- •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
7.4Непараметрические критерии
Часто приходится иметь дело не только с количественными, но и с качественными признаками, многие из которых выражаются порядковыми номерами, индексами и др. условными знаками. В этих случаях необходимо использовать непараметрические критерии.
Известен целый ряд непараметрических критериев, среди которых видное место занимают ранговые критерии
X-критерий Ван-Дер-Вардена. Он относится к группе ранговых критериев, его применяют для проверки нулевой гипотезы при сравнении независимых выборок.
Техника расчетов Х-критерия сводится к следующему: сравниваемые выборки ранжируют в один общий ряд по возрастающим значениям признака. Затем каждому члену ряда присваивают порядковый номер, отмечающий его место в общем ранжирующем ряду. Далее по порядковым номерам одной из выборок, обычно меньшей по объему, находят отношение , где N+1=n1+n2+1, т.е. увеличенная на единицу сумма всех членов сравниваемых групп, а R – ранг (порядковый номер). С помощью специальной таблицы находят значение функции для каждого значения .
Суммируя результаты (с учетом знака), получают величину , которую сравнивают с критической точкой этого критерия Хst для принятого уровня значимости α и общего числа членов сравниваемых выборок N.
Нулевая гипотеза сводится к предположению, что сравниваемые выборки извлечены из генеральных совокупностей с одинаковыми функциями распределения. Если окажется, что , то нулевая гипотеза должна быть отвергнута на принятом уровне значимости.
U-критерий Уилкоксона (Манна-Уитни). Проверяя нулевую гипотезу о принадлежности сравниваемых независимых выборок к одной и той же генеральной совокупности или к совокупностям с одинаковыми параметрами.
Для расчета U-критерия необходимо:
расположить числовые значения в один общий ряд и пронумеровать члены общего ряда от 1 до n, N=n1+n2 (эти номера и будут рангами членов ряда).
отдельно для каждой выборки найти сумму рангов и определить величины
которые отображают связь между суммами рангов первой и второй выборок.
в качестве U-критерия использовать меньшую величину Uф, которую сравнить с табличным значением Ust.
Условием, при котором нулевую гипотезу отвергают, служит неравенство Uф> Ust.
Критические точки для U-критерия находят по таблице.
Критерий знаков. В тех случаях, когда результаты наблюдений выражаются не числами, а знаками «плюс» и «минус», различия между попарно связанными членами оценивается с помощью критерия знаков z.
Суть данного критерия сводиться к следующему: Если попарно сравниваемые значения двух зависимых выборок существенно не отличаются друг от друга, то число плюсовых и минусовых разностей окажется одинаковым, если заметно преобладают «+» или «–», это будет указывать на положительное или отрицательное действие изучаемого фактора на изучаемый признак.
z-критерий, как и любой другой показатель, является случайной величиной. Он служит для проверки нулевой гипотезы о том, что совокупности, из которых взяты сравниваемые выборки, имеют одну и ту же или одинаковые распределения.
Нулевая гипотеза отвергается, если zф≥zst, для принятого уровня значимости и числа парных наблюдений n, взятых без нулевых разниц. Критические точки для этого критерия также находят по таблице.
Т-критерий Уилкоксона применяют, когда члены сравниваемых выборок связаны попарно некоторвми общими условиями (зависимые выборки). Также этот критерий называют парным критерием Уилкоксона.
Т-критерий рассчитывают следующим образом:
ранжируют попарные разности в один общий ряд. При этом нулевые разности в расчет не принимают, а все остальные, независимо от знака, ранжируют так, чтобы наименьшая абсолютная разность получила первый ранг, причем одинаковым по величине разностям присваивают один и тот же ранг.
находят отдельно суммы положительных и отрицательных разностей. Меньшую из двух сумм разностей без учета знака используют в качестве фактически установочной величины Т-критерия.
Сравнивают Тф с критическим значением Tst для принятого уровня значимости α и числа парных наблюдений, которые берут без нулевых разностей. Нулевую гипотезу отвергают, если Тф> Tst.
Критические значения берутся из таблицы.