Analiza wariancji (ANOVA) Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie.

Slides:



Advertisements
Podobne prezentacje
Analiza wariancji jednoczynnikowa.
Advertisements

Proces doboru próby. Badana populacja – (zbiorowość generalna, populacja generalna) ogół rzeczywistych jednostek, o których chcemy uzyskać informacje.
Równowaga chemiczna - odwracalność reakcji chemicznych
Plan Czym się zajmiemy: 1.Bilans przepływów międzygałęziowych 2.Model Leontiefa.
Ekonometria stosowana WYKŁAD 4 Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Analiza rozkładu empirycznego dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
Rozliczanie kosztów działalności pomocniczej
Ekonometria stosowana Slajdy pomocnicze Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
STATYSTYKA MATEMATYCZNA wykład 1 - wprowadzenie Dr Aldona Migała-Warchoł.
Ekonometria stosowana Autokorelacja Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Niepewności pomiarowe. Pomiary fizyczne. Pomiar fizyczny polega na porównywaniu wielkości mierzonej z przyjętym wzorcem, czyli jednostką. Rodzaje pomiarów.
Ćwiczenia Zarządzanie Ryzykiem Renata Karkowska, ćwiczenia „Zarządzanie ryzykiem” 1.
Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski.
Cel analizy statystycznej. „Człowiek –najlepsza inwestycja”
Wyrażenia Algebraiczne Bibliografia Znak 1Znak 2 Znak 3 Znak 4 Znak 5 Znak 6 Znak 7 Znak 8 Znak 9 Znak 10 Znak 11.
 Czasem pracy jest czas, w którym pracownik pozostaje w dyspozycji pracodawcy w zakładzie pracy lub w innym miejscu wyznaczonym do wykonywania pracy.
Ryzyko a stopa zwrotu. Standardowe narzędzia inwestowania Analiza fundamentalna – ocena kondycji i perspektyw rozwoju podmiotu emitującego papiery wartościowe.
Instytucjonalne uwarunkowania realizacji koncepcji CSR w obszarze merchandisingu – zarys problemu Dr Jarosław Plichta Katedra Handlu i Instytucji Rynkowych.
Scenariusz lekcji chemii: „Od czego zależy szybkość rozpuszczania substancji w wodzie?” opracowanie: Zbigniew Rzemieniuk.
Klasyczny model regresji liniowej (KMRL) Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa.
Podział wartości dodanej Michał Lewandowski, Szkoła Główna Handlowa, Główny Urząd Statystyczny Maciej Banaś, Ministerstwo Rodziny, Pracy i Polityki Społecznej.
Zmienne losowe Zmienne losowe oznacza się dużymi literami alfabetu łacińskiego, na przykład X, Y, Z. Natomiast wartości jakie one przyjmują odpowiednio.
Kontrakty terminowe na indeks mWIG40 Prezentacja dla inwestorów Giełda Papierów Wartościowych w Warszawie S.A. Dział Notowań GPW kwiecień 2005.
Analiza tendencji centralnej „Człowiek – najlepsza inwestycja”
© Prof. Antoni Kozioł, Wydział Chemiczny Politechniki Wrocławskiej MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH Prezentacja – 4 Matematyczne opracowywanie.
STATYSTYKA – kurs podstawowy wykład 10 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Zależności wprost proporcjonalne Radosław Hołówko Konsultant: Agnieszka Pożyczka.
Badanie dynamiki zjawisk dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
RAPORT Z BADAŃ opartych na analizie wyników testów kompetencyjnych przeprowadzonych wśród uczestników szkoleń w związku z realizacją.
KOSZTY W UJĘCIU ZARZĄDCZYM. POJĘCIE KOSZTU Koszt stanowi wyrażone w pieniądzu celowe zużycie majątku trwałego i obrotowego, usług obcych, nakładów pracy.
Metody Analizy Danych Doświadczalnych Wykład 9 ”Estymacja parametryczna”
Skuteczności i koszty windykacji polubownej Wyniki badań zrealizowanych w ramach grantu Narodowego Centrum Nauki „Ocena poziomu rzeczywistej.
BADANIA STATYSTYCZNE. WARUNKI BADANIA STATYSTYCZNEGO musi dotyczyć zbiorowościstatystycznej musi określać prawidłowościcharakteryzujące całą zbiorowość.
Teoria masowej obsługi Michał Suchanek Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
Menu Jednomiany Wyrażenia algebraiczne -definicja Mnożenie i dzielenie sum algebraicznych przez jednomian Mnożenie sum algebraicznych Wzory skróconego.
Czym jest gramofon DJ-ski?. Gramofon DJ-ski posiada suwak Pitch służący do płynnego przyspieszania bądź zwalniania obrotów talerza, na którym umieszcza.
Optymalna wielkość produkcji przedsiębiorstwa działającego w doskonałej konkurencji (analiza krótkookresowa) Przypomnijmy założenia modelu doskonałej.
Metoda zmiennych instrumentalnych i uogólniona metoda momentów
Roman Fedak – Dyrektor Urzędu Statystycznego w Zielonej Górze.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Perceptrony proste nieliniowe i wielowarstwowe © Kazimierz Duzinkiewicz, dr hab.
WPŁYW RÓWNOŚCI PŁCI NA JAKOŚĆ ŻYCIA - METODOLOGIA, MODEL ANALITYCZNY I GŁÓWNE WYNIKI Ewa Krzaklewska Piotr Brzyski Uniwersytet Jagielloński.
Zmienna losowa dwuwymiarowa Dwuwymiarowy rozkład empiryczny Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz Ekonomicznych.
Sieci przepływowe: algorytmy i ich zastosowania.
Opracowanie Joanna Szymańska Konsultacja Bożena Hołownia.
Renata Maciaszczyk Kamila Kutarba. Teoria gier a ekonomia: problem duopolu  Dupol- stan w którym dwaj producenci kontrolują łącznie cały rynek jakiegoś.
Rozwiązywanie zadań tekstowych przy pomocy układów równań. Opracowanie: Beata Szabat.
Modele rynku kapitałowego 1. Teoria optymalnego portfela inwestycyjnego Markowitza ma charakter modelu normatywnego tzn. formułuje zasady jakimi powinien.
Regresja. Termin regresja oznacza badanie wpływu jednej lub kilku zmiennych tzw. objaśniających na zmienną, której kształtowanie się najbardziej nas interesuje,
Budżetowanie kapitałowe cz. III. NIEPEWNOŚĆ senesu lago NIEPEWNOŚĆ NIEMIERZALNA senesu strice RYZYKO (niepewność mierzalna)
O PARADOKSIE BRAESSA Zbigniew Świtalski Paweł Skałecki Wydział Matematyki, Informatyki i Ekonometrii Uniwersytet Zielonogórski Zakopane 2016.
Test analizy wariancji dla wielu średnich – klasyfikacja pojedyncza
mutacyjnego algorytmu ewolucyjnego
Katedra Międzynarodowych Studiów Porównawczych
SYSTEM KWALIFIKACJI, AWANSÓW I SPADKÓW
System wspomagania decyzji DSS do wyznaczania matematycznego modelu zmiennej nieobserwowalnej dr inż. Tomasz Janiczek.
terminologia, skale pomiarowe, przykłady
MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH
Przywiązanie partnerów a ich kompetencje społeczne
Modele SEM założenia formalne
Pojedyńczy element, mała grupa
Zajęcia przygotowujące do matury rozszerzonej z matematyki
Weryfikacja hipotez statystycznych
Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)
FORMUŁOWANIE HIPOTEZ STATYSTYCZNYCH
REGRESJA WIELORAKA.
TESTY NIEPARAMETRYCZNE
Statystyka i Demografia
Zapis prezentacji:

Analiza wariancji (ANOVA) Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie dr Marta Marszałek

Analiza wariancji (Analysis of variance = ANOVA) jest statystyczną metodą rozstrzygania o: - istnieniu różnic między średnimi w kilku grupach (subpopulacjach), (lub inaczej o:) - istnieniu wpływu wyodrębnionego czynnika na rozkład cechy w grupach. Przedmiotem badania jest r grup (subpopulacji) wyodrębnionych w związku z działaniem pewnego czynnika (treatment).

ANOVA Wpływ każdego czynnika rozpatrywany jest: o d r ę b n i e  modele jednoczynnikowe (jednoczynnikowa analiza wariancji) łącznie  modele wieloczynnikowe (wieloczynnikowa analiza wariancji)

Analiza wariancji - przykłady Czy średnie plony na czterech poletkach doświadczalnych są istotnie zróżnicowane w wyniku zasilania pól różnymi nawozami? Czy wykształcenie kobiet jest czynnikiem istotnie różnicującym przeciętną liczbę dzieci w gospodarstwie domowym? Czy lojalność klientów wobec konkretnej stacji paliw (X,Y,Z) i tankowanie tylko na jednej z nich wpływa na przeciętne zużycie paliwa przez samochód?

Analiza wariancji - hipotezy Założenie: Zmienne Y i (i=1…r) mają rozkład N o średniej m i oraz jednakowej we wszystkich populacjach wariancji σ 2. H 0 : m 1 = m 2 =…. = m r (wyodrębniony czynnik nie ma wpływu na rozkład badanej cechy) H 1 : m i ≠ m j dla co najmniej jednej pary i, j (wyodrębniony czynnik ma wpływ na rozkład badanej cechy, gdyż średnie w co najmniej dwóch populacjach różnią się)

Analiza wariancji - założenia cd. 1. Próby pobrane zostały w sposób niezależny z każdej z r populacji, 2. Badana cecha w każdej z populacji ma rozkład N o jednakowej wariancji σ 2. Populacje o rozkładzie normalnym z różnymi średnimi, ale o tej samej wariancji

Z każdej grupy pobieramy niezależną próbę losową o liczebności n i i rozpatrujemy zmienne objaśniane Y i. Nr obserwacji (k) Numer grupy ( i ) 12…….r ni123...ni [y ki ] Liczebność grupyn1n1 n2n2 …….nrnr Średnie grupoweȳ 1 ȳ 2 …….ȳ r Czy te średnie różnią się na tyle znacząco, żeby uznać za istotny wpływ badanego czynnika?

Równość wariancyjna Całkowita suma kwadratów odchyleń od średniej ogólnej SST = SSE + SSB SSE (sum of squares for error) Zmienność wewnątrzgrupowa (zmienność niewyjaśniona) SSB (sum of squares between groups) Zmienność międzygrupowa (zmienność wyjaśniona)

Zróżnicowanie całkowite SST (Sum of Squares Total)

Zróżnicowanie międzygrupowe (suma kwadratów odchyleń międzygrupowych)

Zróżnicowanie wewnątrzgrupowe (suma kwadr. odchyleń wewnątrzgrupowych) SSE (Sum of Squares for Error) wynika z różnic występujących wewnątrz każdej grupy średnia dla i-tej grupy

Podział odchylenia całkowitego danej obserwacji y ki od średniej ogólnej ȳ jako suma odchylenia wyjaśnionego i błędu losowego

Analiza wariancji Źródło zmiennościSuma kwadratów odchyleń Stopnie swobodyŚredni kwadrat odchyleń Zróżnicowanie międzygrupowe – czynnik SSBr-1MSB Zróżnicowanie wewnątrzgrupowe – błąd losowy SSEn-rMSE Zróżnicowanie całkowite SSTn-1- +=+=

Krok po kroku - decyzja ANOVA Brak podstaw do odrzucenia H0 StopOdrzucenie H0 Dalsza analiza

Porównania wielokrotne. Porównywanie średnich w populacji parami Metoda najmniejszej istotnej różnicy Fishera (LSD - least significant difference) polega na porównaniu różnic między parami średnich z próby z pewną wielkością zwaną najmniejszą istotną różnicą (LSD) t α - wartość z rozkładu t-Studenta dla n-r stopni swobody. Jeśli dla dwóch średnich zachodzi: to różnica między tymi średnimi jest statystycznie istotna

Dziękuję dr Marta Marszałek