Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE

Podobne dokumenty
1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe

Matematyka i statystyka matematyczna dla rolników w SGGW

Porównanie wielu rozkładów normalnych

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

Testy post-hoc. Wrocław, 6 czerwca 2016

Analiza wariancji. dr Janusz Górczyński

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

JEDNOCZYNNIKOWA ANALIZA WARIANCJI, ANOVA

, a ilość poziomów czynnika A., b ilość poziomów czynnika B. gdzie

Wykład dla studiów doktoranckich IMDiK PAN. Biostatystyka I. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW

Testowanie hipotez statystycznych

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji

Temat: BADANIE NIEZALEśNOŚCI DWÓCH CECH JAKOŚCIOWYCH TEST CHI KWADRAT. Anna Rajfura 1

Elementy statystyki STA - Wykład 5

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

Matematyka i statystyka matematyczna dla rolników w SGGW WYKŁAD 9. TESTOWANIE HIPOTEZ STATYSTYCZNYCH cd.

Testowanie hipotez statystycznych cd.

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

hipotez statystycznych

Statystyka w analizie i planowaniu eksperymentu

Analiza wariancji - ANOVA

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Wykład: Założenia analizy wariancji. Analiza wariancji złożona i testy wielokrotnych porównań.

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

Jednoczynnikowa analiza wariancji

Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008

Temat: Badanie niezależności dwóch cech jakościowych test chi-kwadrat

Przykład 1. (A. Łomnicki)

Testy dla dwóch prób w rodzinie rozkładów normalnych

Wykład 12 ( ): Testy dla dwóch prób w rodzinie rozkładów normalnych

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

Statystyczna analiza danych (molekularnych) analiza wariancji ANOVA

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

Wykład 5 Problem dwóch prób - testowanie hipotez dla równości średnich

Analiza wariancji (ANalysis Of Variance - ANOVA)

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Problem dwóch prób: porównywanie średnich i wariancji z populacji o rozkładach normalnych. Wrocław, 23 marca 2015

Testowanie hipotez statystycznych.

Wykład 5 Teoria eksperymentu

Rachunek prawdopodobieństwa i statystyka - W 9 Testy statystyczne testy zgodności. Dr Anna ADRIAN Paw B5, pok407

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

Wykład 12 Testowanie hipotez dla współczynnika korelacji

Analiza wariancji i kowariancji

Jednoczynnikowa analiza wariancji. Wnioskowanie dla jednoczynnikowej ANOV-y. Porównywanie poszczególnych średnich

Testowanie hipotez statystycznych.

Estymacja punktowa i przedziałowa

Wykład 12 Testowanie hipotez dla współczynnika korelacji

Autor: Dariusz Piwczyński 1 Ćwiczenie. Analiza zmienności złożona. Testy wielokrotnych porównań

Statystyka matematyczna Testowanie hipotez dla średnich w rozkładzie normalnym. Wrocław, r

Statystyka matematyczna. Wykład V. Parametryczne testy istotności

Porównanie dwóch rozkładów normalnych

Analizy wariancji ANOVA (analysis of variance)

Statystyka matematyczna dla leśników

STATYSTYKA MATEMATYCZNA WYKŁAD 5. 2 listopada 2009

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech

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

Metody Statystyczne. Metody Statystyczne

Metody Statystyczne. Metody Statystyczne. #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

1 Weryfikacja hipotez statystycznych

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

Wykład 3 Hipotezy statystyczne

Założenia do analizy wariancji. dr Anna Rajfura Kat. Doświadczalnictwa i Bioinformatyki SGGW

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 4

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.

Weryfikacja hipotez statystycznych testy t Studenta

WNIOSKOWANIE STATYSTYCZNE

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

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

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

Wydział Matematyki. Testy zgodności. Wykład 03

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

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

Analiza wariancji. Źródło: Aczel A. D. Statystyka w zarządzaniu. Barbara Gładysz

Zawartość. Zawartość

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

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

1 Estymacja przedziałowa

BADANIE POWTARZALNOŚCI PRZYRZĄDU POMIAROWEGO

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

TESTOWANIE HIPOTEZ STATYSTYCZNYCH

BADANIE ZALEśNOŚCI CECHY Y OD CECHY X - ANALIZA REGRESJI PROSTEJ

Katedra Genetyki i Podstaw Hodowli Zwierząt Wydział Hodowli i Biologii Zwierząt, UTP w Bydgoszczy

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Rozdział 8. Regresja. Definiowanie modelu

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

Prawdopodobieństwo i rozkład normalny cd.

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

Prawdopodobieństwo i statystyka

Analiza wariancji. Źródło: Aczel A. D. Statystyka w zarządzaniu. Barbara Gładysz

Transkrypt:

WYKŁAD 11 DOŚWIADCZENIE JEDNOCZYNNIKOWE W UKŁADZIE CAŁKOWICIE LOSOWYM PORÓWNANIA SZCZEGÓŁOWE

Było: Przykład. W doświadczeniu polowym załoŝonym w układzie całkowicie losowym w czterech powtórzeniach porównano pięć odmian pszenicy ozimej pod względem plonowania. W tabeli zapisano wysokości plonów (w kg z poletka): Pytania: Odmiana Plony poletko 1 poletko 2 poletko 3 poletko 4 O1 1,47 1,41 1,40 1,43 O2 1,10 1,15 1,30 1,17 O3 1,41 1,32 1,28 1,33 O4 1,19 1,25 1,26 1,21 O5 1,20 1,35 1,25 1,28 1. Czy wszystkie badane odmiany plonują na podobnym poziomie? 2. Jeśli nie wszystkie, to które odmiany plonują podobnie?

Cecha X i plon z poletka dla odmiany Oi, i = 1, 2,..., 5, ZałoŜenia: X i ~ N (µ i, σ 2 ), i = 1, 2,..., 5; X 1, X 2,..., X 5 cechy (zmienne losowe) niezaleŝne. X 1 X 2 X 3 X 5 X 4 µ 1 µ 2 µ 3 µ 5 µ 4 wartości cechy X 1 = X 2 = X 5 X 3 = X 4 µ 1 = µ 2 = µ 5 µ 3 = µ 4 wartości cechy

Hipoteza: H 0 : µ 1 = µ 2 = µ 3 = µ 4 = µ 5 (o braku zróŝnicowania między pięcioma badanymi odmianami pod względem plonowania); poziom istotności α = 0,05; metoda weryfikacji: analiza wariancji (jednoczynnikowa analizy wariancji); test statystyczny: F Fishera;

Poziomy czynnika A Jednokierunkowa klasyfikacja danych Nr powtórzenia (nr poletka) (odmiany) 1 2... n średnie obiektowe A 1 11 12... 1n 1 1 1 1 = n1 n j = 1 1 j A 2 21 22... 2 n 2 2 1 2 = n 2 n j = 1 2 j M... A a a1 a2... ana a 1 = n a n a j = 1 a j ij - wartość plonu dla i tej odmiany na j-tym poletku; i=1,..., 5; j=1,..., 4, i-ta średnia obiektowa n i i 1, średnia ogólna 1 ni ij = N i = j= 1 a n i= 1 j= 1 ij

Tabela analizy wariancji Źródła Sumy Stopnie Średni zmienności kwadratów swobody kwadrat F emp wartość p cechy X SS Df MS Czynnik A (odmiana) 0,149 4 0, 0372 0149, 0, 0373 = = 11, 27 0,0002 4 0, 0033 0, 049 15 Błąd losowy 0,049 15 = 0, 0033 Całkowita 0,198 19 Wniosek statystyczny: F kryt = F α, a-1, N-a = F 0,05, 4, 15 = 3,056. PoniewaŜ F emp > F kryt, zatem H 0 odrzucamy.

Wniosek merytoryczny: Stwierdzono statystycznie istotne zróŝnicowanie badanych odmian pszenicy ze względu na wysokość plonu. Po odrzuceniu hipotezy zerowej stosuje się porównania szczegółowe. 1,5 Means and 95,0 Percent LSD Intervals 1,4 plon 1,3 1,2 1,1 O1 O2 O3 O4 O5 odmiana Idea porównań szczegółowych...

Wartości krytyczne rozkładu t-studenta X ~ t ν - X zmienna losowa o rozkładzie t-studenta z liczbą stopni swobody v, α - poziom istotności, t α, ν - wartość krytyczna - liczba taka, Ŝe P( X > t α, ν ) = α ν \ α 0,400 0,300 0,200 0,100 0,050 0,025 0,025 0,010 0,005 0,001 1 1,3764 1,9626 3,0777 6,3137 12,7062 25,4519 25,4519 63,6559 127,3211 636,5776 2 1,0607 1,3862 1,8856 2,9200 4,3027 6,2054 6,2054 9,9250 14,0892 31,5998 3 0,9785 1,2498 1,6377 2,3534 3,1824 4,1765 4,1765 5,8408 7,4532 12,9244 4 0,9410 1,1896 1,5332 2,1318 2,7765 3,4954 3,4954 4,6041 5,5975 8,6101 5 0,9195 1,1558 1,4759 2,0150 2,5706 3,1634 3,1634 4,0321 4,7733 6,8685 6 0,9057 1,1342 1,4398 1,9432 2,4469 2,9687 2,9687 3,7074 4,3168 5,9587 7 0,8960 1,1192 1,4149 1,8946 2,3646 2,8412 2,8412 3,4995 4,0294 5,4081 8 0,8889 1,1081 1,3968 1,8595 2,3060 2,7515 2,7515 3,3554 3,8325 5,0414 9 0,8834 1,0997 1,3830 1,8331 2,2622 2,6850 2,6850 3,2498 3,6896 4,7809 10 0,8791 1,0931 1,3722 1,8125 2,2281 2,6338 2,6338 3,1693 3,5814 4,5868 11 0,8755 1,0877 1,3634 1,7959 2,2010 2,5931 2,5931 3,1058 3,4966 4,4369 12 0,8726 1,0832 1,3562 1,7823 2,1788 2,5600 2,5600 3,0545 3,4284 4,3178 13 0,8702 1,0795 1,3502 1,7709 2,1604 2,5326 2,5326 3,0123 3,3725 4,2209 14 0,8681 1,0763 1,3450 1,7613 2,1448 2,5096 2,5096 2,9768 3,3257 4,1403 15 0,8662 1,0735 1,3406 1,7531 2,1315 2,4899 2,4899 2,9467 3,2860 4,0728 16 0,8647 1,0711 1,3368 1,7459 2,1199 2,4729 2,4729 2,9208 3,2520 4,0149 17 0,8633 1,0690 1,3334 1,7396 2,1098 2,4581 2,4581 2,8982 3,2224 3,9651 18 0,8620 1,0672 1,3304 1,7341 2,1009 2,4450 2,4450 2,8784 3,1966 3,9217 19 0,8610 1,0655 1,3277 1,7291 2,0930 2,4334 2,4334 2,8609 3,1737 3,8833 20 0,8600 1,0640 1,3253 1,7247 2,0860 2,4231 2,4231 2,8453 3,1534 3,8496

Multiple Range Tests for plon by odmiana ------------------------------------------------------------------------------- Method: 95,0 percent LSD odmiana Count Mean Homogeneous Groups ------------------------------------------------------------------------------- O2 4 1,18 X O4 4 1,2275 XX O5 4 1,27 XX O3 4 1,335 X O1 4 1,4275 X LSD ang. Least Significant Difference (najmniejsza istotna róŝnica oparta na teście Studenta) Komentarz na temat oznaczeń...

PROCEDURY WYDZIELANIA GRUP JEDNORODNYCH: procedura oparta na teście t-studenta NIR = t α s, Df s = 2 MSE E r, r n, gdzie: t α - wartość krytyczna rozkładu Studenta,, Df E s - standardowy błąd róŝnicy średnich obiektowych, r MS - średni kwadrat dla błędu z tabeli analizy wariancji. E W przykładzie: MS E = 0,0033, n = 4, to s r = 0,0406; Df E = 15, t α, DfE = t 0,05, 15 = 2,1315, to NIR = 2,1315 0,0406 = 0,087.

procedura Tukeya gdzie: T = q s MS α, Df,a, n NIR E s = E, q α, DfE,a - wartość krytyczna studentyzowanego rozstępu; a liczba średnich w całym doświadczeniu. s - standardowy błąd średniej obiektowej z próby, W przykładzie: Df E = 15, a = 5, to q α, DfE, a = q 0,05, 15, 5 = 4,367; MS E = 0,0033, n = 4, to s = 0, 0287; NIR T = 4,367 0,0287 = 0,125. Obliczenia...

Multiple Range Tests for plon by odmiana ---------------------------------------------------------------------- Method: 95,0 percent Tukey HSD odmiana Count Mean Homogeneous Groups ---------------------------------------------------------------------- O2 4 1,18 X O4 4 1,2275 XX O5 4 1,27 XX O3 4 1,335 XX O1 4 1,4275 X ----------------------------------------------------------------------

Means and 95,0 Percent Tukey HSD Intervals 1,5 1,4 Plony 1,3 1,2 1,1 1 2 3 4 5 odmiany

procedura Newmana-Keulsa NK = q s MS α, Df,k, n NIR E s = E, gdzie: q α, DfE,k - wartość krytyczna studentyzowanego rozstępu; k liczba średnich w grupie, s - standardowy błąd średniej obiektowej z próby, W przykładzie: s = 0,0287 ; Df E = 15, q α, DfE, 2 = q 0,05, 15, 2 = 3,014, to NIR T 2 = 3,014 0,0287 = 0,087; q α, DfE, 3 = q 0,05, 15, 3 = 3,674, to NIR T 3 = 3,674 0,0287 = 0,105; q α, DfE, 4 = q 0,05, 15, 4 = 4,076, to NIR T 4 = 4,076 0,0287 = 0,117 Obliczenia...

Multiple Range Tests for plon by odmiana ------------------------------------------------------------------------ Method: 95,0 percent Student-Newman-Keuls odmiana Count Mean Homogeneous Groups ------------------------------------------------------------------------ O2 4 1,18 X O4 4 1,2275 X O5 4 1,27 XX O3 4 1,335 X O1 4 1,4275 X ------------------------------------------------------------------------

Duncana, D = t D s s = 2 MSE α,df,k r, r n, NIR E gdzie: s - standardowy błąd róŝnicy średnich obiektowych, r t D α Df, E,k - wartość krytyczna wielokrotnego testu Duncana; k liczba średnich w grupie.