![](/user_photo/2706_HbeT2.jpg)
- •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
8Вопросы планирования исследований
Планирование эксперимента и обработка результатов – это две тесно связанные задачи статистического анализа. Исследовательская работа сводится не только к экспериментам, ее проводят и вне их, на основе непосредственных наблюдений.
С этой точки зрения планирование исследований оказывается более подходящим, чем термин «планирование экспериментов».
С варьированием результатов наблюдений связана повторность результатов опытов, позволяющая повысить точность оценок генеральных параметров.
Чем шире диапазон варьирования признака, тем больше должна быть и повторность опыта. При слабом варьировании признака число вариантов опыта понижается.
В такой же зависимости от размаха варьирования признака находится и организация минимально допустимого числа испытаний.
8.1Приближенные оценки основных статистических показателей
Прежде, чем наметить необходимый объем выборки, нужно определить среднюю величину и варьирующую ошибку для варьирующего признака. Эти характеристики позволяют использовать показатель точности выборочной средней и решение задач планирования исследований.
Приближенное значение средней арифметической <x> можно определить по полученной сумме лимитов:
а среднее квадратичное отклонение
по разности лимитов, отнесенных к
коэффициенту k,
который устанавливают в зависимости
от объема выборки с помощью специальной
таблицы (таблицы Плохинского).
таблица Плохинского |
||||||
Объем выборки n |
2-5 |
6-15 |
16-49 |
50-200 |
201-1000 |
>1000 |
Коэффициент k |
2 |
3 |
4 |
5 |
6 |
7 |
Задача: Зная лимиты xmin=9мг/%, и xmax=14,7мг/% в сыворотке крови обезьян. Обем выборки n=100, можно определить следующие характеристики:
и
эти величины близки к фактически
найденным (xср=11,94
мг/% и Sx=1.26).
Величину ошибки средней
можно определить:
В примере
.
Эта же величина получится и при
использовании основной формулы
.
Отсюда показатель точности
Это очень высокая точность. Намечаемый таким образом объем выборки можно считать вполне достаточным для получения надежных оценок генеральных параметров (если совокупность, из которой взята выборка, распределена по нормальному закону).
8.2Определение необходимого объема выборки
Если число испытаний заранее неизвестно, то необходимо определить объем выборки, при котором можно получить достаточно точный результат. Необходимо численность выборки n, отвечающей точности, с какой намечено получить средний результат, зависящий от величины ошибки выборочной средней, определить по формулам:
где t – нормированное
отклонение, с которым связан тот или
иной уровень значимости α; - выборочная
дисперсия;
-
величина, определяющая границы
доверительного интервала (здесь
- ошибка выборочной средней).
Чтобы понизить ошибку репрезентативности вдвое, нужно увеличить объем выборки вчетверо.
Обобщая эти данные, можно сделать вывод: для понижения ошибки выборочной средней в k раз нужно увеличивать объем выборки в k2 раз.
При определении необходимого объема для получения статистически достоверной разности между средней (<х1> –< х2>)=d применяют формулу:
,
,
где
- заданная величина ошибки для разности
заданных средних.
и
- дисперсии для сравниваемых выборок.
Причем дисперсия
- это дисперсия большей выборки (большая
дисперсия).
- отношение объема большей выборки к
объему меньшей.
Если обе выборки равны по объему, то
.
При альтернативной группировке вариант, когда численность выборочных групп выражают в долях единицы, планируемый объем наблюдений (объем выборки) выражают по формуле:
где p – доля вариант, обладающих данным признаком.
если долю выражать в процентах от общего числа наблюдений, то:
Пример: По предварительным данным,
число гельминтоносителей среди лиц,
проживающих в населенном пункте равно
8%. Определить необходимое число
наблюдений, при котором величина
максимальной ошибки
не превысит 4% для уровня значимости
0,05 и t=1.96≈2.