Planowanie procedur i doświadczeń Zasady (prawo, praktyka i etyka)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Planowanie procedur i doświadczeń Zasady (prawo, praktyka i etyka)"

Transkrypt

1 Planowanie procedur i doświadczeń Zasady (prawo, praktyka i etyka) Część I Stefan Kasicki s.kasicki@nencki.gov.pl 2018 Planowanie procedur Po co? By sformułować hipotezę, którą chcemy odrzucić lub potwierdzić, By wiedzieć, co i jak będziemy robić, gdy chcemy rozwiązać problem naukowy, By zapewnić wiarygodność (w tym powtarzalność) uzyskanych wyników. Dlaczego? Bo tego wymaga wypełnienie aplikacji o finansowanie (wniosek grantowy), Bo tego wymaga wypełnienie wniosku do lke o zgodę 2 na wykorzystanie zwierząt w procedurach. Wnioski do lke (NOWE) Dokumenty wymagane do ubiegania się o zgodę na przeprowadzenie doświadczenia (od 1 lutego 2018 r.): Wzór wniosku o udzielenie zgody na przeprowadzenie doświadczenia + Instrukcja wypełnienia; Wzór uproszczonego wniosku o udzielenie zgody na przeprowadzenie doświadczenia + Instrukcja wypełnienia; Wzór wniosku o wydanie zgody na włączenie dodatkowych osób; Wzór wniosku uzupełniającego + Zał. A do wniosku uzupełniającego (dodatkowe zwierzęta), Zał. B do wniosku uzupełniającego (dodatkowe procedury). Źródło 3

2 Podstawowe informacje Planowanie procedur i doświadczeń (prawo, praktyka i etyka). Elementy, które należy uwzględnić przy planowaniu: Cele doświadczenia (naukowe lub edukacyjne, dopuszczone prawem), Dobór właściwego gatunku zwierząt przy uwzględnieniu celu doświadczenia i zasada zastąpienia, metody alternatywne, Metodyka, czyli czynności (procedury), zapewniające jak najmniejszą zmienność wyników i uwzględniające zasadę 3R, Metodyka, czyli środki farmakologiczne, odczynniki itp., Analiza statystyczna wyników, Określenie minimalnej liczby zwierząt zapewniającej realizację celu, Określenie kategorii dotkliwości, Miejsce realizacji i współpracownicy. Nietechniczne streszczenie (jasny opis doświadczenia), Ocena retrospektywna doświadczenia (sposób gromadzenia 4 zawczasu, w trakcie wykonywania procedur, informacji dla lke). Powtarzalność/wiarygodność wyników (doświadczenie <> analiza statystyczna) Silberzahn, R., Uhlmann, E.L Many hands make tight work. Nature, 526: Próba: 1576 badaczy Powtarzalność wyników 6 M. Baker Is there a reproducibility crisis? Nature, 533:

3 Powtarzalność wyników Brak powtarzalności wyników kosztuje Osoby planujące procedury (art. 21) Wykształcenie + Dodatkowo Ścieżka I II III Doktorat (biologia, farmacja, medycyna, weterynaria lub rolnictwo) Doktorat (dziedziny inne niż dla ścieżki I) Dyplom ukończenia studiów wyższych (biologia, farmacja, medycyna, weterynaria lub rolnictwo) Szkolenie w zakresie przeprowadzania doświadczeń na zwierzętach Tak Tak Nie Tak Nie Studia podyplomowe w zakresie przeprowadzania doświadczeń na zwierzętach Nie Nie Tak Nie Tak 7 M. Baker Is there a reproducibility crisis? Nature, 533: Freedman et al. The Economics of Reproducibility in Preclinical Research. PLOS Biology DOI: /journal.pbio June 9, Staż pracy umożliwiający uzyskanie praktycznych umiejętności 3 lata 4 lata 4 lata 9

4 Osoby mogące wziąć udział w doświadczeniu Ustawa (art. 21) określa kategorie i kwalifikacje osób, które mogą brać udział w realizacji doświadczenia i jakie mogą sprawować funkcje: Osoby planujące procedury i doświadczenie oraz odpowiedzialne za ich przeprowadzenie, Osoby wykonujące procedury, Osoby uczestniczące w wykonywaniu procedur, Osoby uśmiercające zwierzęta wykorzystywane w procedurach. W związku z tym należy upewnić się, czy osoby planowane do udziału w wykonywaniu procedur i uśmiercania zwierząt spełniają wymogi formalne przed wpisaniem ich do wniosku do lke. 10 Strony doświadczenia Zwierzę Prawo Wynik Etyka Człowiek, czyli eksperymentator 11 Zwierzę jako aparatura pomiarowa Doświadczenie wymaga zastosowania odpowiedniej aparatury pomiarowej. Z punktu widzenia eksperymentatora zwierzę doświadczalne jest takim, wyjątkowo skomplikowanym i delikatnym, przyrządem pomiarowym. Dlaczego wyjątkowym? Bo CZUJE i się ZMIENIA! Aparat ten NIE jest kalibrowany, nie ma też bezpiecznika Każdy pomiar tego samego wskaźnika różni się między pojedynczymi przyrządami - zwierzętami 12

5 Podatność na ból tkanek i narządów Oczy, uszy, zęby +++ Nerwy +++ Narządy rozrodcze +++ Rdzeń kręgowy ++ do +++ Skóra ++ do +++ Okostna ++ do +++ Naczynia krwionośne ++ do +++ Wnętrzności + do +++ Mięśnie + do ++ Stawy i kości + do ++ Tkanka nerwowa -- Mózg jako umysł (stres i dystres) czas Zasada 3 R w prawie (art ustawy) Art Wykonywanie procedur jest dopuszczalne tylko wtedy, gdy: 1) nie można zastosować metody badawczej zapewniającej osiągnięcie celów określonych w ustawie bez wykorzystania zwierząt (zasada zastąpienia); 2) liczba wykorzystywanych w nich zwierząt została ograniczona do poziomu niezbędnego do osiągnięcia celów określonych w ustawie (zasada ograniczenia); 3) wykorzystywane zwierzęta są utrzymywane w warunkach odpowiednich dla ich gatunku, a metody badawcze zastosowane w procedurach zostały wybrane tak, aby ograniczały do minimum albo eliminowały ból, cierpienie, dystres lub możliwość trwałego uszkodzenia organizmu tych zwierząt (zasada udoskonalenia). 2. Niedopuszczalne jest wykonanie procedury jeżeli wiąże się ona z dotkliwym bólem, cierpieniem lub dystresem, który może mieć długotrwały charakter i nie można go załagodzić. 14 Uchwała KKE 14/2017 Wprowadza się do wniosku oświadczenie dotyczące maksymalnej realizacji zasad zastąpienia, ograniczenia i udoskonalenia (3R) w przypadku projektów o charakterze naukowym. Należy przez to rozumieć bieżącą aktualizację wiedzy w ww. zakresie oraz wprowadzanie nowo pojawiających się metod, środków, udogodnień etc. także do trwających już doświadczeń. Jednocześnie modyfikacja projektu powinna nastąpić w sposób wykluczający zniweczenie jego efektów naukowych. Dotyczy to w szczególności przypadków, gdy wiązałoby się to z nieuzyskaniem wyników, do których osiągnięcia zmierzano wykonując procedury z wykorzystaniem zwierząt. Należy rozważyć, czy modyfikacja nie powinna być przedmiotem wniosku do właściwej komisji etycznej o wyrażenie zgody na wprowadzenie do projektu zmian wynikających z planowanej modyfikacji. 15

6 Zasada 3 R (3Rs principle) Zasada 3R jest swego rodzaju bezpiecznikiem mającym chronić zwierzę przed nadmiernym obciążeniem wykonywaną na nim procedurą. Zasada 3R powinna być używana nie tylko jako etyczny drogowskaz przy planowanie procedur doświadczalnych. Jej stosowanie jest wymagane obecnie prawem. Stosowanie zasady 3R przy planowaniu procedur ma pomóc eksperymentatorowi w wybraniu procedury najlepszej z punktu widzenia ochrony zwierząt przed bólem i cierpieniem. Często też daje praktyczne korzyści samemu eksperymentatorowi. 16 Planowanie doświadczenia Obecny stan wiedzy (przegląd piśmiennictwa naukowego); Wykorzystanie właściwej metodyki naukowej: obserwacja i opis zjawiska naukowego, sformułowanie problemu i hipotezy, wykorzystanie hipotezy dla przewidzenia wyników doświadczenia, wykorzystanie naukowych metod i procedur w celu zweryfikowania hipotezy (analiza statystyczna); Dobór odpowiedniego modelu zwierzęcego (albo rezygnacja): wykorzystanie zwierząt o jak najniższym (ale umożliwiającym rozwiązanie problemu) rozwoju aspekt etyczny, ale i praktyczny, uwzględnienie kosztu zakupu i utrzymania zwierząt przez okres doświadczenia (źródła zwierząt), konsultacja z kierownikiem zwierzętarni przed zakupem zwierząt. Ustalenie ewentualnych współpracowników (uprawnienia). 17 Planowanie doświadczenia (procedur) Planowanie ma na celu uzyskanie odpowiedzi na zadane pytanie (weryfikacja hipotezy) w sposób pewny (istotność statystyczna). Zapewnia to, m. in.: używanie aparatury, środków farmakologicznych, odczynników itd. umożliwiających uzyskanie wiarygodnych wyników, wykorzystanie właściwej (niezbędnej, ale minimalnej) liczby wystandaryzowanych zwierząt odpowiedniego dla realizacji celu gatunku. Ale jest jeszcze warunek etyczno-prawny minimalizacja dotkliwości procedur (zasada 3R). Nie jest on w swojej idei sprzeczny z celami merytorycznymi, choć uniemożliwia wykonanie pewnych procedur (dotkliwość przekraczająca dozwolony poziom). 18

7 Zmienność a powtarzalność wyników Zmienność środowiska: patogeny, cykl dobowy, karma, temperatura, wyściółka, partnerzy, wzbogacenie środowiska itp. Różnice genetyczne Zmienność zwierząt Zmienność w wynikach doświadczenia Zmienność czynników doświadczalnych, np. stres, dystres, sposób traktowania zwierzęcia, środki farmakologiczne, Problem zdarzeń losowych Zmienność w procedurach doświadczalnych 19 Minimalizacja zmienności (σ) - zwierzęta Szczepy jednorodne genetycznie (hodowle wsobne, inbred) - zwłaszcza szczury i myszy, Zwierzęta typu SPF (specified pathogen free). Infekcje subkliniczne (niewykryte) dramatycznie zwiększają zmienność reakcji zwierząt, Stabilna pasza i środowisko odpowiednie dla danego gatunku i stanu zwierzęcia (temperatura, wilgotność, oświetlenie, cykl dzień-noc, wyściółka klatek), Jednorodność grupy (wiek, masa ciała, płeć). Unikać zwierząt odbiegających od średniej, Zapewnić zwierzętom czas na aklimatyzację do nowych warunków po ich dostarczeniu czy przeniesieniu z lokalnej hodowli (również przy badaniu tkanek/narządów). 20 Minimalizacja zmienności (σ) - zwierzęta Doświadczenia chroniczne - szczególne wymogi: ta sama osoba przez cały czas eksperymentu, właściwe podejście do zwierząt, zachowanie reżimu czasowego i procedur, oznakowanie klatek, zwierząt, niepomylenie zwierząt, przestrzeganie zaleceń eksperymentatora, zgłaszanie wszelkich odchyleń od norm (cykl świetlny, hałasy w otoczeniu itp.), czyli maksymalna współpraca z personelem zwierzętarni. Personel zwierzętarni jest równie ważny jak wykonawcy doświadczeń. Dokładność i sumienność jest tym ważniejsza, że eksperymentatorzy nie kontrolują w ciągły sposób postępowania osób opiekujących się zwierzętami. 21

8 Doświadczenia na zwierzętach W doświadczeniach na zwierzętach jesteśmy w stanie / staramy się standaryzować (stabilizować) większość czynników powodujących zmienność zwierząt i ich odpowiedzi na stosowane procedury: środowisko (kontrolowane warunki) czynniki wywołujące choroby (SPF) czynniki genetyczne (szczepy wsobne) pasza itd. Dlatego możemy wykorzystywać względnie małe liczby zwierząt. ALE ma to konsekwencje, nie ma możliwości wykrycia różnic małych lub rzadkich. Problem, gdy zależy nam na zbadaniu właśnie takich różnic. 22 Wpływ aparatury i używanych środków Czy czułość (dokładność) aparatury pozwala na wykrycie oczekiwanych zmian/efektów? Czy używane przyrządy mierzą tak samo? Czy środki farmakologiczne działają tak samo (producent, seria)? Czy odczynniki są takie same? Czy częstość próbkowania/pomiarów jest właściwa dla wykrycia oczekiwanych różnic/zmian? Badany czynnik czas Badany czynnik czas 23 Wpływ eksperymentatora (koń Hans i jego właściciel - von Osten, 1909 r.) Ludzki mózg jest skłonny do widzenia/znajdowania tego, co chce widzieć/znaleźć. Jest to kluczowy problem w badaniach naukowych. Ustanowienie solidnych metod dla unikania takiego obciążenia uczyni wyniki bardziej powtarzalnymi. 24

9 Wpływ eksperymentatora (koń Hans i jego właściciel - von Osten, 1909 r.) 25 Badania psychologa Pfungsta pokazały, że mądrość konia polegała na tym, iż jego odpowiedzi były uwarunkowane na nieznaczne ruchy głowy i oczu prowadzącego eksperyment, który w ten sposób nieświadomie wpływał na odpowiedzi (ruchy) zwierzęcia. Pfungst, O. (1911). Clever Hans (the horse of Mr. von Osten): A contribution to experimental, animal, and human psychology. New York: Holt, Rinehart and Winston. 26 Wpływ eksperymentatora Uzyskasz to, czego oczekujesz What You Expect Is What You Get Wpływ nastawienia eksperymentatora na wynik doświadczenia - efekt oczekiwań badacza (experimenter expectancy effect). Rosenthal pokazał, że nastawienie badacza może rzutować na wynik. Dwóm grupom studentów zlecił wykonać doświadczenia nad uczeniem się szczurów dobranych ze względu na łatwe lub trudne uczenie się drogi w labiryncie (tzn. mądrych lub głupich ). Wyniki były zgodne z oczekiwaniami, bo studenci nieświadomie inaczej traktowali szczury z obu grup. Rosenthal nazwał to zjawisko efektem Pigmaliona. Jak rozwiązać problem? Rosenthal R, Fode K The effect of experimenter bias on the performance of the albino rat. Behav Sci, 8, Rosenthal R, Lawson R A longitudinal study of the effects of experimenter bias on the 27 operant learning of laboratory rats. J Psychiatr Res 1963; 2:61 72

10 Rozwiązanie: ślepe (zaślepione) doświadczenie (blind experiment) Nastawienie badacza może wpływać na: przebieg doświadczenia (badania behawioralne, ale nie tylko), akceptację lub odrzucanie wyników z dalszej analizy. Modyfikacje metod analizy. Rozwiązanie (?): Ślepy eksperyment - eksperymentator nie wie, z jaką próbką lub procedurą ma do czynienia. (W doświadczeniach na ludziach dochodzi problem osób badanych i ich oczekiwań - próby podwójnie ślepe). Przynajmniej 2 osoby oceniające, jeśli stosuje się skalę uznaniową. Jak często prowadzone są badania z wykorzystaniem metodyki ślepych procedur? R. Sheldrake Experimenter effects in scientific research: how widely are they neglected? J Scientific Exploration, Vol. 12, No. 1, pp Analiza publikacji z okresu X.1996-II Redukcja wpływu eksperymentatora Efekt oczekiwań eksperymentatora (np. efekt Rosenthala) jednakowe traktowanie wszystkich zwierząt, również kontrolnych; Właściwa analiza wyników (właściwe testy statystyczne) przyjęcie pewnych założeń przed rozpoczęciem analizy i niezmienianie ich, problem z radzeniem sobie ze zmiennością wyników, rzeźbieniem danych. 29 Plan badań: Projekt doświadczenia cele doświadczenia, opis procedur doświadczalnych mających na celu rozwiązanie problemu, w tym określenie: zmiennych doświadczalnych, mierzonych prarametrów dla uzyskania odpowiedzi, najlepszej metody ich pomiaru (próbki) i czasu trwania eksperymentu, hipotezy, sposób analizy danych (metody statystyczne), Jednostka doświadczalna (zwierzę, grupa zwierząt); Czynnik N - wielkość grupy, ze względu na metody statystyczne, ale również np. wielkość klatek (liczba zwierząt/klatkę); Grupy kontrolne. 30

11 Grupa kontrolna Zwierzę jest instrumentem niekalibrowalnym. Zastosowanie grupy zwierząt poprawia jakość (dokładność) pomiaru (wyniku). Grupa kontrolna pozwala ocenić / zmierzyć wpływ badanego czynnika, jeżeli pozostałe czynniki są identyczne (np. pasza, zmiany w środowisku zewnętrznym itp.). Prawdziwa grupa/grupy kontrolne - w tym samym czasie, co badanie właściwe. Grupy kontrolne mogą służyć rozmaitym celom. 31 Planowanie - grupy kontrolne Założenie ogólne (optymalne) - do każdego doświadczenia powinno się korzystać z grupy kontrolnej. Rodzaje grup kontrolnych: Kontrola pozytywna. Oczekuje się w nich zmian i służą jako standard, w stosunku do którego mierzy się różnice w nasileniu objawów u grupy doświadczalnej. Przykład: podawanie zwierzętom toksyn powodujących zmiany fizjologiczne lub uszkodzenia. Grupy doświadczalne otrzymują środek mający zapobiec tym zmianom bądź spowodować wyleczenie. Kontrola negatywna. Oczekuje się, że u zwierząt nie wystąpią żadne zmiany. Zapobiega wpływowi nieznanej zmiennej na przebieg doświadczenia, a więc wyciąganiu błędnie pozytywnych wniosków. Kontrola z pozorowaną ingerencją (sham control) - placebo, operacja. Kontrola nośnika (rozpuszczalnika). 32 Kontrola porównawcza, często pozytywna - badanie nowego leku. Planowanie randomizacja grup Randomizacja zwierząt przy przydzielaniu ich do różnych grup. Wpływ rodzaju populacji na wynik: homogenna, czyli zwierzęta mające takie same cechy charakterystyczne (np. płeć, masa ciała, stado, szczep), co daje mniejszą zmienność wyników, heterogenna, zwierzęta mogą mieć pewne cechy wspólne, ale nie są takie same. Sposoby randomizacji: przypisanie każdemu zwierzęciu numeru identyfikacyjnego, a następnie wyciąganie z kapelusza liczb i przydzielanie ich do poszczególnych grup, na przykład parzyste do grupy 1, nieparzyste do grupy 2. Korzystanie z tablic liczb losowych. 33

12 Planowanie kroki końcowe Wykonawcy doświadczenia - czy wszyscy mający brać udział w doświadczeniu spełniają formalne wymogi (wyznaczenia do wykonywania procedur lub do uczestniczenia w nich); Uzyskanie zgody na przeprowadzenie doświadczeń od lokalnej komisji etycznej, czyli przygotowanie wniosku o wydanie zgody na przeprowadzenie doświadczeń; Przeprowadzenie doświadczeń pilotażowych; Wykonanie doświadczeń zgodnie z planem: bardzo często potrzeba wprowadzenia zmian (nie zapomnieć o dodatkowej zgodzie lokalnej komisji etycznej). Kontakt ze zwierzętarnią i lekarzem weterynarii (stan zwierząt). 34 Zasady korzystania ze zwierząt doświadczalnych (zgodnie z zasadą 3 R) 1. Ograniczać liczbę zwierząt doświadczalnych. 2. Nie narażać ich na zbędny strach, ból, cierpienie lub trwałe uszkodzenia ich organizmów. 3. Ograniczać do niezbędnego zakresu doświadczenia powodujące u zwierząt długotrwały i silny ból, cierpienie, strach lub trwałe uszkodzenia ich organizmów. 4. Jeżeli istnieje możliwość wyboru między doświadczeniami, wybierać to, które można przeprowadzić: - powodując najmniej bólu, cierpienia, stresu i trwałych uszkodzeń u zwierząt, w szczególności przez wybór najmniej inwazyjnych technik oraz zwierząt o najniższym stopniu wrażliwości neurofizjologicznej; - korzystając z najmniejszej liczby zwierząt; przy największym prawdopodobieństwie uzyskania pożądanych (wiarygodnych) wyników. 35 Zastosowanie zasady 3 R Rutynowe testy wykonywane w przemyśle farmaceutycznym przy produkcji leków, testy toksyczności produktów chemicznych, badania przesiewowe (stosowanie organów na czipie), badania podstawowe (wykorzystanie układu kwadratu łacińskiego), dydaktyka. 36

13 Istotność statystyczna i praktyczna Duża liczba zwierząt pozwala czasem uzyskać istotność statystyczną nawet przy bardzo małych różnicach (tylko czy zawsze o to chodzi?); Mała liczba zwierząt może uniemożliwić wykazanie istotnej różnicy, np. różnic istotnych dla kliniki; Użycie zbyt małej lub zbyt dużej liczby zwierząt jest nieetyczne (również nieopłacalne). Humanitarne zakończenie doświadczenia Zabicie zwierzęcia w sposób humanitarny, tzn. szybko, przy minimalizacji cierpienia i metodą dopuszczoną przez prawo, gdy: nie powinno się, lub nie ma potrzeby czekać na jego naturalną śmierć. Planowanie procedur w edukacji Planowanie procedur w celu kształcenia na poziomie szkolnictwa wyższego lub szkolenia w celu nabycia lub doskonalenia kompetencji zawodowych, których wykonanie jest dopuszczone przepisami art. 3 pkt 5 ustawy. Duży zakres metod alternatywnych. Ograniczenie do osób mających w przyszłości wykonywać procedury lub techniki inwazyjne (np. lekarze weterynarii) Szkolenia w stosowaniu technik operacyjnych. 39

14 Użyteczność modelu zwierzęcego Doświadczalny model zwierzęcy daje konkretną odpowiedź na konkretne pytanie związane z badanym gatunkiem i danymi okolicznościami przeprowadzonego badania. Doświadczalny model zwierzęcy nie zapewnia odpowiedzi na pytanie, czy dana sytuacja lub zjawisko wystąpią tak samo u innych gatunków, w tym i człowieka. 40 Praktyczne aspekty postępowania ze zwierzętami Jednakowe traktowanie wszystkich zwierząt, zarówno z grup doświadczalnych, jak i kontrolnych, poza czynnikami badanymi w eksperymencie. Przestrzeganie przepisów ustawy. Randomizacja podziału zwierząt na grupy doświadczalne i kontrolne. Jeżeli procedura doświadczalna może spowodować ból lub inne cierpienia zwierzęcia, należy zwrócić na nie szczególną uwagę i sprawdzać, czy nie manifestuje ono objawów typowych dla takiego stanu. Konsultacje z lekarzem weterynarii. Zawsze, gdy jest to możliwe należy stosować wczesne i humanitarne zakończenie doświadczenia. Takie postępowanie ma uzasadnienie nie tylko etyczne (zmniejszanie cierpienia), ale i praktyczne (lepsza jakość i 41 powtarzalność wyników). Dlatego warto je stosować. Warto pomyśleć również o Nietechnicznym streszczeniu doświadczenia: Będzie ono publikowane i dostępne publicznie dla społeczeństwa (głównie organizacji zajmujących się ochroną zwierząt doświadczalnych. Dlatego ma być anonimizowane, czyli pozbawione chronionych informacji osobowych. Wzór nietechnicznego streszczenia jest na stronie KKE. Ocenie retrospektywnej doświadczenia (Uchwała 16/2016 KKE). Użytkownik prowadzi i przechowuje dokumentację doświadczenia, w tym wniosek o udzielenie zgody na jego przeprowadzenie, wnioski o zgodę na zmiany i uchwałę o udzieleniu zgody na przeprowadzenie doświadczenia do czasu zakończenia oceny, nie krócej niż 3 lata od dnia zakończenia 42 doświadczenia.

15 Podsumowanie Właściwe zaprojektowanie i wykonanie doświadczenia oraz odpowiednia analiza statystyczna dają dużą szansę na uzyskanie odpowiedzi na zadane pytanie (weryfikację hipotezy) w sposób pewny (istotność statystyczna, moc testu) i przy wykorzystaniu właściwej (minimalnej = niezbędnej) liczby zwierząt, Bardzo pomocny adres 43

Warszawa, dnia 8 maja 2015 r. Poz. 628 ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 5 maja 2015 r.

Warszawa, dnia 8 maja 2015 r. Poz. 628 ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 5 maja 2015 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dnia 8 maja 2015 r. Poz. 628 ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO z dnia 5 maja 2015 r. w sprawie szkoleń, praktyk i staży dla osób wykonujących

Bardziej szczegółowo

Projekt, 16.03.2015 r. z dnia... 2015 r.

Projekt, 16.03.2015 r. z dnia... 2015 r. R O Z PORZĄDZENIE Projekt, 16.03.2015 r. M I NISTRA N AUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia... 2015 r. w sprawie szkoleń, praktyk i staży dla osób sprawujących opiekę nad zwierzętami utrzymywanymi w ośrodku,

Bardziej szczegółowo

Warszawa, dnia 8 maja 2015 r. Poz. 628 ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 5 maja 2015 r.

Warszawa, dnia 8 maja 2015 r. Poz. 628 ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO 1) z dnia 5 maja 2015 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dnia 8 maja 2015 r. Poz. 628 ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO z dnia 5 maja 2015 r. w sprawie szkoleń, praktyk i staży dla osób wykonujących

Bardziej szczegółowo

Instrukcja wypełniania wniosku uproszczonego do LKE

Instrukcja wypełniania wniosku uproszczonego do LKE Instrukcja wypełniania wniosku uproszczonego do LKE Wniosek uproszczony można złożyć, gdy spełnione są równocześnie wszystkie trzy warunki: 1. procedury zostały zakwalifikowane do kategorii terminalne,

Bardziej szczegółowo

Poniedziałek TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK. Przerwa Obiadowa.

Poniedziałek TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK TAK. Przerwa Obiadowa. Y 2015-09-21 8:00-9:30 Panel I (Prawo). Wykład nr 1. Obowiązujące przepisy krajowe w zakresie pozyskiwania i hodowli zwierząt, opieki nad zwierzętami i wykorzystywania zwierząt do celów naukowych lub edukacyjnych.

Bardziej szczegółowo

Wykład 2: Tworzenie danych

Wykład 2: Tworzenie danych Wykład 2: Tworzenie danych Plan: Statystyka opisowa a wnioskowanie statystyczne Badania obserwacyjne a eksperyment Planowanie eksperymentu, randomizacja Próbkowanie z populacji Rozkłady próbkowe Wstępna/opisowa

Bardziej szczegółowo

Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,

Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej, Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (punktowa, przedziałowa) Weryfikacja

Bardziej szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem. Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej

Bardziej szczegółowo

Wykład 3 Hipotezy statystyczne

Wykład 3 Hipotezy statystyczne Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza

Bardziej szczegółowo

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Testowanie hipotez statystycznych. Wnioskowanie statystyczne Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY

Bardziej szczegółowo

Instrukcja wypełniania wniosku do LKE

Instrukcja wypełniania wniosku do LKE Instrukcja wypełniania wniosku do LKE DEFINICJE DOŚWIADCZENIE program badawczy obejmujący jedną lub więcej procedur i mający określony cel naukowy lub edukacyjny; PROCEDURA każda forma wykorzystania zwierząt

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE STATYSTYCZNE STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących

Bardziej szczegółowo

Ustawa o ochronie zwierząt

Ustawa o ochronie zwierząt ZWIERZĘTA DOŚWIADCZALNE PRZEJAWIAJĄCE SZKODLIWY FENOTYP TEORIA I PRAKTYKA Marta Gajewska Zakład Genetyki Pracownia Hodowli Zwierząt Laboratoryjnych Ustawa o ochronie zwierząt Art. 1.1 Zwierzę, jako istota

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie

Bardziej szczegółowo

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Wypełnianie wniosków do LKE. dr Anna Passini, II lke w Warszawie dr Ewa Kublik, I lke w Warszawie dr hab. Elżbieta Kompanowska Jezierska, KKE

Wypełnianie wniosków do LKE. dr Anna Passini, II lke w Warszawie dr Ewa Kublik, I lke w Warszawie dr hab. Elżbieta Kompanowska Jezierska, KKE Wypełnianie wniosków do LKE dr Anna Passini, II lke w Warszawie dr Ewa Kublik, I lke w Warszawie dr hab. Elżbieta Kompanowska Jezierska, KKE Wypełniając wniosek pamiętajmy, że doświadczenie na zwierzętach

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów

Bardziej szczegółowo

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych

Bardziej szczegółowo

ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO

ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO ROZPORZĄDZENIE MINISTRA NAUKI I SZKOLNICTWA WYŻSZEGO z dnia w sprawie zakresu informacji przekazywanych Komisji Europejskiej oraz trybu i wzorów formularzy, za pomocą których informacje te będą przekazywane.

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Szkice rozwiązań z R:

Szkice rozwiązań z R: Szkice rozwiązań z R: Zadanie 1. Założono doświadczenie farmakologiczne. Obserwowano przyrost wagi ciała (przyrost [gram]) przy zadanych dawkach trzech preparatów (dawka.a, dawka.b, dawka.c). Obiektami

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

WERYFIKACJA HIPOTEZ STATYSTYCZNYCH

WERYFIKACJA HIPOTEZ STATYSTYCZNYCH WERYFIKACJA HIPOTEZ STATYSTYCZNYCH I. TESTY PARAMETRYCZNE II. III. WERYFIKACJA HIPOTEZ O WARTOŚCIACH ŚREDNICH DWÓCH POPULACJI TESTY ZGODNOŚCI Rozwiązania zadań wykonywanych w Statistice przedstaw w pliku

Bardziej szczegółowo

PLACEBO JAKO PROBLEM ETYCZNY PRZY OCENIE BADAŃ KLINICZNYCH

PLACEBO JAKO PROBLEM ETYCZNY PRZY OCENIE BADAŃ KLINICZNYCH PLACEBO JAKO PROBLEM ETYCZNY PRZY OCENIE BADAŃ KLINICZNYCH W badaniach nowych leków placebo - nieomal standardem. zasady dopuszczające jego stosowanie u ludzi por. Deklaracja Helsińska dyrektywy Unii Europejskiej

Bardziej szczegółowo

Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,

Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej, Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (estymacja punktowa, przedziałowa)

Bardziej szczegółowo

Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny?

Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny? Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny? Gdy: badana cecha jest mierzalna (tzn. posiada rozkład ciągły); badana cecha posiada rozkład normalny; dysponujemy pojedynczym wynikiem;

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Testowanie hipotez statystycznych Przypuśdmy, że mamy do czynienia z następującą sytuacją: nieznany jest rozkład F rządzący pewnym zjawiskiem losowym. Dysponujemy konkretną próbą losową ( x1, x2,..., xn

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

ANALIZA SYSTEMU POMIAROWEGO (MSA)

ANALIZA SYSTEMU POMIAROWEGO (MSA) StatSoft Polska, tel. 1 484300, 601 414151, info@statsoft.pl, www.statsoft.pl ANALIZA SYSTEMU POMIAROWEGO (MSA) dr inż. Tomasz Greber, Politechnika Wrocławska, Instytut Organizacji i Zarządzania Wprowadzenie

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

dr hab. Dariusz Piwczyński, prof. nadzw. UTP dr hab. Dariusz Piwczyński, prof. nadzw. UTP NIEZBĘDNE DO ZROZUMIENIA WYKŁADU POJĘCIA Doświadczenie jednogrupowe (jednopróbkowe), dwugrupowe (dwupróbkowe) Doświadczenie niezależne i wiązane (zależne, sparowane)

Bardziej szczegółowo

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego

Bardziej szczegółowo

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1. Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.

STATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z

Bardziej szczegółowo

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Paweł Szymański

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Paweł Szymański METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH Paweł Szymański Dobry plan badań to podstawa!!! Manipulacja czy korelacja? Pomiar czynników lub cech i sprawdzenie czy są one ze sobą powiązane. korelacja Zmiana

Bardziej szczegółowo

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Hipotezy i Testy statystyczne Każde

Bardziej szczegółowo

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA

Wykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Wykład 4: Wnioskowanie statystyczne Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Idea wnioskowania statystycznego Celem analizy statystycznej nie jest zwykle tylko

Bardziej szczegółowo

Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości

Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości Informatyka 007 009 aktualizacja dla 00 JERZY STEFANOWSKI Instytut Informatyki Politechnika Poznańska Plan wykładu. Przypomnienie testu dla

Bardziej szczegółowo

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski Statystyczna analiza danych w programie STATISTICA (wykład ) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Weryfikacja (testowanie) hipotez statystycznych

Bardziej szczegółowo

REGULAMIN OŚRODKA MEDYCYNY DOŚWIADCZALNEJ UNIWERSYTETU MEDYCZNEGO W LUBLINIE

REGULAMIN OŚRODKA MEDYCYNY DOŚWIADCZALNEJ UNIWERSYTETU MEDYCZNEGO W LUBLINIE REGULAMIN OŚRODKA MEDYCYNY DOŚWIADCZALNEJ UNIWERSYTETU MEDYCZNEGO W LUBLINIE I. POSTANOWIENIA OGÓLNE 1 Niniejszy Regulamin określa szczegółowe zasady i zakres działania Ośrodka Medycyny Doświadczalnej

Bardziej szczegółowo

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech TATYTYKA wykład 8 Wnioskowanie Weryfikacja hipotez Wanda Olech Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną

Bardziej szczegółowo

Ustalanie mocy testu i optymalnej wielkości próby

Ustalanie mocy testu i optymalnej wielkości próby Warsztaty szkoleniowe z zakresu oceny oddziaływania instrumentów aktywnej polityki rynku pracy Ustalanie mocy testu i optymalnej wielkości próby Piotr Ćwiakowski, Kraków, 7 czerwca 2017 r. Plan wykładu

Bardziej szczegółowo

Instrukcja wypełniania wniosku do LKE

Instrukcja wypełniania wniosku do LKE Instrukcja wypełniania wniosku do LKE DEFINICJE DOŚWIADCZENIE program badawczy obejmujący jedną lub więcej procedur i mający określony cel naukowy lub edukacyjny; PROCEDURA każda forma wykorzystania zwierząt

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki

Bardziej szczegółowo

KARTA KURSU. Kod Punktacja ECTS* 1

KARTA KURSU. Kod Punktacja ECTS* 1 KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne Czyli jak bardzo jesteśmy pewni że parametr oceniony na podstawie próbki jest

Bardziej szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

Wypełnianie wniosków do lokalnej komisji etycznej

Wypełnianie wniosków do lokalnej komisji etycznej Wypełnianie wniosków do lokalnej komisji etycznej Monika Mikulska 2016 DYREKTYWA2010/63/UE Artykuł 36 Wydawanie pozwoleń na projekty 1. Państwa członkowskie zapewniają,( ), aby projekty nie były wykonywane

Bardziej szczegółowo

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW BIOTECHNOLOGIA

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW BIOTECHNOLOGIA Załącznik nr 2 do uchwały nr 444/06/2012 Senatu UR z dnia 21 czerwca 2012 roku EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW BIOTECHNOLOGIA poziom kształcenia profil kształcenia tytuł zawodowy absolwenta studia

Bardziej szczegółowo

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności

Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego

Bardziej szczegółowo

Eksperyment jako metoda badawcza

Eksperyment jako metoda badawcza Metodologia badań naukowych - wykład 4 Eksperyment jako metoda badawcza Zmienne w eksperymencie Własności badania eksperymentalnego Kontrolowanie zmienych niezależnych. Plany eksperymentalne i quasi-eksperymentalne

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Wydział Nauk Ekonomicznych UW Warszawa, 28 października 2014 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Kryteria przyczynowości

Bardziej szczegółowo

Propensity Score Matching

Propensity Score Matching Zajęcia 2 Plan dzisiejszych zajęć 1 Doświadczenia Idealne doświadczenie Nie-idealne doświadczenia 2 Idealne doświadczenie Nie-idealne doświadczenia Plan idealnego doświadczenia (eksperymentu) Plan doświadczenia

Bardziej szczegółowo

Zadania ze statystyki cz.8. Zadanie 1.

Zadania ze statystyki cz.8. Zadanie 1. Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych

STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące

Bardziej szczegółowo

Szacowanie wartości hodowlanej. Zarządzanie populacjami

Szacowanie wartości hodowlanej. Zarządzanie populacjami Szacowanie wartości hodowlanej Zarządzanie populacjami wartość hodowlana = wartość cechy? Tak! Przy h 2 =1 ? wybitny ojciec = wybitne dzieci Tak, gdy cecha wysokoodziedziczalna. Wartość hodowlana genetycznie

Bardziej szczegółowo

Sprawozdawczość według nowej Ustawy na przykładzie Zwierzętarni Wydziału Biologii UW

Sprawozdawczość według nowej Ustawy na przykładzie Zwierzętarni Wydziału Biologii UW Szkoła Główna Gospodarstwa Wiejskiego Wydział Nauk o Zwierzętach Monika Kwiatkowska Sprawozdawczość według nowej Ustawy na przykładzie Zwierzętarni Wydziału Biologii UW Praca podyplomowa na kierunku Zwierzęta

Bardziej szczegółowo

Instrukcja wypełniania wniosku do LKE

Instrukcja wypełniania wniosku do LKE Instrukcja wypełniania wniosku do LKE DEFINICJE DOŚWIADCZENIE program badawczy obejmujący jedną lub więcej procedur i mający określony cel naukowy lub edukacyjny; PROCEDURA każda forma wykorzystania zwierząt

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka

Bardziej szczegółowo

Opis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA

Opis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów

Bardziej szczegółowo

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Testowanie hipotez statystycznych Hipotezą statystyczną jest dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA LISTA 10 1.Dokonano 8 pomiarów pewnej odległości (w m) i otrzymano: 201, 195, 207, 203, 191, 208, 198, 210. Wiedząc,że błąd pomiaru ma rozkład normalny

Bardziej szczegółowo

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1 Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie

Bardziej szczegółowo

TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne. Zajmiemy

Bardziej szczegółowo

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów

Bardziej szczegółowo

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15

VII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15 VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,

Bardziej szczegółowo

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja) PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na

Bardziej szczegółowo

Uwaga. Decyzje brzmią różnie! Testy parametryczne dotyczące nieznanej wartości

Uwaga. Decyzje brzmią różnie! Testy parametryczne dotyczące nieznanej wartości TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu, z którego pochodzi próbka. Hipotezy dzielimy na parametryczne i nieparametryczne. Parametrycznymi

Bardziej szczegółowo

Opis efektów uczenia się dla kwalifikacji na poziomie 7 Polskiej Ramy Kwalifikacji

Opis efektów uczenia się dla kwalifikacji na poziomie 7 Polskiej Ramy Kwalifikacji Załącznik nr 2 do Uchwały nr 103/2018-2019 Senatu UP w Lublinie z dnia 28 czerwca 2019 r. Opis efektów uczenia się dla kierunku studiów Nazwa kierunku studiów: Biologia Poziom: studia drugiego stopnia

Bardziej szczegółowo

Pomiar wpływu I: Jak mierzyć wpływ? Wstęp do projektowania ewaluacji

Pomiar wpływu I: Jak mierzyć wpływ? Wstęp do projektowania ewaluacji Warsztaty szkoleniowe z zakresu oceny oddziaływania instrumentów aktywnej polityki rynku pracy Pomiar wpływu I: Jak mierzyć wpływ? Wstęp do projektowania ewaluacji Maciej Jakubowski, Gdańsk, 21 lutego

Bardziej szczegółowo

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

dr hab. Dariusz Piwczyński, prof. nadzw. UTP dr hab. Dariusz Piwczyński, prof. nadzw. UTP Porównanie większej niż 2 liczby grup (k>2) Zmienna zależna skala przedziałowa Zmienna niezależna skala nominalna lub porządkowa 2 Istota teorii analizy wariancji

Bardziej szczegółowo

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 5 dr inż. Anna Skowrońska-Szmer zima 2017/2018 Hipotezy 2 Hipoteza zerowa (H 0 )- hipoteza o wartości jednego (lub wielu) parametru populacji. Traktujemy ją

Bardziej szczegółowo

Analiza ryzyka w farmacji dla procesów pomiaru masy

Analiza ryzyka w farmacji dla procesów pomiaru masy RADWAG WAGI ELEKTRONICZNE Analiza ryzyka w farmacji dla procesów pomiaru masy Wstęp W rzeczywistości nie ma pomiarów idealnych, każdy pomiar jest obarczony błędem. Niezależnie od przyjętej metody nie możemy

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

Bardziej szczegółowo

Testowanie hipotez statystycznych cd.

Testowanie hipotez statystycznych cd. Temat Testowanie hipotez statystycznych cd. Kody znaków: żółte wyróżnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Przykłady testowania hipotez dotyczących:

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0 Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy

Bardziej szczegółowo

Wykład 10 Zrandomizowany plan blokowy

Wykład 10 Zrandomizowany plan blokowy Wykład 10 Zrandomizowany plan blokowy Staramy się kontrolować efekty zróżnicowania badanych jednostek eksperymentalnych poprzez zapewnienie ich ``jednorodności wewnątrz każdej grupy zabiegowej. Dzielimy

Bardziej szczegółowo

Statystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14

Statystyka. #6 Analiza wariancji. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2015/ / 14 Statystyka #6 Analiza wariancji Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik rok akademicki 2015/2016 1 / 14 Analiza wariancji 2 / 14 Analiza wariancji Analiza wariancji jest techniką badania wyników,

Bardziej szczegółowo

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe) Proces badawczy schemat i zasady realizacji Agata Górny Demografia Wydział Nauk Ekonomicznych UW Warszawa, 4 listopada 2008 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Badania eksploracyjne

Bardziej szczegółowo

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom

Bardziej szczegółowo