Интервальные оценки

Заболевания, связанные с нарушением работы репарационных систем

Пигментная ксеродерма - гиперпигментация, рак кожи

Синдром Хадчинсона-Гилфорда - преждевременное старение, детская форма - жизнь до 13-ти лет, инфаркт

Синдром Вернера -взрослая форма, признаки старения после 20-ти лет

Триходистрофия - ломкость волос из-за недостатка серы, аномалии зубов, кожи, ихтиоз - повышенное оволосение

Генетический мониторинг - система слежения за уровнем загрязнения мутагенами среды обитания и за состоянием генетического здоровья живых организмов.

Методы защиты генофонда:

- технологический - создание замкнутых технологических циклов вредных производств

- компонентный - выделение мутагенов из окружающей среды и их дезактивация

- компенсационный - защита организма, повышение устойчивости организма и репарационных систем к воздействию мутагенов путем применения антимутагенов

Антимутагенез - биологический процесс подавления мутагенов при приеме естественных или искусственных антимутагенов.

Классификация антимутагенов:

1. Внеклеточные (дисмутагены)

- ингибиторы поглощения мутагенов - водные процедуры, жирные кислоты, ароматические аминокислоты

- ингибиторы эндогенного формирования мутагенов - тормозят образование мутагенов - антиоксиданты, ферментированные молочные продукты, витамины, фенолы

- дезактиваторы мутагенов - фрукты и овощи

2. Внутриклеточные

- модуляторы метаболизма, которые запускают детоксикацию - фенолы

- инактиваторы реакционно-способных молекул - улавливают свободные радикалы и защищают участки ДНК от повреждений - антиоксиданты, ретиноиды

- модуляторы репликации и репарации - увеличивают точность репликации, повышают эффект репарационных систем

Точечные оценки параметров генеральной совокупности могут быть приняты в качестве ориентировочных, первоначальных результатов обработки выборочных данных. Их недостаток заключается в том, что неизвестно, с какой точностью оценивается параметр. Если для выборок большого объема (n ≈ 100) точность таких оценок обычно бывает достаточной для практических выводов (при условии несмещенности, эффективности и состоятельности оценок), то для выборок небольшого объема (n ≈ 15 ÷ 40) это не так, и вопрос точности оценок становится очень важным.

Метод доверительных интервалов позволяет указать точность найденных оценок. Но при этом потребуется выполнение дополнительных условий.

Введем понятие интервальной оценки неизвестного параметра генеральной совокупности (или случайной величины x, определенной на множестве объектов этой генеральной совокупности). Обозначим этот параметр θ. По сделанной выборке в соответствии с определенными правилами найдем числа θ ₁ и θ ₂, так чтобы выполнялось условие:

P (θ ₁< θ < θ ₂) =P (θ Î(θ ₁; θ ₂)) = g

Числа θ ₁ и θ ₂ называются доверительными границами, интервал (θ ₁, θ ₂) — доверительным интервалом для параметра θ. Число g называется надежностью сделанной оценки. g принято выбирать равной 0,95, 0,99 или 0,999. Т. е. вероятность того, что значение интересующего нас параметра попало в интервал (θ ₁, θ ₂) достаточно высока. Число (θ ₁ + θ ₂)/2 — середина доверительного интервала будет давать значение параметра θ с точностью δ = (θ ₂ – θ ₁)/2, которая представляет собой половину длины доверительного интервала.

Границы θ ₁ и θ ₂ определяются из выборочных данных и являются функциями от случайных величин x ₁, x ₂,..., x_n , и, следовательно, сами случайные величины. Поэтому доверительный интервал (θ ₁, θ ₂) тоже случаен. Он может покрывать или не покрывать неизвестное значение параметра θ. Именно в таком смысле нужно понимать случайное событие, заключающееся в том, что доверительный интервал покрывает число θ.

Наиболее часто в практике встречаются нормально распределённые случайные величины, поэтому будем строить доверительные для параметров нормального распределения — математического ожидания a, дисперсии σ ² и среднего математического отклонения σ.

Дата добавления: 2013-12-13