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

Podobne dokumenty
Metody Statystyczne. Metody Statystyczne

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

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

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

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

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

Testowanie hipotez statystycznych cd.

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

Testowanie hipotez statystycznych

Statystyka matematyczna dla leśników

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28

Weryfikacja hipotez statystycznych

Metody Statystyczne. Metody Statystyczne.

Weryfikacja hipotez statystycznych testy dla dwóch zbiorowości

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

Matematyka i statystyka matematyczna dla rolników w SGGW

Prawdopodobieństwo i rozkład normalny cd.

Testowanie hipotez statystycznych.

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Efekt główny Efekt interakcyjny efekt jednego czynnika zależy od poziomu drugiego czynnika Efekt prosty

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

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

Weryfikacja hipotez statystycznych

Testowanie hipotez statystycznych

Statystyczna analiza danych

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

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

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

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

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

1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe

Jednoczynnikowa analiza wariancji

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

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

Testowanie hipotez statystycznych. Wprowadzenie

Weryfikacja hipotez statystycznych testy t Studenta

Testowanie hipotez statystycznych

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

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

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

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

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

Testowanie hipotez statystycznych.

Statystyka matematyczna i ekonometria

a. opisać badaną cechę; cechą X jest pomiar średnicy kulki

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

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

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

Elementy statystyki STA - Wykład 5

Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

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

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

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

WNIOSKOWANIE STATYSTYCZNE

Statystyka matematyczna i ekonometria

Weryfikacja hipotez statystycznych

TESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

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

Zadania ze statystyki cz.8. Zadanie 1.

Statystyka Matematyczna Anna Janicka

TESTOWANIE HIPOTEZ STATYSTYCZNYCH

Prawdopodobieństwo i statystyka

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku

Analiza wariancji - ANOVA

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

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

Uwaga. Decyzje brzmią różnie! Testy parametryczne dotyczące nieznanej wartości

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

Hipotezy statystyczne

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

Hipotezy statystyczne

Statystyka i Analiza Danych

Estymacja parametrów rozkładu cechy

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

Weryfikacja hipotez statystycznych

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Weryfikacja hipotez statystycznych

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

LABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej

Porównanie dwóch rozkładów normalnych

SMOP - wykład. Rozkład normalny zasady przenoszenia błędów. Ewa Pawelec

Weryfikacja hipotez statystycznych

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Statystyka i opracowanie danych - W 4: Wnioskowanie statystyczne. Weryfikacja hipotez statystycznych. Dr Anna ADRIAN Paw B5, pok407

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

Żródło:

12/30/2018. Biostatystyka, 2018/2019 dla Fizyki Medycznej, studia magisterskie. Estymacja Testowanie hipotez

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

STATYSTYKA MATEMATYCZNA WYKŁAD 5. 2 listopada 2009

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

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

WYKŁAD 5 TEORIA ESTYMACJI II

Transkrypt:

gkrol@mail.wz.uw.edu.pl #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji 1

Ryzyko błędu - powtórzenie Statystyka niczego nie dowodzi, czyni tylko wszystko mniej lub bardziej prawdopodobnym S. Lem Czy możliwe jest otrzymanie średniej M=7, przy założeniu że 30-elementowa próba pochodzi z populacji o μ=5? Możliwe, ale może być bardzo mało prawdopodobne (w zależności od σ) A jednak: musimy podjąć binarną decyzję (TAK albo NIE, przyjmujemy lub odrzucamy H 0 ) 2

Przykład: klient płacący podejrzanym banknotem Możemy banknot przyjąć lub odrzucić. Jakie są możliwe rezultaty naszych decyzji? Co jeśli odrzucimy prawdziwy banknot? Co jeśli przyjmiemy fałszywy banknot? 3

4 możliwe rezultaty decyzji dot. H 0 Odrzucenie fałszywej H0 Nieodrzucenie prawdziwej H0 Odrzucenie prawdziwej H0 Błąd pierwszego rodzaju Nieodrzucenie fałszywej H0 Błąd drugiego rodzaju 4

Błąd I i II rodzaju: α i β Odrzucamy H 0 Nie odrzucamy H 0 H 0 prawdziwa Błąd I rodzaju α 1-α H 0 fałszywa 1-β Błąd II rodzaju β 5

Dwuczynnikowa analiza wariancji Pozwala w jednym eksperymencie ocenić efekt dwóch niezależnych zmiennych nominalnych, oraz interakcji między tymi czynnikami, na ilościową zmienną zależną. Co zrobić, kiedy zmienna niezależna jest także ilościowa? Wyższą skalę pomiaru zawsze można potraktować jako niższą 6

Efekt główny i interakcyjny Jeśli wpływ zmiennej niezależnej na zmienną zależną w analizie wariancji jest istotny, to znaczy że: istotny jest efekt główny czynnika Kiedy łączny efekt 2 czynników nie da się przewidzieć na podstawie efektów czynników działających osobno, mówimy o: efekcie interakcji czynników Np. alkohol i środki nasenne Efekt addytywny oraz efekt interakcyjny 7

Przykład: czas snu, terapia i leki C1 Bez leków C2 Z lekami R1 Bez terapii R2 Z terapią M R1 C1 Średni czas snu osób Nie poddanych terapii i nie zażywających leków M R2 C1 Średni czas snu osób Poddanych terapii i nie zażywających leków M R1 C2 Średni czas snu osób Nie poddanych terapii Zażywających leki M R2 C2 Średni czas snu osób Poddanych terapii i zażywających leki 8 R row C - column

C1 Bez leków Wersja 1 (6.1, s.232) C2 Z lekami Efekt leków R1 Bez terapii R2 Z terapią 5h 6h 6h-5h=1h 7h 8h 8h-7h=1h Efekt terapii 7h-5h=2h 8h-6h=2h Hipotetyczne średnie wyniki od 20 osób w każdej grupie (celi) Efekt prosty terapii (bez leków): +2h Efekt prosty terapii (z lekami): +2h Efekt główny terapii (uśredniony): = (2h+2h)/2 = 2h Jaki jest efekt prosty i główny drugiego czynnika? 9

Porównanie efektów prostych 8,5 8 7,5 7 6,5 6 5,5 Bez terapii Z terapią 5 4,5 4 Bez leków Z lekami Równoległe linie oznaczają.. 10

C1 Bez leków Wersja 2 (6.2, s.233) C2 Z lekami Efekt leków R1 Bez terapii R2 Z terapią 8h 6h 6h-8h=-2h 6h 8h 8h-6h=2h Efekt terapii 6h-8h=-2h 8h-6h=2h Hipotetyczne średnie wyniki od 20 osób w każdej grupie (celi) Efekt prosty terapii (bez leków): -2h Efekt prosty terapii (z lekami): +2h Efekt główny terapii (uśredniony): = (2h-2h)/2 = 0h Jaki jest efekt prosty i główny drugiego czynnika? 11

Porównanie efektów prostych 8,5 8 7,5 7 6,5 Bez terapii 6 Z terapią 5,5 5 4,5 4 Bez leków Z lekami Przecinające się linie oznaczają.. 12

C1 Bez leków Wersja 3 (6.3, s.234) C2 Z lekami Efekt leków R1 Bez terapii R2 Z terapią 4h 5h 5h-4h=1h 6h 9h 9h-6h=3h Efekt terapii 6h-4h=2h 9h-5h=4h Hipotetyczne średnie wyniki od 20 osób w każdej grupie (celi) Efekt prosty terapii (bez leków): 2h Efekt prosty terapii (z lekami): 4h Efekt główny terapii (uśredniony): = (4h+2h)/2 = 3h Jaki jest efekt prosty i główny drugiego czynnika? 13

Porównanie efektów prostych 10 9 8 7 6 5 Bez terapii 4 Z terapią 3 2 1 0 Bez leków Z lekami Nierównoległe linie oznaczają.. 14

Schemat 2x2: wpływ wykładowcy oraz sposobu motywowania C1 Straszenie C2 Zachęcanie R1 Wykładowca 1 8, 7,9,8 M R1C1 =8 3,2,4,3 M R1C2 =3 M R1 =5.5 R2 Wykładowca 2 6,5,7,6 M R2C1 =6 5,4,6,5 M R2C2 =5 M R2 =5.5 M C1 =7 M C2 =4 M=5.5 (przykład 6.4, s. 235) 15

Możliwe typy porównań 1/2 Średnia straszonych (MC1) ze średnią ogólną (M): prosty efekt główny straszenia Średnia zachęcanych (MC2) ze średnią ogólną (M): prosty efekt główny zachęcania Razem: efekt główny czynnika C (uśrednionego na wszystkich poziomach czynnika R) Śr. studentów wykładowcy 1 (MR1) ze śr. og. (M): prosty efekt główny wykładowcy 1 Śr. Studentów wykładowcy 2 (MR2) ze śr. og. (M): prosty efekt główny wykładowcy 2 Razem: efekt główny czynnika R (uśrednionego na wszystkich poziomach czynnika C) 16

Możliwe typy porównań 2/2 Średnia straszonych przez wykładowcę 1 (MR1C1) i wykładowcę 2 (MR2C1): prosty efekt interakcji: wpływ wykładowcy na efektywność straszenia. Średnia zachęcanych przez wykładowcę 1 (MR1C1) i wykładowcę 2 (MR2C1): prosty efekt interakcji: wpływ wykładowcy na efektywność zachęcania. Można porównać też MR1C1 i MR1C2, oraz MR2C1 i MR2C2 Razem: efekt interakcji R x C. Wystąpi, jeśli efekt jednego czynnika nie jest taki sam na wszystkich poziomach drugiego czynnika 17

SCHEMAT WNIOSKOWANIA KROK 1 OPIS MODELU Zmienne niezależne: Czynnik C typ motywowania Czynnik R wykładowca Zmienna zależna: wynik egzaminu (s. ilościowa) Próba: 4 grupy, n=4, N=16 Założenia: Rozkład normalny zm. zależnej w podgrupach; brak istotnych różnic w wariancji zm. Zależnej losowy przydział do grup 18

SCHEMAT WNIOSKOWANIA KROK 1 OPIS MODELU, c.d. Hipotezy: H1.1: Efekt główny czynnika C jest istotny statystycznie (Typ motywowania wpływa na wynik egzaminu) H0: μ C1 = μ C2 = μ H1.2: Efekt główny czynnika R jest istotny statystycznie (Wynik zależy od wykładowcy) H0: μ R1 = μ R2 = μ H1.3: Efekt interakcji R i C jest istotny statystycznie (Wpływ typu motywowania na wynik egzaminu zależy od wykładowcy) μ R1C1 μ R1C2 = μ R2C1 μ R2C2 = μ 19

SCHEMAT WNIOSKOWANIA KROK 1 OPIS MODELU, c.d. n= 4 (liczebność grupy) r = 2 c = 2 N = 16 Wybór sposobu testowania hipotez: Dwuczynnikowa analiza wariancji Decyzje podejmujemy na podstawie testu F 20

SCHEMAT WNIOSKOWANIA KROK 2: OBLICZENIA Wyliczenie średnich w 4 grupach i średnich brzegowych 9 8 7 6 5 Wykładowca 1 Wykładowca 2 4 3 Straszona Zachęcana 21

SCHEMAT WNIOSKOWANIA KROK 2: OBLICZENIA Dla czynnika C (zróżnicowanie wyjaśnione przez typ motywacji): SS C1 = (M C1 M) 2 = (7-5.5) 2 = SS C2 = (M C2 M) 2 = (4-5.5) 2 = SS C = n*r*(ss C1 + SS C2 ) Dla czynnika R (zróżnicowanie wyjaśnione przez wykładowcę): SS R1 = (M R1 M) 2 = (5.5-5.5) 2 = SS R2 = (M R2 M) 2 = (5.5-5.5) 2 = SS R = n*c*(ss R1 + SS R2 ) 22

SCHEMAT WNIOSKOWANIA KROK 2: OBLICZENIA Dla efektu interakcji (SS RC ) Dla każdej grupy należy policzyć SS i zsumować je dla wszystkich grup: (M R*C* - (M R* + M C* ) + M) 2 SS R1C1 = (M R1C1 (M C1 +M R1 ) + M) 2 = SS R2C1 = (M R2C1 (M C1 +M R2 ) + M) 2 = SS R1C2 = (M R1C2 (M C2 +M R1 ) + M) 2 = SS R2C2 = (M R2C2 (M C2 +M R2 ) + M) 2 = SS RC = n*(ss R1C1 + SS R2C1 + SS R1C2 + SS R2C2 ) = 23

SCHEMAT WNIOSKOWANIA KROK 2: OBLICZENIA SS W zróżnicowanie niewyjaśnione W przykładzie SS w każdej komórce = 2 SS W = 4*2=8 s 2 w= 8/df s 2 w= 8/[r*c(n-1)] = 24

SCHEMAT WNIOSKOWANIA KROK 2: OBLICZENIA, statystyka F Źródło zmienności SS df s 2 F Czynnik C Typ motywowania Czynnik R Wykładowca Interakcja R x C Zróżnicowanie niewyjaśnione SS C = 36 c-1 = 1 s 2 C = F C = SS R = 0 r -1 = 1 s 2 R = F R = SS RC = 16 (r-1)(c-1) = 1 s 2 RC = F RC = SS W = 8 r*c(n-1) = 12 s 2 w = Razem SS T = 60 25

SCHEMAT WNIOSKOWANIA KROK 3: PODJĘCIE DECYZJI Źródło zmienności Czynnik C Typ motywowania Czynnik R Wykładowca Interakcja R x C Zróżnicowanie niewyjaśnione Razem df F F(1,12)= (F kryt.) c-1 = 1 F C = r -1 = 1 F R = (r-1)(c-1) = 1 r*c(n-1) = 12 F RC = 26

SCHEMAT WNIOSKOWANIA KROK 3: PODJĘCIE DECYZJI Źródło zmienności Czynnik C Typ motywowania Czynnik R Wykładowca Interakcja R x C Zróżnicowanie niewyjaśnione Razem df F F(1,12)= (F kryt.) c-1 = 1 F C = 54 F > 4,75 r -1 = 1 F R = 0 F < 4,75 (r-1)(c-1) = 1 r*c(n-1) = 12 F RC = 24 F > 4,75 27

28

DZIĘKUJĘ ZA UWAGĘ! 29