Bayesovský p ístup k t-test m v kompozi ní analýze metabolomických dat
|
|
- Miloslav Tobiška
- před 5 lety
- Počet zobrazení:
Transkript
1 Bayesovský p ístup k t-test m v kompozi ní analýze metabolomických dat Julie Rendlová 1,2,3, Karel Hron 1, Ond ej Vencálek 1, David Friedecký 2,3 ROBUST KMAAM, P F, Univerzita Palackého 2 OKB, Fakultní nemocnice Olomouc 3 Laborato metabolomiky, ÚMTM, Univerzita Palackého
2 Jak vznikají metabolomická data Pro d lat bayesovský t-test Pro uplat ovat kompozi ní p ístup Co je na posteru
3 Metabolomika zabývá se malými molekulami (aminokyseliny, sacharidy,... ) soubor v²ech molekul v daném biologickém materiálu (krev, mo, bu ky,... ) je metabolom Cílená metabolomická analýza seznam metabolit p ed analýzou mén nam ených látek jednodu²²í interpretace Necílená metabolomická analýza m í se v²e, co se ve vzorku najde vhodné, kdyº se hledají nové markery nemocí sloºitá interpretace (metabolity, fragmenty, adukty, ²um)
4 Postup m ení m ení odebraných vzork pacient a kontrol v náhodném po adí vzorky prochází 1) kapalinovým chromatografem pr chod molekul ur í RT metabolit se adí metabolity 2) hmotnostním spektrometrem ²t pení na fragmenty dané hmoty metabolity se stejným RT se rozbijí na fragmenty p echod z dané hmoty na fragmenty ur í p vodní metabolit nejspeci t j²í p echod se vykreslí (AUC odpovídá intenzit p vodního metabolitu)
5 Postup m ení p ístroje
6 Postup m ení chromatogracké píky Intenzita (cps) 2.8e5 2.6e5 2.4e5 2.2e5 2.0e5 1.8e5 1.6e5 1.4e5 1.2e5 1.0e5 8.0e4 6.0e4 4.0e4 fenylalanin prolin 4-guanidinobutanoát nikotinamid serin cytosin tyrosin cholin histidin adenosin threonin/homoserin cytidin tryptofan guanosin AMP 2.0e Čas (min)
7 P edzpracování dat píky se zintegrují AUC náhodné vlivy ovliv ují m ení narovnání trendu pomocí LOESS regrese, kontrola CV p edzpracováním se zna ný po et metabolit vy adí z dat vstupní data pro statistickou analýzu: pozorování pacienti a kontroly ( ádky) prom nné plochy intenzit metabolit (sloupce) stovky prom nných, jednotky aº desítky pozorování vysoce dimenzionální data
8 Tradi ní p ístup k jednorozm rným statistickým metodám parametrický t-test nebo neparametrický Wilcoxon v test na hladin významnosti α = 0.05 mnohonásobné testování r st pravd podobnosti získání fale²n pozitivních výsledk p i stovkách prom nných je Bonferroniho korekce p íli² konzervativní p i stovkách prom nných Bonferroniho korekce neumoºní u Wilcoxna zamítat výsledky t-test prudce ovlivn ny p ítomností odlehlých hodnot výsledky t-test a Wilcoxonových test jsou chudé pouze p-hodnoty neposkytují moºnost se adit metabolity dle nejlep²ího
9 Bayesovský t-test apriori p edpokládáme data z t-rozd lení s t ºkými chvosty p irozen robustní metoda (Kruschke, 2012) parametry pro apriorní rozd lení: st ední hodnoty (µ1, µ 2 ) a sm rodatné odchylky (σ 1, σ 2 ), parametr normality (ν po et stup volnosti) Bayesova v ta aposteriorní rozd lení je proporcionální v rohodnostní funkci (podmín ná pravd podobnost dat za podmínky daných parametr ) vynásobené apriorním rozd lením (Kruschke, 2011) pro aposteriorní rozd lení Bayesovského t-testu platí: p(µ 1, σ 1, µ 2, σ 2, ν D) p(d µ 1, σ 1, µ 2, σ 2, ν) p(µ 1, σ 1, µ 2, σ 2, ν) k p ibliºnému výpo tu aposteriorního rozd lení pouºijeme MCMC generuje kombinace parametr µ j 1, σj 1, µj 2, σj 2, νj, j = 1,..., N
10 Bayesovský t-test zajímá nás p edev²ím rozdíl µ 1 a µ 2 získáme aposteriorní histogramy MCMC rozdíl mezi pacienty a kontrolami konstrukce HDI interval intervaly s 95 % nej ast j²ích aposteriorních hodnot pokud HDI neobsahuje nulu, hypotéza o rovnosti parametr se zamítá mean = 5.15 mean = % < 0 < 100% 100% < 0 < 0% 95% HDI µ 1 µ 2 95% HDI µ 1 µ 2
11 Kompozi ní data metabolom v libovolném biologickém materiálu je sloºený z mnoha metabolit relativní struktura metabolomu relevantní informace pouze v pom rech mezi intenzitami metabolit kompozi ní data na simplexu simplex se ídí Aitchisonovou geometrií namísto euklidovské (Aitchison, 1986; Pawlowsky-Glahn et al., 2015) vyjád it kompozice ze simplexu v reálných sou adnicích centrované logpodílové koecienty clr(x) = ln x 1 D D 1 x i, ln x 2 D D 1 x i,..., ln x D D D 1 x i odpovídají centrování log transformovaných dat podle v²ech prom nných jsou jednodu²e interpretovatelné dominance daného metabolitu v i pr m rnému chování celého metabolomu
12 Rozdíl mezi nekompozi ním a kompozi ním p ístupem mean = mean = % < 0 < 0.1% 13.3% < 0 < 86.7% 95% HDI µ 1 µ 2 95% HDI µ 1 µ 2
13 Co je na posteru jak je konstruovaný bayesovský t-test princip testu, apriorní rozd lení, MCMC jak to funguje u vícenásobného testování hledání marker, azení marker podle st edních hodnot aposteriorních rozd lení a tzv. b-hodnot co to je volcano graf bayesovská verze, pásma podle vzdálenosti HDI aposteriorních rozd lní od nuly aplikace na metabolomických datech z necílené analýzy krevní skvrny pacient s d di ným metabolomickým onemocn ním (decit acyl-coa dehydrogenázy se st edn dlouhým et zcem; Najdekr et al., 2015) a zdravých kontrol simulace úbytku pozorování na polovinu v obou skupinách porovnání bayesovského a tradi ního p ístupu simulace výskytu systematické chyby m ení porovnání kompozi ního a nekompozi ního p ístupu
14 Literatura Aitchison, J. (1986) The statistical analysis of compositional data. Chapman and Hall, London. Kruschke, J.K. (2011) Doing Bayesian Data Analysis. Academic Press, New York. Kruschke, J.K. (2012) Bayesian Estimation Supersedes the T Test. Journal of Experimental Psychology: General 142 (2), pp Najdekr, L., Gardlo, A., Mádrová, L., Friedecký, D., Jane ková, H., Correa, E. S., Goodacre, R., Adam, T. (2015) Oxidized phosphatidylcholines suggest oxidative stress in patients with medium-chainacyl-coadehydrogenase deciency. Talanta 139, pp.266. Pawlowsky-Glahn, V., Egozcue, J.J., Tolosana-Delgado, R. (2015) Modeling and analysis of compositional data. Wiley, Chichester.
Imputace nulovy ch hodnot v metabolomice
Imputace nulovy ch hodnot v metabolomice Alz be ta Gardloa, Matthias Templb, Karel Hronc, Peter Filzmoserb alzbetagardlo@gmail.com a Laborator metabolomiky, U stav molekula rnı a translac nı medicı ny,
Vícekompoziční data s aplikací v metabolomice
Metoda dílčích nejmenších čtverců pro kompoziční data s aplikací v metabolomice Karel Hron a,b, Peter Filzmoser c, Lukáš Najdekr d a Katedra matematické analýzy a aplikací matematiky b Katedra geoinformatiky
VíceKlasická a robustní ortogonální regrese mezi složkami kompozice
Klasická a robustní ortogonální regrese mezi složkami kompozice K. Hrůzová, V. Todorov, K. Hron, P. Filzmoser 13. září 2016 Kompoziční data kladná reálná čísla nesoucí pouze relativní informaci, x = (x
Více1. (18 bod ) Náhodná veli ina X je po et rub p i 400 nezávislých hodech mincí. a) Pomocí ƒeby²evovy nerovnosti odhadn te pravd podobnost
(8 bod ) Náhodná veli ina X je po et rub p i nezávislých hodech mincí a) Pomocí ƒeby²evovy nerovnosti odhadn te pravd podobnost P ( X EX < ) (9 bod ) b) Formulujte centrální limitní v tu a pomocí ní vypo
VíceVektor náhodných veli in - práce s více prom nnými
Vektor náhodných veli in - práce s více prom nnými 12. kv tna 2015 N kdy k popisu n jaké situace pot ebujeme více neº jednu náhodnou veli inu. Nap. v k, hmotnost, vý²ku. Mezi t mito veli inami mohou být
VíceAplikace T -prostorů při modelování kompozičních časových řad
Aplikace T -prostorů při modelování kompozičních časových řad P. Kynčlová 1,3 P. Filzmoser 1, K. Hron 2,3 1 Department of Statistics and Probability Theory Vienna University of Technology 2 Katedra matematické
VíceAlternativní přístup k analýze vícefaktorových dat
Alternativní přístup k analýze vícefaktorových dat Kamila Fačevicová 1, Peter Filzmoser 2, Karel Hron 1 1 Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta Univerzity Palackého
VícePředzpracování kompozičních dat
Předzpracování kompozičních dat Karel Hron Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta Univerzity Palackého, Olomouc Robust 2012, Němčičky, 10. září 2012 Karel Hron (UP) Předzpracování
VíceCvi ení 7. Docházka a testík - 15 min. Distfun 10 min. Úloha 1
Cvi ení 7 Úkol: generování dat dle rozd lení, vykreslení rozd lení psti, odhad rozd lení dle dat, bodový odhad parametr, centrální limitní v ta, balí ek Distfun, normalizace Docházka a testík - 15 min.
VíceT i hlavní v ty pravd podobnosti
T i hlavní v ty pravd podobnosti 15. kv tna 2015 První p íklad P edstavme si, ºe máme atomy typu A, které se samovolným radioaktivním rozpadem rozpadají na atomy typu B. Pr m rná doba rozpadu je 3 hodiny.
VíceEva Fišerová a Karel Hron. Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci.
Ortogonální regrese pro 3-složkové kompoziční data využitím lineárních modelů Eva Fišerová a Karel Hron Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci
VíceEKONOMICKÁ APLIKACE KOMPOZIČNÍHO REGRESNÍHO MODELU
EKONOMICKÁ APLIKACE KOMPOZIČNÍHO REGRESNÍHO MODELU Klára Hrůzová 1,2, Karel Hron 1,2 1 Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, Univerzita Palackého v Olomouci 2 Katedra
Vícena za átku se denuje náhodná veli ina
P íklad 1 Generujeme data z náhodné veli iny s normálním rozd lením se st ední hodnotou µ = 1 a rozptylem =. Rozptyl povaºujeme za známý, ale z dat chceme odhadnout st ední hodnotu. P íklad se e²í v následujícím
VíceRobust 2014, 19. - 24. ledna 2014, Jetřichovice
K. Hron 1 C. Mert 2 P. Filzmoser 2 1 Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta, Univerzita Palackého, Olomouc 2 Department of Statistics and Probability Theory Vienna University
VíceStatistick anal 0 5za kompozi 0 0n ͺch tabulek
Statistick anal 0 5za kompozi 0 0n ͺch tabulek Kamila Fa 0 0evicov, Karel Hron Katedra matematick anal 0 5zy a aplikac ͺ matematiky, Univerzita Palack ho v Olomouci Od kontingen 0 0n ͺch ke kompozi 0 0n
VíceStatistika pro geografy. Rozd lení etností DEPARTMENT OF GEOGRAPHY
Statistika pro geografy Rozd lení etností DEPARTMENT OF GEOGRAPHY Faculty of Science Palacký University Olomouc t. 17. listopadu 1192/12, 771 46 Olomouc Pojmy etnost = po et prvk se stejnou hodnotou statistického
VíceTesty pro více veli in
Kapitola 8 Testy pro více veli in 8.1 Testy parametr s více výb ry s p edpokladem normality dat 8.1.1 Testy s dv ma výb ry. P edpoklady: Pro spojité rozd lení normalita nebo velký výb r. Pro diskrétní
VíceTESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY Statistická hypotéza je určitá domněnka (předpoklad) o vlastnostech ZÁKLADNÍHO SOUBORU. Test statistické hypotézy je pravidlo (kritérium), které na základě
VíceP-value. Alžběta Gardlo, Karel Hron Laboratoř metabolomiky Ústav molekulární a translační medicíny, UPOL a FNOL
P-value Alžběta Gardlo, Karel Hron alzbetagardlo@gmail.com Laboratoř metabolomiky Ústav molekulární a translační medicíny, UPOL a FNOL Přírodovědecká fakulta UPOL 18.11. 2015 Obsah 1 Úvod 2 Testování statistických
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
VíceJarqueův a Beryho test normality (Jarque-Bera Test, JB test)
Jarqueův a Beryho test normality (Jarque-Bera Test, JB test) Autoři: Carlos M. Jarque and Anil K. Bera Předpoklady: - Výběrová data mohou obsahovat chybějící pozorování (chybějící hodnoty) vhodné zejména
VíceVektory. Vektorové veli iny
Vektor je veli ina, která má jak velikost tak i sm r. Ob tyto vlastnosti musí být uvedeny, aby byl vektor stanoven úpln. V této ásti je návod, jak vektory zapsat, jak je s ítat a od ítat a jak je pouºívat
VícePSY117/454 Statistická analýza dat v psychologii seminář 9. Statistické testování hypotéz
PSY117/454 Statistická analýza dat v psychologii seminář 9 Statistické testování hypotéz Základní výzkumné otázky/hypotézy 1. Stanovení hodnoty parametru =stanovení intervalu spolehlivosti na μ, σ, ρ,
VíceJednofaktorová analýza rozptylu
Jednofaktorová analýza rozptylu David Hampel Ústav statistiky a operačního výzkumu, Mendelova univerzita v Brně Kurz pokročilých statistických metod Global Change Research Centre AS CR, 5 7 8 2015 Tato
VícePerspektivy ve výživě prasat. Conc. in Pig Sci., 14/2001
Perspektivy ve výživě prasat. Conc. in Pig Sci., 14/2001 Perspektivy ve výživě prasat Úvod Moderní produkce vepřového, i jako zemědělství obecně, čelí řadě významných výzev. Ve společenských postojích
VícePravd podobnost a statistika - cvi ení. Simona Domesová místnost: RA310 (budova CPIT) web:
Pravd podobnost a statistika - cvi ení Simona Domesová simona.domesova@vsb.cz místnost: RA310 (budova CPIT) web: http://homel.vsb.cz/~dom0015 Cíle p edm tu vyhodnocování dat pomocí statistických metod
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceStatistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead
PSY117/454 Statistická analýza dat v psychologii Přednáška 8 Statistické usuzování, odhady Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead Barevná srdíčka kolegyně
VíceModelování v elektrotechnice
Katedra teoretické elektrotechniky Elektrotechnická fakulta ZÁPADOƒESKÁ UNIVERZITA V PLZNI Modelování v elektrotechnice Pánek David, K s Pavel, Korous Luká², Karban Pavel 28. listopadu 2012 Obsah 1 Úvod
VíceInovace a zkvalitnění výuky prostřednictvím ICT. Svařování. Název: Svařitelnost,technologické zásady,příprava materiálu Ing. Kubíček Miroslav.
Střední průmyslová škola a Vyšší odborná škola technická Brno, Sokolská 1 Šablona: Název: Téma: Autor: Inovace a zkvalitnění výuky prostřednictvím ICT Svařování Svařitelnost,technologické zásady,příprava
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceNeuronová síť. x 2 x 3. σ j. x 4. x 5. Menu: QCExpert Prediktivní metody
Neuronová síť Menu: QCExpert Prediktivní metody Neuronová síť Neuronová síť (Artificial Neural Network, ANN, resp. NN) je velmi populární a výkonná metoda, která se používá k modelování vztahu mezi vícerozměrnou
VíceCHOVÁNÍ SILOFUNKCÍ TESTŮ V COXOVĚ MODELU PROPORCIONÁLNÍCH RIZIK
CHOVÁNÍ SILOFUNKCÍ TESTŮ V COXOVĚ MODELU PROPORCIONÁLNÍCH RIZIK Aneta Andrášiková 1, Eva Fišerová 1, Silvie Bělašková 2 1 Univerzita Palackého v Olomouci, PřF, KMaAM 2 Fakultní nemocnice u sv. Anny v Brně,
VíceRadioaktivita a ochrana před zářením
EVROPSKÝ SOCIÁLNÍ FOND Radioaktivita a ochrana před zářením PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI RNDr. Erika Prausová Radioaktivita - Úlohy 1. Změř úroveň pozadí v místnosti a na louce. 2. Ověř účinek
VíceP íklad 1 (Náhodná veli ina)
P íklad 1 (Náhodná veli ina) Uvaºujeme experiment: házení mincí. Výsledkem pokusu je rub nebo líc, ºe padne hrana neuvaºujeme. Pokud hovo íme o náhodné veli in, musíme p epsat výsledky pokusu do mnoºiny
VíceZáklady zpracování obrazů
Základy zpracování obrazů Martin Bruchanov BruXy bruxy@regnet.cz http://bruxy.regnet.cz 23. března 29 1 Jasové korekce........................................................... 1 1.1 Histogram........................................................
VíceIng. Michael Rost, Ph.D.
Úvod do testování hypotéz, jednovýběrový t-test Ing. Michael Rost, Ph.D. Testovaná hypotéza Pokud nás zajímá zda platí, či neplatí tvrzení o určitém parametru, např. o parametru Θ, pak takovéto tvrzení
VícePr b h funkce I. Obsah. Maxima a minima funkce
Pr b h funkce I Maxima a minima funkce V této jednotce ukáºeme jak derivování m ºe být uºite né pro hledání minimálních a maximálních hodnot funkce. Po p e tení tohoto letáku nebo shlédnutí instruktáºního
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VíceGEODÉZIE ENGINEERING s.r.o. Mezinár.výzkumné laserové centrum ELI Hrdlo ezská 21/31, 19000 Praha 9, tel: +420 284 810 346
GEODÉZIE ENGINEERING s.r.o. Mezinár.výzkumné laserové centrum ELI Hrdlo ezská 21/31, 19000 Praha 9, tel: +420 284 810 346 Dolní B ežany email: geopraha@geopraha.cz, web: www.geopraha.cz Projekt m ení posun
VíceNárodní informační středisko pro podporu kvality. 15.3.2012 Tůmová
Národní informační středisko pro podporu kvality 1 SeminářČSJ Odborná skupina statistické metody 15.3.2012 Praha 2 Nejistoty měření v teorii a praxi Doc. Ing. Olga Tůmová, CSc. 3 O měření 1 Ve 20. století
Vícebrmiversity: Um lá inteligence a teoretická informatika
brmiversity: Um lá inteligence a teoretická informatika P edná²ka. 6 Petr Baudi² pasky@ucw.cz brmlab 2011 Outline 1 Pravd podobnost 2 Um lá inteligence 3 Sloºitost 4 Datové struktury Pravd podobnost Pravd
VíceÚvod do fyziky tenkých vrstev a povrchů. Spektroskopie Augerových elektron (AES), elektronová mikrosonda, spektroskopie prahových potenciál
Úvod do fyziky tenkých vrstev a povrchů Spektroskopie Augerových elektron (AES), elektronová mikrosonda, spektroskopie prahových potenciál ty i hlavní typy nepružných srážkových proces pr chodu energetických
VíceSkalární sou in. Úvod. Denice skalárního sou inu
Skalární sou in Jedním ze zp sob, jak m ºeme dva vektory kombinovat, je skalární sou in. Výsledkem skalárního sou inu dvou vektor, jak jiº název napovídá, je skalár. V tomto letáku se nau íte, jak vypo
VíceParametrické testy hypotéz o středních hodnotách spojitých náhodných veličin
Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin EuroMISE Centrum Kontakt: Literatura: Obecné informace Zvárová, J.: Základy statistiky pro biomedicínskéobory I. Vydavatelství
VíceUnfolding - uºivatelský manuál
Unfolding - uºivatelský manuál Bc. Martin Veselý Fakulta jaderná a fyzikáln inºenýrská Katedra softwarového inºenýrství v ekonomii Skupina aplikované matematiky a stochastiky p i kated e matematiky Obsah
VíceParametrické testy hypotéz o středních hodnotách spojitých náhodných veličin
Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin EuroMISE Centrum I. ÚVOD vv této přednášce budeme hovořit o jednovýběrových a dvouvýběrových testech týkajících se střední hodnoty
VícePSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady
PSY117/454 Statistická analýza dat v psychologii přednáška 8 Statistické usuzování, odhady Výběr od deskripce k indukci Deskripce dat, odhad parametrů Usuzování = inference = indukce Počítá se s náhodným
VíceSEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI
SEMESTRÁ LNÍ PRÁ CE Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI Předmě t STATISTICKÁ ANALÝ ZA JEDNOROZMĚ RNÝ CH DAT (ADSTAT) Ú stav experimentá lní biofarmacie, Hradec
VíceNEPARAMETRICKÉ BAYESOVSKÉ ODHADY V KOZIOLOVĚ-GREENOVĚ MODELU NÁHODNÉHO CENZOROVÁNÍ. Michal Friesl
NEPARAMETRICKÉ BAYESOVSKÉ ODHADY V KOZIOLOVĚ-GREENOVĚ MODELU NÁHODNÉHO CENZOROVÁNÍ Michal Friesl Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Princip Příklady V K.-G. modelu
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 3 Jak a kdy použít parametrické a
VícePředmluva 13 Typografická konvence použitá v knize 14. Tabulkový model 17 Netabulkový model 19
Obsah Předmluva 13 Typografická konvence použitá v knize 14 Kapitola 1 Modelování, simulace a analýza za použití Excelu 15 Modelování 15 Tabulkový model 17 Netabulkový model 19 Simulace 19 Analýza 20 Nástroje
VíceIntegrování jako opak derivování
Integrování jako opak derivování V tomto dokumentu budete seznámeni s derivováním b ºných funkcí a budete mít moºnost vyzkou²et mnoho zp sob derivace. Jedním z nich je proces derivování v opa ném po adí.
VíceSTATISTICKÉ TESTY VÝZNAMNOSTI
STATISTICKÉ TESTY VÝZNAMNOSTI jsou statistické postupy, pomocí nichž ověřujeme, zda mezi proměnnými existuje vztah (závislost, rozdíl). Pokud je výsledek šetření statisticky významný (signifikantní), znamená
Více7. Stropní chlazení, Sálavé panely a pasy - 1. část
Základy sálavého vytápění (2162063) 7. Stropní chlazení, Sálavé panely a pasy - 1. část 30. 3. 2016 Ing. Jindřich Boháč Obsah přednášek ZSV 1. Obecný úvod o sdílení tepla 2. Tepelná pohoda 3. Velkoplošné
VíceVYBRANÉ DVOUVÝBĚROVÉ TESTY. Martina Litschmannová
VYBRANÉ DVOUVÝBĚROVÉ TESTY Martina Litschmannová Obsah přednášky Vybrané dvouvýběrové testy par. hypotéz test o shodě rozptylů (F-test), testy o shodě středních hodnot (t-test, Aspinové-Welchův test),
Víceíslo materiálu: VY 32 INOVACE 5/18 íslo projektu: CZ.1.07/1.4.00/
íslo materiálu: Název materiálu: Pracovní list Opakujeme eský jazyk íslo projektu: CZ.1.07/1.4.00/21.1486 Zpracoval: Paed.Dr. Zina Ho ková ANOTACE kola: Vypracoval: : Paed.Dr. Zina Ho ková Období vzniku
Víceletní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika
Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 Opakování t- vs. neparametrické Wilcoxonův jednovýběrový test Opakování
VíceTesty statistických hypotéz
Testy statistických hypotéz Statistická hypotéza je jakýkoliv předpoklad o rozdělení pravděpodobnosti jedné nebo několika náhodných veličin. Na základě náhodného výběru, který je reprezentativním vzorkem
Více1 Pravd podobnost - plán p edná²ek. 2 Pravd podobnost - plán cvi ení
1 Pravd podobnost - plán p edná²ek 1.1 Popisná statistika, denice pravd podobnosti 1.2 Jevová pravd podobnost 1.3 Náhodná veli ina 1.4 Známé distribuce 1.5 Náhodný vektor, transformace NV 1.6 Opakování
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
VíceDomácí úkol 2. Obecné pokyny. Dbejte na formáln správný zápis výpo tu! Pro vy íslení výsledku pro binomické rozd lení pouºijte nap. Maple nebo Matlab.
Domácí úkol 2 Obecné pokyny Dbejte na formáln správný zápis výpo tu! Pro vy íslení výsledku pro binomické rozd lení pouºijte nap. Maple nebo Matlab. Návod pro výpo et v Matlabu Jestliºe X Bi(n, p), pak
VíceP íklady k prvnímu testu - Pravd podobnost
P íklady k prvnímu testu - Pravd podobnost 28. února 204 Instrukce: Projd te si v²echny p íklady. Kaºdý p íklad se snaºte pochopit. Pak vymyslete a vy- e²te p íklad podobný. Tím se ujistíte, ºe p íkladu
VíceARCHIMEDES. Dopravní pr zkum na k ižovatce Masarykova x Pa ížská x Brn nská
Dopravní pr zkum na k ižovatce x x 1 Úvod Znovuotev ením zrekonstruované komunikace Malá Hradební a U Nádraží se o ekává velký vliv na sm rování a chování dopravních proud. Aby bylo možné zhodnotit vliv
VíceProtokol o testování systému glukometr měřící proužky Glukometr Contour PLUS
Protokol o zkoušce č.j. 1/2014, počet stran 12, strana číslo 1 Referenční laboratoř pro klinickou biochemii při Ústavu lékařské biochemie a laboratorní diagnostiky VFN Karlovo nám. 32, 121 11 Praha 2,
Více5. Odhady parametrů. KGG/STG Zimní semestr
Základní soubor Výběr, výběrový (statistický) soubor Náhodný výběr Princip Odhad neznámých parametrů základního souboru na základz kladě charakteristik výběru. Přecházíme z části na celek, zevšeobec eobecňujeme
VíceToolboxy analýzy a modelování stochastických systémů
Toolboxy analýzy a modelování stochastických systémů Ústav teorie informace a automatizace, AVČR Oddělen lení stochastické informatiky Petr Salaba Toolboxy analýzy a modelování stochastických systémů Projekt:
VíceAnalýza rozptylu. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Srovnávání více než dvou průměrů
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Analýza rozptylu Srovnávání více než dvou průměrů If your experiment needs statistics, you ought to have done a better experiment. Ernest Rutherford
VíceMann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.
VíceJevy, nezávislost, Bayesova v ta
Jevy, nezávislost, Bayesova v ta 17. b ezna 2015 Instrukce: Projd te si v²echny p íklady. Kaºdý p íklad se snaºte pochopit. Pak vymyslete a vy- e²te p íklad podobný. Tím se ujistíte, ºe p íkladu rozumíte.
VíceVýchovné a vzdělávací strategie pro rozvoj klíčových kompetencí žáků
CVIČENÍ Z MATEMATIKY Charakteristika vyučovacího předmětu Obsahové, časové a organizační vymezení Předmět je realizován od 6. ročníku až po 9. ročník po 1 hodině týdně. Výuka probíhá v kmenové učebně nebo
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
VíceDesign Experimentu a Statistika - AGA46E
Design Experimentu a Statistika - AGA46E Czech University of Life Sciences in Prague Department of Genetics and Breeding Summer Term 2015 Matúš Maciak (@ A 211) Office Hours: T 9:00 10:30 or by appointment
Více1)! 12 a) 14 a) K = { 1 }; b) K = { 6 }; c) K ={ 2 }; d) K ={ 3 }; e) K ={ 4 }; f) K = 0 ! ; N; 17 a) K =N; b) K ={ 2; 3;
Kombinatorika Peníze, nebo život? Kombinatorická pravidla) 7 a) NE b) ANO c) ANO d) NE e) ANO f) ANO [vínová zlatý potisk] [vínová stříbrný potisk] [vínová bílý potisk] [fialová zlatý potisk] [fialová
Vícee²ení systém lineárních rovnic pomocí s ítací, dosazovací a srovnávací metody
e²ení systém lineárních rovnic pomocí s ítací, dosazovací a srovnávací metody V praxi se asto setkávame s p ípady, kdy je pot eba e²it více rovnic, takzvaný systém rovnic, obvykle s více jak jednou neznámou.
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015
VíceLean Six Sigma Logistics Využití statistických metod ke zlepšení logistických proces
Lean Six Sigma Logistics Využití statistických metod ke zlepšení logistických proces Eva Jarošová Institut ekonomiky provozu a technických v d Obsah Základní pojmy Oblasti pro využití statistických nástroj
VíceStručný úvod do testování statistických hypotéz
Stručný úvod do testování statistických hypotéz 1. Formulujeme hypotézu (předpokládáme, že pozorovaný jev je pouze náhodný). 2. Zvolíme hladinu významnosti testu a, tj. riziko, s nímž jsme ochotni se smířit.
VíceSEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI
SEMESTRÁ LNÍ PRÁ CE Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI Předmě t ANOVA A ZÁ KON PROPAGACE CHYB U JEDNOROZMĚ RNÝ CH DAT Ú stav experimentá lní biofarmacie, Hradec
VíceTestování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
VíceTestování hypotéz o parametrech regresního modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,
Vícevod slova statistika
Základy statistiky Definice Statistika - v da Statistika - statisticky vyjád ené šet ení Statistika je v da, která nám dává návod, jak pracovat s daty obsahujícími náhodnou složku a jak odlišit zákonitosti
VíceLékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)
Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 4. až 5.4 hod. http://www.osu.cz/~tvrdik
VíceZATÍŽENÍ SNĚHEM A VĚTREM
II. ročník celostátní konference SPOLEHLIVOST KONSTRUKCÍ Téma: Cesta k pravděpodobnostnímu posudku bezpečnosti, provozuschopnosti a trvanlivosti konstrukcí 21.3.2001 Dům techniky Ostrava ISBN 80-02-01410-3
VíceAplikace pravd podobnostních model v kurzovém sázení
Aplikace pravd podobnostních model v kurzovém sázení 28.4.2016 Obsah 1 Kurzové sázení Tenis Kurz jako odhad pravd podobnosti Hodnocení kvality odhadu pravd podobnosti 2 Predikce pr b hu utkání Základní
VíceRobustní statistické metody
Populární úvod Ústav teoretické fyziky a astrofyziky, MU Brno 28. říjen 2006, Vlašim O co jde? Robustní znamená: necitlivý k malým odchylkám od ideálních předpokladů na který je metoda odhadu optimalizována.
VíceNárodní park umava. 9. kv tna Hnutí Duha
Národní park umava 9. kv tna 2011 Hnutí Duha Hlavní cíle a metodika Hlavní cíle et ení Cílem výzkumu Factum Invenio bylo zjistit, jak ob ané R vnímají problematiku hypotetické výstavby lanovek a sjezdovek
VíceDva případy chybného rozhodnutí při testování: a) Testační statistika padne mimo obor přijetí nulové H hypotézy O, tj.
Uvedeme obecný postup statistického testování:. Formulace nulové H 0a alternativní hpotéz H A.. Volba hladin významnosti α.. Volba testační statistik např... Určení kritického oboru testové charakteristik.
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
VíceNávod na vypracování semestrálního projektu
Návod na vypracování semestrálního projektu Následující dokument má charakter doporučení. Není závazný, je pouze návodem pro studenty, kteří si nejsou jisti výběrem dat, volbou metod a formou zpracování
VíceUniverzita Pardubice
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Semestrální práce 2000 2.2 - Kalibrace a limity její přesnosti Přednášející: Prof. RNDr. Milan Meloun, DrSc. Vypracoval: Ing.
VíceStatistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup
Statistika Testování hypotéz statistická indukce Úvod do problému Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika by Birom
VícePříloha č. 7. ročník 9. 1h 1x za 14 dní. dotace. nepovinný. povinnost
Příloha č. 7 Seminář z matematiky V učebním plánu 2. druhého stupně se zařazuje nepovinný předmět Seminář z matematiky. V tematickém okruhu Čísla a početní operace na prvním stupni, na který navazuje a
VíceST2 - Cvi ení 1 STATISTICKÁ INDUKCE
ST2 - Cvi ení 1 STATISTICKÁ INDUKCE P íklad 1.1 Po et závad jistého typu elektrospot ebi e b hem záru ní doby má Poissonovo rozd lení s parametrem λ = 0,2. Jaká je pravd podobnost, ºe po prodeji 75 spot
VíceText m ºe být postupn upravován a dopl ován. Datum poslední úpravy najdete u odkazu na staºení souboru. Veronika Sobotíková
Tento text není samostatným studijním materiálem. Jde jen o prezentaci promítanou na p edná²kách, kde k ní p idávám slovní komentá. N které d leºité ásti látky pí²u pouze na tabuli a nejsou zde obsaºeny.
VíceAktualizace modelu vlastnosti materiálu. Stanovení vlastností materiálů
podpora zaměstnanosti Aktualizace modelu vlastnosti materiálu Pro. Ing. Milan Holický, DrSc. a Ing. Miroslav Sýkora, Ph.D. ČVUT v Praze, Kloknerův ústav Stanovení vlastností materiálů při hodnocení existujících
VíceUni- and multi-dimensional parametric tests for comparison of sample results
Uni- and multi-dimensional parametric tests for comparison of sample results Jedno- a více-rozměrné parametrické testy k porovnání výsledků Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Universita
Více