Hodnocení toxických vlastností: Vyhodnocení ekotoxikologických testů
|
|
- Jiří Janda
- před 6 lety
- Počet zobrazení:
Transkript
1 Hodnocení toxických vlastností: Vyhodnocení ekotoxikologických testů
2 Důležité otázky při každém hodnocení dat: Jak dobře je studie provedena? Jsou aplikovány a dodrženy standardní metodiky? Je použitý test vhodný? Jsou výsledné parametry stanoveny za relevantních podmínek? Je interpretace dat správná?
3 1 VZTAH DÁVKA-ODPOVĚĎ
4 VZTAH DÁVKA - ODPOVĚD Všechny látky jsou jedy a závisí pouze na dávce, kdy látka přestává být jedem a stává se léčivem. Paracelsus Toxicita látky nezávisí pouze na toxických vlastnostech látky, ale hlavně na její koncentraci/dávce. Odpověď na stres Prahová žádná biologická odpověď při nízké dávce, pak se odpověď projeví se vzrůstající dávkou Bezprahová bez biologické odpovědi pouze na nulové koncentraci Hormeze počáteční biologická odpověď na toxikant je pozitivní, při vzrůstu koncentrace se stává negativní, nebo naopak
5 Odpověď na stres prahová Prahová dávka ~ dávka, pod níž není možné v exponované populaci detekovat škodlivý účinek toxické látky (tato dávka platí pro všechny jedince v dané populaci) ~ tzn. dávka pod kterou nedojde k žádnému úmrtí zvířete, k žádným patologickým změnám, k žádným biochemickým změnám Aproximací prahové dávky bývá hodnota NOAEL/NOAEC (No Observed Adverse Effect Level) (resp. NOEL, NOEC)
6 Odpověď na stres bezprahová ~ neexistuje práh účinku, protože již jedna molekula toxické látky může teoreticky způsobit negativní efekt ~ používá se u genotoxických karcinogenů - jedna molekula genotoxického karcinogenu může teoreticky způsobit poškození DNA vedoucí k nádoru
7 Odpověď na stres hormeze ~ nízké a vysoké dávky kontaminantu mají na organismus rozdílný vliv ~ alkohol, vitamíny, stopové prvky
8 2 Křivka dávka odpověď: základní nástroj pro hodnocení toxických vlastností látek
9 Definice: Graf ukazující biologickou odpověď, např. enzymu, proteinu, populace či společenstva na rozmezí koncentrací (dávek) polutantu Např.: Křivka mortality - závislost kumulativní mortality na vzrůstající koncentraci
10 2a Křivka dávka odpověď pro látky s prahovým účinkem
11 Křivky dávka-odpověď jsou založeny na normálním (Gaussově) rozložení hodnot
12 Křivky dávka-odpověď jsou založeny na normálním (Gaussově) rozložení hodnot Příklad rozložení inteligence ve společnosti
13 Křivky dávka-odpověď jsou založeny na normálním (Gaussově) rozložení hodnot založeno na konceptu individuální tolerance ~ individuální účinná dávka (IED) minimální dávka vedoucí ke smrti jedince ~ geneticky určená pro každého jedince
14 Křivky dávka-odpověď jsou založeny na normálním (Gaussově) rozložení hodnot dose Log(dose)! Populační odpověď na toxické látky je zpravidla skloněná nalevo! Normálnímu rozložení se přiblížíme logaritmickou transformací dávky toxikantu
15 Křivky dávka-odpověď jsou založeny na normálním (Gaussově) rozložení hodnot Zisk typické křivky dávka odpověď pro prahový účinek: Frekvence odpovědi (např.smrt) Log [X] Kumulativní křivka Mortalita (%) Log [X]
16 2b Křivka dávka odpověď pro látky s bezprahovým účinkem Efekt extrapolace Log(dávka) ~ naměřené hodnoty efektu lineárně extrapolujeme do nuly
17 3 Experimentální design pro testy toxicity (látky s prahovým účinkem)
18 Ideální křivka dávka odpověď: ~ naměřené efekty pokrývají celou škálu účinků od minimálních po maximální možné 100 účinek (%) Lineární měřítko těžko čitelné Koncentrace
19 Ideální křivka dávka odpověď: ~ naměřené efekty pokrývají celou škálu účinků od minimálních po maximální možné Účinek (%) Logaritmické měřítko 20 Křivka sigmoidní tvar , logaritmus koncentrace
20 Experimentální design: Správné testování toxicity (letální účinky) Krok 1 Skríningový test Provádí se, pokud nemáme podkladová data (pro úsporu materiálu při hledání lineární části odpovědi) Exponovat 5 10 organismů desítkové koncentrační řadě po h Cílem určit rozmezí kde se nachází 50 % letální koncentrace (LC50) # mrtvých žádný žádný několik všichni všichni % 100% 100% Koncen
21 Krok 2 Definitivní test Z předchozích výsledků stanovit rozmezí testu: dolní = 10-2 = 0.01 mg/l horní = 10 0 = 1.0 mg/l Použít organismů náhodně rozdělit mezi testovacími nádobami Provést test s využitím logaritmického měřítka koncentrací, protože organismy zpravidla odpovídají logaritmicky na toxikanty Obvykle použít alespoň 5 koncentrací + kontrola Kontrola ověřuje toxicitu pozadí, ředící vody, media, zdravotní stav organismů, vliv stresu testovacího prostředí (testovací nádoby, osvětlení, teplota, atd.)!!validita testu!! např.úhyn >10% kontrolních organismů neplatný test!
22 Příklad uspořádání definitivního testu Pokus. zásah Ředění Koncentrace (mg/l) Kontrola 0.0
23 Kontrola 0,01 mg/l 0,032 mg/l 0,1 mg/l 0,32 mg/l 1 mg/l Exponováno 20 jedinců/koncentraci Odpověď po 24 hodinách, jedinců Odpověď po 96 hodinách, jedinců
24 Výsledek testu Koncentrace Kontrola 0.01 mg/l mg/l 0.1 mg/l 0.32 mg/l 1 mg/l Účinek 24 h Účinek 96 h 0% 0% 5% 30% 65% 85% 0% 0% 20% 35% 75% 100% Mortalita (%) h 48 h Mortalita (%) h 48 h koncentrace (mg/l) log koncentrace (mg/l)
25 4 Hodnocení ekotoxikologických účinků (látky s prahovým účinkem)
26 Ideální křivka dávka odpověď Účinek (%) LOEC 80 NOEC 70 Letální účinky LC Odhad 10 EC50 Ne 0 toxické 0, logaritmus koncentrace Logaritmické měřítko Křivka sigmoidní tvar
27 Sledované parametry testů toxicity krátkodobé studie: LC50 (letální koncentrace pro 50% testovaných organismů) EC50 (účinná koncentrace pro 50% testovaných organismů) dlouhodobé studie : NOEC (no observed effect concentration) LOEC (lowest observed effect concentration) MATC (maximal acceptable toxicant concentration) další možné : EC10 (10 % effects concentration) ECx ( x % effects concentration)
28 a) Parametry které mohou být vypočítány z křivky dávka-odpověď LD 50 účinná dávka, která způsobí 50% mortalitu testovacích organismů LC 50 50% letální koncentrace - účinná koncentrace, která způsobí 50% mortalitu testovacích organismů EC 50 - účinná koncentrace, která způsobí účinek (snížená reprodukce, růst atd.) u 50% testovacích organismů, či která způsobí 50 % maximálního účinku, 50% odpověď v testovací populaci (mg/l, ml/l ) IC 50 inhibiční koncentrace, která sníží normální odpověď o 50% Další zahrnující jinou percentuální změnu (10%, 20%, atd.) EC05, EC20, EC90, Rozmezí EC20 EC Odhad EC50 0,
29 b) Parametry které se neodvozují z křivky dávka-odpověď NOEC - No Observed Effect Concentration. Nejvyšší testovaná koncentrace látky, která nezpůsobila statisticky významný účinek v porovnání s kontrolou. LOEC - Lowest Observed Effect Concentration. Nejnižší testovaná koncentrace látky, která způsobila statisticky významný účinek v porovnání s kontrolou. Nejbližší vyšší koncentrace než NOEC. NOEL - No Observed Effect Level. Nejvyšší testovaná dávka látky, která nezpůsobila statisticky významný účinek v porovnání s kontrolou. LOEL LOEC 80 NOEC ,
30 Testované koncentrace!kvalita výsledků je určena správným výběrem testovaných koncentrací! a) Koncentrační řada pro stanovení EC50/LC50: 90 Žádný toxický 80 účinek 70 Testované koncentrace by měly pokrývat rozmezí od koncentrací nevykazujících žádný účinek až po 100% letální koncentraci Dobře vybraná koncentrační řada pro stanovení EC50/LC50 má jednu koncentraci blízko EC50, a nejméně dvě koncentrace s částečným účinkem pod a nad EC50 rozložené symetricky. Koncentrační řada by měla být v geometrickém měřítku. Ředící krok (koeficient) obvykle 2 až 10 Příklady koncentračních řad: 1:10, 1:100, 1:1000, 1:10000, 1: (látky s mírným sklonem odpovědi (některé pesticidy); koeficient ředění 10) 1:2, 1:4, 1:8, 1:16, 1:32 (příkřejší odpověď, koeficient 2) Očekávaná odpověď, % EC0 Odhad EC50 vzrůstající log koncentrací Letální účinek EC100
31 Testované koncentrace!kvalita výsledků je určena správným výběrem testovaných koncentrací! b) Koncentrační řada pro stanovení NOEC/LOEC: 90 Žádný toxický 80 účinek 70 Dobře vybraná koncentrační řada pro stanovení LOEC/NOEC má několik koncentrací v oblasti nízkých odpovědí, nad a pod očekávanou LOEC a relativně nižší ředící koeficient ( 2) Očekávaná odpověď, % EC0 Odhad EC50 vzrůstající log koncentrací Letální účinek EC100
32 4a Stanovení NOEC/LOEC hodnot (látky s prahovým účinkem)
33 Stanovení NOEC/LOEC hodnot Odpovědi organismů na působení testovaných koncentrací toxické látky jsou porovnávány s kontrolou Hledáme nejvyšší koncentraci, která nezpůsobuje toxickou odpověď (NOEC) či první koncentraci, která již způsobí toxickou odpověď (LOEC)
34 Stanovení NOEC/LOEC hodnot ~ využití statistických testů ANOVA (Analýza rozptylu) + post-hoc test Kruskal-Wallisův test + post-hoc test
35 Stanovení NOEC/LOEC hodnot Kontrola Kontrola Kontrola Kontrola Kontrola 20 mg/l 20 mg/l 20 mg/l 20 mg/l 20 mg/l 5 mg/l 5 mg/l 5 mg/l 5 mg/l 5 mg/l 10 mg/l 10 mg/l 10 mg/l 10 mg/l 10 mg/l
36 Příklad určení NOEC/LOEC Porovnáváme 3 testované koncentrace s kontrolou Přežívající dafnie v kontrole Přežívající dafnie v koncentraci 5 mg/l Přežívající dafnie v koncentraci 10 mg/l Přežívající dafnie v koncentraci 20 m/l
37 Stanovení NOEC/LOEC ~ využití statistických testů ANOVA! Pro její správné použití je nutné splnit dva předpoklady! 1) Hodnoty ve srovnávaných skupinách mají normální (Gaussovo) rozložení (použití testů normality) 2) Rozptyly hodnot ve srovnávaných skupinách se od sebe statisticky neliší svým rozptylem (použití box-plotů či Levenova testu)
38 Stanovení NOEC/LOEC ~ využití statistických testů Kruskal-Wallisův test ~ neparametrická obdova ANOVA při nesplnění předpokladů
39 Stanovení NOEC ~ využití statistických testů Následné post-hoc testy ~ pokud ANOVA prokáže významný rozdíl mezi některými z testovaných skupin, použijeme některý z post-hoc testů na nalezení těchto skupin (např. Tukeyho, Dunnettův, Williamsův či LSD test nebo metodu dle Steela a Dwasse v případě použití Kruskal-Wallisova testu)
40 Výsledek analýzy rozptylu Jaká hodnota odpovídá NOEC? A jaká LOEC? Odpověď * * * C Koncentrace (mg/l)
41 Nevýhody NOEC/LOEC hodnot Jejich hodnota je silně závislá na designu experimentu a na: Počtu opakování Počtu testovaných koncentrací Proceduře výběru koncentrací Přirozené variabilitě systému Použitých statistických metodách
42 4b Stanovení EC50 hodnot (látky s prahovým účinkem)
43 Výpočet EC50 Interpolační metody a) Dvoudávková metoda a Lineární regrese b) Probitová transformace křivky dávka-odpověď c) Nelineární regrese Pokud je křivka (hlavně její lineární část) detailně proměřená neměl by být významný rozdíl ve výsledcích získaných různými postupy výpočtu (bohužel ne vždy to je možné)
44 a) Dvoudávková metoda 0,5 p1 log( EC50) = x50 = x1 + ( x2 x1 ) p p Nejjednodušší metoda odhadu Pokud je EC50 zhruba známá Jedna koncentrace v intervalu (20; 50) Druhá koncentrace v intervalu (50; 80) Interval (20; 80) je zhruba lineární pro účinek vs. log koncentrací Očekávaná odpověď, % Žádný toxický 80 účinek 70 Odhad EC50 Letální účinek 0 EC0 vzrůstající log koncentrací EC100
45 b) Probitová transformace křivky dávka-odpověď Probitová transformace zlinearizuje (narovná) kumulativní distribuční křivku a to lze následně využít pro jednodušší výpočet EC50 (LC50) hodnot Založeno na hypotéze že resistence k toxikantům je normálně rozložena (viz kap. 2 přednášky) Výhodou je usnadnění analýzy Založeno na směrodatných odchylkách, takže každý probit je spojen s procenty odpovědi Průměrná odpověď je definována jako probit = 5, všechny probity jsou pozitivní snažší vizualizace
46 b) Probitová transformace křivky dávka-odpověď ~Převedení křivky dávka-odpověď na přímku (lineární odpověď) % Mortality % Kumulativní distribuce LD 50 Probitové jednotky Transformováno na Probit Přímka (snadnější analýza) Log Dávka Log Dose
47 Tabulka pro probitovou transformaci % probit % probit % probit % probit % probit % probit 0,2 2,122 10,0 3,718 30,0 4,476 50,0 5,000 70,0 5,524 90,0 6,282 0,4 2,348 11,0 3,773 31,0 4,504 51,0 5,025 71,0 5,553 91,0 6,341 0,6 2,488 12,0 3,825 32,0 4,532 52,0 5,050 72,0 5,583 92,0 6,405 0,8 2,591 13,0 3,874 33,0 4,560 53,0 5,075 73,0 5,613 93,0 6,476 1,0 2,574 14,0 3,920 34,0 4,588 54,0 5,100 74,0 5,643 94,0 6,5S5 1,2 2,743 15,0 3,964 35,0 4,615 55,0 5,126 75,0 5,674 95,0 6,645 1,4 2,803 16,0 4,006 36,0 4,642 56,0 5,151 76,0 5,706 95,5 6,695 1,6 2,856 17,0 4,046 37,0 4,668 57,0 5,176 77,0 5,739 96,0 6,751 1,8 2,903 18,0 4,085 38,0 4,695 58,0 5,202 78,0 5,772 96,5 6,812 2,0 2,946 19,0 4,122 39,0 4,722 59,0 5,228 79,0 5,806 97,0 6,881 2,5 3,040 20,0 4,158 40,0 4,747 60,0 5,253 80,0 5, ,966 3,0 3,123 21,0 4,194 41,0 4,772 61,0 5,278 81,0 5,878 98,0 7,054 3,5 3,188 22,0 4,228 42,0 4,798 62,0 5,305 82,0 5,915 98,2 7,096 4,0 3,249 23,0 4,261 43,0 4,824 63,0 5,332 83,0 5,954 98,4 7,144 4,5 3,305 24,0 4,294 44,0 4,849 64,0 5,358 84,0 5, ,197 5,0 3,355 25,0 4,326 45,0 4,874 65,0 5,385 85,0 6, ,257 6,0 3,445 26,0 4,357 46,0 4,900 66,0 5,412 86,0 6,080 99,0 7,326 7,0 3,524 27,0 4,387 47,0 4,925 67,0 5,440 87,0 6,126 99,2 7,409 8,0 3,595 28,0 4,417 48,0 4,950 68,0 5,468 88,0 6,175 99,4 7,512 9,0 3,659 29,0 4,447 49,0 4,975 69,0 5,496 89,0 6,227 99,6 7,652 99,8 7,878
48 Příklad probitové analýzy Výsledek testu: log-normální distribuce (sigmoidní křivka)
49 Příklad probitové analýzy Transformace dat : Krok 1 ~ změna osy koncentrací na logaritmické měřítko
50 Příklad probitové analýzy Transformace dat : Krok 2 ~ převedení % odpovědi na lineární formu probitovou transformací
51 Příklad probitové analýzy Transformace dat : Krok 3 ~ odhad LC50/EC50 hodnoty z přímky lineární regrese Y = a + bx Y transformovaný logit/probit, X log(koncentrace), b sklon regresní přímky, a intercept regresní přímky Výpočet EC50 hodnoty: 5 = a + b*log(koncentrace) log(koncentrace) = (5-a)/b koncentrace = e^((5-a)/b)
52 c) Nelineární regrese Stává se čím dál běžnějším způsobem vyhodnocení závislosti dávka-účinek Na hladinách EC50 by se měly nelineární a lineární regrese víceméně shodovat více bodů lepší nelineární regrese a spolehlivější odvození ECx hodnot ~ přímé proložení sigmoidální křivkou a matematický popis nelineárního trendu závislosti dávka-odpověď
53 c) Nelineární regrese model je vyjádřen jako rovnice, která definuje Y(odpověď) jako funkci X (koncentrace) a jednoho nebo více parametrů Velkou výhodou je přesnější odhad nízkých (EC10, EC20) či vysokých (EC80, EC90) hodnot a modelování celých křivek Další výhodou je velmi rychlé stanovení hodnoty EC50, protože ta je jedním z parametrů modelu a je tudíž primárním výstupem zmíněných softwarových nástrojů narozdíl od lineárních regresních modelů je třeba pro pro správné proložení hodnot nelineárním modelem použít iterativních algoritmů. V naprosté většině případů se používá kritérium minima součtu čtverců odchylek (reziduí). K tomu lze využít modelovacích softwarů (Statistica, GraphPad, SigmaPlot, JMP, R-software)
54 c) Nelineární regrese Nejběžnějším modelem je Hillův model (log-logistický model se 4 parametry) : yy = cc + (dd cc) EEEE h 50 xx h + xx h y odpověd na toxikant (osa y), EC50 x koncentrace toxické látky (osa x) h sklon křivky v lineární části (tzv. Hill slope) c spodní limit, d horní limit Existují ale i modely jiné a často i více vhodné, které se mohou lišit v předpovězených hodnotách ECx (např. Weibull I, Weibull II či loglogistický model s 5 parametry V některých případech je vhodné vybrat model jiný podle uvážení či s využitím statistických nástrojů zjistit, který model proloží data lépe (např. AIC Akaikovo informační kritérium)
55 Využití LC Aplikační faktor LC 50 x n = = povolená dávka Dobrá pokud nemáme lepší informaci (chronické testy) 2. Zhodnocení rizika nižší LC 50 = toxičtější 3. Vede k chronickému testování LC 50 z akutního testu neposkytuje ekologicky relevantní výsledek potřeba testování na více ekosystémové úrovni
56 5 Využití křivek dávka-odpověď pro hodnocení rizik toxických látek (látky s prahovým účinkem)
57 5a) Srovnání více toxikantů , Látka s odpovědí, kterou zobrazuje červená křivka je toxičtější než ta se žlutou křivkou
58 5a) Srovnání více toxikantů! Je třeba látky srovnávat nejen podle EC50 hodnot, ale i podle celé křivky! (potenciál vs. účinnost toxické látky)! Důležitý je např. sklon křivky - toxikant s mírným sklonem může být nebezpečný při nízkých koncentracích i když EC50 je vysoká!
59 MATC 5b) Stanovení bezpečných hladin toxikantů v prostředí Maximum Allowable Toxicant Concentration maximální povolitelná koncentrace toxikantu geometrický průměr NOEC a LOEC často nazývaná chronická hodnota
60 5b) Stanovení bezpečných hladin toxikantů v prostředí PNEC ~ predicted no effect concentration (PNEC) = předpokládaná koncentrace nezpůsobující žádný účinek Identifikace nebezpečnosti: identifikace škodlivých účinků
61 5b) Stanovení bezpečných hladin toxikantů v prostředí PNEC: PEC < PNEC: zajišťuje komplexní ochranu prostředí PEC = predicted environmental concentration = očekávaná environmentální koncentrace Výpočet PNEC: vynásobení NOEC nebo EC50 přepočtovým faktorem (faktorem nejistoty - UF) za využití statistických extrapolačních technik Přepočtové faktory jsou používány ke zohlednění nejistot
62 5b) Stanovení bezpečných hladin toxikantů v prostředí Nejistoty: intra- a inter-laboratorní variabilita v toxikologických datech intra- a inter-druhové rozdíly (biologická variabilita) extrapolace z krátkodobých na dlouhodobé testy extrapolace z laboratorních dat na situaci v prostředí (synergistické, aditivní a antagonistické účinky, interace organismů atd...)
63 5b) Stanovení bezpečných hladin toxikantů v prostředí Rámcová směrnice EU o vodách: Assessment factors to derive a PNEC aquatic Faktory nejistoty = bezpečnostní faktory Assessment factor At least one short-term L(E)C 50 from each of three trophic levels of the base-set (fish, Daphnia and algae) 1000 One long-term NOEC (either fish or Daphnia) 100 Two long-term NOECs from species representing two trophic levels (fish and/or Daphnia and/or algae) Long-term NOECs from at least three species (normally fish, Daphnia and algae) representing three trophic levels Field data or model ecosystems Species sensitivity distribution (SSD method) ( Reviewed on a case by case basis 5-1, to be fully justified on a casa by case basis
64 5c) Stanovení bezpečných dávek toxikantů pro člověka NOAEL koncept Identifikace škodlivého účinku, který se objevuje při nejnižší dávce stanovení NOAEL nebo LOAEL pro tento účinek (pro látky s prahovým účinkem se shoduje s hodnotami NOEL a LOEC) podělení NOAEL nebo LOAEL bezpečnostními faktory ADI (acceptable daily intake): odhadované maximální množství látky, vztažené na tělesnou hmotnost, jemuž může být subjekt vystaven po celý život bez patrného zdravotního rizika (TDI - tolerable daily intake) RfD (reference dose): odhad denní expozice, která je bez patrných zdravotních následků i v případě, že probíhá celoživotně
65 5c) Stanovení bezpečných dávek toxikantů pro člověka NOAEL (NOAEC) No Observed Adverse Effect Level (Concentration) ~ Nejvyšší testovaná dávka/koncentrace látky, která nezpůsobila škodlivý účinek. Pod ní může být pozorován účinek, ale není považován za nebezpečný. Odpověď Důležité pro nastavení expozičních limitů: USA Threshold Limit Value UK Maximum Exposure Limit NOAEL Dávka LOAEL (LOAEC): Lowest Observed Adverse Effect Level/Concentration. ~ Nejnižší testovaná dávka/koncentrace látky, která způsobila škodlivý účinek.
66 5c) Stanovení bezpečných dávek toxikantů pro člověka ADI z NOAEL ADI (nebo RfD) je vypočtena z NOAEL podělením faktory nejistoty (uncertainty factors UFs) nebo bezpečnostními faktory (safety factors SFs)
67 5c) Stanovení bezpečných dávek toxikantů pro člověka Faktory nejistoty - Uncertainty factors UF mezidruhové rozdíly = 10 UF vnitrodruhové rozdíly = 10
68 5c) Stanovení bezpečných dávek toxikantů pro člověka Další možné UF UF LOAEL-NOAEL - 3 nebo 10 UF subchronické-chronické - 3 nebo 10 UF nedostatek relevantních informací - více než 10 MF modifikační faktor (expertní stanovisko) více než 10 RfD = NOAEL (or LOAEL) / UF 1 UF 2 UF 3 MF
69 5d) SSD Species Sensitivity Distribution Taxony Number Počet of organisms druhů log(noec or or EC50) ECx) log(noec or or EC50) ECx) HC p (Hazard Concentration for p-percent of species) = koncentrace, která negativně ovlivní p-procent druhů organismů PAF (Potentially Affected Fraction) = frakce (nebo procento) organismů, která bude negativně ovlivněna působením určité koncentrace dané toxické látky Fraction Procento of organisms druhů 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% PAF HC p
70 6 Hormeze
71 Hormeze počáteční biologická odpověď na nižších koncentracích toxikantu vykazuje opačný trend než při vzrůstu koncentrací Vztah mezi expozicí kontaminantu a odpovědí organismu může být komplikovanější než se dříve věřilo Vysoké a nízké dávky kontaminantu mohou mít na organismus rozdílný vliv (hormeze neznamená, že účinky nízkých dávek jsou prospěšné, jenom to že jsou odlišné!!) Zapracování konceptu hormeze do ekotoxikologie a hodnocení ekologických rizik je v současnosti limitováno nedostatečnou znalostí mechanismu hormeze
72 Hormese nízké dávky protektivní účinek, vysoké toxický účinek, nebo naopak teorie o stimulaci obranných mechanismů nízkými dávkami radiace vs. negativní účinek nízkých dávek protinádorových léků U a inversní U tvar křivky dávka účinek
73 Teoretická křivka hormeze I
74 Teoretická křivka hormeze II
75 Teoretická křivka hormeze
76 Calabrese and Baldwin (2003)
77 Calabrese and Baldwin (2003)
78 7 Regulační souvislosti Obecně používán prahový model pro ne-karcinogeny, a lineární bezprahový model pro karcinogeny (včetně radiace; EPA, FDA, a NRC). Přechod na model hormeze by pravděpodobně zmírnil některé limity pro polutanty ve vzduchu, vodě, potravinách a půdě. To by mohlo vést ke zmírnění nákladů na dodržování environmentálních limitů a na remediační projekty. Tato změna ale není moc pravděpodobná, i když se ukazuje, že mnoho toxikantů vykazuje prahové nebo hormezní působení v nízkých dávkách
79 8 Modely vztahu čas-odpověď
Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
Bezpečnost chemických výrob N Petr Zámostný místnost: A-72a tel.:
Bezpečnost chemických výrob N1111 Petr Zámostný místnost: A-72a tel.: 4222 e-mail: petr.zamostny@vscht.cz Rizika spojená s toxickými látkami Toxicita látek Zákonné limity pro práci s toxickými látkami
Statistické zpracování dat:
Statistické zpracování dat: Chceme-li zjistit, jestli se liší dvě skupiny dat (třeba jestli je jedna lokalita více znečištěná než druhá), můžeme použit tzv. Studentův t-test. Tento test (v téhle variantě
Bezpečnost chemických výrob N111001
8.11.21 Bezpečnost chemických výrob N1111 Petr Zámostný místnost: A-72a tel.: 4222 e-mail: petr.zamostny@vscht.cz Rizika spojená s toxickými látkami Toxicita látek Zákonné limity pro práci s toxickými
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
Zjišťování toxicity látek
Zjišťování toxicity látek 1. Úvod 2. Literární údaje 3. Testy in vitro 4. Testy na zvířatech in vivo 5. Epidemiologické studie 6. Zjišťování úrovně expozice Úvod Je známo 2 10 7 chemických látek. Prostudování
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
Mann-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.
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Pythagoras Statistické zpracování experimentálních dat Semestrální práce ANOVA vypracoval: Ing. David Dušek
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
RNDr. 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
Metody hodnocení zdravotních rizik stopových množství léčiv v pitné vodě
Metody hodnocení ch rizik stopových množství léčiv v pitné vodě F. Kožíšek 1,2, H. Jeligová 1, 1, Praha 2 3. lékařská fakulta UK, Praha Konference ZDRAVÍ A ŽIVOTNÍ PROSTŘEDÍ 2011 Milovy, 5.10.2011 Nálezy
MÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality RNDr. Alena Mikušková FN Brno Pracoviště dětské medicíny, OKB amikuskova@fnbrno.cz Analytické znaky laboratorní metody
Zjišťování toxicity. Toxikologie. Ing. Lucie Kochánková, Ph.D.
Zjišťování toxicity Toxikologie Ing. Lucie Kochánková, Ph.D. Zjišťování toxicity kdykoli se dostaneme do kontaktu s novou látkou, zjistíme si její toxicitu! 1) známá - již popsaná látka různé zdroje informací
STATISTICKÉ 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
Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
JEDNOVÝBĚROVÉ 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
Statistická 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
Dvouvýběrové a párové testy. Komentované řešení pomocí MS Excel
Dvouvýběrové a párové testy Komentované řešení pomocí MS Excel Úloha A) koncentrace glukózy v krvi V této části posoudíme pomocí párového testu, zda nový lék prokazatelně snižuje koncentraci glukózy v
Lineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
Pravděpodobnost 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
STATISTICA Téma 7. Testy na základě více než 2 výběrů
STATISTICA Téma 7. Testy na základě více než 2 výběrů 1) Test na homoskedasticitu Nalezneme jej v několika submenu. Omezme se na submenu Základní statistiky a tabulky základního menu Statistika. V něm
Stanovení ekotoxicity. Luděk Bláha, PřF MU
Stanovení ekotoxicity Luděk Bláha, PřF MU Cíl přednášky co by si měl student odnést Chápat princip testování ekotoxicity s využitím biologických modelů Znát různé typy (křivky) vztahů mezi dávkou a toxickou
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
RNDr. 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
SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
Aktualizované pokyny v hodnocení rizik pro životní prostředí. Dana Studená
Aktualizované pokyny v hodnocení rizik pro životní prostředí Dana Studená 6. 7.3.2019 Základní pokyny EMA/CVMP/ERA/418282/2005-Rev.1-Corr Guideline on environmental impact assessment for veterinary medicinal
Úvod do analýzy rozptylu
Úvod do analýzy rozptylu Párovým t-testem se podařilo prokázat, že úprava režimu stravování a fyzické aktivity ve vybrané škole měla vliv na zlepšené hodnoty HDLcholesterolu u školáků. Pro otestování jsme
Regresní analýza. Eva Jarošová
Regresní analýza Eva Jarošová 1 Obsah 1. Regresní přímka 2. Možnosti zlepšení modelu 3. Testy v regresním modelu 4. Regresní diagnostika 5. Speciální využití Lineární model 2 1. Regresní přímka 3 nosnost
Přednáška IX. Analýza rozptylu (ANOVA)
Přednáška IX. Analýza rozptylu (ANOVA) Princip a metodika výpočtu Předpoklady analýzy rozptylu a jejich ověření Rozbor rozdílů jednotlivých skupin násobné testování hypotéz Analýza rozptylu jako lineární
Popisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
Tvorba nelineárních regresních modelů v analýze dat
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Tvorba nelineárních regresních modelů v analýze dat Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza
Analýza rizik (01) Základní pojmy a definice
Centre of Excellence Analýza rizik (01) Základní pojmy a definice Ivan Holoubek RECETOX, Masaryk University, Brno, CR holoubek@recetox. recetox.muni.cz; http://recetox.muni muni.cz Analýza rizik Risk analysis
Plánování experimentu
SEMESTRÁLNÍ PRÁCE Plánování experimentu 05/06 Ing. Petr Eliáš 1. NÁVRH NOVÉHO VALIVÉHO LOŽISKA 1.1 Zadání Při návrhu nového valivého ložiska se v prvotní fázi uvažovalo pouze o změně designu věnečku (parametr
MUDr. Bohumil Havel KHS Pardubického kraje
MUDr. Bohumil Havel KHS Pardubického kraje 1 Selektivní herbicidy k eliminaci plevelů u mnoha plodin Zákaz v EU - alachlor 2008, acetochlor 2013 Přípravky obsahující S-metolachlor nebo metazachlor, preemergentní
Kalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015
Využití rozptylových studií pro hodnocení zdravotních rizik. MUDr.Helena Kazmarová Státní zdravotní ústav Praha
Využití rozptylových studií pro hodnocení zdravotních rizik MUDr.Helena Kazmarová Státní zdravotní ústav Praha Obsah Hodnocení zdravotních rizik Expozice Popis imisní situace možnosti a problémy Rozptylové
INDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
STATISTICKÉ CHARAKTERISTIKY
STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
Pravděpodobnost 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
Statistická 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
Národníinformačnístředisko pro podporu jakosti
Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov
Cvičení 12: Binární logistická regrese
Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena,
TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ
TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ 1 Vlastnosti tloušťkové struktury porostu tloušťky mají vyšší variabilitu než výšky světlomilné dřeviny mají křivku početností tlouštěk špičatější a s menší
EKONOMICKÁ 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
Pravděpodobnost 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
Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy
Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy Relativní riziko a poměr šancí Princip korelace dvou náhodných veličin Korelační koeficienty Pearsonůva Spearmanův Korelace a kauzalita
6. Lineární regresní modely
6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu
Úvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
EKOTOXIKOLOGICKÉ ÚČINKY VYBRANÝCH REZIDUÍ, EKOTOXIKOLOGICKÉ TESTY
EKOTOXIKOLOGICKÉ ÚČINKY VYBRANÝCH REZIDUÍ, EKOTOXIKOLOGICKÉ TESTY Klára Kobetičová Vysoká škola chemicko-technologická v Praze Fakulta technologie ochrany prostředí Ústav chemie ochrany prostředí Centralizovaný
Pravděpodobnost 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
Analýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce ANALÝZA
Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
UNIVERZITA 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
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat Semestrální
Průmyslová ekologie 2010, Žďár n/s
QSAR a QTTR V ODHADU RIZIK EXPOZICE CHEMICKÝM LÁTKÁM (METODY IN SILICO) a A JEJICH VALIDACE Miloň Tichý, Marián Rucki Státní zdravotní ústav, Šrobárova 48, 10042 Praha 10 mtichy@szu.cz Průmyslová ekologie
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) Reprezentativní náhodný výběr: 1. Prvky výběru x i jsou vzájemně nezávislé. 2. Výběr je homogenní, tj. všechna x i jsou ze stejného
ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce KALIBRACE
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Semestrální práce Licenční studium Galileo Předmět Nelineární regrese Jiří Danihlík Olomouc, 2016 Obsah... 1 Hledání vhodného
Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina
Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi
Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )
Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte
ANALÝZA RIZIK. RNDr. Klára Kobetičová, Ph.D. ENVIRONMENTÁLNÍ TOXIKOLOGIE
ENVIRONMENTÁLNÍ TOXIKOLOGIE ANALÝZA RIZIK RNDr. Klára Kobetičová, Ph.D. Laboratoř ekotoxikologie a LCA, Ústav chemie ochrany prostředí, Fakulta technologie ochrany prostředí, VŠCHT Praha OSNOVA Analýza
Požadavky na jakost pitné vody
Požadavky na jakost pitné vody Legislativní předpisy s požadavky na jakost pitné vody Směrnice 98/83/ES o jakosti vody určené pro lidskou spotřebu Zákon č. 258/2000 Sb. o ochraně veřejného zdraví + Vyhláška
PSY Statistická analýza dat v psychologii Přednáška 3. Transformace skórů a kvantily normálního rozložení
PSY117 2016 Statistická analýza dat v psychologii Přednáška 3 Transformace skórů a kvantily normálního rozložení Transformace skórů (dat) Pro usnadnění porozumění a možnost dalších analýz často přepočítáváme
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Pravděpodobnost 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
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Plánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry
Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet
Kalibrace analytických metod
Kalibrace analytických metod Petr Breinek BC_Kalibrace_2010 Měřící zařízení (zjednodušeně přístroje) pro měření fyzikálních veličin musí být výrobci kalibrovaná Objem: pipety Teplota (+37 C definovaná
CZ.1.07/1.5.00/34.0880. pracovní list. Hygiena a toxikologie. Experimentální toxikologie. Mgr. Alexandra Šlegrová
Název školy Číslo projektu STŘEDNÍ ODBORNÁ ŠKOLA a STŘEDNÍ ODBORNÉ UČILIŠTĚ, Česká Lípa, 28. října 2707, příspěvková organizace CZ.1.07/1.5.00/34.0880 Název projektu Klíčová aktivita Označení materiálu:
Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.
Problematika analýzy rozptylu Ing. Michael Rost, Ph.D. Úvod do problému Již umíte testovat shodu dvou středních hodnot prostřednictvím t-testů. Otázka: Jaké předpoklady musí být splněny, abyste mohli použít
Kalibrace analytických metod. Miroslava Beňovská s využitím přednášky Dr. Breineka
Kalibrace analytických metod Miroslava Beňovská s využitím přednášky Dr. Breineka Měřící zařízení (zjednodušeně přístroje) pro měření fyzikálních veličin musí být výrobci kalibrovaná Objem: pipety Teplota
Analýza 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
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod
přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod Měření Pb v polyethylenu 36 různými laboratořemi 0,47 0 ± 0,02 1 µmol.g -1 tj. 97,4 ± 4,3 µg.g -1 Měření
Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů
Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že
Kalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Kalibrace a limity její přesnosti Zdravotní ústav se sídlem v Ostravě
10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
Biostatistika Cvičení 7
TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,
Obsah přednášky Jaká asi bude chyba modelu na nových datech?
Obsah přednášky Jaká asi bude chyba modelu na nových datech? Chyba modelu Bootstrap Cross Validation Vapnik-Chervonenkisova dimenze 2 Chyba skutečná a trénovací Máme 30 záznamů, rozhodli jsme se na jejich
Metody in silico. stanovení výpočtem
Metody in silico stanovení výpočtem Inovace a rozšíření výuky zaměřené na problematiku životního prostředí na PřF MU (CZ.1.07/2.2.00/15.0213) spolufinancován Evropským sociálním fondem a státním rozpočtem
S E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět ANOVA analýza rozptylu
EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy
EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých
Příklady klasifikace nebezpečnosti pro vodní prostředí
Příklady klasifikace nebezpečnosti pro vodní prostředí Ing. Hana Krejsová Příklad č. 1 (vodný roztok) Nebezpečnost směsi CLP vodní prostředí Složka A 3 %, Aquatic Chronic 2 Složka B 9 %, Aquatic Chronic
UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek
UNIVERZITA PARDUBICE Licenční Studium Archimedes Statistické zpracování dat a informatika 4.4 Aproximace křivek a vyhlazování křivek Mgr. Jana Kubátová Endokrinologický ústav V Praze, leden 2012 Obsah
Správná laboratorní praxe - poznámky biologické/toxikologické -
Správná laboratorní praxe - poznámky biologické/toxikologické - SLP Spousta Listů Papíru GLP - Give me a Lot of Papers Luděk Bláha, PřF MU, RECETOX www.recetox.cz Chemické látky ( bulk ) Průmyslové látky,
Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté
Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0
Úvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
Bezpečnost potravin ve vztahu k reziduím léčiv. nové aspekty hodnocení bezpečnosti farmakologicky účinných látek
Bezpečnost potravin ve vztahu k reziduím léčiv nové aspekty hodnocení bezpečnosti farmakologicky účinných látek MVDr. Leona Nepejchalová, Ph.D. nepejchalova@uskvbl.cz Bezpečnost pro konzumenta (léčiva)
Tvorba grafů v programu ORIGIN
LICENČNÍ STUDIUM GALILEO STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Tvorba grafů v programu ORIGIN doc.dr.ing.vladimír Pata Univerzita Tomáše Bati ve Zlíně Fakulta technologická Ústav výrobních technologií
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti