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

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

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

1. Jednoczynnikowa analiza wariancji 2. Porównania szczegółowe

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008

JEDNOCZYNNIKOWA ANALIZA WARIANCJI, ANOVA

Testy post-hoc. Wrocław, 6 czerwca 2016

Analiza wariancji. dr Janusz Górczyński

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

Porównanie wielu rozkładów normalnych

Matematyka i statystyka matematyczna dla rolników w SGGW

Analiza wariancji - ANOVA

Statystyka Opisowa z Demografią oraz Biostatystyka. Aleksander Denisiuk. denisjuk@euh-e.edu.pl

Elementy statystyki STA - Wykład 5

JEDNOCZYNNIKOWA ANOVA

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

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

Metody Statystyczne. Metody Statystyczne

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

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

Wykład 3 Hipotezy statystyczne

Statystyka i Analiza Danych

Przykład 1. (A. Łomnicki)

Analiza wariancji (ANalysis Of Variance - ANOVA)

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

PDF created with FinePrint pdffactory Pro trial version

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

Temat: Badanie niezależności dwóch cech jakościowych test chi-kwadrat

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

Jednoczynnikowa analiza wariancji

Zawartość. Zawartość

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

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

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

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

Analizy wariancji ANOVA (analysis of variance)

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

Rozwiązanie n1=n2=n=8 F=(4,50) 2 /(2,11) 2 =4,55 Fkr (0,05; 7; 7)=3,79

WNIOSKOWANIE STATYSTYCZNE

Żródło:

ANALIZA WARIANCJI - KLASYFIKACJA JEDNOCZYNNIKOWA

Analiza wariancji i kowariancji

Analiza wariancji - ANOVA

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

Księgarnia PWN: George A. Ferguson, Yoshio Takane - Analiza statystyczna w psychologii i pedagogice

Wszystkie wyniki w postaci ułamków należy podawać z dokładnością do czterech miejsc po przecinku!

hipotez statystycznych

Rozwiązanie: MSFA MSAB

Testowanie hipotez statystycznych.

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

P: Czy studiujący i niestudiujący preferują inne sklepy internetowe?

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

Prawdopodobieństwo i rozkład normalny cd.

Statystyka w analizie i planowaniu eksperymentu

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Rozdział 8. Regresja. Definiowanie modelu

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH

Testy nieparametryczne

Testowanie hipotez statystycznych cd.

Wykorzystanie badań naukowych prowadzonych w Stacji Czyrna w projekcie Środowisko bez barszczu Sosnowskiego

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

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

Analiza wariancji w analizie regresji - weryfikacja prawdziwości przyjętego układu ograniczeń Problem Przykłady

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

TABELKA ANOVA (jednoczynnikowa)

ISSN PL INSTYTUT CHEMII I TECHNIKI JĄDROWEJ INSTITUTE OF NUCLEAR CHEMISTRY AND TECHNOLOGY WARSZAWA 7BM 1

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Testowanie hipotez statystycznych.

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

Zadania ze statystyki cz.8. Zadanie 1.

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

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

Wykład 5 Teoria eksperymentu

Metoda najmniejszych kwadratów

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

Oszacowanie i rozkład t

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6

Spis treści. Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów. Wstęp Wprowadzenie...

KORELACJE I REGRESJA LINIOWA

Analiza wariancji jednej zmiennej (UNIANOVA)

Weryfikacja hipotez statystycznych

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

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

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

Metody statystyczne wykorzystywane do oceny zróżnicowania kolekcji genowych roślin. Henryk Bujak

WNIOSKOWANIE STATYSTYCZNE

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

Ocena wartości hodowlanej. Dr Agnieszka Suchecka

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4

Analiza niepewności pomiarów

JAK WYZNACZA SIĘ PARAMETRY WALIDACYJNE

ANALIZA WARIANCJI - KLASYFIKACJA WIELOCZYNNIKOWA

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

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

Wykład 9 Wnioskowanie o średnich

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

GRUPY NIEZALEŻNE Chi kwadrat Pearsona GRUPY ZALEŻNE (zmienne dwuwartościowe) McNemara Q Cochrana

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Porównanie modeli statystycznych. Monika Wawrzyniak Katarzyna Kociałkowska

Transkrypt:

Test Scheffego, gdzie (1) n to ilość powtórzeń (pomiarów) w jednej grupie (zabiegu) Test NIR Istnieje wiele testów dla porównań wielokrotnych opartych o najmniejszą istotna różnicę między średnimi (NIR). We wszystkich przypadkach NIR obliczana jest według tej samej zasady: jest iloczynem oceny błędu różnicy średnich S r przez współczynnik t zapewniający określony poziom istotności w porównaniach wielokrotnych. Współczynnik ten zależy nie tylko od i (liczba stopni swobody dla błędu), ale i od liczby porównywanych średnich k. Zatem: (2) Gdy k=2 test NIR pokrywa się ze zwykłym testem t Studenta. NIR według Tukeya i Newmana_Keulsa W przypadku, gdy nie ograniczamy liczby możliwych porównań par średnich i dopuszczamy możliwość porównania każdej średniej z każdą, to NIR obliczamy ze wzoru (2) posługując się tablicą 20.9 zależnie od liczby wszystkich porównanych średnich. Jeśli porównania prowadzimy w klasyfikacji pojedynczej to k=a. W przypadku klasyfikacji podwójnej obliczamy kolejno: Dla klasyfikacji A (czynnik A) i, a ilość poziomów czynnika A Dla klasyfikacji B (czynnik B) i, b ilość poziomów czynnika B W przypadku interakcji otrzymujemy dwie wartości NIR: gdzie Pierwsza z nich służy do porównania średnich przy ustalonym j (w ustalonej klasie B), druga zaś do porównań przy ustalonym i (w ustalonej klasie A). Gdyby chodziło o zupełnie dowolne porównanie średnich, to wartość t należy odczytać z tablicy 20.9 dla k=ab. Jest to wersja NIR Tukeya. Jeżeli średnie będące przedmiotem porównań uporządkujemy w określony sposób, np. według ich wartości w ciąg nierosnący, to porównując dwie wybrane średnie w tym ciągu Strona 1 z 8

porównujemy ich różnice z NIR, którą wyliczamy ze wzoru (2) przyjmując k równe różnicy numerów porównywanych średnich w ciągu plus 1. Jest to wersja NIR Newmana-Keulsa. NIR według Dunnetta W wersji Dunnetta NIR obliczamy również ze wzoru (2) lecz współczynnik t odczytujemy z tablicy 20.8. Ta NIR służy do porównania średnich z jedną z nich traktowaną jako próba kontrolna. Porównań średnich ze średnią kontrolną w różnych klasyfikacjach dokonujemy z zachowaniem zasad opisanych powyżej. Przykłady: Badano średnia liczbę nasion w strąku u kilku krzyżówek grochu. Uzyskano wyniki średnie z 15 roślin: 1 2 3 4 5 Neuga Laser Laser Porta Neuga Kujawski Laser Kujawski Akac Neuga 6,11 6,33 6,37 6,73 6,81 6 7 8 9 10 Laser Neuga Porta Neuga Kujawski Laser Neuga Porta Kujawski 6,95 7,38 7,57 7,65 6,62 Jest to przykład klasyfikacji pojedynczej, n=15, k=150, a=10 ( =a n-a) Obliczono. Błąd różnicy średnich wynosi NIR według Tukeya wynosi: NIR według Dunnetta (do porównań krzyżówek z Kujawskim): NIR według Scheffego: Strona 2 z 8

W przypadku użycia programu Excel wartość wariancji błędu) to wartość MS w obrębie grup (MS medium square). czyli średni kwadrat błędu (lub oszacowanie Analiza wariancji: jednoczynnikowa PODSUMOWANIE Grupy Licznik Suma Średnia Wariancja MP0 5 297 59,4 30,8 MP5 5 342 68,4 19,3 MP2 5 329 65,8 12,7 MPR 5 325 65 12 ANALIZA WARIANCJI Źródło wariancji SS df MS F Wartość-p Test F Pomiędzy grupami 215,35 3 71,78333 3,838681 0,030278 3,238867 W obrębie grup 299,2 16 18,7 Razem 514,55 19 Liczba stopni Suma Lp. Źródło zmienności swobody kwadratów 1 Czynnik A a-1 var A Średni kwadrat F emp 2 Błąd losowy a(n-1) var E - 3 Ogółem na-1 var y - - Strona 3 z 8

Analiza wariancji: dwuczynnikowa z powtórzeniami PODSUMOWANIE 0,5g 1g 2g 4g Razem M0 Licznik 2 2 2 2 8 Suma 31 41 67 77 216 Średnia 15,5 20,5 33,5 38,5 27 Wariancja 40,5 12,5 40,5 24,5 116,5714 M5 Licznik 2 2 2 2 8 Suma 50 68 60 80 258 Średnia 25 34 30 40 32,25 Wariancja 2 18 128 8 56,78571 M10 Licznik 2 2 2 2 8 Suma 83 69 131 162 445 Średnia 41,5 34,5 65,5 81 55,625 Wariancja 420,5 12,5 0,5 722 561,4107 Razem Licznik 6 6 6 6 Suma 164 178 258 319 Średnia 27,33333 29,66667 43 53,16667 Wariancja 231,0667 59,06667 340 616,1667 ANALIZA WARIANCJI Źródło wariancji SS df MS F Wartość-p Test F Próbka 3715,583 2 1857,792 15,59531 0,00046 3,88529 Kolumny 2627,458 3 875,8194 7,352104 0,004687 3,4903 Interakcja 1086,417 6 181,0694 1,519995 0,252567 2,996117 W obrębie 1429,5 12 119,125 Razem 8858,958 23 Lp. 1 Źródło zmienności Klasyfikacja A Liczba stopni Suma swobody kwadratów a-1 var A Średni kwadrat F emp 2 Klasyfikacja B b-1 var B 3 Interakcja A x B (a-1)(b-1) var AB 4 Błąd ab(n-1) var E - 5 Ogółem abn-1 var y - - Strona 4 z 8

Strona 5 z 8

Strona 6 z 8

Strona 7 z 8

Strona 8 z 8