METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Aleksandra Jakubowska



Podobne dokumenty
METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH. Paweł Szymański

STATYSTYKA MATEMATYCZNA

METODY STATYSTYCZNE W BIOLOGII

Ocena wartości hodowlanej. Dr Agnieszka Suchecka

METODY STATYSTYCZNE W BIOLOGII

Szacowanie wartości hodowlanej. Zarządzanie populacjami

METODY STATYSTYCZNE W BIOLOGII

Wykład 10 Zrandomizowany plan blokowy

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

Zadania ze statystyki cz.8. Zadanie 1.

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE

Szkice rozwiązań z R:

WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA

Testowanie hipotez statystycznych

Zarządzanie populacjami zwierząt. Parametry genetyczne cech

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

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008

STATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych

Testowanie hipotez statystycznych.

Pobieranie prób i rozkład z próby

Zagadnienia: wprowadzenie podstawowe pojęcia. Doświadczalnictwo. Anna Rajfura

Prawdopodobieństwo i statystyka

Eksperyment jako metoda badawcza

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

Walidacja metod analitycznych Raport z walidacji

Interakcje. wykład 6 Konsekwencje behawioralne

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Zmienna losowa (wygrana w pojedynczej grze): (1, 0.5), ( 1, 0.5)

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

Podstawy opracowania wyników pomiarów z elementami analizy niepewności statystycznych

S t a t y s t y k a, część 3. Michał Żmihorski

Statystyczne Metody Opracowania Wyników Pomiarów

Testowanie hipotez statystycznych

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

Statystyka Matematyczna Anna Janicka

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

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

Testowanie hipotez statystycznych.

Ekologia wyk. 1. wiedza z zakresu zarówno matematyki, biologii, fizyki, chemii, rozumienia modeli matematycznych

Wykład 9 Wnioskowanie o średnich

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PDF created with FinePrint pdffactory Pro trial version

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.

Pytanie: Kiedy do testowania hipotezy stosujemy test F (Fishera-Snedecora)?

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech

5. WNIOSKOWANIE PSYCHOMETRYCZNE

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4

Zmienne zależne i niezależne

Definicja. Odziedziczalność. Definicja. w potocznym rozumieniu znaczy tyle co dziedziczenie. Fenotyp( P)=Genotyp(G)+Środowisko(E) V P = V G + V E

Wykład 2: Tworzenie danych

KARTA KURSU. Kod Punktacja ECTS* 1

Propensity score matching (PSM)

Niepewność pomiaru. Wynik pomiaru X jest znany z możliwa do określenia niepewnością. jest bledem bezwzględnym pomiaru

Ewolucjonizm NEODARWINIZM. Dr Jacek Francikowski Uniwersyteckie Towarzystwo Naukowe Uniwersytet Śląski w Katowicach

TESTOWANIE HIPOTEZ STATYSTYCZNYCH

Rozkłady zmiennych losowych

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

Prawdopodobieństwo i rozkład normalny cd.

Aproksymacja funkcji a regresja symboliczna

Przykłady bloków: Przykład. Przyporządkowanie. Wykład 9 Zrandomizowany plan blokowy

Rozkłady statystyk z próby

Weryfikacja hipotez statystycznych

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

JEDNOCZYNNIKOWA ANOVA

Przykłady bloków: Przykład. Przyporządkowanie. Wykład 10 Zrandomizowany plan blokowy

Analiza danych ilościowych i jakościowych

Poziom istotności i granica rozsądku - problem porównań wielokrotnych w badaniach naukowych

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Uwaga! Test studenta dla pojedynczej próby, niekierunkowy. Wykład 9: Testy Studenta. Test Studenta dla jednej próby, kierunkowy

Hipotezy statystyczne

2.1 Przykład wstępny Określenie i konstrukcja Model dwupunktowy Model gaussowski... 7

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

Hipotezy statystyczne

Statystyka matematyczna Test χ 2. Wrocław, r

Metody matematyczne w analizie danych eksperymentalnych - sygnały, cz. 2

Liczba zadań a rzetelność testu na przykładzie testów biegłości językowej z języka angielskiego

Testowanie hipotez statystycznych cd.

Stanisław Cichocki. Natalia Nehrebecka

(narzędzie do pomiaru cech zachowania oprac. dr hab. Zbigniew Spendel)

Inżynierskie zastosowania statystyki Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Weryfikacja hipotez statystycznych

Wykład 3 Hipotezy statystyczne

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6

WNIOSKOWANIE STATYSTYCZNE

Statystyka i Analiza Danych

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych. Wykład tutora na bazie wykładu prof. Marka Stankiewicza

Metody probabilistyczne

Interakcje. Konkurencja a zespół organizmów

Metody doboru próby do badań. Dr Kalina Grzesiuk

Wymagania edukacyjne z fizyki II klasa Akademickie Gimnazjum Mistrzostwa Sportowego.

Regresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version

Wykład 3 Testowanie hipotez statystycznych o wartości średniej. średniej i wariancji z populacji o rozkładzie normalnym

Wprowadzenie do rachunku niepewności pomiarowej. Jacek Pawlyta

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

Transkrypt:

METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH Aleksandra Jakubowska

Źródła błędów Źródło Zmiana w czasie Efekt procedury Efekt obserwatora Błąd losowy (zmienność generowana przez eksperymentatora) Co redukuje lub eliminuje błąd Kontrola Kontrola - zrandomizowane dobieranie obiektów do zabiegów - randomizacja innych procedur - tzw. ślepa próba Powtarzanie zabiegów

Źródła błędów cd. Źródło Początkowa lub wrodzona zmienność między jednostkami eksperymentu Nondemonic intrusion Demonic intrusion Co redukuje lub eliminuje błąd - powtórzenia zabiegów - obserwacje towarzyszące - powtórzenia zabiegów - Wiekuista opatrzność, egzorcyzmy, poświęcenie człowieka

Zewnętrzne czynniki zaburzające Non-demonic Intrusion - zdarzenia losowe w trakcie eksperymentu (zwiększają zmienność), np. śmierć zwierzęcia z przyczyn innych niż podawanie eksp. leku Demonic Intrusion - nieprzewidywalne zdarzenia, które zaciemniają interpretację wyników - nie zawsze muszą zostać wykryte np. obrączki do znakowania ptaków mogą wpływać na dobór/drapieżnictwo

Demonic intrusions Wczesne eksperymenty z doborem płciowym u zeberek są do Wyrzucenia z powodu obrączek!

Cele powtórzeń (replication) Kontrola błędu losowego - redukuje efekt zmienności losowej ( szumu ) - redukuje efekt nietestowanych, innych czynników, które mogą wpływać na wynik eksperymentu Wzmacnia precyzję testowania Umożliwia generalizację (jak przetestowałeś 100 osobników/ siedlisk to łatwiej to przenieść na kolejne)

Zmienność międzyosobnicza Czy mężczyźni są wyżsi niż kobiety? Czynnik Szum = zmienność losowa

Replicates = Powtórzenia Zmienność losowa uniemożliwia generalizację uzyskanych wyników na podstawie niewielkiej liczby replicates Jeśli na wcześniejsze pytanie (o różnice między płcami w wysokości) uzyskujemy odpowiedź dla n = 2, to stwierdzone różnice mogą równie dobrze wynikać z: pochodzenia, choroby, klasy społecznej itd.

Co to jest powtórzenie? Replicate = sample = powtórzenie = próba - każdy eksperyment w obrębie zabiegu stanowi próbę - każdy musi być niezależny - należy maksymalizować liczbę próbek

Przykład: wielkość chrząszczy vs. Chrząszcze Callosobruchus sp. żerują jako larwy na nasionach różnych roślin strąkowych konkurencja

Przykład: wielkość chrząszczy vs. konkurencja Hipoteza: Konkurencja między larwami wpływa na wielkość dorosłego chrząszcza (w fasoli może żerować 1 lub więcej larw)

Przykład: wielkość chrząszczy vs. konkurencja Hipoteza: Konkurencja między larwami wpływa na wielkość dorosłego chrząszcza (w fasoli może żerować 1 lub więcej larw) Zakładamy (zupełnie nierealistycznie), że nie ma zmienności losowej

Przykład: wielkość chrząszczy vs. konkurencja Hipoteza: Konkurencja między larwami wpływa na wielkość dorosłego chrząszcza (w fasoli może żerować 1 lub więcej larw) Zakładamy (zupełnie nierealistycz-nie), że nie ma zmienności losowej Mierzymy jednego chrząszcza, który był w fasoli sam i jednego, który miał konkurenta.

Przykład: wielkość chrząszczy vs. konkurencja Wynik: chrząszcz bez konkurenta 6 mg chrząszcz z konkurentem 5 mg 6 mg > 5 mg więc Bez K. > Z K. Gdyby nie było zmienności losowej, nic więcej nie należałyby robić. Ale wróćmy do realnego świata.

Przykład: wielkość chrząszczy vs. konkurencja Na pewno chrząszcze będą miały zmienną wagę od jakiejś wartość a do b Na wielkość chrząszcza prócz konkurencji wpływać będzie: - wielkość fasoli - jakość fasoli - temperatura - wilgotność - geny (wielkość ciała jest zwykle cechą odziedziczalną)

Przykład: wielkość chrząszczy vs. konkurencja Masa chrząszcza

Przykład: wielkość chrząszczy vs. konkurencja Masa chrząszcza Bez konkurenta Z konkurentem

Przykład: wielkość chrząszczy vs. konkurencja Masa chrząszcza Bez konkurenta Z konkurentem Bez konkurenta Z konkurentem Część zmienności masy wynikająca z obecności konkurenta

Przykład: wielkość chrząszczy vs. konkurencja Masa chrząszcza Bez konkurenta Z konkurentem Część zmienności wynikająca z innych czynników Bez konkurenta Z konkurentem Część zmienności masy wynikająca z obecności konkurenta

Przykład: wielkość chrząszczy vs. konkurencja

Replicates = powtórzenia Powtórzenia umożliwiają oddzielenie zmienności wynikającej z działania czynnika od zmienności losowej Krytycznie istotne jest aby - powtórzenia były niezależne - pomiar dla danego osobnika nie powinien być w żadnym stopniu związany z pomiarem dla innego osobnika

Replicates = powtórzenia Badamy wpływ pasożytów na rozwój piskląt w budkach Budki z pasożytami Budki bez pasożytów

Replicates = powtórzenia Badamy wpływ pasożytów na rozwój piskląt w budkach Budki z pasożytami Budki bez pasożytów Powtórzenia 1 2 3 4 5 6 7 8

Replicates = powtórzenia Badamy wpływ pasożytów na rozwój piskląt w budkach Budki z pasożytami Budki bez pasożytów Powtórzenia 1 2 3 4 5 6 6 7 8

Replicates = powtórzenia Badamy wpływ pasożytów na rozwój piskląt w budkach Budki z pasożytami Budki bez pasożytów Powtórzenia 1 2

Replicates = powtórzenia Pisklęta w obrębie budki nie są prawidłowymi powtórzeniami tylko pseudopowtórzeniami (pseudoreplicates) Ponieważ w obrębie budki zależne są od tego samego poziomu działania pasożytów

Co to jest pseudo-powtórzenie? Pseudoreplicate = pseudo-próba - pseudo-próba oznacza, że traktujemy coś jako prawdziwą próbę, podczas gdy jest to nieprawda - a więc pseudo-próby nie są niezależne - mogą być przydatne do szacowania dokładności (pomiarów) prób

Pseudoreplikacja w eksperymentach ekologicznych Eksperymenty obserwacyjne - np. badania nad zachowaniem zwierząt w terenie bez indywidualnego znakowania Eksperymenty manipulacyjne - zły projekt eksperymentu, gdzie traktuje się nieodpowiednio pseudo-próbki jako próbki niezależne

Pseudoreplikacja totalnie bezmyślna Mierzymy wysokość ciała Interesują nas różnice między płciami N = 2

Pseudoreplikacja totalnie bezmyślna Mierzymy wysokość ciała Interesują nas różnice między płciami N = 8 + 8 = 16

Pseudoreplikacja totalnie bezmyślna Mierzymy wysokość ciała Interesują nas różnice między płciami N = 2 ale mierzymy każdą osobę po 10 razy N= 20

Pseudoreplikacja totalnie bezmyślna Mierzymy wysokość ciała Źle Interesują nas różnice między płciami N = 2 ale mierzymy każdą osobę po 10 razy N= 20

0 m 2 m Dekompozycja liści w zależności od głębokości zalegania w jeziorze 4 m

0 m 2 m Dekompozycja liści w zależności od głębokości zalegania w jeziorze 10 próbek 4 m 10 próbek KLASYCZNA PSEUDOREPLIKACJA!

0 m 2 m Deokompozycja liści w zależności od głębokości zalegania w jeziorze 4 m

Jak częsta jest pseudoreplikacja? 176 prac z uznanych czasopism ekologicznych opublikowanych między 1960 a 1984 r. 27% z pseudoreplikacją 48% gdzie błędna analiza spowodowała pseudoreplikację Najprawdopodobniej najczęstszy błąd w badaniach ekologicznych Główny powód brak wiedzy statystycznej

Pseudoreplikacja z poświęceniem Próbkowanie było poprawne, ale następnie próbki zostały połączone przed analizą statystyczną lub 2 lub więcej pomiarów z jednej jednostki eksperymentu traktowano jako niezależne próby. Efektem jest zagubienie = poświęcenie oryginalnej wariancji mierzonych zmiennych.

Pseudoreplikacja czasowa Wielokrotne próby dla każdej jednostki eksperymentalnej nie są pobierane jednocześnie lecz sekwencyjnie. Próbki pobrane dla tych samych obiektów nie są niezależne, stąd ich rozmieszczenie w czasie powinno być takie same

Jak uniknąć pseudoreplikacji? Zawsze dyskutuj wiele alternatywnych wersji eksperymentów szukając ich słabych i dobrych stron. Plan eksperymentu powinien być napisany bardzo prosto

Przyczyny pseudoreplikacji Dokonywanie wielokrotnych pomiarów na tych samych osobnikach Pomiary dokonywane są dla osobników w 2 grupach ale wszystkie osobniki z danej grupy współdzielą to samo środowisko (nie da się odróżnić działania naszego czynnika [np. temp.] od innych [np. wilgotności, zagęszczenia itd.]

Przyczyny pseudoreplikacji Pokrewieństwo między osobnikami Pseudoreplikacja bodźca (czynnika), którym działamy Osobniki zmieniają środowisko (np. b. agresywny podnosi agresję innych w grupie; zapasożycony osobnik zaraża inne w grupie)

Przyczyny pseudoreplikacji Pseudoreplikacja w czasie np. sprawdzamy wybiórczość środowiskową: lokalizujemy osobnika raz na dobę przez 10 dni albo 10 razy w ciągu godziny W tym drugim przypadku wnioski o wybiórczości środowiskowej będą błędne

Przyczyny pseudoreplikacji Pseudoreplikacja w porównaniach międzygatunkowych Gatunki są w różnym stopniu spokrewnione i różnice między nimi wynikają m.in. z tego jak dawno w sensie ewolucyjnym ich drogi się rozeszły Należy dokonywać poprawki na filogenię przy tego typu porównaniach