Opracowywanie wyników doświadczeń
|
|
- Mieczysław Borowski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Podstawy statystyki medycznej Laboratorium Zajęcia 6 Statistica Opracowywanie wyników doświadczeń Niniejsza instrukcja zawiera przykłady opracowywania doświadczeń jednoczynnikowy i wieloczynnikowych w programie STATISTICA. Zaprezentowane przykłady zawierają analizę ANOVA w wielu grupach badawczych. Przykład opracowania wyników jednoczynnikowej analizy wariancji (ANOVA) W badaniach empirycznych bardzo często mamy do czynienia z sytuacją, w której badacz jest zainteresowany porównaniem wartości przeciętnych cechy ilościowej pomiędzy więcej niż dwoma populacjami. Do opracowywania wyników takich badań stosuje się technikę analizy wariancji. W niniejszym przykładzie sprawdzimy czy istnieje statystycznie istotne zróżnicowanie przeciętnego poziomu odsetka zębów objętych próchnicą u szczurów, którym do pożywienia dodawano różne substancje słodzące. Hipoteza zerowa w przypadku analizy wariancji (ANOVA) mówi, że nie ma zróżnicowania między średnimi w poszczególnych populacjach. W doświadczeniu laboratoryjnym przeprowadzono badania nad wpływem substancji słodzącej na częstość występowania próchnicy zębów. Doświadczenia przeprowadzano na szczurach. Samice w wieku 6-ciu tygodni podzielono losowo na 4 grupy po 12 szczurów. Poszczególnym grupom do paszy dodawano codziennie w ilości 50 ml na 100 g paszy wodne roztwory różnych środków słodzących, odpowiednio 30% roztwór sacharozy, 40% glukozy, 60% glicyny i 30% sorbitolu. Po 3 miesiącach zwierzęta uśmiercano i w wypreparowanych szczękach i żuchwach oceniano odsetek zębów objętych próchnicą. 1. Otwórz plik danych Próchnica.sta i przejdź do algorytmu wyboru testu z materiałów wykładowych. Biorąc pod uwagę dane z arkusza oraz postawione zadanie, należy skorzystać ze schematu z materiałów wykładowych dla prób niezależnych oraz przypadku liczby grup porównawczych większej niż dwie. O wyborze właściwego testu zadecyduje normalność rozkładu oraz równość wariancji. 2. Ze wstążki wybierz kolejno polecenia Statystyka/Statystyki podstawowe/przekroje, prosta ANOVA. Na ekranie pojawi się okno Statystyki w grupach (przekroje). Na karcie Pojedyncze tabele kliknij przycisk Zmienne, a następnie w oknie, które pojawi się na ekranie na liście Zmienne zależne zaznacz zmienną Próchnica, a na liście Zmienne grupujące zmienną Substancja słodząca. Po dwukrotnym kliknięciu przycisku OK w kolejnych oknach, na ekranie pojawi się okno Statystyki w grupach wyniki: Próchnica. 3. Przejdź na kartę Testy ANOVA. Dla oceny normalności rozkładu kliknij przycisk Skategoryzowane wykresy normalności. Pozwala on na wizualną ocenę zgodności rozkładu analizowanej zmiennej z rozkładem normalnym w obrębie występujących grup. Po utworzeniu wykresu można również umieścić na nim wyniki testu Shapiro-Wilka dla analitycznej oceny zgodności rozkładów. W tym celu kliknij dwukrotnie myszą w obrębie tła wykresu i w oknie Opcje wykresu, które pojawi się na ekranie wybierz opcję Wykres
2 właściwy: Prawdopodobieństwo normalne. Następnie kliknij umieszczony z prawej strony u góry przycisk Statystyki i w kolejnym oknie zaznacz pole wyboru Test Shapiro-Wilka, a następnie kliknij przycisk Zamknij. Program będzie oczekiwał jeszcze określenia miejsca na wykresie, w którym ma umieścić wyniki testu, wskaż np. Podtytuł i kliknij OK, następnie kliknij ponownie OK. Wygląd wykresu, po dokonanej modyfikacji zamieszczono na Rys. 1. Rys. 1. Wyniki testowania normalności rozkładu Na podstawie prawdopodobieństw testowych p można stwierdzić brak podstaw do odrzucenia założenia o normalności rozkładu. 4. Zgodnie ze schematem zamieszczonym w materiałach wykładowych należy przetestować jeszcze założenie o równości wariancji. W tym celu wywołaj ponownie okno Statystyki w grupach wyniki: Próchnica. Na karcie Testy ANOVA kliknij przycisk Test Browna- Forsythe a. Na ekranie pojawi się arkusz wyników jak na Rys. 2. Rys. 2. Wyniki testowania równości wariancji
3 5. Otrzymana wartość p=0, nie pozwala odrzucić hipotezy zerowej, zatem założenie o równości wariancji jest spełnione. Zatem do oceny istotności zróżnicowania przeciętnego odsetka zębów objętych próchnicą w grupach szczurów, którym do pożywienia dodawano różne substancje słodzące należy użyć testu analizy wariancji. W związku z powyższym wywołaj ponownie okno Statystyki w grupach wyniki: Próchnica przejdź na kartę Podstawowe i kliknij przycisk Analiza wariancji. Wyniki analizy przedstawiono na Rys. 3. Wartość prawdopodobieństwa testowego p pozwala na odrzucenie hipotezy zerowej zakładającej brak zróżnicowania wartości przeciętnych. Rys. 3. Rezultaty analizy wariancji 6. Wyniki testu F wykonanego po kliknięciu przycisku Analiza wariancji pozwalają na przeprowadzenie jednoczesnego porównania kilku średnich, ale nie wskazują, które średnie grupowe różnią się od innych średnich grupowych. Jeśli różnice między średnimi okazują się istotne, wtedy z testu tego wynika jedynie to, że przynajmniej jedna średnia różni się od pozostałych. Jednak zazwyczaj badacza interesują bardziej szczegółowe hipotezy mówiące o tym, które średnie różnią się między sobą. Aby się tego dowiedzieć można przeprowadzić jeden z testów porównań wielokrotnych. W tym celu w oknie Statystyki w grupach wyniki: Próchnica przejdź na kartę Post-hoc. Kliknij przycisk Test rozsądnej istotnej różnicy (RIR) Tukeya. Wyniki przedstawiono na Rys. 4. Rys. 4. Wyniki testu RIR Tukeya Jak widać jedynie różnica zmiennej Próchnica pomiędzy grupami zwierząt, które otrzymywały Glukozę i Sorbitol okazała się statystycznie nieistotna. 7. Po wykonaniu testów warto również obejrzeć wykresy średnich w poszczególnych grupach. W tym celu kliknij przycisk Wykresy interakcji dostępny na karcie Testy ANOVA w oknie Statystyki w grupach wyniki: Próchnica (Rys. 5).
4 Rys. 5. Wykresy średnich zmiennej Próchnica w poszczególnych grupach szczurów. 8. Oprócz wykresów średnich warto również przyjrzeć się surowym danym. Dla utworzenia takiego wykresu należy kolejno wybrać polecenia Wykresy/2W/ Wykresy ramka-wąsy. Na ekranie pojawi się okno Wykresy ramka-wąsy 2W. Na karcie Więcej kliknij przycisk Zmienne, a następnie na liście Zmienna zależna wskaż zmienną Próchnica, a na liście Zmienna grupująca zmienną Substancja słodząca. Kliknij OK. Dodatkowo wybierz następujące opcje: w polu Punkt środkowy dla opcji Styl wskaż Linia, w polu Odstające wybierz opcje Wyłączone, zaznacz pole wyboru Pokaż dane surowe oraz w polu Separacja punktów wybierz opcję Losowa. Na końcu kliknij przycisk OK, co spowoduje utworzenie wykresu (Rys. 6). 9. Po utworzeniu wykresu można dla lepszej czytelności zmodyfikować niektóre jego elementy. Po kliknięciu prawym klawiszem myszy w obrębie jednej z ramek otaczających środki rozkładów wywołuje się podręczne menu. Z podręcznego menu wybierz opcję Właściwości, a następnie w oknie Rozrzut, które pojawi się na ekranie usuń zaznaczenie pól wyboru: Wyświetl rozrzut wewnętrzny i Wyświetl rozrzut zewnętrzny. Następnie kliknij na przycisk Opcje wykresu. W oknie, które pojawi się na ekranie wybierz Wykres właściwy/ogólne. W polu Wykres właściwy wybierz opcję Dane surowe. Na końcu kliknij na przycisk Znaczniki i zmień znaczniki punktów na wypełnione kwadraty w kolorze niebieskim. Po tych zmianach wykres powinien wyglądać tak jak na Rys. 7.
5 Rys. 6. Wykresy ramka wąsy dla zmiennej Próchnica ze zmienną grupującą Substancja słodząca. Rys. 7. Zmodyfikowane wykresy ramka-wąsy
6 Ten sposób prezentacji surowych danych pozwala dostrzec efekty działania poszczególnych poziomów badanego czynnika (w naszym przypadku rodzaju substancji słodzącej) na wartości zmiennej zależnej dla każdej z badanych jednostek. Umożliwia także sprawdzenie, czy wśród danych nie występują obserwacje odstające. Nieparametryczny test ANOVA rang Kruskala-Wallisa Przy stosowaniu analizy wariancji wymaga się, aby porównywane populacje miały rozkłady normalne i równe wariancje. Jeżeli analizowane populacje nie mają rozkładu normalnego, to nie można zastosować metody ANOVA. Istnieje jednak nieparametryczny test Kruskala- Wallisa nie wymagający tych założeń. Użycie tego testu zostanie zilustrowane na przykładzie. Sieć przychodni planuje zakupienie aparatów do wykonywania pomiarów EKG. Pod uwagę wzięto aparaty trzech różnych producentów. Aparaty oznaczono jako: Aparat 1, Aparat 2 i Aparat 3. Dokonano losowego wyboru 18 osób, które rozdzielono na 3 grupy po 6 osób w każdej. Każdej grupie przypisano inny aparat. Każda osoba uczyła się obsługi aparatu EKG przypisanego do grupy, w której była ta osoba. Rejestrowano czas potrzebny na nauczenie się obsługi aparatów. Powstaje pytanie: Czy do nauczenia się obsługi aparatów potrzebny jest w przybliżeniu ten sam czas? Żadna z osób wybranych do próby nie używała wcześniej aparatu EKG, którego obsługi się uczyła. Jeżeli zostanie stwierdzone, że nauka obsługiwania któregoś aparatu jest nadmiernie długa, to zostanie to uwzględnione przy decyzji o zakupie aparatu dla wszystkich przychodni. W przeciwnym przypadku podstawą decyzji będą tylko możliwości i cena każdego z aparatów. 1. Otwórz plik danych AparatyEKG.sta. W przypadku danych z tego pliku będziemy testować istotność różnicy między średnimi czasami nauki obsługi dla 3 grup (czyli więcej niż 2 grup) w próbach niezależnych. Zgodnie ze schematem z materiałów wykładowych należy najpierw sprawdzić normalność rozkładu zmiennej Czas uczenia w grupach, gdzie zmienną grupującą będzie Rodzaj aparatu. Aby to uczynić wybierz ze wstążki opcję Statystyki podstawowe i tabele. Na ekranie pojawi się panel początkowy dla tego modułu. Wybierz procedurę Tabele liczności. Na ekranie pojawi się okno o tej samej nazwie. W oknie tym przejdź na kartę Normalność i zaznacz na niej pole wyboru Test W Shapiro-Wilka oraz anuluj zaznaczenia dwóch pozostałych pól. Następnie kliknij przycisk Zmienne i zaznacz zmienną Czas uczenia. Okno powinno wyglądać jak na Rys Przed przeprowadzeniem testu Shapiro-Wilka trzeba wybrać do obliczeń tylko dane dla pierwszej grupy: Aparat 1. Aby to zrobić kliknij przycisk Select Cases, a następnie w oknie Warunki selekcji przypadków dla analizy lub wykresu zaznacz pole wyboru Włącz warunki selekcji, przycisk opcji Określone przez oraz w polu Wyrażenie wpisz warunek v1=1, a następnie kliknij OK. Spowoduje to że wybrany test będzie przeprowadzony tylko dla przypadków należących do grupy Aparat 1. Aby wykonać test kliknij przycisk Testy normalności umieszczony na karcie Normalność w oknie Tabele liczności. W analogiczny sposób przetestuj normalność rozkładu zmiennej Czas uczenia w pozostałych dwóch grupach. Arkusze zawierające wyniki testu przedstawiono na Rys. 9 Rys. 11.
7 Rys. 8. Okno Tabele liczności z zaznaczoną kartą Normalność. Rys. 9.Wyniki testu Shapiro-Wilka dla zmiennej Czas uczenia dla v1 = Aparat 1. Rys. 10. Wyniki testu Shapiro-Wilka dla zmiennej Czas uczenia dla v1 = Aparat 2. Rys. 11. Wyniki testu Shapiro-Wilka dla zmiennej Czas uczenia dla v1 = Aparat 3.
8 3. Na podstawie wyników testu Shapiro-Wilka można stwierdzić, że w grupie drugiej rozkład zmiennej Czas uczenia odbiega od rozkładu normalnego. Zatem do oceny zróżnicowania przeciętnych czasów uczenia się obsługi poszczególnych aparatów EKG nie można zastosować jednoczynnikowej ANOVA, lecz jej alternatywę w postacie testu Kruskala-Wallisa. 4. W celu przeprowadzenia testu Kruskala-Wallisa wybierz opcję Statystyka, a następnie Nieparametryczne. Na ekranie pojawi się panel początkowy dla modułu Statystyki nieparametryczne. W panelu wskaż pozycję Porównanie wielu prób niezależnych i kliknij przycisk OK. Spowoduje to wyświetlenie okna Test ANOVA rang Kruskala- Wallisa i test mediany. W celu określenia analizy kliknij przycisk Zmienne, a następnie w kolejnym oknie, które pojawi się na ekranie na Liście zmiennych zależnych zaznacz zmienną Czas uczenia oraz na liście Zmienna niezależna (grupująca) zmienną Rodzaj aparatu. Po kliknięciu przycisku OK okno definiowania analizy powinno wyglądać jak na Rys. 12. Rys. 12. Okno Test ANOVA rang Kruskala-Wallisa 5. Poprawne przeprowadzenie testu wymaga anulowania warunków selekcji przypadków z poprzedniego etapu analizy. W tym celu kliknij przycisk Select Cases i usuń zaznaczenie z pola Włącz warunki selekcji. Po tej operacji kliknij przycisk Podsumowanie: ANOVA Kruskala-Wallisa i test mediany. Na ekranie pojawią się kolejno dwa arkusze. Pierwszy zawiera wyniki testu Kruskala-Wallisa (Rys. 13), a drugi wyniki testu mediany (Rys. 14). Rys. 13. Arkusz z wynikami testu Kruskala-Wallisa
9 Rys. 14. Arkusz z wynikami testu mediany. 6. Obydwa testy pozwalają stwierdzić, że przeciętny czas uczenia w trzech grupach nie jest jednakowy, jednak przeprowadzone testy nie wskazują, które grupy różnią się między sobą istotnie pod względem czasu uczenia. Aby się tego dowiedzieć należy zastosować metodę porównań wielokrotnych. W tym celu w oknie Test ANOVA rang Kruskala- Wallisa i test mediany kliknij przycisk Wielokrotne porównania średnich rang dla wszystkich prób. 7. Na ekranie pojawi się arkusz zawierający wartości prawdopodobieństwa testowego dla poszczególnych par. Zamieszczono go na Rys. 15. Z wyników zawartych w tabeli okazuje się że istotna jest jedynie różnica w czasie uczenia się obsługi między Aparatem 1 i Aparatem 3. Rys. 15. Arkusz z wynikami testów porównań wielokrotnych.
Jak sprawdzić normalność rozkładu w teście dla prób zależnych?
Jak sprawdzić normalność rozkładu w teście dla prób zależnych? W pliku zalezne_10.sta znajdują się dwie zmienne: czasu biegu przed rozpoczęciem cyklu treningowego (zmienna 1) oraz czasu biegu po zakończeniu
Bardziej szczegółowoLABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej
LABORATORIUM 3 Przygotowanie pliku (nazwy zmiennych, export plików.xlsx, selekcja przypadków); Graficzna prezentacja danych: Histogramy (skategoryzowane) i 3-wymiarowe; Wykresy ramka wąsy; Wykresy powierzchniowe;
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoZałożenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW
Założenia do analizy wariancji dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Zagadnienia 1. Normalność rozkładu cechy Testy: chi-kwadrat zgodności, Shapiro-Wilka, Kołmogorowa-Smirnowa
Bardziej szczegółowoANALIZA WARIANCJI - KLASYFIKACJA JEDNOCZYNNIKOWA
ANALIZA WARIANCJI - KLASYFIKACJA JEDNOCZYNNIKOWA Na poprzednich zajęciach omawialiśmy testy dla weryfikacji hipotez, że dwie populacje o rozkładach normalnych mają jednakowe wartości średnie. Co jednak
Bardziej szczegółowoTesty 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 szczegółowoStatystyczna 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 szczegółowoStatystyka 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 szczegółowoANALIZA WARIANCJI - KLASYFIKACJA WIELOCZYNNIKOWA
ANALIZA WARIANCJI - KLASYFIKACJA WIELOCZYNNIKOWA Na poprzednich zajęciach omawialiśmy testy dla weryfikacji hipotez, że kilka średnich dla analizowanej zmiennej grupującej mają jednakowe wartości średnie.
Bardziej szczegółowoAnalizy wariancji ANOVA (analysis of variance)
ANOVA Analizy wariancji ANOVA (analysis of variance) jest to metoda równoczesnego badania istotności różnic między wieloma średnimi z prób pochodzących z wielu populacji (grup). Model jednoczynnikowy analiza
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 6
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6 Metody sprawdzania założeń w analizie wariancji: -Sprawdzanie równości (jednorodności) wariancji testy: - Cochrana - Hartleya - Bartletta -Sprawdzanie zgodności
Bardziej szczegółowoSpis treści. Laboratorium III: Testy statystyczne. Inżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych
1 Laboratorium III: Testy statystyczne Spis treści Laboratorium III: Testy statystyczne... 1 Wiadomości ogólne... 2 1. Krótkie przypomnienie wiadomości na temat testów statystycznych... 2 1.1. Weryfikacja
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analizę wariancji, często określaną skrótem ANOVA (Analysis of Variance), zawdzięczamy angielskiemu biologowi Ronaldowi A. Fisherowi, który opracował ją w 1925 roku dla rozwiązywania
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
Bardziej szczegółowoStochastyczne Metody Analizy Danych. PROJEKT: Analiza kluczowych parametrów turbin wiatrowych
PROJEKT: Analiza kluczowych parametrów turbin wiatrowych Projekt jest wykonywany z wykorzystaniem pakietu statystycznego STATISTICA. Praca odbywa się w grupach 2-3 osobowych. Aby zaliczyć projekt, należy
Bardziej szczegółowoTestowanie 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 szczegółowoWykorzystanie testu Levene a i testu Browna-Forsythe a w badaniach jednorodności wariancji
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 4/18/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.4.48 WIESŁAWA MALSKA Wykorzystanie testu Levene a i testu Browna-Forsythe
Bardziej szczegółowoTESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.
TESTY NIEPARAMETRYCZNE 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa. Standardowe testy równości średnich wymagają aby badane zmienne losowe
Bardziej szczegółowoPodstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica
Podstawowe operacje i rodzaje analiz dostępne w pakiecie Statistica 1. Zarządzanie danymi. Pierwszą czynnością w pracy z pakietem Statistica jest zazwyczaj wprowadzenie danych do arkusza. Oprócz możliwości
Bardziej szczegółowoWprowadzenie do analizy dyskryminacyjnej
Wprowadzenie do analizy dyskryminacyjnej Analiza dyskryminacyjna to zespół metod statystycznych używanych w celu znalezienia funkcji dyskryminacyjnej, która możliwie najlepiej charakteryzuje bądź rozdziela
Bardziej szczegółowoJednoczynnikowa analiza wariancji
Jednoczynnikowa analiza wariancji Zmienna zależna ilościowa, numeryczna Zmienna niezależna grupująca (dzieli próbę na więcej niż dwie grupy), nominalna zmienną wyrażoną tekstem należy w SPSS przerekodować
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoTestowanie 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 szczegółowoTemat: Badanie niezależności dwóch cech jakościowych test chi-kwadrat
Temat: Badanie niezależności dwóch cech jakościowych test chi-kwadrat Anna Rajfura 1 Przykład W celu porównania skuteczności wybranych herbicydów: A, B, C sprawdzano, czy masa chwastów na poletku zależy
Bardziej szczegółowoWydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoZadania 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 szczegółowoInżynieria biomedyczna, I rok, semestr letni 2013/2014 Analiza danych pomiarowych. Laboratorium VI: Testy nieparametryczne
1 Laboratorium VI: Testy nieparametryczne Spis treści Laboratorium VI: Testy nieparametryczne... 1 Testy nieparametryczne... 2 1. Tablica wielorozdzielcza... 3 2. Test χ 2 niezależności zmiennych... 3
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
Bardziej szczegółowoPODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA
PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA Krzysztof Suwada, StatSoft Polska Sp. z o.o. Wstęp Wiele różnych analiz dotyczy danych opisujących wielkości charakterystyczne bądź silnie
Bardziej szczegółowoZadanie 1. Analiza Analiza rozkładu
Zadanie 1 data lab.zad 1; input czas; datalines; 85 3060 631 819 805 835 955 595 690 73 815 914 ; run; Analiza Analiza rozkładu Ponieważ jesteśmy zainteresowani wyznaczeniem przedziału ufności oraz weryfikacja
Bardziej szczegółowoSatysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie
Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Zadanie Zbadano satysfakcję z życia w skali 1 do 10 w dwóch grupach rodziców: a) Rodzice dzieci zdrowych oraz b) Rodzice dzieci z niepełnosprawnością
Bardziej szczegółowoWSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA
WSPOMAGANIE ANALIZY DANYCH ZA POMOCĄ NARZĘDZI STATISTICA Janusz Wątroba i Grzegorz Harańczyk, StatSoft Polska Sp. z o.o. Zakres zastosowań analizy danych w różnych dziedzinach działalności biznesowej i
Bardziej szczegółowoTesty t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich
Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Nazwa
Bardziej szczegółowoDane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.
STATISTICA INSTRUKCJA - 1 I. Wprowadzanie danych Podstawowe / Nowy / Arkusz Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 4
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 Inne układy doświadczalne 1) Układ losowanych bloków Stosujemy, gdy podejrzewamy, że może występować systematyczna zmienność między powtórzeniami np. - zmienność
Bardziej szczegółowoJEDNOCZYNNIKOWA ANOVA
Analizę ANOVA wykorzystujemy do wykrycia różnic pomiędzy średnimi w więcej niż dwóch grupach/więcej niż w dwóch pomiarach JEDNOCZYNNIKOWA ANOVA porównania jednej zmiennej pomiędzy więcej niż dwoma grupami
Bardziej szczegółowoZARZĄDZANIE DANYMI W STATISTICA
Wprowadzenie do STATISTICA Krzysztof Regulski AGH, WIMiIP ZARZĄDZANIE DANYMI W STATISTICA 1) Zastosowanie: STATISTICA umożliwia w zakresie zarządzania danymi m.in.: scalanie plików sprawdzanie danych sortowanie
Bardziej szczegółowoPodstawy statystyki medycznej Laboratorium. Zajęcia 5 wprowadzenie do programu Statistica
Podstawy statystyki medycznej Laboratorium Zajęcia 5 wprowadzenie do programu Statistica Program STATISTICA uruchamia się klikając na przycisk Start w systemie Windows, a następnie na pozycję STATISTICA
Bardziej szczegółowoWybrane statystyki nieparametryczne. Selected Nonparametric Statistics
Wydawnictwo UR 2017 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 2/20/2017 www.eti.rzeszow.pl DOI: 10.15584/eti.2017.2.13 WIESŁAWA MALSKA Wybrane statystyki nieparametryczne Selected
Bardziej szczegółowoWykład 4: Statystyki opisowe (część 1)
Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można
Bardziej szczegółowoweryfikacja 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 szczegółowoAnaliza wariancji i kowariancji
Analiza wariancji i kowariancji Historia Analiza wariancji jest metodą zaproponowaną przez Ronalda A. Fishera. Po zakończeniu pierwszej wojny światowej był on pracownikiem laboratorium statystycznego w
Bardziej szczegółowo7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej
7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach
Bardziej szczegółowo1 Analiza wariancji H 1 : 1 6= 2 _ 1 6= 3 _ 1 6= 4 _ 2 6= 3 _ 2 6= 4 _ 3 6= 4
Studia podyplomowe w zakresie technik internetowych i komputerowej analizy danych Statystyczna analiza danych Adam Kiersztyn 5 godzin lekcyjnych 2012-02-04 13.00-17.00 1 Analiza wariancji Na wst¾epie zapoznamy
Bardziej szczegółowoTest U Manna-Whitneya : Test H Kruskala-Wallisa Test Wilcoxona
Nieparametryczne odpowiedniki testów T-Studenta stosujemy gdy zmienne mierzone są na skalach porządkowych (nie można liczyć średniej) lub kiedy mierzone są na skalach ilościowych, a nie są spełnione wymagania
Bardziej szczegółowoZadania 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 szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoStatystyka 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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test
Bardziej szczegółowoTestowanie hipotez statystycznych.
Bioinformatyka Wykład 4 Wrocław, 17 października 2011 Temat. Weryfikacja hipotez statystycznych dotyczących wartości oczekiwanej w dwóch populacjach o rozkładach normalnych. Model 3. Porównanie średnich
Bardziej szczegółowoTemat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1
Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT Anna Rajfura 1 Przykład wprowadzający Wiadomo, że 40% owoców ulega uszkodzeniu podczas pakowania automatycznego.
Bardziej szczegółowoWSPOMAGANIE STATYSTYCZNEJ ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W STATISTICA 9
WSPOMAGANIE STATYSTYCZNEJ ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W STATISTICA 9 Janusz Wątroba, StatSoft Polska Sp. z o.o. Badania empiryczne to proces wieloetapowy. Dla poprawnej ich realizacji badacz musi
Bardziej szczegółowoTestowanie 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 szczegółowoEksploracja Danych. Testowanie Hipotez. (c) Marcin Sydow
Testowanie Hipotez Wprowadzenie Testy statystyczne: pocz. XVII wieku (prace J.Arbuthnotta, liczba urodzeń noworodków obu płci w Londynie) Testowanie hipotez: Karl Pearson (pocz. XX w., testowanie zgodności,
Bardziej szczegółowoDoświadczalnictwo leśne. Wydział Leśny SGGW Studia II stopnia
Doświadczalnictwo leśne Wydział Leśny SGGW Studia II stopnia Metody nieparametryczne Do tej pory omawialiśmy metody odpowiednie do opracowywania danych ilościowych, mierzalnych W kaŝdym przypadku zakładaliśmy
Bardziej szczegółowoTESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.
TESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy. Hipotezy dzielimy na parametryczne i nieparametryczne. Zajmiemy
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoUwaga. 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 szczegółowoBadanie zgodności dwóch rozkładów - test serii, test mediany, test Wilcoxona, test Kruskala-Wallisa
Badanie zgodności dwóch rozkładów - test serii, test mediany, test Wilcoxona, test Kruskala-Wallisa Test serii (test Walda-Wolfowitza) Założenie. Rozpatrywane rozkłady są ciągłe. Mamy dwa uporządkowane
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Jednoczynnikowa analiza wariancji i porównania wielokrotne (układ losowanych bloków randomized block design RBD) Układ losowanych bloków Stosujemy, gdy podejrzewamy,
Bardziej szczegółowoEfekt główny Efekt interakcyjny efekt jednego czynnika zależy od poziomu drugiego czynnika Efekt prosty
ANOVA DWUCZYNNIKOWA testuje różnice między średnimi w grupach wyznaczonych przez dwa czynniki i ich kombinacje. Analiza pozwala ustalić wpływ dwóch czynników na wartości zmiennej zależnej (ilościowej!)
Bardziej szczegółowodr 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 szczegółowoEstymacja parametrów w modelu normalnym
Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia
Bardziej szczegółowoKolokwium ze statystyki matematycznej
Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę
Bardziej szczegółowo( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Bardziej szczegółowoĆwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności.
Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby
Bardziej szczegółowoWERYFIKACJA 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 szczegółowoTESTOWANIE 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 szczegółowoSposób tworzenia tabeli przestawnej pokażę na przykładzie listy krajów z podstawowymi informacjami o nich.
Tabele przestawne Tabela przestawna to narzędzie służące do tworzenia dynamicznych podsumowań list utworzonych w Excelu lub pobranych z zewnętrznych baz danych. Raporty tabeli przestawnej pozwalają na
Bardziej szczegółowoStatystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski
Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski Katedra Doświadczalnictwa i Bioinformatyki Wydział Rolnictwa i Biologii SGGW Dwuczynnikowa analiza wariancji (2-way
Bardziej szczegółowoInżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych. Laboratorium VIII: Analiza kanoniczna
1 Laboratorium VIII: Analiza kanoniczna Spis treści Laboratorium VIII: Analiza kanoniczna... 1 Wiadomości ogólne... 2 1. Wstęp teoretyczny.... 2 Przykład... 2 Podstawowe pojęcia... 2 Założenia analizy
Bardziej szczegółowoImportowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22
Spis treści Przedmowa do wydania pierwszego.... 11 Przedmowa do wydania drugiego.... 15 Wykaz symboli.... 17 Litery alfabetu greckiego wykorzystywane w podręczniku.... 17 Symbole wykorzystywane w zagadnieniach
Bardziej szczegółowoElementy statystyki STA - Wykład 5
STA - Wykład 5 Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza 1 ANOVA 2 Model jednoczynnikowej analizy wariancji Na model jednoczynnikowej analizy wariancji możemy traktować jako uogólnienie
Bardziej szczegółowoWeryfikacja 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 szczegółowoModele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4
Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4 Konrad Miziński, nr albumu 233703 31 maja 2015 Zadanie 1 Wartości oczekiwane µ 1 i µ 2 oszacowano wg wzorów: { µ1 = 0.43925 µ = X
Bardziej szczegółowoPorównanie wyników grupy w odniesieniu do norm Test t dla jednej próby
Porównanie wyników grupy w odniesieniu do norm Test t dla jednej próby 1. Wstęp teoretyczny Prezentowane badanie dotyczy analizy wyników uzyskanych podczas badania grupy rodziców pod kątem wpływu ich przekonań
Bardziej szczegółowoBadanie normalności rozkładu
Temat: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby liczebność
Bardziej szczegółowoLABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 9 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI 1. Test dla dwóch średnich P.G. 2. Testy dla wskaźnika struktury 3. Testy dla wariancji DECYZJE Obszar krytyczny od pozostałej
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoWykład 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 szczegółowoUONET+ - moduł Sekretariat. Jak wykorzystać wydruki list w formacie XLS do analizy danych uczniów?
UONET+ - moduł Sekretariat Jak wykorzystać wydruki list w formacie XLS do analizy danych uczniów? W module Sekretariat wydruki dostępne w widoku Wydruki/ Wydruki list można przygotować w formacie PDF oraz
Bardziej szczegółowoAnaliza wariancji. dr Janusz Górczyński
Analiza wariancji dr Janusz Górczyński Wprowadzenie Powiedzmy, że badamy pewną populację π, w której cecha Y ma rozkład N o średniej m i odchyleniu standardowym σ. Powiedzmy dalej, że istnieje pewien czynnik
Bardziej szczegółowoWykład 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 szczegółowoSposoby prezentacji problemów w statystyce
S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki
Bardziej szczegółowoP: Czy studiujący i niestudiujący preferują inne sklepy internetowe?
2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoSpis treści. Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów. Wstęp Wprowadzenie...
Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów Wstęp... 13 1. Wprowadzenie... 19 1.1. Statystyka opisowa.................................. 21 1.2. Wnioskowanie
Bardziej szczegółowoWykład 10 Testy jednorodności rozkładów
Wykład 10 Testy jednorodności rozkładów Wrocław, 16 maja 2018 Test Znaków test jednorodności rozkładów nieparametryczny odpowiednik testu t-studenta dla prób zależnych brak normalności rozkładów Test Znaków
Bardziej szczegółowoProjekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Bardziej szczegółowob) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:
ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoŻródło:
Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Test
Bardziej szczegółowoWykład dla studiów doktoranckich IMDiK PAN. Biostatystyka I. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW
Wykład dla studiów doktoranckich IMDiK PAN Biostatystyka I dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW anna_rajfura@sggw.pl Program wykładu w skrócie 1. Hipotezy o normalności rozkładu.
Bardziej szczegółowoTestowanie 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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych
Bardziej szczegółowoTest niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi)
Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi) Czy miejsce zamieszkania różnicuje uprawianie sportu? Mieszkańcy
Bardziej szczegółowoPorównanie wielu rozkładów normalnych
Porównanie wielu rozkładów normalnych Założenia:. X i N(µ i, σi 2 ), i =,..., k 2. X,..., X k są niezależne Czy µ = = µ k? Czy σ 2 = = σ 2 k? Próby: X i,..., X ini, i =,..., k X i, varx i, s 2 i = varx
Bardziej szczegółowo