Logická interpretace důkazu. Genetičtí předřečníci. Mé odborné zázemí. Forenzní zpracování vzorku. Cíl přednášky

Rozměr: px
Začít zobrazení ze stránky:

Download "Logická interpretace důkazu. Genetičtí předřečníci. Mé odborné zázemí. Forenzní zpracování vzorku. Cíl přednášky"

Transkript

1 Logická interpretace důkazu INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ doc. Mgr. Jiří Drábek, PhD. Ústav molekulární a translační medicíny LEM, Univerzita Palackého, Olomouc Československá společnost pro forenzní genetiku Olomouc Vzdělávání v oblasti forenzní genetiky reg. č. CZ.1.07/2.3.00/ INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Mé odborné zázemí Genetičtí předřečníci Co je to DNA Jak se testuje Jak se archivují/databázují výsledky Co může snížit hodnotu DNA jako markanty 3 4 Nalezena biologická stopa, získáno z N buněk Forenzní zpracování vzorku Neporušený důkazní řetězec? Je dost DNA? Kontaminace? Z buněk izolováno n cílové DNA Část n 0 použita pro PCR Cíl přednášky Upravit Vaše očekávání ohledně znaleckých posudků a vědeckých důkazů Naučit interpretovat důkazy univerzálním, Bayesovským způsobem PCR vytvoří n t kopií Detekční limit, směs? Elektroforéza Odečtení přítomných alel 5 6

2 Osnova přednášky Co čekat od forenzní vědy? Proč soudy nemají rády čísla? Nejistota Mustr pro interpretaci Znalecký výsledek Příklady Čemu se vyhnout? Jak se ptát znalce? Shrnutí Co čekat od forenzní vědy Forenzní věda umožňuje stanovit, zda osoba byla na daném místě v daném čase zda daná osoba vykonala určitou aktivitu (podepsala šek, rozbila okno) zda činnost byla provedena daným nástrojem (náboj vystřelen z dané zbraně, anonymní výhružka volána z daného telefonu) zda jsou daní lidé příbuzní (otcovství, incest). 7 8 Proč soudy nemají rády čísla? Forenzní věda u soudu Někteří experti pronášejí kategorické soudy (daktyloskopie: tyto dva otisky zanechala táž osoba) Někteří experti nevyloučí stejný zdroj stopy a srovnávacího vzorku a udají frekvenci výskytu daného znaku v populaci (analýza indexu lomu skla) Někteří experti operují s těžko pochopitelnými statistickými pojmy (DNA) Historicky špatná zkušenost Dreyfusova aféra Odsouzení kapitána Alfreda Dreyfuse za domnělou zradu francouzských tajných služeb ve prospěch Německého císařství (1894). Důkaz: dopis a přísažné prohlášení Odsouzen na doživotí a degradován. Roku 1899 při znovuotevření případu Cour de Cassation stejný závěr, ale mezinárodní tlak způsobil, že do 2 týdnů prezidentská milost. Okázalá demonstrace patriotizmu, glorifikace armády, antisemitských fobií, hanobení republikánského systému. Odhalení falzifikátora a křivé přísahy 1906 úplná rehabilitace, Řád čestné legie 11 Bertillonova analýza dopisu (bordereau) z odpadkového koše Hodinová nesrozumitelná řeč s výčtem různých nízkých pravděpodobností Závěry Dreyfus napsal seznam dokumentů o francouzském dělostřelectvu a pěchotě za pomoci své ženy a bratra tak, aby to vypadalo, že to psal někdo jiný (!) Důkaz je vědecký, nepopiratelný, neomylný ( geometrický ) V seznamu je kódovaná informace Soud nepřesvědčil Henri Poincaré Bertillonovy pseudovědecké závěry označil za kolosální chyby Další znalec aplikoval Bertillonovy postupy na Bertillonův dopis a došel k závěru jako Bertillon u Dreyfuse. 12

3 Nejistota Soud Rozhodování v podmínkách nejistoty Nejistota v interpretaci práva Nejistota ohledně faktů Zda-li a jak se události v minulosti udály Důkazy vědecké i nevědecké Subjektivita Ideální forenzně využitelný důkaz Má znaky, které jsou unikátní pro individuální osobu Tyto znaky se nemění v čase Znaky jsou jednoznačně určitelné na různých místech různými experty Umožňuje potvrdit přítomnost osoby na místě činu; vyskytuje se vždy, když jej potřebujeme pro potvrzení hypotézy a zároveň se nevyskytuje nikdy jindy Má jednoduché a levné zjištění hodnoty znaku Typický forenzně využitelný důkaz Znak je přítomen, i když hypotéza není pravdivá (falešná pozitivita testu) Znak není přítomen, i když je hypotéza pravdivá (falešná negativita testu) Je pravděpodobnější, že se znak vyskytuje, pokud je hypotéza pravdivá Nejednotný přístup soudu Znalec se nesmí vyjadřovat k právním otázkám (o vině a nevině žalovaného) Znalec může vyjádřit pravděpodobnost otcovství Shoda vs. vyloučení: 100% shoda, 100% vyloučení Pokud není 100%, tak to není k ničemu Pokud není 100%, tak je to indicie, důkaz zamítnut, protože není definitivní a jednoznačný Soud odmítne důkaz z důvodů, které nemají co do činění s jeho relevancí. Soud se spoléhá neadekvátně na DNA důkaz. Soud vyžaduje věrohodnostní poměr Pokud nehodnotíme sílu důkazu, tak nevyužijeme sílu důkazu naplno Podhodnotíme (Nadhodnotíme CSI efekt) 17 18

4 Bayesova věta jako mustr Inferenční logika Není doménou vyhrazenou pro znalce, mohou a měli by ji používat všichni účastníci soudního řízení. Znalec nemůže vyvodit závěr (např. krevní skvrnu zanechala určitá osoba, dítě bylo zneužito) na základě jediného důkazu. Vědecký důkaz by měl být zkombinován s dalšími důkazy k případu. Nejlepším způsobem, jak to provést, je použití věrohodnostního poměru, který může být zkombinován s dalšími důkazy prostým vynásobením. Důkaz má váhu jen v takovém kontextu, kdy pomáhá rozlišit mezi hypotézami. Problémy s vědeckými důkazy vznikají častěji při intepretaci než z experimentálních chyb Bayesův teorém Úprava pravděpodobnostního očekávání ve světle nových důkazů Pravidlo pro rozhodování mezi více alternativami Logické, konzistentní, univerzální. Bayesův teorém v podobě podílu šancí Aposteriorní podíl šancí = apriorní podíl šancí * věrohodnostní poměr Sázkařské vyjádření: 1000 ku 1 1 ku 2 odpovídá 33 % Rozdělení úloh Znalec Nabídka cena:výkon Výpočet věrohodnostního poměru Stanovení alternativních hypotéz Návod k interpretaci Soudce Stanovení alternativních hypotéz Určení apriorní pravděpodobnosti viny Přijetí/nepřijetí důkazu Pokud je důkaz přijat, tak stanovení hranice, kdy aposteriorní pravděpodobnost dosahuje hranici, kdy je vina prakticky prokázána Obhájce Stanovení alternativních hypotéz 23 Spektrum pravděpodobností % 100 % 24

5 Spektrum pravděpodobností % 100 % Spektrum pravděpodobností % 100 % Spektrum pravděpodobností Kombinace s dalšími důkazy 0 0,5 1 0 % 50 % 100 % Limitně se blíží, ale nedosáhne. Aposteriorní poměr šancí = apriorní poměr šancí * věrohodnostní poměr1 * věrohodnostní poměr2= = apriorní poměr šancí 2 * věrohodnostní poměr Bayesův teorém v podobě podílu šancí Apo = apri * věrohodnostní poměr Apriorní poměr šancí Měřítko nejistoty ohledně viny nařčeného předtím, než je provedeno znalecké dokazování. Na základě známosti faktů o případu, k jejichž zhodnocení nejsou potřebné expertní znalosti. Může být odvozeno z frekvence výskytu jevu v populaci, z encyklopedických údajů nebo z životních zkušeností

6 Příklady apriorního poměru šancí Osoba nakažena virem HIV 1 ku 3000 Rychle jedoucí řidič požil alkohol 1 ku 5 Člověk má na sobě skleněné střípky 1 ku 1 pro sklenáře 1 ku 3 pro bezdomovce 1 ku 50 pro kutila Spektrum pravděpodobností LR LR Bayesův teorém v podobě podílu šancí Apo = apri * věrohodnostní poměr Hypotézy, scénáře, verze, teze, varianty Na místě činu byla nalezena krevní skvrna, jejíž DNA profil je shodný s profilem podezřelého H1: definuje žalobce Podezřelý zanechal na místě činu krevní skvrnu H2: definuje obhájce Někdo jiný, neznámý, zanechal na místě činu krevní skvrnu. Podezřelý má náhodou shodný profil jako neznámý pachatel Hypotézy u paternit One size fits all Biostatistické zhodnocení otcovství nebo příbuznosti má být postaveno na vzájemně se vylučujících hypotézách o otcovství dítěte nebo genetické příbuznosti Hypotézy představují rozdílné rodokmeny Nejčastěji Nařčený Neznámý nepříbuzný muž Bratr nařčeného Nevlastní (poloviční) bratr nařčeného 35 Ignorování apriorních P a relevantních hypotéz je chybné It is a capital mistake to theorise before one has data. Insensibly one begins to twist facts to suit theories, instead of theories to suit facts (Sherlock Holmes, A Scandal in Bohemia) 36

7 Vliv soutěžících hypotéz na sílu důkazu Vždy záleží na okolnostech DNA důkaz prokáže přítomnost osoby na místě činu K ničemu, pokud se jedná o domácí osobu DNA důkaz prokáže semeno na kalhotkách K ničemu, pokud sex konsensuální Nařčený má 5 znaků biologického otce z 5 testovaných: Pokud nařčený tvrdí: To ne já, to některý z mých bratrů!, síla důkazu se snižuje. Jaký důkaz je relevantní? Důkaz, který přidává na jednu misku vah Takový důkaz, který má tendenci zvýšit nebo snížit pravděpodobnost viny, než kdyby tento důkaz nebyl Jaké je měřítko vlivu důkazu na pravděpodobnost? Věrohodnostní poměr Relevantní důkaz je takový, jehož věrohodnostní poměr se liší od jedné Symbolika P pravděpodobnost E důkaz (evidence) H hypotéza / za předpokladu Věrohodnostní poměr jako znalecký výsledek Likelihood ratio sumarizuje veškerou informaci získanou znaleckým vyšetřením Pravděpodobnost, že daný jev (důkaz) nastal za určitých podmínek, děleno pravděpodobností, že určitý jev (důkaz) nastal za jiných podmínek, přičemž podmínky jsou vzájemně se vylučující. LR = P P( E H ) ( E nonh ) Úlohou znalce je vypočítat věrohodnostní poměr Věrohodnostní poměr u nevědeckých důkazů Zkušenost a vědomosti soudcům umožňují neformálně (intuitivně) stanovit věrohodnostní poměr 41 42

8 Zavedené využití věrohodnostního poměru DNA analýza Střepiny skla Vlákna Krevní skupiny Výhoda použití věrohodnostního poměru Univerzální Logický Demystifikuje vědecký důkaz, protože ho zarámuje stejně jako jakýkoliv jiný důkaz Minimalizuje hraniční efekt Hraniční efekt Pokud stanovíme podmínku - prahovou hodnotu, kdy prohlásíme stopu a porovnávací vzorek za shodné (např. na základě Studentova t-testu na 5% nebo 1% hladině významnosti), dostaneme se do úzkých hraniční efekt Prahová hodnota indexu lomu = 1,657±0,003 Náš index lomu = 1,659 shoda? Náš index lomu = 1,661 není shoda? Čím jsou si vzorky podobnější, tím více to svědčí pro hypotézu společného původu Jediná hranice by měla být vina vs. nevina, stanovovaná nakonec soudem Jiné možnosti prezentovat důkazy? Frekvence náhodného výskytu, statistická signifikance Nemožnost kombinovat s jinými typy důkazu Jednotlivá řešení pro jednotlivé situace Některé situace jsou jiným způsobem než pomocí LR neřešitelné. Správný popis zlomku LR Čitatel je pravděpodobnost důkazu za předpokladu, že platí teze obžaloby. Jmenovatel je pravděpodobnost důkazu za předpokladu, že platí teze obhajoby. LR = P P( E H ) ( E nonh ) 47 48

9 Správný popis zlomku LR u obvyklých paternit Čitatel je pravděpodobnost výsledků genotypizace (pravděpodobnost rodokmene) za předpokladu, že testovaný muž je biologickým otcem dítěte. Jmenovatel je pravděpodobnost výsledků genotypizace (pravděpodobnost rodokmene) za předpokladu, že biologickým otcem je neznámý náhodný muž z populace. Správné slovní vyjádření LR Důkaz je LR krát pravděpodobnější za předpokladu, že platí teze obžaloby, než pokud by platila teze obhajoby. Ať jsou jiné důkazy ve prospěch teze obžaloby jakkoli velké, toto vyšetření je posiluje LR krát Příklady vyjádření LR U identifikace: H1: krevní skvrna pochází z této osoby H2: krevní skupina pochází z neznámé osoby E: krevní skupiny ve skvrně Ať jsou jiné důkazy ve prospěch H1 jakkoliv velké, sérologické určení krevních skupin je navyšuje LR krát. U paternity: H1: biologickým otcem nařčený H2: biologickým otcem neznámý muž E: DNA profily matky, dítěte a žalovaného Ať jsou jiné důkazy ve prospěch H1 jakkoliv velké, DNA profilování matky, dítěte a nařčeného je navyšuje LR krát. Hodnoty LR LR = 1 důkaz je irelevantní, nepodporuje ani jednu hypotézu LR > 1 důkaz podporuje naši hypotézu LR < 1 důkaz podporuje alternativní hypotézu Má cenu vyjadřovat sílu důkazu slovně? LR rozsah Slovně <0,001 velmi silný důkaz proti 0,001 0,01 silný důkaz důkaz proti 0,01 0,1 středně silný proti 0,1 0,99 slabý důkaz proti Má cenu vyjadřovat sílu důkazu slovně? LR rozsah Slovně 1 10 slabý důkaz pro středně silný důkaz pro silný důkaz pro >1000 velmi silný důkaz pro 53 54

10 Bayesův teorémv podobě podílu šancí Aposteriorní poměr šancí = apriorní poměr šancí * věrohodnostní poměr P P( H E) ( nonh E) = P P( H ) ( nonh ) P P( E H ) ( E nonh ) Příklad 1: Trubička na detekci alkoholu v dechu 0,950 0,005 P (zezelená\požil) LR = = = 190 P (zezelená\nepožil) Apo = Apri LR 1 = 190 = Příklad 2: zneužívané děti Lékařský znalec dětský psycholog s mnohaletou zkušeností tvrdí, že zneužívané děti vykazují známky stresu (např. kousání nehtů) 80 % I nezneužívané děti si koušou nehty 10 % Je osmkrát pravděpodobnější, že si dítě kouše nehty za předpokladu, že bylo zneužíváno, než za předpokladu, že zneužíváno nebylo. Příklad 3: anonymní výhružný telefonát Výhružka bombovým útokem zatelefonována na policejní stanici v australském Perthu Pan Chedzey obviněn, protože telefonní společnost vystopovala volání k jeho domácímu telefonu Chedzey mění výpověď, nicméně pořád tvrdí, že nebyl doma Stopovací zařízení telefonní společnosti udělalo při testování chybu v 5 případech z Hypotézy a důkaz H1: falešný bombový poplach byl zavolán z telefonu Chedzeyho H2: falešný bombový poplach byl zavolán z jiného telefonu v Perthu E: stopovací zařízení označilo Chedzeyho telefon 59 Výpočet LR Čitatel P(E/H1) = ( )/12700 = 0,9996 Jmenovatel P(E/H2) =? Pokud stroj udělá chybu, tak jaká je pravděpodobnost, že poukáže na Chedzeyho telefon? Typ chyby: neidentifikuje žádný telefon P(E/H2) = 0 vs. identifikuje vždy telefon Chedzeyho P(E/H2) = 5/12700 = 0,04 % vs. identifikuje nějaký jiný telefon v Perthu P(E/H2) = 0,0004/N Apriorní poměr šancí 1/N Aposteriorní poměr šancí =1/N*0,9996/(0,0004/N)=2499 ku 1 Jak se chová stopovací zařízení v případě selhání? Měl konkrétní telefonát znaky, u kterých stopování selhává (např. délka hovoru)? 60

11 Alternativní hypotéza Musí mít reálné opodstatnění Jaké jsou možné chyby při použití čísel Čitatel i jmenovatel LR Přehození podmínky LR = P P( E H ) ( E nonh ) Logický trik obžaloby Záměna podmínky a důsledku P(zvíře má čtyři nohy/zvíře je pes) P(zvíře je pes/zvíře má čtyři nohy) Logický trik obžaloby Logický trik obžaloby Birminghamská šestka: Je na 99% procent jisté, že tito muži zacházeli s výbušninami. Šance, že biologická stopa patří někomu jinému než R.Cannanovi, je 1 : 260 mil. Podle mého názoru je vysoká pravděpodobnost, že Mr.Smith napsall tento výhružný dopis. Je málo pravděpodobné, že tento otisk zanechala jiná bota. 65 Tvrzení, že P (důkazu/h) = P (H/důkazu), což není pravda P(DNA profil nařčeného a místa činu jsou shodné/nařčený byl na místě činu) P(nařčený byl na místě činu/dna profil nařčeného a místa činu jsou shodné). 66

12 Logický trik obhajoby Jak se ptát znalce Ignorování dalších důkazů Vydávání pravděpodobnosti genotypu nařčeného za pravděpodobnost, že to není on. Důkaz by měl být zamítnut, protože lidmi s takovými krevními skupinami, jako má O. J. Simpson, se dá naplnit celý fotbalový stadion Nesprávná otázka Jaká je pravděpodobnost nalezení shody při použití této metody? Lze odpovědět před provedením vyšetření Jak častý je DNA profil z místa činu v populaci? Odpověď je správná jen za určitých podmínek. Správná otázka Nakolik důkaz zvyšuje pravděpodobnost viny? Nakolik profilování stopy z místa činu zvyšuje pravděpodobnost, že stopu tam zanechal podezřelý? Rozklad správné otázky Jaká je pravděpodobnost důkazu vpřípadě, že obvinění je pravdivé? Jaké jsou vhodné alternativní hypotézy? Proč jsou tyto hypotézy vhodné? Jaká je pravděpodobnost důkazu vpřípadě, že alternativní hypotézy jsou pravdivé? Jak silný je to důkaz? Správná odpověď -věrohodnostní poměr P (důkazu za předpokladu, že obviněný zanechal stopu)/ P(důkazu za alternativního předpokladu, obvykle předloženého obhajobou) 71 72

13 Proč se dlouhodobě klade špatná otázka? V určitých jednoduchých případech vede špatná otázka ke správné odpovědi Bylo by bludem rozháněče bludů (fallacist s fallacy) správnou odpověď nepřijmout. 73 Shrnutí Samotný důkaz nemůže sám o sobě prokázat vinu. Důkaz jen pomáhá rozlišit mezi hypotézami. Důkaz se musí hodnotit v kontextu apriorní pravděpodobnosti a ve spojitosti s jinými důkazy, nikde ne v izolaci. Síla důkazu se liší podle hypotézy obhajoby. Není zásadní rozdíl mezi vědeckým a nevědeckým důkazem nemohou být dva způsoby zacházení sdůkazy. Je jen jeden logický způsob, který není vázaný na typ důkazu. Bayesova věta je jeho formalizace. Každý jiný přístup buď odpovídá požadavkům Bayesovské interpretace, nebo je nelogický. 74 shrnutí Děkuji Vám za pozornost! Vědecké důkazy mají být předkládány soudu ve formě LR (srovnání pravděpodobností důkazu za každé z relevantních, specifických, vzájemně se vylučujících a jasně definovaných hypotéz) Jiné statistické přístupy nejsou pro forenzní vědy vhodné, protože nechybují jen za přesně vymezených okolností

Rychlokurz forenzní DNA statistiky Anastassiya Žídková

Rychlokurz forenzní DNA statistiky Anastassiya Žídková Rychlokurz forenzní DNA statistiky 21.10.2011 Anastassiya Žídková anastazie.d@gmail.com Úvod První část Program dnešního kurzu Základní zákony pravděpodobnosti Druhá část Bayesovavěta Zásady při interpretaci

Více

Cíl lekce. Kvantifikace síly důkazního materiálu. Ideální forenzně využitelný důkaz. Osnova přednášky. Typický forenzně využitelný důkaz

Cíl lekce. Kvantifikace síly důkazního materiálu. Ideální forenzně využitelný důkaz. Osnova přednášky. Typický forenzně využitelný důkaz Kvantifikace síly důkazního materiálu doc. Mgr. Jiří Drábek, PhD. Laboratoř experimentální medicíny, Ústav molekulární a translační medicíny, LF UP a Fakultní nemocnice Olomouc Cíl lekce Po této lekci

Více

Statistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup

Statistika. 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

Více

Jak (ne)vážit Spravedlnost. Halina Šimková

Jak (ne)vážit Spravedlnost. Halina Šimková Jak (ne)vážit Spravedlnost Halina Šimková Důkaz v právu věc nebo postup, které mohou přispět k objasnění projednávané věci přímý důkaz nepřímý důkaz (indicie) vyviňující důkaz usvědčující důkaz klíčový

Více

Zahrnutí alelického dropoutu

Zahrnutí alelického dropoutu Sémantická interoperabilita v biomedicíně a zdravotnictví Mgr. Dalibor Slovák Oddělení medicínské informatiky a biostatistiky, ÚI AV ČR školitelka: Prof. RNDr. Jana Zvárová, DrSc. Ústav hygieny a epidemiologie,

Více

Počáteční ohodnocení pravděpodobnosti. Úprava ohodnocení pravděpodobnosti. Úprava ohodnocení pravděpodobnosti. Spektrum pravděpodobností

Počáteční ohodnocení pravděpodobnosti. Úprava ohodnocení pravděpodobnosti. Úprava ohodnocení pravděpodobnosti. Spektrum pravděpodobností Forenzní bioinformatika, inferenční logika, kvantifikace síly (genetického) důkazního materiálu doc. Mgr. Jiří Drábek, PhD. Laboratoř experimentální medicíny, Ústav molekulární a translační medicíny, LF

Více

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec Pravděpodobnostn podobnostní charakteristiky diagnostických testů, Bayesův vzorec Prof.RND.Jana Zvárov rová,, DrSc. Motivace V medicíně má mnoho problémů pravěpodobnostní charakter prognóza diagnoza účinnost

Více

Jednofaktorová analýza rozptylu

Jednofaktorová analýza rozptylu I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých

Více

Zajímavé kazuistiky ve znaleckém testování otcovství aneb Co se taky může přihodit. Radovan Haluza

Zajímavé kazuistiky ve znaleckém testování otcovství aneb Co se taky může přihodit. Radovan Haluza Zajímavé kazuistiky ve znaleckém testování otcovství aneb Co se taky může přihodit Radovan Haluza Znalecké testování otcovství Běžné okolnosti: znalec jmenován soudem v dané věci (cca 95% případů), nebo

Více

Pravděpodobnost vs. Poměr šancí. Pravděpodobnostní algoritmy: Bayesova věta. Bayesova teorie rozhodování. Bayesova věta (teorém) Vzorec. ...

Pravděpodobnost vs. Poměr šancí. Pravděpodobnostní algoritmy: Bayesova věta. Bayesova teorie rozhodování. Bayesova věta (teorém) Vzorec. ... ravděpodobnostní algoritmy: Bayesova věta Fantasy is hardly an escape from reality. It is a way of understanding it. LLoyd Alexander ravděpodobnost vs. oměr šancí ravděpodobnost - poměr počtu jedinců surčitým

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností připomenutí, souvislosti

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská 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

Více

Cvičení ze statistiky - 8. Filip Děchtěrenko

Cvičení ze statistiky - 8. Filip Děchtěrenko Cvičení ze statistiky - 8 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Centrální limitní věta Laplaceho věta (+ korekce na spojitost) Konfidenční intervaly

Více

Základy teorie pravděpodobnosti

Základy teorie pravděpodobnosti Základy teorie pravděpodobnosti Náhodný jev Pravděpodobnost náhodného jevu Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 15. srpna 2012 Statistika

Více

Jana Vránová, 3. lékařská fakulta UK

Jana Vránová, 3. lékařská fakulta UK Jana Vránová, 3. lékařská fakulta UK Vznikají při zkoumání vztahů kvalitativních resp. diskrétních znaků Jedná se o analogii s korelační analýzou spojitých znaků Přitom předpokládáme, že každý prvek populace

Více

Usuzování za neurčitosti

Usuzování za neurčitosti Usuzování za neurčitosti 25.11.2014 8-1 Usuzování za neurčitosti Hypotetické usuzování a zpětná indukce Míry postačitelnosti a nezbytnosti Kombinace důkazů Šíření pravděpodobnosti v inferenčních sítích

Více

cv3.tex. Vzorec pro úplnou pravděpodobnost

cv3.tex. Vzorec pro úplnou pravděpodobnost 3 cvičení - pravděpodobnost 2102018 18cv3tex n i=1 Vzorec pro úplnou pravděpodobnost Systém náhodných jevů nazýváme úplným, jestliže pro něj platí: B i = 1 a pro i k je B i B k = 0 Jestliže je (Ω, A, P

Více

ANALÝZA DAT V R 9. VÝPOČET VELIKOSTI SOUBORU. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.

ANALÝZA DAT V R 9. VÝPOČET VELIKOSTI SOUBORU. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK. ANALÝZA DAT V R 9. VÝPOČET VELIKOSTI SOUBORU Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz DATA, VÝZKUM, ANALÝZY ve výzkumu se střídají fáze prozkoumávací

Více

Zpracování neurčitosti

Zpracování neurčitosti Zpracování neurčitosti Úvod do znalostního inženýrství, ZS 2015/16 7-1 Usuzování za neurčitosti Neurčitost: Při vytváření ZS obvykle nejsou všechny informace naprosto korektní mohou být víceznačné, vágní,

Více

Vzdělávání v oblasti forenzní genetiky reg. č. CZ.1.07/2.3.00/09.0080

Vzdělávání v oblasti forenzní genetiky reg. č. CZ.1.07/2.3.00/09.0080 INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Vzdělávání v oblasti forenzní genetiky reg. č. CZ.1.07/2.3.00/09.0080 INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Tento projekt je spolufinancován Evropským sociálním fondem a státním

Více

Vyšetřování případu Psa baskervilského intuitivně a bayesovskou logikou

Vyšetřování případu Psa baskervilského intuitivně a bayesovskou logikou Vyšetřování případu sa baskervilského intuitivně a bayesovskou logikou doc. Mgr. Jiří Drábek, hd. Ústav molekulární a translační medicíny Československá společnost pro forenzní genetiku XIII. tradiční

Více

Úvod do inferenční logiky pro interpretaci forenzních (forenzněgenetických) důkazů

Úvod do inferenční logiky pro interpretaci forenzních (forenzněgenetických) důkazů Úvod do inferenční logiky pro interpretaci forenzních (forenzněgenetických) důkazů Nejistota ve forenzních vědách Nejistota není příjemný stav, ale naprostá určitost je zcela absurdní. Francois Marie (Arouet)

Více

LIMITY APLIKACE STATISTICKÝCH TESTŮ VÝZNAMNOSTI V PEDAGOGICKÉM VÝZKUMU: SEMINÁŘ PRO NESTATISTIKY

LIMITY APLIKACE STATISTICKÝCH TESTŮ VÝZNAMNOSTI V PEDAGOGICKÉM VÝZKUMU: SEMINÁŘ PRO NESTATISTIKY LIMITY APLIKACE STATISTICKÝCH TESTŮ VÝZNAMNOSTI V PEDAGOGICKÉM VÝZKUMU: SEMINÁŘ PRO NESTATISTIKY Seminář ČAPV 2018 Upozornění Prezentace obsahuje pouze doprovodný text k semináři pro doktorandy v rámci

Více

Cvičení ze statistiky - 9. Filip Děchtěrenko

Cvičení ze statistiky - 9. Filip Děchtěrenko Cvičení ze statistiky - 9 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Inferenční statistika Konfidenční intervaly Z-test Postup při testování hypotéz

Více

Testování lidské identity

Testování lidské identity Testování lidské identity Brno, 2009 J.M.Butler Forensic DNA Typing workshop, 2006 Bryan Sykes Sedm dcer Eviných, 2005 Využití testování lidské identity Řešení trestních činů shoda mezi podezřelým a stopou

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1 Testování statistických hypotéz Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Statistickou hypotézou rozumíme hypotézu o populaci (základním souboru) např.: Střední hodnota základního souboru je rovna 100.

Více

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina

III. Úplná pravděpodobnost. Nezávislé pokusy se dvěma výsledky. Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina III Přednáška Úplná pravděpodobnost Nezávislé pokusy se dvěma výsledky Náhodná veličina Pravděpodobnost při existenci neslučitelných hypotéz Věta Mějme jev. Pokud H 1,H 2, : : :,H n tvoří úplnou skupinu

Více

13538/14 mhr/zc/kno 1 DG D 2B

13538/14 mhr/zc/kno 1 DG D 2B Rada Evropské unie Brusel 30. září 2014 (OR. en) Interinstitucionální spis: 2013/0407 (COD) 13538/14 DROIPEN 112 COPEN 230 CODEC 1868 POZNÁMKA Odesílatel: Příjemce: Předsednictví Výbor stálých zástupců

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

Dokazování je procesním právem (též normy EU, mezinárodní úmluvy apod.) upravený postup, jehož prostřednictvím soud zjišťuje skutečnosti významné pro

Dokazování je procesním právem (též normy EU, mezinárodní úmluvy apod.) upravený postup, jehož prostřednictvím soud zjišťuje skutečnosti významné pro Dokazování v civilním procesu ( 120-136 OSŘ) Dokazování je procesním právem (též normy EU, mezinárodní úmluvy apod.) upravený postup, jehož prostřednictvím soud zjišťuje skutečnosti významné pro rozhodnutí.

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

TESTOVÁNÍ 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

Více

Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E

Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E Testování statistických hypotéz z a analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Epidemiologické ukazatele Rizikový faktor Populace Přítomen Nepřítomen Celkem Nemocní a b a+b Kontroly

Více

analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat Epidemiologické ukazatele

analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat Epidemiologické ukazatele Testování statistických hypotéz z a analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. 1 Záznam epidemiologických dat Rizikový faktor Populace Přítomen Nepřítomen Celkem Nemocní a b a+b Kontroly

Více

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

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

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

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

Více

Testování hypotéz. testujeme (většinou) tvrzení o parametru populace. tvrzení je nutno předem zformulovat

Testování hypotéz. testujeme (většinou) tvrzení o parametru populace. tvrzení je nutno předem zformulovat Testování hypotéz testujeme (většinou) tvrzení o parametru populace tvrzení je nutno předem zformulovat najít odpovídající test, podle kterého se na základě informace z výběrového souboru rozhodneme, zda

Více

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/ Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG)

Více

7.1. Podstata testu statistické hypotézy

7.1. Podstata testu statistické hypotézy 7. TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ 7.1. Podstata testu statistické hypotézy Statistická hypotéza určitý předpoklad o parametrech nebo tvaru rozdělení zkoumaného st. znaku. Testování hypotéz proces ověřování

Více

ZÁKLADY SPOLEČENSKÝCH VĚD

ZÁKLADY SPOLEČENSKÝCH VĚD ZÁKLADY SPOLEČENSKÝCH VĚD Ročník: vyšší stupeň osmiletého studijního cyklu Gymnázium Globe, s.r.o. CZ.1.07/1.1.00/14.0143 = souhrn právních norem, které chrání společnost, stát a občany před nežádoucím

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 11. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 27 Obsah 1 Testování statistických hypotéz 2

Více

Inovace studia obecné jazykovědy a teorie komunikace ve spolupráci s přírodními vědami. reg. č.: CZ.1.07/2.2.00/

Inovace studia obecné jazykovědy a teorie komunikace ve spolupráci s přírodními vědami. reg. č.: CZ.1.07/2.2.00/ Inovace studia obecné jazykovědy a teorie komunikace ve spolupráci s přírodními vědami reg. č.: CZ.1.07/2.2.00/28.0076 Úvod do kvantitativní lingvistiky Radek Čech Kvantitativní lingvistika co Vás napadne,

Více

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND. Pravděpodobnostn podobnostní charateristiy diagnosticých testů, Bayesův vzorec Prof.RND RND.Jana Zvárov rová,, DrSc. Náhodný pous, náhodný n jev Náhodný pous: výslede není jednoznačně určen podmínami,

Více

Verze: 2011-2012 Platí od: 14.10.2011 Vypracoval: Ing. Aleš Hořínek, Mgr. Anastassiya Zidkova doc. Mgr. Jiří Drábek, PhD.

Verze: 2011-2012 Platí od: 14.10.2011 Vypracoval: Ing. Aleš Hořínek, Mgr. Anastassiya Zidkova doc. Mgr. Jiří Drábek, PhD. Systém mezilaboratorního porovnávání forenzně genetických zkoušek (MPZ) pro aktivitu 5 projektu CZ.1.07/2.3.00/09.0080 4N6gen, Část paternity a příbuznost Verze: 2011-2012 Platí od: 14.10.2011 Vypracoval:

Více

KYBERNETICKÁ KRIMINALITA TRESTNÍ PRÁVO PROCESNÍ A KYBERNETICKÁ KRIMINALITA

KYBERNETICKÁ KRIMINALITA TRESTNÍ PRÁVO PROCESNÍ A KYBERNETICKÁ KRIMINALITA KYBERNETICKÁ KRIMINALITA TRESTNÍ PRÁVO PROCESNÍ A KYBERNETICKÁ KRIMINALITA MGR. RADIM VIČAR UNIVERZITA OBRANY, FAKULTA EKONOMIKY A MANAGEMENTU radim.vicar@unob.cz Operační program Vzdělávání pro konkurenceschopnost

Více

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze

Více

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz. Pravděpodobnost a statistika, Biostatistika pro kombinované studium Letní semestr 2015/2016 Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz Jan Kracík jan.kracik@vsb.cz Obsah: Výběrová rozdělení

Více

Intervalové 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 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

Více

Genetický polymorfismus jako nástroj identifikace osob v kriminalistické a soudnělékařské. doc. RNDr. Ivan Mazura, CSc.

Genetický polymorfismus jako nástroj identifikace osob v kriminalistické a soudnělékařské. doc. RNDr. Ivan Mazura, CSc. Genetický polymorfismus jako nástroj identifikace osob v kriminalistické a soudnělékařské praxi doc. RNDr. Ivan Mazura, CSc. Historie forenzní genetiky 1985-1986 Alec Jeffreys a satelitní DNA 1980 Ray

Více

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/ Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG)

Více

Ing. Michael Rost, Ph.D.

Ing. 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

Více

Intervalové 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 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

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Testování statistických hypotéz Testování statistických hypotéz Princip: Ověřování určitého předpokladu zjišťujeme, zda zkoumaný výběr pochází ze základního souboru, který má určité rozdělení zjišťujeme,

Více

Číslo projektu: CZ.1.07/1.5.00/ Název projektu: Inovace a individualizace výuky

Číslo projektu: CZ.1.07/1.5.00/ Název projektu: Inovace a individualizace výuky Číslo projektu: CZ.1.07/1.5.00/34.0036 Název projektu: Inovace a individualizace výuky Autor: Mgr. Martin Fryauf Název materiálu: Kriminalistická identifikace Označení materiálu: VY_32_INOVACE_FRY2 Datum

Více

Pravděpodobnost, náhoda, kostky

Pravděpodobnost, náhoda, kostky Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké

Více

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/ Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/..00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG) Tento

Více

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test Testování hypotéz 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test Testování hypotéz proces, kterým rozhodujeme, zda přijmeme nebo zamítneme nulovou hypotézu

Více

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/ Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG)

Více

Kvalita v laboratorní a kontrolní praxi

Kvalita v laboratorní a kontrolní praxi Kvalita v laboratorní a kontrolní praxi Část: Rozhodování o shodě se specifikací (limitem) Vladimír Kocourek Praha, 2016 Shoda se specifikací / limitem Posuzování shody se specifikací / limitem Cílem měření

Více

O P A T Ř E N Í. Příloha č. 1. ZN.../2008 V... dne...

O P A T Ř E N Í. Příloha č. 1. ZN.../2008 V... dne... Příloha č. 1 ZN.../2008 V... dne... O P A T Ř E N Í Dle 174 odst. 2 písm. e) trestního řádu r u š í m jako neodůvodněné opatření policejního orgánu Policie České republiky Obvodního oddělení v... sp. zn....

Více

ČÁST D ZRUŠENÍ A/NEBO PROHLÁŠENÍ NEPLATNOSTI ODDÍL 2 HMOTNĚPRÁVNÍ USTANOVENÍ

ČÁST D ZRUŠENÍ A/NEBO PROHLÁŠENÍ NEPLATNOSTI ODDÍL 2 HMOTNĚPRÁVNÍ USTANOVENÍ METODICKÉ POKYNY TÝKAJÍCÍ SE PRŮZKUMU PROVÁDĚNÉHO ÚŘADEM PRO HARMONIZACI NA VNITŘNÍM TRHU (OCHRANNÉ ZNÁMKY A PRŮMYSLOVÉ VZORY) V OBLASTI OCHRANNÝCH ZNÁMEK SPOLEČENSTVÍ ČÁST D ZRUŠENÍ A/NEBO PROHLÁŠENÍ

Více

Informační a znalostní systémy

Informační a znalostní systémy Informační a znalostní systémy Teorie pravděpodobnosti není v podstatě nic jiného než vyjádření obecného povědomí počítáním. P. S. de Laplace Pravděpodobnost a relativní četnost Pokusy, výsledky nejsou

Více

IV. znalostní test zaměřený na kriminalistiku správné řešení

IV. znalostní test zaměřený na kriminalistiku správné řešení IV. znalostní test zaměřený na kriminalistiku správné řešení 1. Policisté ze služby kriminální policie a vyšetřování mají za úkol a) odhalovat skutečnosti nasvědčující tomu, že byl spáchán trestný čin,

Více

Kriminalistická identifikace Podstata:

Kriminalistická identifikace Podstata: Kriminalistická identifikace Podstata: Teorie kriminalistické identifikace je učením o obecných principech ztotožňování různých objektů podle jejich odrazů, a to za účelem získání trestně procesních a

Více

Statistika, Biostatistika pro kombinované studium. Jan Kracík

Statistika, Biostatistika pro kombinované studium. Jan Kracík Statistika, Biostatistika pro kombinované studium Letní semestr 2014/2015 Tutoriál č. 6: ANOVA Jan Kracík jan.kracik@vsb.cz Obsah: Testování hypotéz opakování ANOVA Testování hypotéz (opakování) Testování

Více

Ranní úvahy o statistice

Ranní úvahy o statistice Ranní úvahy o statistice Neúplný návod ke čtení statistických výsledků Dušan Merta květen 2016 Co nás čeká 1 Základní pojmy 2 Testování hypotéz 3 Confidence interval 4 Odds ratio 2 / 26 Základní pojmy

Více

Prokazování původu lesního reprodukčního materiálu pomocí genetických markerů

Prokazování původu lesního reprodukčního materiálu pomocí genetických markerů Genetika a šlechtění lesních dřevin Prokazování původu lesního reprodukčního materiálu pomocí genetických markerů Ing. R. Longauer, CSc. Doc. Ing. RNDr. Eva Palátová, PhD. Ústav zakládání a pěstění lesů

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

Forenzní stomatologie. doc. MUDr. Alexander Pilin, CSc. Ústav soudního lékařství a toxikologie 1. LF UK a VFN v Praze

Forenzní stomatologie. doc. MUDr. Alexander Pilin, CSc. Ústav soudního lékařství a toxikologie 1. LF UK a VFN v Praze Forenzní stomatologie doc. MUDr. Alexander Pilin, CSc. Ústav soudního lékařství a toxikologie 1. LF UK a VFN v Praze PČR Vyšetřování trestných činů Forenzní vědy Státní zástupce Forenzní stomatologie Trestní

Více

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/ Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG)

Více

Testování statistických hypotéz

Testování statistických hypotéz Testování statistických hypotéz Na základě náhodného výběru, který je reprezentativním vzorkem základního souboru (který přesně neznáme, k němuž se ale daná statistická hypotéza váže), potřebujeme ověřit,

Více

Testování hypotéz. 4. přednáška 6. 3. 2010

Testování hypotéz. 4. přednáška 6. 3. 2010 Testování hypotéz 4. přednáška 6. 3. 2010 Základní pojmy Statistická hypotéza Je tvrzení o vlastnostech základního souboru, o jehož pravdivosti se chceme přesvědčit. Předem nevíme, zda je pravdivé nebo

Více

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Číslo projektu: CZ.1.07/1.5.00/34.0410 Číslo šablony: Název materiálu: Ročník: Identifikace materiálu: Jméno autora: Předmět: Tématický celek:

Více

Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka

Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka Outcome mapping evaluation - nová možnost pro ČR? Vladimír Sodomka 2014 1 Obsah prezentace Představení metody Oucome Mapping Evaluation (OME) relativně nová metoda v ČR alternativa ke konvenčním lineárním

Více

Úvod do managementu rizik ve smyslu směrnice 2004/49/ES a nařízení č. 352/2009

Úvod do managementu rizik ve smyslu směrnice 2004/49/ES a nařízení č. 352/2009 Úvod do managementu rizik ve smyslu směrnice 2004/49/ES a nařízení č. 352/2009 Ing. Miroslav Šídlo 13.6.2011 Agenda Úvod do problematiky Způsob řízení rizika, optimalizace Proces řízení rizika Vymezení

Více

Univerzita Karlova v Praze Evangelická teologická fakulta

Univerzita Karlova v Praze Evangelická teologická fakulta Univerzita Karlova v Praze Evangelická teologická fakulta Osoba, proti níž se Základy práva, 23. května 2016 Přehled přednášky Osoba, proti níž se Osoba, proti níž se Pojem trestního Trestní právem upravený

Více

Testování hypotéz a měření asociace mezi proměnnými

Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,

Více

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci Zpracování dat v edukačních vědách - Testování hypotéz Kamila Fačevicová Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci Obsah seminářů 5.11. Úvod do matematické

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

PSY117/454 Statistická analýza dat v psychologii Přednáška 10 PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot

Více

Filozofie validace. Je validace potřebná? Mezinárodní doporučení pro provádění validací ve forenzně genetických laboratořích

Filozofie validace. Je validace potřebná? Mezinárodní doporučení pro provádění validací ve forenzně genetických laboratořích INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Vzdělávání v oblasti forenzní genetiky reg. č. CZ.1.07/2.3.00/09.0080 Mezinárodní doporučení pro provádění validací ve forenzně genetických laboratořích INVESTICE DO ROZVOJE

Více

Základy počtu pravděpodobnosti a metod matematické statistiky

Základy počtu pravděpodobnosti a metod matematické statistiky Errata ke skriptu Základy počtu pravděpodobnosti a metod matematické statistiky K. Hron a P. Kunderová Autoři prosí čtenáře uvedeného studijního textu, aby případné další odhalené chyby nad rámec tohoto

Více

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 Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,

Více

Analýza střepin dělostřeleckých střel za účelem identifikace jejich ráže a typu

Analýza střepin dělostřeleckých střel za účelem identifikace jejich ráže a typu Analýza střepin dělostřeleckých střel za účelem identifikace jejich ráže a typu Václav Bilický 1995 přepracované a doplněné vydání 2008 1 Úvod Nejen při vyšetřování různých havarijních typu výbuchů dělostřeleckých

Více

KONTROLA KVALITY VAZBA HLA S CHOROBAMI

KONTROLA KVALITY VAZBA HLA S CHOROBAMI KONTROLA KVALITY VAZBA HLA S CHOROBAMI VÝSLEDKY 1. KOLA 2016 Eva Ratajová, Milena Vraná Oddělení HLA, Národní referenční laboratoř pro DNA diagnostiku, ÚHKT, Praha WWW.UHKT.CZ NABÍZENÉ VARIANTY VARIANTA

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

Více

VZDĚLÁVACÍ PROGRAM v oboru SOUDNÍ LÉKAŘSTVÍ

VZDĚLÁVACÍ PROGRAM v oboru SOUDNÍ LÉKAŘSTVÍ VZDĚLÁVACÍ PROGRAM v oboru SOUDNÍ LÉKAŘSTVÍ 1. Cíl specializačního vzdělávání Cílem specializačního vzdělávání v oboru soudní lékařství je získání specializované způsobilosti osvojením potřebných teoretických

Více

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

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

Více

Odposlech a záznam telekomunikačního provozu a další zvláštní důkazy a postupy

Odposlech a záznam telekomunikačního provozu a další zvláštní důkazy a postupy Odposlech a záznam telekomunikačního provozu a další zvláštní důkazy a postupy Konference Klubu personalistů Brno dne 21. 9. 2017 JUDr. František Púry, Ph.D. Nejvyšší soud České republiky Východiska Dokazování

Více

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu. Řešení příkladu - klasifikace testovacího subjektu pomocí Bayesova klasifikátoru: ata si vizualizujeme (Obr. ). Objem mozkových komor 9 8 7 6 5 pacienti kontroly testovací subjekt 5 6 Objem hipokampu Obr.

Více

1. Statistická analýza dat Jak vznikají informace Rozložení dat

1. Statistická analýza dat Jak vznikají informace Rozložení dat 1. Statistická analýza dat Jak vznikají informace Rozložení dat J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat Sběr a vyhodnocování dat je způsobem k uchopení a pochopení

Více

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368 Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540

Více

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems Statistika Jindřich Soukup 2013-07-24 University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems Statistika umí: Předpovídat budoucnost? "...

Více

Četnost brýlové korekce v populaci

Četnost brýlové korekce v populaci Prezentace k přednášce, přednesené na kongresu Optometrie 2013 V Olomouci 21. 22.9 2013 Četnost brýlové korekce v populaci RNDr. Jaroslav Wagner, Ph.D. Katedra optiky PřF UP Olomouc Kontakt: wagnerj@prfnw.upol.cz

Více

Genotypy absolutní frekvence relativní frekvence

Genotypy absolutní frekvence relativní frekvence Genetika populací vychází z: Genetická data populace mohou být vyjádřena jako rekvence (četnosti) alel a genotypů. Každý gen má nejméně dvě alely (diploidní organizmy). Součet všech rekvencí alel v populaci

Více

Jednostranné intervaly spolehlivosti

Jednostranné intervaly spolehlivosti Jednostranné intervaly spolehlivosti hledáme jen jednu z obou mezí Princip: dle zadání úlohy hledáme jen dolní či jen horní mez podle oboustranného vzorce s tou změnou, že výraz 1-α/2 ve vzorci nahradíme

Více

Příbuznost a inbreeding

Příbuznost a inbreeding Příbuznost a inbreeding Příbuznost Přímá (z předka na potomka). Souběžná (mezi libovolnými jedinci). Inbreeding Inbrední koeficient je pravděpodobnost, že dva geny přítomné v lokuse daného jedince jsou

Více

KONTROLA KVALITY VAZBA HLA S CHOROBAMI

KONTROLA KVALITY VAZBA HLA S CHOROBAMI KONTROLA KVALITY VAZBA HLA S CHOROBAMI VÝSLEDKY 2017 Eva Ratajová, Barbora Kinská, Kateřina Šimonová, Milena Vraná Oddělení HLA, Národní referenční laboratoř pro DNA diagnostiku, ÚHKT, Praha WWW.UHKT.CZ

Více

Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11

Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11 Příklad 1 Vyhláška Ministerstva zdravotnictví předpokládala, že doba dojezdu k pacientovi od nahlášení požadavku nepřekročí 17 minut. Hodnoty deseti náhodně vybraných dob příjezdu sanitky k nemocnému byly:

Více

1. Matematická logika

1. Matematická logika Moderní technologie ve studiu aplikované fyziky CZ.1.07/2.2.00/07.0018 1. Matematická logika Základem každé vědy (tedy i matematiky i fyziky) je soubor jistých znalostí. To, co z těchto izolovaných poznatků

Více

Disciplinární řád České asociace sester

Disciplinární řád České asociace sester Disciplinární řád České asociace sester 1 Obecná ustanovení 1. Porušení povinností člena České asociace sester (dále jen ČAS) vyplývající ze stanovených předpisů ČAS, Stanov ČAS, z Etického kodexu ICN

Více