Reklama
Nepřihlášený uživatel | Zaregistrovat se
 

Téma:

Věda a technika, mládeži

Spravují:

snop, arnost

Může vás zajímat



Reklama



pojmy a tak naleznete docela dobre vysvetlene a definovane zde (Wikipedia)
Nebo z jineho zdroje zde (Math Thesaurus)

pripadne se zkuste pohrabat v nejvetsi encyklopedii matematiky: http://mathworld.wolfram.com/


arnost snad nechci tak  moks 26.květen 2012 11:17:36
no, ne, ze bych to necekal. vlastne mne prekvapuje, ze uz to neni davno znamo
r0b0t ~ matika šmatika ~  braidd drwg 26.květen 2012 11:13:18
grigorij hmmmm  23.květen 2012 16:34:24
melo by, dalsi varinata jsou ty generalized estimating equations (ty berou v uvahu vnitrni souvislost - treba souvislost vsech mereni u daneho pacienta - pri fitovani modelu)
bwian I'm a lucky bastard!  23.květen 2012 9:14:42
Aha, teď se ještě dívám na mixed-effect regression model. Možná tohle bude aplikovatelné.
bwian I'm a lucky bastard!  23.květen 2012 9:13:16
grigorij: Dívám se na ty longitudinální data a zdá se mi, že bude problém v tom, že já nemám vývoj v čase, nemám stejný počet měření u pacientů. Ale zkusím prostě obyčejnou regresi, kde proměnnou bude ATB a léková kompenzace. Ale tam si zase nejsem jistý, jak modelovat tu vnitro-pacientovou varianci, tj. chybu pacienta a chybu přes všechny.
bwian I'm a lucky bastard!  21.květen 2012 16:41:34
grigorij: Díky, na ten tvůj termit se podívám, třeba se v tom nějak zorientuji.

Tu významnost si mohu jen zhoršit, protože si přidávám stupně volnosti. Nevidím mechanismus, jak by mi zanedbání těch vnitřních vztahů mohlo pomoci ukázat závislosti. Ale já fakt nejsem ve statistice příliš silný, možná si to moc zjednodušuji.

grigorij hmmmm  21.květen 2012 16:26:01
no takhle - kdyz jsme my psali clanek do Bone Marrow Transplantation s podobnymi daty (tam tedy slo o controlu CMV v zavislosti na urcitych populacich CD8 T-lymfocytu), tak kolegove uvazovali podobne a recenzent si toho kupodivu vsimnul, takze bych doktory zas tak nepodcenoval. Nakonec jsme pouzili ty smisene efekty, p-value jsme simulovali z posteriorniho rozdeleni a nasrath, jak rikas :D Na prvni pohled nevidim, proc by sis tu statistickou vyznamnost mohl jen zhorsit. Kazdopadne to neni zas tak komplikovane... podivej se po necem jako "statistical methods for longitudinal data" a najds spoustu prikladu.
bwian I'm a lucky bastard!  21.květen 2012 16:15:34
grigorij: Jasně, otázka je, jestli to není příliš komplikované a málo užitku. Přece jenom je to lékařský text, takže bych to držel v nějaké elegantní rovině. Když si to nebudu komplikovat tou párovostí, tak si to představuji jako t-test pro střední hodnoty, F-test na ty rozptyly, k tomu ukázat nějakou gaussovku v obou vzorcích (jejich histogramech). A hotovo, dál už nasrath. Ale pořád mi tam haprují ty "podvzorky", že každý pacient má vlastní sadu měření různého rozptylu a různé velikosti. Takže zanedbáním té párovosti se mohu dopustit přílišeného zjednodušení (na druhé straně mám pocit, že ty výsledky vychází statisticky průkazné i při tom sesypání dohromady a snad tam platí, že tím si tu statistickou významnost mohu jenom zhoršit, že tedy nepodvádím.)
grigorij hmmmm  21.květen 2012 15:54:51
ta regrese muze fungovat jako t-test (tedy na otestovat, jestli se hladina cehosi po podani antibiotik zmeni), pokud tam dojde vyznamnemu narustu rozptylu, tak budes muset tu heteroskedasticitu podchytit. Treba v Rku to umi funkce lme() z balicku nlme.
bwian I'm a lucky bastard!  21.květen 2012 15:33:32
grigorij: Děkuji, do toho se podívám. Ale ta regrese je spíš na kvantifikaci toho efektu, ne? Na testování hypotézy o zvýšení rozptylu to moc nepomůže...
grigorij hmmmm  21.květen 2012 15:26:12
Jestli jsem to dobre pochopil, tak bych pouzil nejakou metodu, ktera bere v uvahu "clustered data" i.e. regresi se smisenymi efekty (pacient coby nahodny efekt, atb+dalsi medikace jako fixed effect), nebo generalized estimated equations.
Tak teď ve mě začal hlodat červíček pochybností. Přišel mi potvrzovací mail, že to zítra pošlou poštou, ale TEN MAIL BYL NAPSANÝ COMIC SANS FONTEM! Z vydavatelství!
bwian I'm a lucky bastard!  21.květen 2012 14:38:26
el: Ten párový t-test na střední hodnoty přes všechny pacienty s/bez ATB je ok, to ještě upočítám, i když si vůbec nejsem jistý, jestli je to košer co se týče stupňů volnosti, protože do toho t-testu krmím střední hodnoty, které samy o sobě mají nějakou statistickou relevanci. Ale řekněme, že pro doktora to bude stačit, že potvrdím, že je průkazné na p=0,05, že dochází k poklesu hladin.

Ta druhá hypotéza je napříč pacienty... tvrdím, že po podání ATB dojde k nárůstu rozptylu. Příkladový pacient bude mít třeba dvě měření po ATB a deset měření bez ATB. Moje otázka je, zda se mám snažit dodržet nějak tu "párovost" nebo to sesypat do jednoho pytle a testovat jenom změnu sigma přes ty dvě skupiny.

Jinak k té první hypotéze, čistě logicky (statistika se mi bohužel už vykouřila z hlavy) - porovnal bych střední hodnotu před ATB a po ATB u každého pacienta zvlášť a ty rozdíly bych zprůměroval. Z toho by IMHO měla vyjít informace, kterou hledáš.

Druhou hypotézu úplně nechápu - ten rozptyl hladin je míněn u jednoho pacienta nebo napříč pacienty?
Sarnegarth ih ∂Ψ(r,t)/∂t = −h²/2m ∇²Ψ(r,t) +  V(r)Ψ(r,t) 21.květen 2012 14:15:50
(do hrabecich rad a mozna jeste dal.)
A co chce, aby mu vyšlo? :-)))
ocs sine ira et studio  OCSite 21.květen 2012 14:08:34
(Zagooglit "testování hypotéz" zkusils? Jinak více neporadím, sorry; neměl jsem tyhle pavědy rád už na škole, a od té doby se mi z hlavy vykouřilo i to málo, co tam tehdy bývalo...)
bwian I'm a lucky bastard!  21.květen 2012 14:03:56
Prosba o pomoc
Prosím přítomné mozky o mentální podporu... bratr počítá nějaké statistiky nad vzorkem pacientů a já se snažím zorientovat v tom, co je vlastně možno upočítat.

Základní setup je následující: Má databázi pacientů léčených nějakým lékem (ve skutečnosti dvěma), u kterých chce zkoumat vliv podání antibiotik na hladinu nějaké látky v krvi. Ta hladina je sledována dlouhodobě, takže každý pacient má svou vlastní historii těchto hladin... např. pacient P1 bude mít n1 měření, z nich vypočítanou střední hodnotu a jejich rozptyl (ta střední hodnota a rozptyl mohou být u různých pacientů různé). Některá z těch měření jsou po podání ATB, kde je ta hladina ovlivněna dvěma faktory - podání ATB vede k jejímu zvýšení, zároveň se ale provádí léková kompenzace, která vede ke snížení. Hypotéza je, že dochází (systematicky) k pře-kompenzování, tedy hladiny měřené po podání ATB jsou nižší. Druhá hypotéza je, že ty hladiny po podání ATB mají větší rozptyl a častěji dochází k překročení nějakých fyziologických hranic.

Můj dotaz je následující: Protože mám u každého pacienta m+n měření, jak testovat tu shodu středních hodnot? Udělat si soubor středních hodnot s/bez ATB u každého pacienta a potom udělat párový t-test? Nebo se vykašlat na párovost a nasypat všechna měření s/bez do dvou skupin? A ten rozptyl testovat také nějak párově nebo jenom odhadnout vzorky s/bez ATB jako N(x_0, sigma) a otestovat shodu sigma?

Případně mě napadlo, přidat příznak "mimo fyziologické hodnoty" a testovat, za pravděpodobnost tohoto jevu je s/bez ATB odlišná.

Nemáte někdo nějakou pěknou kuchařku nebo wiki nebo něco, kde bych si mohl oživit tyhle věci?

ocs sine ira et studio  OCSite 16.květen 2012 19:46:51
Eh. Ovšemže jsou důležité. Problém je v tom, že nejen ony jsou důležité; medle je naprosto zásadní ten propletenec, a mírně důležitá i ta věčnost. Ale couž :)
ocs sine ira et studio  OCSite 16.květen 2012 19:45:03
(A než přijde nějaký typický okoun, jen pro jistotu rychle dodávám, že sám to přeložit rozhodně lépe neumím; to ale ještě neznamená, že se mi to musí líbit.)