Anwendung: Vergleich der diagnostischen Güte Tumormarker Bronchialkarzinom: AUC
|
|
- Gerburg Fleischer
- vor 6 Jahren
- Abrufe
Transkript
1 Anwendung: Vergleich der diagnostischen Güte Tumormarker Bronchialkarzinom: AUC ROC curve for CYFRA21_1 Area under the ROC curve = 0,860 Standard error = 0,018 95% Confidence interval = 0,822 to 0,892 ROC curve for Area under the ROC curve = 0,785 Standard error = 0,022 95% Confidence interval = 0,742 to 0,824 ROC curve for NSE Area under the ROC curve = 0,754 Standard error = 0,024 95% Confidence interval = 0,709 to 0, BB-Life Seminar 76
2 Anwendung: Vergleich der diagnostischen Güte Tumormarker Bronchialkarzinom: AUC Pairwise comparison of ROC curves CYFRA21_1 Difference between areas = 0,075 Standard error = 0,026 95% Confidence interval = 0,024 to 0,125 Significance level P = 0,004 CYFRA21_1 NSE Difference between areas = 0,106 Standard error = 0,028 95% Confidence interval = 0,050 to 0,162 Significance level P = 0,000 AUC: Unterschied Cyfra21-1 vs. NSE, vs. NSE Difference between areas = 0,031 Standard error = 0,031 95% Confidence interval = -0,029 to 0,092 Significance level P = 0, BB-Life Seminar 77
3 Bsp.: Tumormarker Bronchialkarzinom: Sens klinisch relevanter Bereich: hohe Spezifität Vergleich der Sensitivität bei gleicher Spezifität (95%) BB-Life Seminar 78
4 Vergleich mittels Sensitivität bei gleicher Spezifität Schritte: 1. Festlegen des Vergleichslevels (z.b. 95% Spezifität) 2. Ermittlung des Cut-Off 3. Berechnen der T+, T- für beide Tests 4. Aufstellen von zwei 2x2-Felder-Tafeln: D+ Test2 T+ T- Test1 T+ T++ T+- T- T-+ T-- sens1 D- Test2 T+ T- Test1 T+ T++ T+- T- T-+ T-- spec1 sens2 spec2 5. McNemar-Test für D+: Vergleich von T+- und T-+ 6. oder Berechnen des Konfidenzintervals von rtpf=tpf 1 /TPF 2
5 Vergleich mittels Sensitivität bei gleicher Spezifität Schritte: 1. Festlegen des Vergleichslevels (z.b. 95% Spezifität) 2. Ermittlung der zugehörigen Cut-Off-Werte
6 Vergleich mittels Sensitivität bei gleicher Spezifität Schritte: 1. Festlegen des Vergleichslevels (z.b. 95% Spezifität) 2. Ermittlung der zugehörigen Cut-Off-Werte Cyfra 21-1
7 Vergleich mittels Sensitivität bei gleicher Spezifität Schritte: 1. Festlegen des Vergleichslevels (z.b. 95% Spezifität) 2. Ermittlung der zugehörigen Cut-Off-Werte 3. Berechnen der T+, T- für beide Tests 4. Aufstellen von zwei 2x2-Felder-Tafeln: Cyfra 21-1 D+ T- T+ N N T T Cyfra 21-1 D- T- T+ N N T T >49, Signifikanz? 4~5, wegen gleicher Spec (= nicht immer exakt erreichbar)
8 Vergleich mittels Sensitivität bei gleicher Spezifität 58>49, Signifikanz? 1. McNemar-Test: (hier: Software Medcalc)
9 Vergleich mittels Sensitivität bei gleicher Spezifität 58>49, Signifikanz? 1. McNemar-Test: (hier: Software Medcalc) 2. Berechnen von rtpf = (83+58)/(83+49)=1,07 95%-Konfidenzintervall: 0,921 1,24. 1 ist enthalten rtpf unterscheidet sich nicht von 1. Schlussfolgerung: Es lässt sich kein Unterschied der Sensitivität von Cyfra21-1 und bei 95% Spezifität nachweisen!
10 Maße zum Vergleich von Sens und Spec Gegeben zwei Tests Test A und Test B rtpf = TPF A /TPF B, rfpf = FPF A /FPF B TPF = true positive fraction = Sensitivität FPF = false positive fraction = 1-Spezifität Konfidenzintervalle aus: var(log(rtpf(a,b)=1/n D+ (TPF A +TPF B -2TPPF)/TPF A TPF B var(log(rfpf(a,b)=1/n D- (FPF A +FPF B -2FPPF)/FPF A FPF B mit TPPF, FPPF: Anteil der Fälle mit positivem Testergebnis für beide Tests
11 Einschub für Statistiker rtpf und rfpf lassen sich mittels 2 GLM (Verallgemeinerten Linearen Modellen) berechnen: model testresult = test / link=log dist=bin repeated subject=patid mit testresult = postitive, negative test = test1, test2 repeated statement: je Fall (=patid) 2 Ergebnisse (test1, test2) exp(estimate) = rtpf bzw. rfpf Vorteil: Der Einfluss von Kovariaten (z.b. Altersgruppe, Krankheitsstadium) lässt sich so einfach mitbestimmen. model testresult = test covariate /link=log dist=bin repeated subject=patid
12 Zur Erinnerung: anderes Resultat via ROC Analyse Pairwise comparison of ROC curves CYFRA21_1 Difference between areas = 0,075 Standard error = 0,026 95% Confidence interval = 0,024 to 0,125 Significance level P = 0,004 CYFRA21_1 NSE Difference between areas = 0,106 Standard error = 0,028 95% Confidence interval = 0,050 to 0,162 Significance level P = 0,000 AUC: Unterschied Cyfra21-1 vs. NSE Difference between areas = 0,031 Standard error = 0,031 95% Confidence interval = -0,029 to 0,092 Significance level P = 0, BB-Life Seminar 87
13 Maße für Vergleiche von diagnostischen Güten rtpf und rfpf sind die adäquaten Maße, um diagnostische Güten zu vergleichen. Sie beziehen sich auf das binäre Outcome der Tests. Das binäre Testergebnis (Sens, Spec o.a. Paar) spiegelt die klinische Anwendungssituation wider und ist das relevante Ergebnis. Zulassungsbehörden (FDA) verlangen binäres Outcome als Nachweis der diagnostischen Güte. ROC-Analyse kann zusätzlich berichtet werden, um z.b. Charakteristika des Test zu beschreiben Dr. Th. Keller, ACOMED statistik 88
2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns
2. Statistische Methoden in der Diagnostik Elemente des Studiendesigns Diagnosestudien in der Medizin Klassifikation in krank - nicht krank basierend auf diagnostischem Test Beispiel: Diagnose von Brustkrebs
MehrThemenblock. Diagnose und Prognose. Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik. Themen im Block Diagnose und Prognose
Themenblock Diagnose und Prognose Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik Themen im Block Diagnose und Prognose Diagnose Prävalenz und prädiktive Werte Güte von diagnostischen
MehrDiagnostikstudien. Dr. Dirk Hasenclever IMISE, Leipzig.
Diagnostikstudien Dr. Dirk Hasenclever IMISE, Leipzig Hasenclever@IMISE.uni-Leipzig.de Diagnostische Tests Krankheit ja Krankheit nein Test positiv TrueP FP Test negativ FN TrueN Test- Positive Test- Negative
MehrDiagnose und Prognose: Kurzfassung 3
Diagnose und Prognose: Kurzfassung 3 Themen und Ziele der 3. Vorlesung 1. Diagnostische Tests: Fehlentscheidungen möglich 2. Prädiktive Werte: Beschreibung der Wahrscheinlichkeit einer Fehlentscheidung
Mehr1. Erklären Sie den Unterschied zwischen einem einseitigen und zweiseitigen Hypothesentest.
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrMedizinische Biometrie (L5)
Medizinische Biometrie (L5) Vorlesung V Der diagnostische Test Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de
Mehr3.4.1 Referenzwerte für das fetale Schätzgewicht in der SSW
60 3.4 Die Bedeutung des fetalen und des mütterlichen Gewichts in der 21.-24.SSW als prädiktiver Parameter für das Geburtsgewicht bei Geburt in der 36.-43.SSW 3.4.1 Referenzwerte für das fetale Schätzgewicht
MehrFunktion Das Skript erstellt ROC-Kurven mit Konfidenzbändern, berechnet (gewichtete) Cutoff-Punkte und (partial) Area under the Curve (AUC, pauc).
Skriptname: ROC_pAUC7.jsl JMP-Version: JMP 7 Datum: 10.09.2007 Download: ROC.zip Funktion Das Skript erstellt ROC-Kurven mit Konfidenzbändern, berechnet (gewichtete) Cutoff-Punkte und (partial) Area under
Mehr3.3.1 Referenzwerte für Fruchtwasser-Schätzvolumina ( SSW)
50 3.3 Das Fruchtwasser-Schätzvolumen in der 21.-24.SSW und seine Bedeutung für das fetale Schätzgewicht in der 21.-24.SSW und für das Geburtsgewicht bei Geburt in der 36.-43.SSW 3.3.1 Referenzwerte für
MehrTutorial. Mediationsanalyse mit PROCESS. stefan.pfattheicher@uni-ulm.de. Das Konzept Mediation
Tutorial Mediationsanalyse mit PROCESS stefan.pfattheicher@uni-ulm.de Das Konzept Mediation Ein Mediator (folgend M) erklärt den Zusammenhang zwischen unabhängiger Variable (folgend X) und einer abhängigen
MehrDas Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall
MehrQuerschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik Diagnose und Prognose WS 06/07 Übung 5
Informationsblatt zum Gestationsdiabetes (Schwangerschaftsdiabetes) Gruppe B Der Schwangerschafts- oder Gestationsdiabetes () ist eine spezielle Form der Zuckerkrankheit, die sich während einer Schwangerschaft
MehrDr. Heidemarie Keller
Reliabilität und Validität der deutschen Version der OPTION Scale Dr. Heidemarie Keller Abteilung für Allgemeinmedizin, Präventive und Rehabilitative Medizin Philipps-Universität Marburg EbM & Individualisierte
MehrEvaluation. Caroline Sporleder. Computational Linguistics Universität des Saarlandes. Sommersemester 2011 26.05.2011
Evaluation Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 26.05.2011 Caroline Sporleder Evaluation (1) Datensets Caroline Sporleder Evaluation (2) Warum evaluieren?
MehrSeminar Diagnostik L5
Seminar Diagnostik L5 Regenwahrscheinlichkeit Bezugsgröße festlegen! Beipackzettel Bezugsgröße festlegen! Brustkrebs-Screening Entscheidungsmöglichkeiten bei diagnostischen Tests Wahrer Zustand des Patienten
MehrVortrag zum Paper Results of the Active Learning Challenge von Guyon, et. al. Sören Schmidt Fachgebiet Knowledge Engineering
Vortrag zum Paper Results of the Active Learning Challenge von Guyon, et. al. Sören Schmidt Fachgebiet Knowledge Engineering 11.12.2012 Vortrag zum Paper Results of the Active Learning Challenge von Isabelle
MehrGesundheitsökonomische Überlegungen zu [123I]FP-CIT SPECT und Mb. Parkinson
2. Steyrer Adventmeeting Nuklearmedizin 2008 Gesundheitsökonomische Überlegungen zu [123I]FP-CIT SPECT und Mb. Parkinson Susanne Asenbaum-Nan Univ.Prof., DDr., MSc Kl. für Neurologie, Kl. für Nuklearmedizin
MehrGemischte Lineare Modelle
Gemischte Lineare Modelle Linear Mixed Effect Models Fritz Günther SFB833, Projekt Z2 March 20, 2015 Fritz Günther Gemischte Lineare Modelle Übersicht Lineare Modelle allgemein Gemischte Lineare Modelle
MehrTroponin-T T high sensitive. Benjamin Dieplinger
Troponin-T T high sensitive Benjamin Dieplinger Entwicklung des Troponin-T hs Assays Erhöhung des Probenvolumens von 15 µl auf 50 µl Signalverstärkung durch den Einsatz hochoptimierter Antikörper-Ru Konjugaten
MehrWie man mit Statistik schlecht informiert: Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering
Wie man mit Statistik schlecht informiert: Praktiken der Ergebnisdarstellung bei Experimenten im Software Engineering Marcus Michalsky michalsk@inf.fu-berlin.de Institut für Informatik 28. Januar 2010
MehrPrinzipien der klinischen Epidemiologie
Prinzipien der klinischen Epidemiologie Der diagnostische Test Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de
MehrDie Bedeutung der klinischen Relevanz für f r die Machbarkeit klinischer Studien Eine Herausforderung für r den Kliniker und Biometriker
Die Bedeutung der klinischen Relevanz für f r die Machbarkeit klinischer Studien Eine Herausforderung für r den Kliniker und Biometriker Prof. Dr. Dieter Hauschke Köln, den 18.06.2010 Klinische Relevanz,
MehrMetrische und kategoriale Merkmale
Kapitel 6 Metrische und kategoriale Merkmale 6.1 Wie kann man metrische und kategoriale Merkmale numerisch beschreiben? Typischerweise will man geeignete Maßzahlen (beispielsweise Lage- oder Streuungsmaße)
MehrDie aktuelle S3-Leitlinie zur Diagnsotik, Therapie und Nachsorge des Ovarialkarzinoms. Diagnostik
Die aktuelle S3-Leitlinie zur Diagnsotik, Therapie und Nachsorge des Ovarialkarzinoms Diagnostik Diagnostik: Zielsetzung und Fragestellungen Diagnostik (siehe Kapitel 3.3) Welche Symptome weisen auf ein
MehrStandardisierung der serologischen Immundiagnostik. Möglichkeiten, Grenzen, Perspektiven
Standardisierung der serologischen Immundiagnostik Möglichkeiten, Grenzen, Perspektiven Grundproblem Vielfalt der Antikörper Vielfalt der Antigene Problem: Messung von Antigenspezifischen Antikörpern Antikörper
MehrAbbildung 1: Tool-Qualification-Kits für Testwell CTC++ Test Coverage Analyser
Qualification-Kit für Testwell CTC++ In der sicherheitskritischen Softwareentwicklung müssen die im Projekt eingesetzten Werkzeuge zunächst klassifiziert werden (Tool Classification). Diese Klassifizierung
MehrLineare Modelle in R: Klassische lineare Regression
Lineare Modelle in R: Klassische lineare Regression Achim Zeileis 2009-02-20 1 Das Modell Das klassische lineare Regressionsmodell versucht den Zusammenhang zwischen einer abhängigen Variablen (oder Responsevariablen)
MehrStudiendesign und Statistik: Interpretation publizierter klinischer Daten
Studiendesign und Statistik: Interpretation publizierter klinischer Daten Dr. Antje Jahn Institut für Medizinische Biometrie, Epidemiologie und Informatik Universitätsmedizin Mainz Hämatologie im Wandel,
MehrInhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14
VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...
MehrWelche Fragen hat der Arzt an eine Untersuchung?
38. Basler Fortbildungskurs Labmed Schweiz 9. November 213, Basel Die Sprache des Blutes bei Tumorerkrankungen Petra Stieber Onkologische Labordiagnostik, München Welche Fragen hat der Arzt an eine Untersuchung?
MehrHypothesentests mit R Ashkan Taassob Andreas Reisch 21.04.09 1
Hypothesentests mit R Ashkan Taassob Andreas Reisch 21.04.09 1 Inhalt Programmiersprache R Syntax Umgang mit Dateien Tests t Test F Test Wilcoxon Test 2 Test Zusammenfassung 2 Programmiersprache R Programmiersprache
MehrInhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17
Inhalt Vorwort.................................................................. V Inhalt.................................................................... VII 1 Einführung..........................................................
MehrLösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrStellenwert des Genomnachweises von MAP in Kotproben in der Paratuberkulose-Diagnostik
THÜRINGER TIERSEUCHENKASSE Anstalt des öffentlichen Rechts Stellenwert des Genomnachweises von MAP in Kotproben in der Paratuberkulose-Diagnostik Heike Köhler Nationales Referenzlabor für Paratuberkulose
MehrLog-lineare Analyse I
1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln
MehrPublic Sector Rating Bonitätsbeurteilung von Schweizer Gebietskörperschaften
- 1 - fedafin - 3 - Statistik - 4 - Fragen Kurzportrait Validierung Geschäftsmodell Verteilung fedafin AG Werkstrasse 10 CH-9444 Diepoldsau +41 71 722 43 23 www.fedafin.ch fedafin AG: Unabhängige Schweizer
MehrAussagekraft von Anamnese, körperlicher Untersuchung und EKG in der Diagnostik der KHK. Eine systematische Übersichtsarbeit.
Aussagekraft von Anamnese, körperlicher Untersuchung und EKG in der Diagnostik der KHK. Eine systematische Übersichtsarbeit. Andreas C. Sönnichsen 1, Christian Wilimzig 1, Jürgen Griego 1, Justine Rochon
Mehr(Repeated-measures ANOVA) path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/"))
Varianzanalyse mit Messwiederholungen (Repeated-measures ANOVA) Jonathan Harrington Befehle: anova2.txt path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Messwiederholungen:
MehrUsability Metrics. Related Work. Von Torsten Rauschan (torsten.rauschan@haw-hamburg.de) HAW Hamburg M-Inf2 Anwendungen 2 Betreuer: Prof. Dr.
Usability Metrics Related Work Von Torsten Rauschan (torsten.rauschan@haw-hamburg.de) HAW Hamburg M-Inf2 Anwendungen 2 Betreuer: Prof. Dr. Zukunft Agenda Rückblick AW1 Motivation Related work QUIM SUM
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
Mehr2.3 Nichtlineare Regressionsfunktion
Nichtlineare Regressionsfunktion Bisher: lineares Regressionsmodell o Steigung d. Regressionsgerade ist konstant o Effekt einer Änderung von X auf Y hängt nicht vom Niveau von X oder von anderen Regressoren
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrVarianzanalyse mit Messwiederholungen (Repeated- measures (ANOVA) BiFe noch einmal datasets.zip laden
Varianzanalyse mit Messwiederholungen (Repeated- measures (ANOVA) Jonathan Harrington Befehle: anova2.txt BiFe noch einmal datasets.zip laden sowie install.packages("ez") library(ez) Messwiederholungen:
MehrÜbung Datenstrukturen. Objektorientierung in C++
Übung Datenstrukturen Objektorientierung in C++ Aufgabe 1a - Farben Schreiben Sie eine Klasse COLOR zur Beschreibung von Farben. Eine Farbe werde hierbei additiv durch ihren Rot-, Grün- und Blauanteil
MehrStatistische Signifikanz und biologische Relevanz und ihre Visualisierung über Effektstärkemaße
Angewandte Statistik und Informatik in den Biowissenschaften Statistische Signifikanz und biologische Relevanz und ihre Visualisierung über Effektstärkemaße Jörg Schmidtke, Kerstin Schmidt Schnickmannstraße
Mehr14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler
DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:
MehrDr. Christian Stock Institut für Medizinische Biometrie und Informatik (IMBI) Universitätsklinikum Heidelberg
Was wäre wenn in allen Krankenhäusern die gleichen Behandlungsentscheidungen getroffen würden wie in spezialisierten Zentren? Eine Untersuchung zum Potential der Thrombolysetherapie bei Hirninfarkt Dr.
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrMessung und Aufwandsschätzung bei der Entwicklung von Web Applikationen. Frederik Kramer // Folie 1 von 14
Messung und Aufwandsschätzung bei der Entwicklung von Web Applikationen Frederik Kramer // Folie 1 von 14 Warum das ganze? Entwicklungskosten spielen eine immer wichtigere Rolle Messmethoden erlauben diese
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrNaive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18
Naive Bayes 5. Dezember 2014 Naive Bayes 5. Dezember 2014 1 / 18 Inhaltsverzeichnis 1 Thomas Bayes 2 Anwendungsgebiete 3 Der Satz von Bayes 4 Ausführliche Form 5 Beispiel 6 Naive Bayes Einführung 7 Naive
MehrMotivation. Themenblock: Klassifikation. Binäre Entscheidungsbäume. Ansätze. Praktikum: Data Warehousing und Data Mining.
Motivation Themenblock: Klassifikation Praktikum: Data Warehousing und Data Mining Ziel Item hat mehrere Attribute Anhand von n Attributen wird (n+)-tes vorhergesagt. Zusätzliches Attribut erst später
MehrTHEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ
WEBINAR@LUNCHTIME THEMA: "STATISTIK IN DER PRAXIS TESTEN IST BESSER ALS VERMUTEN" TORSTEN SCHOLZ EINLEITENDES BEISPIEL SAT: Standardisierter Test, der von Studienplatzbewerbern an amerikanischen Unis gefordert
MehrÜbungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg
Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten
MehrBedingte Wahrscheinlichkeit. Beispiel zur bedingten Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die Wahrscheinlichkeiten für das Eintreten von Ereignissen durch das Eintreten anderer Ereignisse
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse
MehrLineare Modelle in R: Einweg-Varianzanalyse
Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der
MehrANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
MehrAbiturprüfung Mathematik 0 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit f() = ( sin() + 7) 5. Aufgabe : ( VP) Berechnen Sie eine Stammfunktion
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrGütemaße. T... true F... false P... positive N... negative CP... Computerdiagnose GS... Gold-Standard-Diagnose D GS D GS D CP TP FP _ D CP FN TN
Gütemaße D GS D GS D CP TP FP D CP FN TN T... true F... false P... positive N... negative CP... Computerdiagnose GS... GoldStandardDiagnose TP TN Sensitivität = Spezifität = TP + FN TN + FP TP + TN Genauigkeit
MehrDas Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":
Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur
MehrMultiple Vergleiche Small Volume Correction Effekte mehrerer Kontraste. Multiple Vergleiche. Mareike Düesberg. SPMKurs 2016
Multiple Vergleiche Mareike Düesberg SPMKurs 2016 Ablauf Multiple Vergleiche Inferenzlevel Inklusive Maskierung Exklusive Maskierung Konjunktion Inferenzlevel Multiple Vergleiche: viele Voxel viele Tests...
Mehr3 Konfidenzintervalle
3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik
MehrBerechnung von Konfidenzintervallen für die Zahl "Number Needed to Treat" (NNT)
Berechnung von Konfidenzintervallen für die Zahl Number Needed to Treat (NTT) 1 Berechnung von Konfidenzintervallen für die Zahl "Number Needed to Treat" (NNT) Ralf Bender AG 3 Epidemiologie und Medizinische
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1
MehrSüdtiroler Akademie für Allgemeinmedizin. Seminar
Südtiroler Akademie für Allgemeinmedizin Seminar 16.10.2015 Diagnostische Entscheidungsfindung in der Allgemeinmedizin Andreas Sönnichsen Institut für Allgemeinmedizin und Familienmedizin Universität Witten/Herdecke
MehrAussagenlogik. Aussagen und Aussagenverknüpfungen
Aussagenlogik Aussagen und Aussagenverknüpfungen Aussagen sind Sätze, von denen sich sinnvollerweise sagen läßt, sie seien wahr oder falsch. Jede Aussage besitzt also einen von zwei möglichen Wahrheitswerten,
MehrImperative vs. Funktionale Programmierung
Beispiel: Entwerfe eine Funktion, die testet, ob eine Zahl n eine Primzahl ist oder nicht. Beobachtung: (1) Wenn n Primzahl ist, ist die Menge der Teiler von n leer. (2) Die Menge der Teiler von n sind
MehrTests einzelner linearer Hypothesen I
4 Multiple lineare Regression Tests einzelner linearer Hypothesen 4.5 Tests einzelner linearer Hypothesen I Neben Tests für einzelne Regressionsparameter sind auch Tests (und Konfidenzintervalle) für Linearkombinationen
Mehr1. Biometrische Planung
1. Biometrische Planung Die biometrische Planung ist Teil der Studienplanung für wissenschaftliche Studien, in denen eine statistische Bewertung von Daten erfolgen soll. Sie stellt alle erforderlichen
MehrScreening Lungenkrebs. Lutz Freitag
Screening Lungenkrebs Lutz Freitag Lungenkrebs Adeno T1N0 Frühkarzinom Plattenepithel T3N2 Kleinzelliges Karzinom Krebs USA 2014 CA: A Cancer Journal for Clinicians JAN 2014 Bronchialkarzinom (Lungenkrebs)
MehrRelatives Risiko (RR; relative risk, riskratio) wie OddsRatio wichtiger Kennwert in klinischer Forschung
Relatives Risiko 1/8 Relatives Risiko (RR; relative risk, riskratio) wie OddsRatio wichtiger Kennwert in klinischer Forschung RR gibt Auskunft darüber, ob das Vorhandensein eines (i.a. Risiko-)Faktors
MehrVarianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)
Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe
MehrNutzen einer diagnostischen Tests in der Praxis: prädiktive Werte
EbM-Splitter 11 Nutzen einer diagnostischen Tests in der Praxis: prädiktive Werte In den beiden letzten EbM-Splittern [6, 7] wurden die Maßzahlen Sensitivität (Wahrscheinlichkeit, eine kranke Person als
MehrMehrebenenanalyse. Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh
Mehrebenenanalyse Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh Inhalt } Einführung } Fragestellung } Das Programm HLM } Mögliche Modelle } Nullmodell } Random
MehrHOLOGIC LUNCH-SYMPOSIUM
HOLOGIC LUNCH-SYMPOSIUM Die Zukunft der Krebsvorsorge: PAP-Intervalle, HPV-Screening, ThinPrep G. BÖHMER, Hannover Gerd Böhmer 1 Screening? Perfect Primary screening Good sensitivity Low specificity Good
MehrBedingte Wahrscheinlichkeiten & Unabhängigkeit
Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrEin SAS-Makro Paket für die Entwicklung und Validierung eines logistischen Regressionsmodells
Statistik Ein SAS-Makro Paket für die Entwicklung und Validierung eines logistischen Regressionsmodells Rainer Muche, Christina Ring, Christoph Ziegler Universität Ulm Abteilung Biometrie und Med. Dokumentation
MehrInnovative Ansätze zur Beschleunigung der Zulassung von generischen Hautmedikamenten
Innovative Ansätze zur Beschleunigung der Zulassung von generischen Hautmedikamenten Funding for this project was made possible, in part, by the Food and Drug Administration through grant U01FD004946-01.
MehrSeminar: Software Engineering verteilter Systeme
Seminar: Software Engineering verteilter Systeme Hauptseminar im Sommersemester 2011 Programmierung verteilter Systeme Institut für Informatik Universität Augsburg 86135 Augsburg Tel.: +49 821 598-2118
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
MehrValidierung und Verifikation!
Martin Glinz Thomas Fritz Software Engineering Kapitel 7 Validierung und Verifikation 2005-2013 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe für den persönlichen, nicht kommerziellen
MehrValidierung und Verifikation
Martin Glinz Harald Gall Software Engineering Kapitel 7 Validierung und Verifikation Universität Zürich Institut für Informatik 2005, 2009 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrWelche Patienten profitieren schon heute vom Herz CT? S. Achenbach
Welche Patienten profitieren schon heute vom Herz CT? S. Achenbach Herz / Koronararterien Kleine Dimensionen Schnelle Bewegung Mehrzeilen CT Kardiale Computertomographie Hardware Mehrzeilen CT, zumindest
MehrUser Tasks for the Empirical Evaluation of SemTimeZoom and KNAVE
User Tasks for the Empirical Evaluation of SemTimeZoom and KNAVE Stephan Hoffmann November 2011 i Contents 1 User Tasks 1 1.1 Training Tasks................................... 1 1.2 Tasks Dataset 1..................................
MehrUnterlagen zu Fisher s Exact Test, Vergleich von Anteilswerten und logistischer Regression. Robin Ristl. Wintersemester 2012/13
Unterlagen zu Fisher s Exact Test, Vergleich von Anteilswerten und logistischer Regression Robin Ristl Wintersemester 2012/13 1 Exakter Test nach Fisher Alternative zum Chi-Quadrat Unabhängigkeitstest
MehrVorlesung - Medizinische Biometrie
Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie
MehrDie Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
MehrEngineering Design via Surrogate Modelling Sampling Plans
Engineering Design via Surrogate Modelling Sampling Plans Lisa Weber Universität Trier 01.06.2011 L. Weber (Universität Trier) Surrogate Models - Seminar Numerik 11 01.06.2011 1 / 34 Inhaltsverzeichnis
Mehr