Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Nowy kod Statistica 6.1 HEN6EUEKH8.

Podobne prezentacje


Prezentacja na temat: "Nowy kod Statistica 6.1 HEN6EUEKH8."— Zapis prezentacji:

1 Nowy kod Statistica 6.1 HEN6EUEKH8

2 Plan na dziś Analiza wariancji Podstawy i założenia
Kontrasty i analiza post-hoc Przykład – szczury w labiryncie Zadanie

3 ANOVA – analiza wariancji
Bada hipotezę, że wiele grup ma taką samą średnią. Wyróżnia w całkowitej wariancji część, za którą jest odpowiedzialny czynnik grupujący i odnosi do reszty wariancji (test F).

4 Typowe zadanie Czy środowisko (otwarte/ograniczone) ma wpływ na inteligencję? Dwa środowiska: otwarte zamknięte Trzy rasy szczurów: Inteligentne Mieszane Głupie

5 Błędy w labiryncie

6 ANOVA i test t Jeżeli dwie grupy to ANOVA = test t. Po co więc ANOVA?
Elastyczna – wiele czynników interakcje między nimi powtarzane pomiary wiele zmiennych zależnych (MANOVA) Więcej czynników – mniejszy błąd!

7 Wiele czynników Inteligencja szczura = środowisko + RASA + reszta
Badany czynnik Inteligencja szczura = środowisko + RASA + reszta Czynnik RASA zmniejsza RESZTĘ! Jeżeli czynnik nie ma znaczenia nie powinien być w modelu! Błędy powinny mieć rozkład normalny!

8 Interakcje Gdy jeden czynnik jest modyfikowany przez drugi
Np. efekt środowiska może być zależny od rasy

9 Powtarzane pomiary ...gdy obiekt obserwowany jest dwa lub więcej razy
np. badamy szczura przed i po skarmieniu paszy Dodatkowy czynnik różnicujący pomiary wewnątrz grup.

10 Wiele zmiennych zależnych
MANOVA pozwala przetestować hipotezę typu: Środowisko wpływa na wyniki różnych testów inteligencji szczura.

11 Założenia - normalność
Zmienna zależna ma rozkład normalny w grupach (normalność reszt) ANOVA jest odporna, szczególnie przy dużej liczbie obserwacji.

12 Jednorodność wariancji
We wszystkich grupach wariancja powinna być taka sama. Małe różnice nie są groźne, ale uwaga na obserwacje odstające! ...i korelacje średnia-wariancja

13 Średnie obserwowane brzegowe, nieważone obserwowane brzegowe ważone
najmniejszych kwadratów

14 Obserwowane średnie nieważone
Inteligencja = środowisko + płeć + błąd Środowisko otwarte - samce: 6, 5, 4 - samice 6, 5 ( ) / 3 = 5 ( ) / 2 = 5,5 ( 5 + 5,5 ) / 2 = 5,25

15 Obserwowane średnie ważone
Środowisko otwarte - samce: 6, 5, 4 - samice 6, 5 ( ) / 5 = 5,20

16 Średnie najmniejszych kwadratów
Najbardziej interesujące i te testujemy! Oczekiwane (przewidywane) średnie brzegowe Dla niektórych układów równe średnim obserwowanym nieważonym

17 Średnie najmniejszych kwadratów (błędów/reszt)
Inteligencja = środowisko + rasa + błąd Błąd = Inteligencja – środowisko - rasa Wyznaczamy średnie dla czynników środowiska i ras tak by suma wszystkich kwadratów błędów była jak najmniejsza!

18 Kontrasty Jeżeli hipoteza ‘wszystkie średnie są równe’ jest zbyt prosta Pozwalają testować złożoną hipotezę, którą przewidujemy, np. Środowisko otwarte rozwija inteligencję, ale tylko w rasach „inteligentnych”, natomiast środowisko zamknięta obniża inteligencję we wszystkich rasach.

19 I = μintelig. – 0.5μmieszana – 0.5μgłupia = 0
Kontrasty Np. hipotezę „Rasa inteligentna różni się od dwóch pozostałych” testujemy jako I = μintelig. – 0.5μmieszana – 0.5μgłupia = 0

20 Porównania post-hoc Gdy hipotezę formułujemy ‘po’ analizie wariancji
Whooh! Nie wiedziałem, że rasa „inteligentna” tak bardzo się różni od „głupiej”. Czy istotnie? Wybieramy świadomie dwie ekstremalne grupy, a nie dwie losowe! Chroń się przed błędem I-go rodzaju! Błąd I – odrzucenie prawdziwej hipotezy H0

21 Porównania post-hoc (po analizie wariancji)
No tak! Rasa ma istotny wpływ na inteligencję. Które pary są istotnie różne? Wybieramy świadomie serię testów zamiast jednego! Szansa, że wykryjemy ‘niepodobne’ dwie rasy rośnie! Chroń się przed błędem I-go rodzaju! Błąd I – odrzucenie prawdziwej hipotezy H0

22 Porównania wielokrotne post-hoc
Testy, które próbują kontrolować błąd I-go rodzaju najmniejsza istotna różnica Fishera (po tym jak F jest istotne - dużo fałszywie pozytywnych!) test Tukeya – zachowawczy test Newmana-Keulsa – mocny i mniej zachowawczy niż Tukeya test Duncana – bardzo mocny test Sheffego (Porównujesz w parach? Zapomnij)

23

24

25 Oba czynniki - środowisko i rasa - są istotne, a interakcja nie!

26

27 Szczury odchowane w ograniczonym środowisku wykonywały więcej błędów!

28 Wszystkie linie zyskują na stymulującym środowisku!

29 Post-hoc

30

31 Założenia – w obrębie grupy cecha jest normalna

32 Jednorodność wariancji - cd

33 Jednorodność wariancji
Bez wykresu byśmy nie znaleźli zagrożenia! Istnieje korelacja między średnią i odch. standardowym – groźne! Może lepszy będzie test nieparametryczny?

34 Zadanie http://lib.stat.cmu.edu/DASL/Datafiles/Eggs.html
Fat Lab Technician Sample .62 I 1 G .55 I 1 G .34 I 1 H .24 I 1 H .40 II 1 G .33 II 1 H .43 II 1 H .39 II 2 G .40 II 2 G .29 II 2 H Wyniki oznaczeń zawartości tłuszczu w jajach, wg różnych laboratoriów i techników 6 laboratoriów I-VI Dwóch techników 1,2 Po dwie próbki G, H

35 Jaja - zadanie Czy wyniki oznaczeń zależą od laboratorium?
Które laboratoria, jeśli w ogóle, różnią się od siebie? Czy założenia analizy wariancji zostały spełnione?

36 Zadanie dla chętnych Piątek 13-tego Czy przesądy wpływają na nasze zachowania (zakupy)? Czy w piątki 13-tego możemy się spodziewać więcej nieszczęśliwych wypadków?


Pobierz ppt "Nowy kod Statistica 6.1 HEN6EUEKH8."

Podobne prezentacje


Reklamy Google