr_stacked.sta) Exclude condition: =4 Value 0.00 0.00 0.044000 Laboratóriumok összehasonlítása 4

0. Residual vs. Predicted Values Dependent variable: Value Exclude condition: =4 0. 4 0.4 Raw Residuals 0. 0.0-0. -0.4-0. 4 0 Predicted Values Sheet Value Code 4 sample Laboratóriumok összehasonlítása.0 Normal Prob. Plot; Raw Residuals Dependent variable: Value Exclude condition: =4 Expected Normal Value..0..0 0. 0.0-0. -.0 -. -.0 -........0.0 -.0-0. -0.4-0. 0.0 0. 0.4 0. 0. Residual Laboratóriumok összehasonlítása

lnsd Scatterplot of lnsd against lnmean Breakdown Table of Descriptive Statistics (Steinerpm_corr_stacked.sta) v*0c lnsd = -.+.44*x -0. -0.4-0. -0. -.0 -. -.4 -. -. -.0 -. -.4 -. -.......0. lnmean α Laboratóriumok összehasonlítása α λ=-α transzformáció - / y. -0. / y 0 ln y 0. 0. y 0 (nincs transzformáció) λ Laboratóriumok összehasonlítása

Effect Intercept Code *Code Univariate Tests of Significance for lnvalue (Steinerpm_corr_stacked.sta) Exclude condition: =4 Effect SS Degr. of MS Den.Syn. Den.Syn. F p (F/R) Freedom df MS Fixed 40. 40..00000 0.000 00 0.000000 Random 0.00 0.0004.00000 0.0000 0.4 Fixed.4.04.00000 0.0000 0.000000 Random 0.00 0.0004 0.00000 0.0004 0.00 0.0040 0 0.000 Effect *Code Components of Variance (Steinerpm_corr_stacked.sta) Exclude condition: =4 lnvalue 0.00000 0.000 0.0004 Laboratóriumok összehasonlítása