Eksamen Bacheloruddannelsen i Medicin med industriel specialisering

Relaterede dokumenter
Reeksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl

Generelle lineære modeller

Sommereksamen Bacheloruddannelsen i Medicin/Medicin med industriel specialisering

Overlevelse efter AMI. Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Køn og alder betragtes som confoundere.

Multipel Lineær Regression

Kvant Eksamen December timer med hjælpemidler. 1 Hvad er en continuous variable? Giv 2 illustrationer.

Eksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl

Besvarelse af vitcap -opgaven

Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression

Logistisk Regression - fortsat

Eksamen i statistik 2009-studieordning

Ikke-parametriske tests

Eksamen i Statistik for Biokemikere, Blok januar 2009

Sommereksamen Bacheloruddannelsen i Medicin/Medicin med industriel specialisering

Reeksamen i Statistik for Biokemikere 6. april 2009

Opgaver til ZAR II. Afdeling for Anvendt Matematik og Statistik Michael Sørensen Oktober Opgave 1

1. Lav en passende arbejdstegning, der illustrerer samtlige enkeltobservationer.

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser

Lineær regression. Simpel regression. Model. ofte bruges følgende notation:

Forelæsning 11: Kapitel 11: Regressionsanalyse

KA 4.2 Kvantitative Forskningsmetoder Forår 2010

Statistik Lektion 17 Multipel Lineær Regression

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode

Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1

Normalfordelingen. Statistik og Sandsynlighedsregning 2

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved

Statistik Lektion 16 Multipel Lineær Regression

Reeksamen i Statistik for biokemikere. Blok

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Eksamen i Statistik for biokemikere. Blok

Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6

EVALUERINGSENHEDEN. Analyse af karaktereffekten af. deltagelse i manuduktion på HA 2. år. Copenhagen Business School

Log-lineære modeller. Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres.

Variansanalyse i SAS 1. Institut for Matematiske Fag December 2007

Klasseøvelser dag 2 Opgave 1

Kursus Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, ( , ) Per Bruun Brockhoff

Appendices. Appendix 2: Questionnaire in StudSurvey. Appendix 3: Text presenting the electronic questionnaire. Appendix 4: Outputs from regressions

Hypoteser om mere end to stikprøver ANOVA. k stikprøver: (ikke ordinale eller højere) gælder også for k 2! : i j

Sommereksamen Kandidatuddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: Vigtige oplysninger:

Løsning til eksaminen d. 14. december 2009

Variansanalyse i SAS. Institut for Matematiske Fag December 2007

Regressionsanalyser. Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer.

To-sidet varians analyse

CBS Evaluering og Akkreditering

Besvarelse af juul2 -opgaven

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele

Øvelser i epidemiologi og biostatistik, 6. april 2010 Baseline-informationer fra Ebeltoft datasættet Eksempel på besvarelse

Analysestrategi. Lektion 7 slides kompileret 27. oktober :24 p.1/17

Transparency International Danmark på Roskilde Festival 2018: Har indsatsen nyttet noget?

Multipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model

Forelæsning 11: Envejs variansanalyse, ANOVA

β = SDD xt SSD t σ 2 s 2 02 = SSD 02 f 02 i=1

Det kunne godt se ud til at ikke-rygere er ældre. Spredningen ser ud til at være nogenlunde ens i de to grupper.

(studienummer) (underskrift) (bord nr)

Multipel Lineær Regression. Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion

k UAFHÆNGIGE grupper Oversigt 1 Intro eksempel 2 Model og hypotese 3 Beregning - variationsopspaltning og ANOVA tabellen 4 Hypotesetest (F-test)

Løsning eksamen d. 15. december 2008

Løsning til eksaminen d. 29. maj 2009

Side 1 af 19 sider. Danmarks Tekniske Universitet. Skriftlig prøve: 15. december 2007 Kursus navn og nr: Introduktion til Statistik, 02402

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april

Oversigt. Kursus Introduktion til Statistik. Forelæsning 12: Variansanalyse. Per Bruun Brockhoff. Envejs variansanalyse - eksempel

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Statistik og Sandsynlighedsregning 2. Repetition og eksamen. Overheads til forelæsninger, mandag 7. uge

Kursus Introduktion til Statistik. Forelæsning 12: Variansanalyse. Per Bruun Brockhoff

Opgave I.1 II.1 II.2 II.3 III.1 IV.1 IV.2 IV.3 V.1 VI.1 Spørgsmål (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) Svar

ØVELSER Statistik, Logistikøkonom Lektion 8 og 9: Simpel og multipel lineær regression // SVAR

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup)

a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl?

Lineær regression i SAS. Lineær regression i SAS p.1/20

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Kursus 02323: Introducerende Statistik. Forelæsning 8: Simpel lineær regression. Peder Bacher

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk

men nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller

Ensidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese

Økonometri: Lektion 5. Multipel Lineær Regression: Interaktion, log-transformerede data, kategoriske forklarende variable, modelkontrol

(studienummer) (underskrift) (bord nr)

Kursus 02402/02323 Introducerende Statistik

(studienummer) (underskrift) (bord nr)

Oversigt. 1 Motiverende eksempel: Højde-vægt. 2 Lineær regressionsmodel. 3 Mindste kvadraters metode (least squares)

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

Statistik II 1. Lektion. Analyse af kontingenstabeller

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse

Skriftlig eksamen juni 2017

Modul 11: Simpel lineær regression

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser

(studienummer) (underskrift) (bord nr)

Konfidensintervaller og Hypotesetest

CLASS temp medie; MODEL rate=temp medie/solution; RUN;

Skriftlig eksamen Science statistik- ST501

Logistisk regression. Statistik Kandidatuddannelsen i Folkesundhedsvidenskab

Epidemiologi og Biostatistik

Kursus i varians- og regressionsanalyse Data med detektionsgrænse. Birthe Lykke Thomsen H. Lundbeck A/S

Transkript:

Eksamen 2016 Titel på kursus: Uddannelse: Semester: Forsøgsdesign og metoder Bacheloruddannelsen i Medicin med industriel specialisering 6. semester Eksamensdato: 17-02-2015 Tid: kl. 09.00-11.00 Bedømmelsesform 7-trin Vigtige oplysninger: Husk at opgive studienummer ikke navn og cpr.nr. på alle ark, der skal medtages i bedømmelsen Husk at aflevere besvarelsen, også hvis du forlader eksamen, før den er slut Besvarelsen skal afleveres i håndskreven form i udleverede omslag Skriftlige hjælpemidler er tilladt Medbring jeres egen computer med SPSS eller andet statistisk software installeret Det er tilladt at skrive besvarelsen på dansk eller engelsk Ingen former for kommunikation er tilladt Side 1 of 8

Opgave 1 (30%) En gruppe Yemenitiske forskere publicerede i 2013 i Nicotine & Tobacco Research, Volume 15, Number 6 (June 2013) 1130 1135 et studie for at undersøge tobak og khat rygevaner hos en gruppe Yemenitiske rygere. 69 kvinder og 120 mænd deltog i studiet. Nogle få demografiske data er gengivet i tabellen herunder. I sidste linje opgiver forskerne hvor mange der ryger khat, men opgiver data i procent. a) Opstil en krydstabel der viser den mulige sammenhæng mellem khat-rygning og køn b) Brug en chi-kvadrat test til at undersøge om der er en statistisk signifikant sammenhæng mellem khat-rygning og køn. c) Vis at antagelserne for chi-kvadrat testen er overholdt d) Hvad er odds-ratien for at ryge khat mellem mænd og kvinder? e) Hvad er konfidensintervallet for odds ratien? Side 2 of 8

Opgave 2 (20%) En gruppe forskere mener de har fundet en 23. essentiel aminosyre, fantasimine. De har målt koncentrationen af fantasimine i en gruppe forsøgspersoner og vil nu undersøge om der er en sammenhæng mellem koncentrationen af fantasimine og forsøgspersonernes alder. De har derfor plottet deres data og lavet en simpel lineær regressionsanalyse i SPSS. De er rystede over hvor meget data SPSS spytter og har brug for hjælp besvare nedenstående spørgsmål. Giv svarene og forklar hvordan du er nået frem til svaret. a) Er der en statistisk signifikant sammenhæng mellem alder og fantasiminekoncentration? b) Hvad er hældningskoefficienten for regressionslinjen? c) Hvor god er den lineære regressionsmodel for disse data? d) Beregn den forventede fantasiminekoncentration for en 25-årig person. Side 3 of 8

Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1,964 a,929,925 1,18512 a. Predictors: (Constant), alder ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 330,302 1 330,302 235,172,000 b Residual 25,281 18 1,405 Total 355,583 19 a. Dependent Variable: koncentration b. Predictors: (Constant), alder Coefficients a Standardized Unstandardized Coefficients Coefficients Model B Std. Error Beta t Sig. 1 (Constant),364 1,193,305,764 alder,487,032,964 15,335,000 a. Dependent Variable: koncentration Side 4 of 8

Opgave 3 (30%) Et firma har udviklet et præstationsfremmende middel, GoExam, som de har afprøvet effekten af i sammenligning med placebo. 10 medicinstuderende har ved randomisering fået enten placebo eller GoExam, og har derefter deltaget i en statistikeksamen. Nedenstående tabel viser testresultaterne, på en skala fra 0-100, for de studerende der modtog henholdsvis GoExam eller placebo. Firmaet har allerede fundet frem til at data er normalfordelt. Udvælg og udfør en hensigtsmæssig statistik test der kan teste hypotesen at de gennemsnitlige resultater for de to grupper studerende er ens, og besvar derpå de følgende spørgsmål. Testens signifikansniveau, α, skal være 0.05. Forklar hvordan du er nået frem til dine svar. a) Hvorfor er den valgte statistiske test den mest hensigtsmæssige? b) Hvad er H 0 og H A for testen? c) Hvad er konklusionen, og hvordan er du nået frem til den? d) Hvad var den opnåede power for testen? Testresultater: Placebo GoExam 45 69 51 72 63 80 73 88 78 93 Side 5 of 8

Opgave (20%) En gruppe forskere har udført et forsøg med henblik på at undersøge virkningen af 3 nye lægemidler (drug 1, 2 og 3) til at sænke blodtrykket. Forskerne har haft en formodning om at virkningen af lægemidlerne kunne afhænge af hvorvidt patienten modtager betablokkere (betablocker 1: ja, 0: nej). Patienterne i forsøget blev randomiseret til at blive ordineret et af de tre lægmidler og til enten at få betablokkere eller ej. Virkningen af lægemidlerne blev mål som det systoliske blodtryk (/SysBP) efter en uges behandlingstid. Den ansvarlige forskers fætter har fortalt forskerne at de skulle bruge two-way ANOVA til at analysere resultaterne inklusiv post-hoc tests, blandt andet data var normalfordelt. Resultaterne fra SPSS er vist på denne og de følgende 2 sider. De følgende spørgsmål skal besvares for at analysere resultatet af undersøgelsen. Forklar hvordan du er nået frem til dine svar. a) Hvorfor er two-way ANOVA den korrekte test at bruge til disse resultater? b) Hvilke hypoteser kan forskerne teste ved at anvende two-way ANOVA på resultaterne? c) Hvad er konklusionen på two-way ANOVA testen og de udførte post-hoc tests? Descriptive Statistics Dependent Variable: SysBP Betablocker Drug123 Mean Std. Deviation N,00 1,00 119,9167 8,69147 6 2,00 140,5833 11,17326 6 3,00 130,1667 9,23941 6 Total 130,2222 12,62610 18 1,00 1,00 137,5000 11,09504 6 2,00 132,0833 8,20620 6 3,00 130,5833 10,30736 6 Total 133,3889 9,82876 18 Total 1,00 128,7083 13,21407 12 2,00 136,3333 10,34701 12 3,00 130,3750 9,33499 12 Total 131,8056 11,26643 36 Levene's Test of Equality of Error Variances a Dependent Variable: SysBP F df1 df2 Sig.,186 5 30,966 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + Betablocker + Drug123 + Betablocker * Drug123 Side 6 of 8

Dependent Variable: SysBP Source Tests of Between-Subjects Effects Type I Sum of Squares df Mean Square F Sig. Partial Eta Squared Corrected Model 1530,472 a 5 306,094 3,153,021,344 Intercept 625417,361 1 625417,361 6442,805,000,995 Betablocker 90,250 1 90,250,930,343,030 Drug123 385,681 2 192,840 1,987,155,117 Betablocker * Drug123 1054,542 2 527,271 5,432,010,266 Error 2912,167 30 97,072 Total 629860,000 36 Corrected Total 4442,639 35 a. R Squared =,344 (Adjusted R Squared =,235) Side 7 of 8

Dependent Variable: SysBP Pairwise Comparisons Mean Difference (I-J) Std. Error Sig. b 95% Confidence Interval for Difference b Lower Bound Upper Bound Betablocker (I) Drug123 (J) Drug123,00 1,00 2,00-20,667 * 5,688,003-35,091-6,242 3,00-10,250 5,688,245-24,674 4,174 2,00 1,00 20,667 * 5,688,003 6,242 35,091 3,00 10,417 5,688,231-4,008 24,841 3,00 1,00 10,250 5,688,245-4,174 24,674 2,00-10,417 5,688,231-24,841 4,008 1,00 1,00 2,00 5,417 5,688 1,000-9,008 19,841 3,00 6,917 5,688,700-7,508 21,341 2,00 1,00-5,417 5,688 1,000-19,841 9,008 3,00 1,500 5,688 1,000-12,924 15,924 3,00 1,00-6,917 5,688,700-21,341 7,508 2,00-1,500 5,688 1,000-15,924 12,924 Based on estimated marginal means *. The mean difference is significant at the,05 level. b. Adjustment for multiple comparisons: Bonferroni. Dependent Variable: SysBP Drug123 (I) Betablocker (J) Betablocker 1,00,00 1,00 1,00,00 2,00,00 1,00 1,00,00 3,00,00 1,00 1,00,00 Based on estimated marginal means *. The mean difference is significant at the,05 level. b. Adjustment for multiple comparisons: Bonferroni. Pairwise Comparisons Mean Difference (I-J) Std. Error Sig. b Difference b 95% Confidence Interval for Lower Bound Upper Bound -17,583 * 5,688,004-29,201-5,966 17,583 * 5,688,004 5,966 29,201 8,500 5,688,146-3,117 20,117-8,500 5,688,146-20,117 3,117 -,417 5,688,942-12,034 11,201,417 5,688,942-11,201 12,034 Side 8 of 8