Mgr Sebastian Mucha Schemat doświadczenia:

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Excel Narzędzia do analizy regresji
BIOSTATYSTYKA I METODY DOKUMENTACJI Ćwiczenie 1
Wykład 9 Analiza wariancji (ANOVA)
Analiza współzależności zjawisk
Analiza wariancji jednoczynnikowa
Metody ekonometryczne
Analiza wariancji Marcin Zajenkowski. Badania eksperymentalne ANOVA najczęściej do eksperymentów Porównanie wyników z 2 grup lub więcej Zmienna niezależna.
Skale pomiarowe – BARDZO WAŻNE
BUDOWA MODELU EKONOMETRYCZNEGO
Estymacja przedziałowa
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
Metody ekonometryczne
Statystyka w doświadczalnictwie
Nowy kod Statistica 6.1 HEN6EUEKH8.
Dzisiaj na wykładzie Regresja wieloraka – podstawy i założenia
BIOSTATYSTYKA I METODY DOKUMENTACJI
BIOSTATYSTYKA I METODY DOKUMENTACJI
Wykład 14 Liniowa regresja
Wykład 11 Analiza wariancji (ANOVA)
Korelacje, regresja liniowa
Test t-studenta dla pojedynczej próby
Próby niezależne versus próby zależne
Analiza wariancji ANOVA efekty główne
Wykład 4. Rozkłady teoretyczne
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Korelacja, autokorelacja, kowariancja, trendy
Jednoczynnikowa analiza wariancji (ANOVA)
Metody ilościowe w biznesie Wykład 1
Testowanie hipotez statystycznych
Analiza współzależności cech statystycznych
i jak odczytywać prognozę?
Rozkłady wywodzące się z rozkładu normalnego standardowego
Analiza wariancji jednoczynnikowa.
Modelowanie ekonometryczne
Hipotezy statystyczne
Kilka wybranych uzupelnień
Ekonometria stosowana
Analiza wariancji ANOVA czynnikowa ANOVA
Ekonometria stosowana
Regresja wieloraka.
Seminarium licencjackie Beata Kapuścińska
Analiza wariancji ANOVA efekty główne. Analiza wariancji ANOVA ANOVA: ANalysis Of VAriance Nazwa: wywodzi się z faktu, że w celu testowania statystycznej.
Weryfikacja hipotez statystycznych
Regresja liniowa Dany jest układ punktów
Regresja liniowa. Dlaczego regresja? Regresja zastosowanie Dopasowanie modelu do danych Na podstawie modelu, przewidujemy wartość zmiennej zależnej na.
Podstawowe pojęcia i terminy stosowane w statystyce. Rozkłady częstości Seminarium 2.
Statystyczne parametry akcji Średnie Miary rozproszenia Miary współzależności.
Statystyczna Analiza Danych SAD2 Wykład 4 i 5. Test dla proporcji (wskaźnika struktury) 2.
Statystyczna analiza danych SAD2 Wykład 5. Testy o różnicy wartości średnich dwóch rozkładów normalnych (znane wariancje) Statystyczna analiza danych.
Statystyczna analiza danych
Model ekonometryczny Jacek Szanduła.
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Rozkłady statystyk z próby dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Rozkład z próby Jacek Szanduła.
Co do tej pory robiliśmy:
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
MNK – podejście algebraiczne
MIARY STATYSTYCZNE Warunki egzaminu.
JEDNOCZYNNIKOWA ANALIZA WARIANCJI
Analiza kanoniczna - stanowi uogólnienie liniowej regresji wielorakiej na dwa zbiory zmiennych tzn. dla zmiennych zależnych i niezależnych. Pozwala badać.
Korelacja i regresja liniowa
Zapis prezentacji:

mgr Sebastian Mucha

Schemat doświadczenia:

Gdzie: Yij – j-ta obserwacja i-tego obiektu dla cechy Y μ – średnia ogólna A i – efekt stały i-tego obiektu x ij – obserwacja cechy X - średnia dla cechy X β – współczynnik regresji liniowej zmiennej Y względem zmiennej X eij – błąd losowy

Zmienna Y ma rozkład normalny Jednorodność wariancji zmienna towarzysząca X o stałej wariancji rzeczywista losowa brak istotnych różnic między średnimi obiektowymi dla zmiennej X zależność liniowa między X i Y w każdym obiekcie, wszystkie współczynniki regresji są jednakowe

H0: μ 1(y) = μ 2(y) = … = μ t(y) H1: średnie obiektowe nie są równe.

ZmiennośćStopnie swobody Suma kwadratów Suma iloczynów Odchylenia od regresji Liczba stopni swobody Suma kwadrató w odchyleń od regresji Średni kwadrat XYXY Między obiektami t-1T xx T yy T xy t-2T Wewnątrz obiektów (błąd) n –tE xx E yy E xy n-t-1E Całkowita n – 1G xx G yy G xy n-2G Reszta 1D Suma kwadratów do testowania poprawionych średnich t-1T=G-E