- •1(Часть 1) Разделы дисциплины.
- •1.1Биометрия
- •1.2Этапы истории
- •2Предмет и основные понятия биометрии
- •2.1Группировка первичных данных
- •2.2Признаки и их свойства.
- •2.3Классификация признаков
- •2.4Причины варьирования результатов наблюдений
- •2.5Точность измерений и действия над приближенными числами
- •2.6Способы группировки первичных данных
- •2.7Статистические ряды.
- •2.8Графики вариационных рядов
- •2.9Особенности биообъекта и экспериментальных данных о его свойствах и состоянии. Основные источники медико-биологических данных.
- •3Общая характеристика биологических сигналов и медико-биологических данных
- •3.1Случайный сигнал и случайная величина
- •3.2Одномерные случайные сигналы. Функция распределения и плотность вероятности
- •3.3Усреднение. Моменты случайной величины
- •3.4Равномерное распределение случайной величины
- •3.5Гауссово (нормальное) распределение
- •3.6Статистические характеристики систем случайной величины (Многомерные сигналы)
- •3.7Функция распределения и плотность вероятности.
- •3.8Вычисление моментов
- •3.9Корреляция
- •3.10Статистическая независимость случайных величин.
- •3.11Многомерное Гауссово распределение.
- •3.12Случайные процессы.
- •3.12.1Предварительная обработка сигналов.
- •3.12.2Моментальные функции случайных процессов.
- •3.12.3Взаимная функция корреляции двух случайных процессов.
- •3.13Помехи и их математические модели.
- •3.13.1Виды аддитивных помех.
- •3.13.2Законы распределения помех.
- •3.13.3Отношение сигнала помехи на прмере гауссовских помех.
- •4Основные понятия теории обнаружения сигнала
- •4.1Проверка статистических гипотез.
- •4.2Критерий Неймана-Пирсона.
- •4.3Алгоритмы обнаружения.
- •5Фильтрация сигналов
- •5.1Временная фильтрация.
- •5.2Частотная фильтрация.
- •5.3Связь между фильтрацией и сверткой.
- •5.4Физически реализуемые линейные фильтры частоты.
- •5.5Идеальный фильтр.
- •5.6Реализуемые непрерывные аналоговые фильтры.
- •5.7Узкополосные фильтры.
- •5.8Оптимальная фильтрация.
- •6(Часть 2) Корреляционный анализ
- •6.1Функциональная зависимость и корреляция
- •6.2Параметрические показатели связи. Коэффициент корреляции
- •6.3Вычисление коэффициента корреляции при малых выборках
- •6.4Минимальный объем выборки для точной оценки коэффициента корреляции
- •6.5Вычисление коэффициента корреляции при больших выборках
- •6.6Оценка разности между коэффициентами корреляции
- •7Качественное описание задач распознавания
- •7.1Основные задачи построения системы распознавания
- •7.2Параметрические и непараметрические методы и критерии
- •7.3Параметрические критерии
- •7.4Непараметрические критерии
- •7.5Статистические методы классификации многомерных наблюдений
- •7.6Минимаксный критерий
- •8Вопросы планирования исследований
- •8.1Приближенные оценки основных статистических показателей
- •8.2Определение необходимого объема выборки
- •9Типы медицинских изображений. Способы их обработки
- •9.1Иднтификация пространственных объектов. Схема этапов распознавания
- •9.2Обработка точечных изображений
- •9.3Моделирование процесса идентификации точечных изображений на эвм
- •9.4Основные принципы цифровых операций над изображениями
- •9.5Операции над изображениями. Хранение и представление изображений.
- •9.6Цветные изображения
- •9.7Окружающие и примыкающие пиксели
- •9.8Основные требования к аппаратуре
- •9.9Устройства ввода изображений
- •9.9.1Видеокамеры
- •9.9.2Насадки
- •9.9.3Другие устройства ввода изображений
- •9.10Устройства вывода изображений на дисплей
- •9.11Процессоры
- •9.12Критерий полезности признаков при распознавании объектов
- •9.13Геометрическая модель биологических данных. Система геометрических признаков при распознавании объектов
- •9.14Простые методы обработки изображений
6.4Минимальный объем выборки для точной оценки коэффициента корреляции
Можно рассчитать объем выборки для задания значения коэффициента корреляции, вычтенного на малообъемных выборках, который был бы достаточен для опровержения нулевой гипотезы (если корреляция между признаками действительно существует).
Для этого:
где
n – искомый объем выборки,
t – величина, заданная по принятому уровню значимости (α=1–5%),
z – преобразованный эмпирический коэффициент корреляции.
6.5Вычисление коэффициента корреляции при больших выборках
При наличии многочисленных исходных данных их приходиться группировать в вариативные ряды и, построив вариативную решетку, разносить по ее ячейкам общие частоты сопряженных рядов. Образуется корреляционная решетка пересечением строк и столбцов, число которых равно числу групп или классов корреляционных рядов. Классы располагаются в верхней строке и в первом (слева) столбце корреляционной таблицы, а общие частоты fxy – в клетках корреляционной решетки, составляющей основную часть корреляционной таблицы.
Классы, помещаемые в верхней строке таблицы, обычно располагаются слева направо в возрастающем порядке, а в первом столбце таблицы – сверху вниз в убывающем. Если частоты fxy распределены по клеткам корреляционной решетки более или менее равномерно, не образуя эллипса, это указывает на отсутствие корреляции между признаками.
Распределение частот fxy по клеткам корреляционной решетки дает лишь общее представление о наличии или отсутствии связей между признаками. Судить о тесноте и силе связей более точно можно по значению и знаку коэффициента корреляции. При вычислении коэффициента корреляции не следует брать слишком широкие классовые интервалы. Между числом классов и величиной классового интервала λ существует определенное соотношение. В общем виде оно выражается формулой, в которой знаменатель к находиться в зависимости от объема выборки n.
Величину к можно поставить в зависимость от объема выборки т.о.
Объем выборки n |
Значение к= |
30 < n ≤ 50 |
к =1+3,32*lg n |
50 < n ≤ 100 |
к =5* lg n |
100 < n ≤ 200 |
к =7*lg n |
200 < n ≤ 300 |
к =8*lg n |
Как и другие статистические характеристики коэффициент корреляции определяют разными способами, дающими совершенно идентичные результаты.
Способ произведения. Упрощая символику, отклонение вариант от их средних обозначим через а, т.е. и . Тогда формула для коэффициента корреляции с учетом повторяемости отклонений будет иметь вид
6.6Оценка разности между коэффициентами корреляции
При сравнении коэффициентов корреляции двух независимых выборок нулевая гипотеза сводится к предположению о том, что в генеральной совокупности разница между этими показателями равна нулю. Т.е. разница, наблюдаемая между сравниваемыми эмпирическими коэффициентами корреляции, возникла случайно.
Для проверки этой нулевой гипотезы служит t-критерий Стьюдента, т.е. отношение разности между эмпирическими коэффициентами корреляции r1 и r2 к своей статистической ошибке, определенной по формуле:
, где – ошибки сравниваемых коэффициентов.
Нулевая гипотеза опровергается при условии:
Для принятого уровня значимости α и числа степеней свободы к