Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)

Slides:



Advertisements
Podobne prezentacje
Porównywanie średnich dwóch prób niezależnych o rozkładach normalnych (test t-studenta)
Advertisements

Próby niezależne versus próby zależne
Próby niezależne versus próby zależne
Porównywanie średnich dwóch prób zależnych
Porównywanie średnich 2 i więcej prób o rozkładach innych niż normalny
Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)
Blok I: PODSTAWY TECHNIKI Lekcja 7: Charakterystyka pojęć: energia, praca, moc, sprawność, wydajność maszyn (1 godz.) 1. Energia mechaniczna 2. Praca 3.
Ekonometria stosowana WYKŁAD 4 Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Ekonometria stosowana Autokorelacja Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Ćwiczenia Zarządzanie Ryzykiem Renata Karkowska, ćwiczenia „Zarządzanie ryzykiem” 1.
Cel analizy statystycznej. „Człowiek –najlepsza inwestycja”
Ryzyko a stopa zwrotu. Standardowe narzędzia inwestowania Analiza fundamentalna – ocena kondycji i perspektyw rozwoju podmiotu emitującego papiery wartościowe.
EWALUACJA PROJEKTU WSPÓŁFINANSOWANEGO ZE ŚRODKÓW UNII EUROPEJSKIE J „Wyrównywanie dysproporcji w dostępie do przedszkoli dzieci z terenów wiejskich, w.
Analiza wariancji (ANOVA) Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie.
Zmienne losowe Zmienne losowe oznacza się dużymi literami alfabetu łacińskiego, na przykład X, Y, Z. Natomiast wartości jakie one przyjmują odpowiednio.
Analiza tendencji centralnej „Człowiek – najlepsza inwestycja”
Radosław Stefańczyk 3 FA. Fotony mogą oddziaływać z atomami na drodze czterech różnych procesów. Są to: zjawisko fotoelektryczne, efekt tworzenie par,
© 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.
W KRAINIE TRAPEZÓW. W "Szkole Myślenia" stawiamy na umiejętność rozumowania, zadawania pytań badawczych, rozwiązywania problemów oraz wykorzystania wiedzy.
Model warstwowy OSI Model OSI (Open Systems Interconnection) opisuje sposób przepływu informacji między aplikacjami programowymi w jednej stacji sieciowej.
Analiza spektralna. Laser i jego zastosowanie.
WYKŁAD 6 Regionalizacja 1. Regionalizm a regionalizacja 2 Proces wyodrębniania regionów nazywany jest regionalizacją, w odróżnieniu od regionalizmu, który.
Teoria masowej obsługi Michał Suchanek Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
# Analiza cech taksacyjnych drzewostanów przy wykorzystaniu technologii LIDAR 1 15 Sep 2010 Analiza cech taksacyjnych drzewostanów przy wykorzystaniu technologii.
Zmienna losowa dwuwymiarowa Dwuwymiarowy rozkład empiryczny Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz Ekonomicznych.
M ETODY POMIARU TEMPERATURY Karolina Ragaman grupa 2 Zarządzanie i Inżynieria Produkcji.
Modele rynku kapitałowego 1. Teoria optymalnego portfela inwestycyjnego Markowitza ma charakter modelu normatywnego tzn. formułuje zasady jakimi powinien.
Budżetowanie kapitałowe cz. III. NIEPEWNOŚĆ senesu lago NIEPEWNOŚĆ NIEMIERZALNA senesu strice RYZYKO (niepewność mierzalna)
Ogólnopolska Konferencja Naukowa Finanse – Statystyka – Badania Empiryczne 26 październik 2016 rok Wrocław Katedra Prognoz i Analiz Gospodarczych Uniwersytet.
O PARADOKSIE BRAESSA Zbigniew Świtalski Paweł Skałecki Wydział Matematyki, Informatyki i Ekonometrii Uniwersytet Zielonogórski Zakopane 2016.
Test analizy wariancji dla wielu średnich – klasyfikacja pojedyncza
WYNIKI ZMIANY TWARDOŚCI ZIARNA PSZENICY W TRAKCIE PROCESU NAWILŻANIA
mutacyjnego algorytmu ewolucyjnego
terminologia, skale pomiarowe, przykłady
RUCH KULISTY I RUCH OGÓLNY BRYŁY
Przywiązanie partnerów a ich kompetencje społeczne
Rachunki zdań Tautologiczność funkcji
Rachunek prawdopodobieństwa i statystyka
Modele SEM założenia formalne
Podstawy automatyki I Wykład /2016
Wstęp do Informatyki - Wykład 3
Elementy analizy matematycznej
Pojedyńczy element, mała grupa
Opracowała: Monika Grudzińska - Czerniecka
Graficzne metody analizy danych
Zajęcia przygotowujące do matury rozszerzonej z matematyki
Elementy fizyki kwantowej i budowy materii
Statystyka medyczna Piotr Kozłowski
BADANIA ZUZYCIA BOCZNEGO SZYN W ROZJAZDACH KOLEJOWYCH
Hipotezy statystyczne
Własności statystyczne regresji liniowej
Weryfikacja hipotez statystycznych
Tematy zadań. W załączeniu plik z danymi.
Wpływ wybranych czynników na występowanie zaburzeń snu w chorobie Parkinsona Weronika Urbaś1, Anna Grażyńska1, Magdalena Doręgowska2, Joanna Siuda2, Monika.
Dr Dorota Rozmus Katedra Analiz Gospodarczych i Finansowych
FORMUŁOWANIE HIPOTEZ STATYSTYCZNYCH
REGRESJA WIELORAKA.
Wyrównanie sieci swobodnych
ROZKŁADY STATYSTYCZNE ZMIENNYCH MIERZALNYCH
TESTY NIEPARAMETRYCZNE
Pomoc przy dzieleniu pisemnym
WYBRANE ZAGADNIENIA PROBABILISTYKI
Elipsy błędów.
Testy statystycznej istotności
dr Robert Kowalczyk, PWSZ Płock
Zapis prezentacji:

Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)

Próby niezależne versus próby zależne Próby niezależne: mierzone w dwóch różnych obiektach albo w tym samym obiekcie ale nie poddanym ingerencji. czas

Próby niezależne versus próby zależne analizy dwóch RÓŻNYCH jezior analizy tego samego zbiornika w różnym czasie badania ryb w dwóch akwariach- w jednym karmione pokarmem naturalnym, w drugim paszą

Próby niezależne versus próby zależne Próby zależne: te same obiekty stanowiące próbę są badane dwukrotnie w różnych warunkach, po ingerencji; ingerencja czas czas

Próby niezależne versus próby zależne badania renaturyzowanego starorzecza przed i po udrożnieniu badania jezior przed i po zastosowaniu koagulantów wytrącających fosforany badania tempa wzrostu ryb w akwariach przed i po zmianie parametrów fiz-chem wody

Schematy postępowania ZMIENNA O ROZKŁADZIE NORMALNYM porównanie średniej z pewną wartością odniesienia xśr xśr 3,43 test t-studenta dla pojedynczej próby

Test t-studenta dla pojedynczej próby Średnia obserwowana (pochodząca z pojedynczej próby) jest porównywana z oczekiwaną (lub stanowiącą punkt odniesienia) średnią populacyjną (np. pewną średnią teoretyczną). Przykład: porównanie średniego stężenia zanieczyszczenia w zbiorniku z wartością dopuszczalną xśr xśr 3,43

Test t-studenta dla pojedynczej próby Wynik testu: t= …… p=…. Jeśli: p<0,05 średnia istotnie różni się od wartości odniesienia p0,05 średnia nie różni się istotnie od wartości odniesienia

Schematy postępowania 2 GRUPY(ZMIENNE) NIEZALEŻNE rozkład normalny rozkład inny niż normalny test parametryczny test t-studenta test nieparametryczny test U Manna-Whitneya xśr 1 xśr 2 xśr 1 xśr 2

Test t-studenta dla grup niezależnych Założenie o normalności: sprawdzane przez analizę rozkładu danych (histogram) lub przy pomocy testu normalności. Założenie o równości wariancji: sprawdzane za pomocą testu F lub też przy pomocy mocniejszej opcji określonej jako test Levene’a (oraz modyfikacji Browna-Forsythe’a tego testu).

Test t-studenta dla grup niezależnych Wynik testu: wartość t i poziom p Jeśli: p<0,05 średnie istotnie się różnią p0,05 brak istotnych różnic pomiędzy średnimi

Test t-studenta dla grup niezależnych Testy równości wariancji: Test F: F=........., p=........ Test B-F: B-F=......, p=........ p0,05 wariancje są równe p<0,05 wariancje są różne (wtedy konieczna jest weryfikacja wyników testu t-studenta za pomocą testu nieparametrycznego)

Test t-studenta dla grup niezależnych Testy równości wariancji: UWAGA! Wynik testów równości wariancji mówi tylko o spełnianiu/nie spełnianiu założenia testu t-studenta. Nie mówi nic o tym, czy różnice pomiędzy średnimi są istotne czy nie!

Schematy postępowania 2 GRUPY(ZMIENNE) ZALEŻNE rozkład normalny rozkład inny niż normalny test parametryczny test t-studenta test nieparametryczny test znaków, test kolejności par Wilcoxona xśr 1 xśr 2 xśr 1 xśr 2

Test t-studenta dla grup zależnych Wynik testu: wartość t i poziom p Jeśli: p<0,05 średnie istotnie się różnią p0,05 brak istotnych różnic pomiędzy średnimi Brak testu równości wariancji.

Test t-studenta dla grup zależnych Jeśli dwie grupy obserwacji (które mają zostać porównane) zostały oparte na tej samej grupie obiektów zmierzonych dwukrotnie (np. przed i po zabiegu), to wówczas znaczna część zmienności wewnątrzgrupowej w obydwu grupach wyników może zostać przypisana początkowej indywidualnej różnicy pomiędzy obiektami.

Test t-studenta dla grup zależnych Odejmując wyniki przed zabiegiem od wyniku po zabiegu i analizując "czyste" różnice dokonujemy wyeliminowania tej części wariancji w naszym zbiorze danych, która pochodzi od różnic w wartościach bezwzględnych poszczególnych obiektów pomiarowych.