Laborchemische Referenzwerte in der klinischen Versorgung

Größe: px
Ab Seite anzeigen:

Download "Laborchemische Referenzwerte in der klinischen Versorgung"

Transkript

1 Laborchemische Referenzwerte in der klinischen Versorgung Dr. Robin Haring Institut für Klinische Chemie und Laboratoriumsmedizin Universitätsmedizin Greifswald

2 Wozu Referenzwerte? Vor allem in der Laboratoriumsmedizin werden Referenzwerte benutzt, um gemessene Werte überhaupt einordnen zu können und damit eine Orientierung zu geben, ob dieser Parameter pathologisch (krankhaft) ist oder nicht.

3 Berechnung von Referenzwerten? statistisch ermittelt aus Ergebnissen gesunder Personen

4 Berechnung von Referenzwerten? statistisch ermittelt aus Ergebnissen gesunder Personen normal = Ergebnisse, die bei rund 95% aller Personen vorkommen d.h. immer 2,5% weisen einen zu hohen und 2,5% einen zu niedrigen Wert auf

5 Population-based Primary Care Referred Patients ARR SHIP Male SHIP Female Olivieri et al. [33] Perschel et al. [31] Trenkel et al. [32] Ferrari et al. [34] Unger et al. [35] Westerdahl et al. [36] Figure 3. Comparison of elevated aldosterone-to-renin ratio (ARR) limits in seven studies by type of study population. In all studies plasma renin concentration (PRC) was measured.

6 Statistischer Hintergrund Häufigkeitverteilung eine Funktion, die zu jedem Wert angibt, wie häufig dieser Wert vorgekommen ist

7 Statistischer Hintergrund Häufigkeitverteilung Normalverteilung

8 Statistischer Hintergrund Häufigkeitverteilung Gleichverteilung, rechtsschiefe (linkssteile) Verteilung

9 Statistischer Hintergrund statistische Kenngrößen Mittelwert: x = x 1 + x x n n Durchschnitt Bsp.: Körpergröße: 164; 162; 168; 190; 166; 166; 175 x = 1/7* ( ) = 170,1

10 Statistischer Hintergrund statistische Kenngrößen Mittelwert: x = x 1 + x x n n Durchschnitt Standardabweichung: S = 1 n 1 n ( x i x) 1 i= 2 - Maß für die Streuung um den Mittelwert

11 Statistischer Hintergrund statistische Kenngrößen Mittelwert: x = x 1 + x x n n Durchschnitt Standardabweichung: S = 1 n 1 n ( x i x) 1 i= 2 Bsp.: Körpergröße: 164; 162; 168; 190; 166; 166; 175 [ ] s = 1/6* ( ,1) ( ,1) 2 = 9,35 - Werte außerhalb der zwei- bis dreifachen Standardabweichung werden oft als Ausreißer behandelt

12 Statistischer Hintergrund statistische Kenngrößen Quantile:

13 Statistischer Hintergrund statistische Kenngrößen Quantile: p-quantil = Merkmalswert, unterhalb dessen p % aller Fälle der Verteilung liegen.

14 Statistischer Hintergrund statistische Kenngrößen Quantile: p-quantil = Merkmalswert, unterhalb dessen p % aller Fälle der Verteilung liegen. 50% Quantil = Median 95% Perzentil ist derjenige Wert, der in der Mitte steht, wenn alle Beobachtungswerte der Größe nach geordnet sind

15 Berechnung von Referenzwerten? 1. Zentrales 95% Interval mittels 2,5% und 97,5% Quantil bestimmen keine Berücksichtigung andere Faktoren möglich zentraler 95% Bereich 2,5% Quantil 97,5% Quantil

16

17 Berechnung von Referenzwerten? 1. Zentrales 95% Interval mittels 2,5% und 97,5% Quantil bestimmen keine Berücksichtigung andere Faktoren möglich 2. lineare Regression: Berücksichtigung von Faktoren wie Alter Schätzung des Mittwelwertes; 1.96*SD - Ansatz 3. quantile Regression: Berücksichtigung von Faktoren wie Alter Schätzung einzelner Quantile

18 Berechnung von Referenzwerten? Lineare Regressionsanalyse Beziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen feststellen

19 Berechnung von Referenzwerten? Quantile Regression vs. Linear Regression Schätzung von bedingten Quantilen Schätzung einzelner Perzentile Schätzung des bedingten Mittelwertes

20 Berechnung von Referenzwerten? Quantile Regression vs. Linear Regression Schätzung von bedingten Quantilen Schätzung einzelner Perzentile robust gegen Ausreißer Schätzung des bedingten Mittelwertes Median = Mittelwert + Ausreißer Median Mittelwert + Ausreißer Median Mittelwert

21 Berechnung von Referenzwerten? Quantile Regression vs. Linear Regression Schätzung von bedingten Quantilen Schätzung einzelner Perzentile robust gegen Ausreißer keine Verteilungsannahme Schätzung des bedingten Mittelwertest Normalverteilung erforderlich median / mean 2.5% 2.5% SD SD 95%

22 Berechnung von Referenzwerten? Quantile Regression vs. Linear Regression Schätzung von bedingten Quantilen Schätzung einzelner Perzentile robust gegen Ausreißer keine Verteilungsannahme Schätzung des bedingten Mittelwertes Normalverteilung erforderlich median mean 2.5% 2.5% SD SD 95%

23 Berechnung von Referenzwerten? Quantile Regression vs. Linear Regression Schätzung von bedingten Quantilen Schätzung einzelner Perzentile robust gegen Ausreißer keine Verteilungsannahme Schätzung des bedingten MW Normalverteilung erforderlich initiale Transformation (log) Problem der Rücktransformation

24 DHEAS [μg/dl] Beispiel: Zentrales 95% Interval ,5 Perzentil: Age [years] 2,5 Perzentil: 45

25 DHEAS [μg/dl] Beispiel: lineare Regression linear Regression linear Regression: 1.6% außerhalb Referenz [oberhalb: 0.6%; unterhalb: 1.0%] MW SD Age [years] MW 1.96 SD

26 DHEAS [μg/dl] Beispiel: quantile Regression linear Regression quantile Regression linear Regression: 1.6% außerhalb Referenz [oberhalb: 0.6%; unterhalb: 1.0%] quantile Regression: 5.0% außerhalb Referenz [oberhalb : 2.5%; unterhalb : 2.6%] Age [years]

27 Verallgemeinerung von Referenzwerten? ACHTUNG: Referenzbereiche für ein und denselben Parameter auch abhängig von der verwendeten Analysemethode und dem Messgerät mitunter starke Variabilität Deshalb: sollten zu jeder Analyse die jeweiligen Referenzbereiche immer mit angegeben werden.

28 IGFBP-3 [ng/ml] Verallgemeinerung von Referenzwerten? Nichols Avantage Assay Range: ng/ml

29 IGFBP-3 [ng/ml] IGFBP-3 [ng/ml] Verallgemeinerung von Referenzwerten? Nichols Avantage Assay Range: ng/ml Immulite 2500 Range: ng/ml Age [years]

30 Verallgemeinerung von Referenzwerten? None of the immunoassays tested was sufficiently reliable for the investigation of sera from children and women, in whom very low (0.17 nmol/l) and low (<1.7 nmol/l) testosterone concentrations are expected. Taieb et al. 2003;49:

31 Verallgemeinerung von Referenzwerten? None of the immunoassays tested proved sufficiently reliable when low testosterone concentrations ( 3.47 nmol/l) were measured. ONLY LC-MS/MS allowed the precise determination of low T. Moal et al. 2007;386:12-19

32 Beispiel: quantile Regression J Clin Endocrinol Metab 2012 [Epub ahead of print]

33 Beispiel: quantile Regression

34 Beispiel: quantile Regression

35 Beispiel: quantile Regression

36 Beispiel: quantile Regression Reference ranges for the blood content of estradiol during the menstrual cycle.

37

38 Verallgemeinerung von Referenzwerten? Wie sinnvoll sind Referenzwerte?

Statistik K urs SS 2004

Statistik K urs SS 2004 Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die

Mehr

Umstellung des Messverfahrens für Insulin-like growth factor 1 (IGF- 1) und Insulin-like growth factor - Bindungsprotein 3 (IGF-BP3)

Umstellung des Messverfahrens für Insulin-like growth factor 1 (IGF- 1) und Insulin-like growth factor - Bindungsprotein 3 (IGF-BP3) Universitätsklinikum Bonn, Sigmund-Freud-Str. 25, 53127 Bonn Institut für Klinische Chemie und Klinische Pharmakologie Bonn, 22. Mai 2017 Umstellung des Messverfahrens für Insulin-like growth factor 1

Mehr

If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra

If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?

Mehr

1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent

1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte

Mehr

Graphische Verfahren in der Statistik: Q-Q- und P-P-Plots

Graphische Verfahren in der Statistik: Q-Q- und P-P-Plots Prof. Dr. Dietmar Pfeifer Institut für Mathemati Graphische Verfahren in der Statisti: Q-Q- und P-P-Plots Bei den üblichen parametrischen Testverfahren in der Statisti wird in der Regel eine Annahme über

Mehr

Herzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung

Herzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer

Mehr

Methoden empirischer Sozial- und Wirtschaftsforschung

Methoden empirischer Sozial- und Wirtschaftsforschung Dr. sc. Siassi HTW Berlin Januar 2017 Klausur Methoden empirischer Sozial- und Wirtschaftsforschung Aufgabe 1 40 Punkte Fallzusammenfassung Fälle Gültig Fehlend Gesamt N Prozent N Prozent N Prozent $Verkehrsmittel

Mehr

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Mathematik IV: Statistik

Mathematik IV: Statistik für D-UWIS, D-ERDW, D-USYS und D-HEST SS16 Sie hören Vitamin String Quartet Daniel Stekhoven 14.04.2016 1 Daniel Stekhoven 14.04.2016 2 Überblick Lernziele Erledigt! Grundlagen Wahrscheinlichkeitsmodell

Mehr

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,

Mehr

Das harmonische Mittel

Das harmonische Mittel Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt

Mehr

Lage- und Streuungsparameter

Lage- und Streuungsparameter Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch

Mehr

Seminar Biopharmazie. Statistik. nur was für Unsichere oder ist sie ihr Geld wert?

Seminar Biopharmazie. Statistik. nur was für Unsichere oder ist sie ihr Geld wert? Seminar Biopharmazie Statistik nur was für Unsichere oder ist sie ihr Geld wert? Biopharmazie Statistik 1 Allgemeine Symbole Probenstatistik Verteilungs- Funktion Mittelwert bzw. Erwartungswert für n µ

Mehr

ALVA-Ringanalyse. Herbsttagung 2009 der ALVA-Fachgruppe Boden - Pflanzenernährung Linz, 10. November 2009

ALVA-Ringanalyse. Herbsttagung 2009 der ALVA-Fachgruppe Boden - Pflanzenernährung Linz, 10. November 2009 ALVA-Ringanalyse Mag. Tanja Strimitzer Bereich DSR Herbsttagung 2009 der ALVA-Fachgruppe Boden - Pflanzenernährung Linz, 10. November 2009 www.ages.at Österreichische Agentur für Gesundheit und Ernährungssicherheit

Mehr

Tabelle 1: Altersverteilung der Patienten (n = 42) in Jahren

Tabelle 1: Altersverteilung der Patienten (n = 42) in Jahren 3. Ergebnisse Die 42 Patienten (w= 16, m= 26) hatten ein Durchschnittsalter von 53,5 Jahren mit einem Minimum von und einem Maximum von 79 Jahren. Die 3 Patientengruppen zeigten hinsichtlich Alters- und

Mehr

Hintergrund und Rationale des therapeutischen Drug Monitorings

Hintergrund und Rationale des therapeutischen Drug Monitorings Hintergrund und Rationale des therapeutischen Drug Monitorings Plasma-Konz. [µg/l] 00 900 800 700 600 500 400 300 200 0 0 0 6 12 18 24 30 36 42 48 Zeit [h] HDoz Dr. Georg Hempel Institut für Pharmazeutische

Mehr

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n

Lösung Aufgabe 19. ( ) = [Mio Euro]. Empirische Varianz s 2 = 1 n Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 4 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 9 (a) Lage und Streuung: Arithmetisches Mittel x = n i=

Mehr

Der Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen.

Der Modus ist. Der Median ist. 3. Übung. Aufgabe 1. a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. 3. Übung Aufgabe 1 Der Modus ist a) der häufigste Wert. b) der Wert unter dem 50 % aller anderen Werte liegen. c) der Durchschnitt aller Werte. d) der Wert mit der größten Häufigkeitsdichte. e) der Schwerpunkt

Mehr

Beobachtung der gesundheitlichen Entwicklung von Kindern und Müttern nach hoher Belastung mit PFOA Arnsberg Kohorte Kurzfassung

Beobachtung der gesundheitlichen Entwicklung von Kindern und Müttern nach hoher Belastung mit PFOA Arnsberg Kohorte Kurzfassung UMWELT & GESUNDHEIT 11/2015 Beobachtung der gesundheitlichen Entwicklung von Kindern und Müttern nach hoher Belastung mit PFOA Arnsberg Kohorte Kurzfassung UMWELT & GESUNDHEIT 11/2015 Umweltforschungsplan

Mehr

Prüfung & Tutorium. Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt. Anmeldung in UNIVIS vom Juni

Prüfung & Tutorium. Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt. Anmeldung in UNIVIS vom Juni Prüfung & Tutorium Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt Anmeldung in UNIVIS vom 14.-22. Juni Die Prüfung wird aus 30 Multiple Choice Fragen(5 Antwortalternativen, 1-3 Richtige)

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

Allgemeine lineare Modelle

Allgemeine lineare Modelle 262 Merkpunkte Allgemeine lineare Modelle Multiple lineare Regression mit nicht-normalen Zufallsabweichungen bilden eine harmlose" Verallgemeinerung der multiplen lin. Regr. Beispiele: Gumbel-Regression,

Mehr

Statistik, Geostatistik

Statistik, Geostatistik Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.

Mehr

5. Spezielle stetige Verteilungen

5. Spezielle stetige Verteilungen 5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für

Mehr

Verfahren für metrische Variable

Verfahren für metrische Variable Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße

Mehr

Statistik II: Grundlagen und Definitionen der Statistik

Statistik II: Grundlagen und Definitionen der Statistik Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten

Mehr

Inhaltsverzeichnis. Vorwort

Inhaltsverzeichnis. Vorwort V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6

Mehr

Biometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern

Biometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem

Mehr

Troponin-T T high sensitive. Benjamin Dieplinger

Troponin-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

Mehr

Teil VII. Deskriptive Statistik. Woche 5: Deskriptive Statistik. Arbeitsschritte der Datenanalyse. Lernziele

Teil VII. Deskriptive Statistik. Woche 5: Deskriptive Statistik. Arbeitsschritte der Datenanalyse. Lernziele Woche 5: Deskriptive Statistik Teil VII Patric Müller Deskriptive Statistik ETHZ WBL 17/19, 22.05.2017 Wahrscheinlichkeit und Statistik Patric Müller WBL 2017 Wahrscheinlichkeit

Mehr

Statistik II: Signifikanztests /2

Statistik II: Signifikanztests /2 Medien Institut : Signifikanztests /2 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Korrelation 2. Exkurs: Kausalität 3. Regressionsanalyse 4. Key Facts 2 I

Mehr

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig

Mehr

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion

Kapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion Kapitel 1 Stetige Zufallsvariablen 1.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt

Mehr

Beschreibende Statistik Eindimensionale Daten

Beschreibende Statistik Eindimensionale Daten Mathematik II für Biologen 16. April 2015 Prolog Geordnete Stichprobe Rang Maße für die mittlere Lage der Daten Robustheit Quantile Maße für die Streuung der Daten Erkennung potentieller Eindimensionales

Mehr

Das Verfahren der FMF Deutschland zur Berechnung des Risikos von Chromosomenanomalien im 1. Trimester der Schwangerschaft. Erläuterungen zu den DoE

Das Verfahren der FMF Deutschland zur Berechnung des Risikos von Chromosomenanomalien im 1. Trimester der Schwangerschaft. Erläuterungen zu den DoE Das Verfahren der FMF Deutschland zur Berechnung des Risikos von Chromosomenanomalien im 1. Trimester der Schwangerschaft Erläuterungen zu den DoE Susanne Richter - Product Manager Prenatal Screening,

Mehr

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19 Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist

Mehr

3.3.1 Referenzwerte für Fruchtwasser-Schätzvolumina ( SSW)

3.3.1 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

Mehr

Regression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate

Regression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für

Mehr

Lehr- und Übungsbuch der angewandten Statistik. Von Dr. Bärbel Elpelt und. O. Prof. Dr. Joachim Hartung Fachbereich Statistik der Universität Dortmund

Lehr- und Übungsbuch der angewandten Statistik. Von Dr. Bärbel Elpelt und. O. Prof. Dr. Joachim Hartung Fachbereich Statistik der Universität Dortmund Grundkurs Statistik Lehr- und Übungsbuch der angewandten Statistik Von Dr. Bärbel Elpelt und O. Prof. Dr. Joachim Hartung Fachbereich Statistik der Universität Dortmund Mit ausführlichen Übungs- und Klausurteilen

Mehr

Statistik I für Betriebswirte Vorlesung 3

Statistik I für Betriebswirte Vorlesung 3 Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April

Mehr

Seminar zur Energiewirtschaft:

Seminar 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

Mehr

Statistik mit und ohne Zufall

Statistik mit und ohne Zufall Christoph Weigand Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung Mit 118 Abbildungen und 10 Tabellen Physica-Verlag Ein Unternehmen von Springer Inhaltsverzeichnis Teil I Deskriptive

Mehr

Der Mittelwert (arithmetisches Mittel)

Der Mittelwert (arithmetisches Mittel) Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut

Mehr

Zufallsvariablen. Erwartungswert. Median. Perzentilen

Zufallsvariablen. Erwartungswert. Median. Perzentilen Zufallsvariablen. Erwartungswert. Median. Perzentilen Jörn Loviscach Versionsstand: 22. Januar 2010, 10:46 1 Zufallsvariablen Wenn ein Zufallsexperiment eine Zahl als Ergebnis liefert, nennt man diese

Mehr

1. Grundbegri e. T n i=1 A i = A 1 \ A 2 \ : : : \ A n alle A i treten ein. na = A das zu A komplementäre Ereignis; tritt ein, wenn A nicht eintritt.

1. Grundbegri e. T n i=1 A i = A 1 \ A 2 \ : : : \ A n alle A i treten ein. na = A das zu A komplementäre Ereignis; tritt ein, wenn A nicht eintritt. . Grundbegri e Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt ein, wenn ein! A eintritt. ist auch das sichere Ereignis,

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 20. Oktober 2010 1 empirische Verteilung 2 Lageparameter Modalwert Arithmetisches Mittel Median 3 Streuungsparameter

Mehr

Vl I. Vortrag: Abdallah Qubala Themen:

Vl I. Vortrag: Abdallah Qubala Themen: Vl. 9.12.16 I. Vortrag: Abdallah Qubala Themen: Dez 9 14:26 Literatur: Skript I: Beschreibende Statistik Kapitel 2. Dez 10 17:18 Prof.Dr.B.Grabowski 1 Dez 9 14:39 Dez 9 14:41 Prof.Dr.B.Grabowski 2 Dez

Mehr

Statistik II. IV. Hypothesentests. Martin Huber

Statistik II. IV. Hypothesentests. Martin Huber Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test

Mehr

Vergleich zweier Stichproben

Vergleich zweier Stichproben zurück zum Inhaltsverzeichnis Die Werte sind verbunden, abhängig oder korreliert. Beispiel: Eine Probe wird mit zwei Messgeräten bestimmt. Es gibt eine paarweise Zuordnung. Die Werte sind unabhängig also

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Januar 2011 1 Vergleich zweier Erwartungswerte Was heißt verbunden bzw. unverbunden? t-test für verbundene Stichproben

Mehr

1 Univariate Statistiken

1 Univariate Statistiken 1 Univariate Statistiken Im ersten Kapitel berechnen wir zunächst Kenngrößen einer einzelnen Stichprobe bzw. so genannte empirische Kenngrößen, wie beispielsweise den Mittelwert. Diese können, unter gewissen

Mehr

Mittelwert und Standardabweichung

Mittelwert und Standardabweichung Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße

Mehr

3.4.1 Referenzwerte für das fetale Schätzgewicht in der SSW

3.4.1 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

Mehr

Inhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27

Inhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27 Inhalt I Einführung Kapitel 1 Konzept des Buches........................................ 15 Kapitel 2 Messen in der Psychologie.................................. 27 2.1 Arten von psychologischen Messungen....................

Mehr

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn

Statistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:

Mehr

Einführung in Quantitative Methoden

Einführung in Quantitative Methoden Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57 Die Deskriptivstatistik

Mehr

Das arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8

Das arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8 .2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,

Mehr

Statistik I für Betriebswirte Vorlesung 9

Statistik I für Betriebswirte Vorlesung 9 Statistik I für Betriebswirte Vorlesung 9 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 06. Juni 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Inhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...

Inhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik... Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven

Mehr

Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc

Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durc SS 2017 Torsten Schreiber 222 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Aufgrund einer statistischen Untersuchung entsteht eine geordnete bzw. ungeordnete, die durch Summierung je Ausprägung

Mehr

Vet. Med. Uni. Budapest 5. Übung Biomathematik 2017

Vet. Med. Uni. Budapest 5. Übung Biomathematik 2017 5. Übung (Normalverteilung) Die Normalverteilung spielt eine sehr wichtige Rolle in den Biowissenschaften, unter anderem auch in der Tiermedizin. Ihre Wichtigkeit beruht an dem sog. zentralen Grenzwertsatz.

Mehr

Menarche und Körpergewicht - Methoden zur Schätzung von Zeitverläufen aus Querschnittsdaten

Menarche und Körpergewicht - Methoden zur Schätzung von Zeitverläufen aus Querschnittsdaten Menarche und Körpergewicht - Methoden zur Schätzung von Zeitverläufen aus Querschnittsdaten Peter Martus Ekkehart Dietz Anne Madeleine Bau Charité - Berlin Hintergrund Übergewicht bei Kindern ist ein relevantes

Mehr

Neue Wege zur Generierung von Referenzwerten für Kinder. Metzler M

Neue Wege zur Generierung von Referenzwerten für Kinder. Metzler M Neue Wege zur Generierung von Referenzwerten für Kinder Metzler M Neue Wege zur Generierung von Referenzwerten für Kinder Jakob Zierk Prof. Manfred Rauh Farhad Arzideh Institut für Statistik Fachbereich

Mehr

Übungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho

Übungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:

Mehr

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft

Mehr

Leistungsverzeichnis LV_IGF-1

Leistungsverzeichnis LV_IGF-1 Seite 1 von 6 1. Klinische Indikation Analyt: Insulin-like growth factor 1 (IGF-1, Somatomedin) - Differentialdiagnostik des Großwuchses bei Kindern - V.a. Akromegalie bei Erwachsenen - Differentialdiagnostik

Mehr

Leistungsverzeichnis LV_IGF-1

Leistungsverzeichnis LV_IGF-1 Seite 1 von 6 1. Klinische Indikation Analyt: Insulin-like growth factor 1 (IGF-1, Somatomedin) - Differentialdiagnostik des Großwuchses bei Kindern - V.a. Akromegalie bei Erwachsenen - Differentialdiagnostik

Mehr

Statistische Inferenz bei ROC Kurven. Notation. Man unterscheidet:

Statistische Inferenz bei ROC Kurven. Notation. Man unterscheidet: Statistische Inferenz bei ROC Kurven Notation Man unterscheidet: 1. Nichtparametrische, empirische Methoden zur Berechnung der empirischen ROC Kurve 2. Parametrische Ansätze, die recht starke Annahmen

Mehr

Christoph Schöffel, Deskriptive Statistik. 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1. Thema 1: Darstellungsweise von Merkmalen 1

Christoph Schöffel, Deskriptive Statistik. 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1. Thema 1: Darstellungsweise von Merkmalen 1 Inhaltsübersicht 1. Kapitel: Eindimensionale Häufigkeitsverteilungen 1 Thema 1: Darstellungsweise von Merkmalen 1 1. Diskrete und (quasi-)kontinuierliche Merkmale 1 1.1 Was sind Merkmale 1 1.2 Darstellungsweise

Mehr

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft

Mehr

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen

Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung

Mehr

Statistik II. IV. Hypothesentests. Martin Huber

Statistik II. IV. Hypothesentests. Martin Huber Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur

Mehr

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler 6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung

Mehr

ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE

ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE ÜBUNGSAUFGABEN ZUR DESKRIPTIVEN UND EXPLORATIVEN DATENANALYSE 1.1 Füllen Sie bitte folgenden Lückentext aus. Daten, die in Untersuchungen erhoben werden, muss man grundsätzlich nach ihrem unterscheiden.

Mehr

Inhaltsverzeichnis. Über die Autoren Einleitung... 21

Inhaltsverzeichnis. Über die Autoren Einleitung... 21 Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende

Mehr

Multivariate Verfahren

Multivariate Verfahren Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie

Mehr

1. Grundbegri e der Stochastik

1. Grundbegri e der Stochastik Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt

Mehr

5 Exkurs: Deskriptive Statistik

5 Exkurs: Deskriptive Statistik 5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 2C a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte

Mehr

Statistik. Ronald Balestra CH St. Peter

Statistik. Ronald Balestra CH St. Peter Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........

Mehr

4.1. Ergebnisse der Patienten Gruppe 1, Lupus erythematodes mit geringer systemischer Beteiligung

4.1. Ergebnisse der Patienten Gruppe 1, Lupus erythematodes mit geringer systemischer Beteiligung 4. Ergebnisdarstellung 4.1. Ergebnisse der Patienten Gruppe 1, Lupus erythematodes mit geringer systemischer Beteiligung In den Tabellen 8 bis 12 sind die erhobenen Daten für die Patienten mit der Diagnose

Mehr

Statistik II für Betriebswirte Vorlesung 11

Statistik II für Betriebswirte Vorlesung 11 Statistik II für Betriebswirte Vorlesung 11 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 08. Januar 2018 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 11 Version:

Mehr

Lage- und Streuungsmaße

Lage- und Streuungsmaße Statistik 1 für SoziologInnen Lage- und Streuungsmaße Univ.Prof. Dr. Marcus Hudec Streuungsmaße Statistische Maßzahlen, welche die Variabilität oder die Streubreite in den Daten messen. Sie beschreiben

Mehr

Beide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen.

Beide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen. Welche der folgenden Maßzahlen sind resistent gegenüber Ausreißer? Der Mittelwert und die Standardabweichung. Der und die Standardabweichung. Der und die Spannweite. Der und der Quartilsabstand. Die Spannweite

Mehr

Deskriptive Statistik. (basierend auf Slides von Lukas Meier)

Deskriptive Statistik. (basierend auf Slides von Lukas Meier) Deskriptive Statistik (basierend auf Slides von Lukas Meier) Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2

Mehr

Mathematik für Naturwissenschaften, Teil 2

Mathematik für Naturwissenschaften, Teil 2 Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die

Mehr

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf: 18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive

Mehr

BOXPLOT 1. Begründung. Boxplot A B C

BOXPLOT 1. Begründung. Boxplot A B C BOXPLOT 1 In nachstehender Tabelle sind drei sortierte Datenreihen gegeben. Zu welchem Boxplot gehört die jeweilige Datenreihe? Kreuze an und begründe Deine Entscheidung! Boxplot A B C Begründung 1 1 1

Mehr

5. Prophylaxe-Seminar des KNS

5. Prophylaxe-Seminar des KNS Welche Antihypertensiva für r wen? Ulrich Kintscher Center for Cardiovascular Research, CCR, Institut für Pharmakologie, Charité-Universitätsmedizin Berlin U N I V E R S I T Ä T S M E D I Z I N B E R L

Mehr