STATISTIK-FORUM.de

[Sansai]

Hallo Statistik-Cracks
Ich bin ein totaler Statistikanfänger und bin auch nicht sicher, ob meine Frage hier am richtigen Ort ist.

Folgende Situation:
1. Ich kenne die Mittelwerte (M), Standardabweichungen (SD) und die Konfidenzintervalle (Conf) von verschiedenen medizinische Messungen (Puls, Atemfrequenz, Reaktionsgeschwindigkeit, Hautwiderstand, etc.) von Patienten mit verschiedenen Diagnosegruppen
2. Ich habe die Messwerte der gleichen Messparameter eines Patienten und will dessen Profil dieser Messwerte mit jenen der Diagnosegruppen vergleichen, damit ich angeben kann, mit welchem Diagnoseprofil die aktuellen Messungen die grösste Ähnlichkeit aufweist.

Meine Vorstellung ist, dass ich über alle Messparameter zähle, wie häufig der Wert des aktuellen Patienten innerhalb des Bereiches M ± SD einer Diagnosegruppen liegt, und so über alle Diagnosegruppen eine Prozentangabe von übereinstimmenden Werten machen kann.

Frage: ist dies prinzipiell ein sinnvolles Vorgehen? Falls ja, wäre allenfalls der Bereich M ± Conf sinnvoller? Falls nein, welches Vorgehen wäre sinnvoller?

Ich hoffe einigermassen verständlich gewesen zu sein. Für Hilfe danke ich schon jetzt.

LG, Sansai

[strukturmarionette]

Hi,

- bei der Diagnosegruppenzuordnung (wie viele sind es denn?) genauso vorgehen, wie es dem Procedere (wieviel Vars sind es denn?) entspricht, welches die Grundlage für die bestehenden Teilstichprobenumfänge (wie groß sind sie denn?) ist.

Gruß
S.

[bele]

Hallo Sansai,

die Frage ist ganz ernst gemeint: Ist das eine Hausaufgabe oder willst Du tatsächlich Patienten zuordnen oder ist das nur ein Bild für Deine tatsächliche Klassifikationsaufgabe?

LG,
Bernhard

[Sansai]

@strukturmarionette: 5 Gruppen, die Gruppengrösse ist je nach Gruppe verschieden, mindestens jedoch 60, Variablen sind es 20

@bele: das ist mehr ein Experiment. Ich würde gerne ein kleines Programm machen, welches ein Patientenprofil mit den durchschnittlichen Diagnoseprofilen vergleicht (ähnlich wie ein einfaches Expertensystem).

LG, Sansai

[bele]

Soll das Ergebnis aus dem Computer kommen oder soll es ein einfaches Regelwerk werden, das auf Papier in eine Kitteltasche passt?

[Sansai]

Auf dem Computer

[bele]

Ich könnte mir einen Bayes-Ansatz vorstellen: die posterior Wahrscheinlichkeit ist die Prior Wahrscheinlichkeit multipliziert mit der Likelihood. Wenn Du von all den Werten nur Mittelwert und Standardabweichung hast, dann kannst Du sie nur wie normalverteilt betrachten. Also berechne die Likelihoods der jeweiligen Werte und multipliziere sie miteinander je Diagnose Möglichkeit. Das größte Produkt gewinnt.

Lies mal ein wenig über Bayes-Statistik, ob das so Sinn macht.

LG,
Bernhard

[strukturmarionette]

Hi,

Lies mal ein wenig über Bayes-Statistik, ob das so Sinn macht.

- Solange die bestehende Gruppenzuordnung der Patienten mittels sehr vieler Parameter (hier: UV-Variablen) unbekannt ist -oder bleibt-, kann nur spekuliert werden, ganz gleich mit welcher 'Trickserei'.

Gruß
S.

[bele]

Hallo strukturmarionette,

ich hätte gerne gewusst, worin die Trickserei besteht.
1. Wir haben von den Parametern nur Mittelwert und Standardabweichung. Ist es eine Trickserei, sie wie normalverteilt zu behandeln, solange keine anderen Daten zur Verfügung stehen?
2. Es geht darum zu bestimmen, wie gut ein einzelner Messwert zu den angenommenen Normalverteilungen passt. Ist die Likelihood dafür ein naheliegendes Maß oder eine Trickserei?
3. Wir haben pro Patient verschiedene Messwerte und wollen wissen, wie die einer ihnen je zugeordneten Verteilung passen. Kann man likelihoods miteinander multiplizieren oder ist das eine Trickserei?
4. Wenn ich in meine wenigen Statistikbücher schaue, dann ist in den klassischen von Maximum-Likelihood immer die Rede, wenn zu einer gegebenen Zahl von Stichproben die passende Verteilung gesucht werden soll. Das ist hier nicht der Fall. In einführenden Bayes-Texten wird die Likelihood immer dafür verwendet, die Wahrscheinlichkeit eines Ereignisses zu berechnen, weshalb ich den Hinweis auf diese Ausrichtung gebracht habe. Ist das Trickserei?

Gruß,
Bernhard