Test t-studenta dla pojedynczej próby

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Test zgodności c2.
BIOSTATYSTYKA I METODY DOKUMENTACJI Ćwiczenie 1
hasło: student Justyna Kubacka
Wykład 7: Moc Moc testu to prawdopodobieństwo odrzucenia H0, gdy prawdziwa jest HA Moc=czułość testu Moc = 1 – Pr (nie odrzucamy H0, gdy prawdziwa jest.
Porównywanie średnich dwóch prób niezależnych o rozkładach normalnych (test t-studenta)
Analiza wariancji jednoczynnikowa
Zmienne losowe i ich rozkłady
BUDOWA MODELU EKONOMETRYCZNEGO
Estymacja przedziałowa
Test zgodności Joanna Tomanek i Piotr Nowak.
Analiza wariancji Analiza wariancji (ANOVA) stanowi rozszerzenie testu t-Studenta w przypadku porównywanie większej liczby grup. Podział na grupy (czyli.
hasło: student Joanna Rutkowska Aneta Arct
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Mgr Sebastian Mucha Schemat doświadczenia:
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 5 Przedziały ufności
Wykład 11 Analiza wariancji (ANOVA)
Wykład 4 Przedziały ufności
Pobieranie próby Populacja generalna: zbiór wyników wszystkich możliwych doświadczeń określonego typu. Próba n-wymiarowa: zbiór n wyników doświadczeń.
Modele (hipotezy) zagnieżdżone
Próby niezależne versus próby zależne
Próby niezależne versus próby zależne
Porównywanie średnich dwóch prób zależnych
Test t-studenta dla pojedynczej próby
Analiza wariancji ANOVA efekty główne
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Wykład 4. Rozkłady teoretyczne
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Estymacja przedziałowa i korzystanie z tablic rozkładów statystycznych
Jednoczynnikowa analiza wariancji (ANOVA)
Rozkład t.
Hipotezy statystyczne
Analiza wariancji jednoczynnikowa
Testy nieparametryczne
Elementy Rachunku Prawdopodobieństwa i Statystyki
Testy nieparametryczne
Analiza wariancji jednoczynnikowa.
Testy nieparametryczne
Hipotezy statystyczne
Analiza wariancji ANOVA czynnikowa ANOVA
Statystyka - to „nie boli”
Planowanie badań i analiza wyników
Porównywanie średnich 2 i więcej prób o rozkładach innych niż normalny
Analiza wariancji ANOVA efekty główne. Analiza wariancji ANOVA ANOVA: ANalysis Of VAriance Nazwa: wywodzi się z faktu, że w celu testowania statystycznej.
Testowanie hipotez statystycznych
Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)
Dopasowanie rozkładów
Wnioskowanie statystyczne
Statystyka medyczna Piotr Kozłowski
Wykład 5 Przedziały ufności
Program przedmiotu “Opracowywanie danych w chemii” 1.Wprowadzenie: przegląd rodzajów danych oraz metod ich opracowywania. 2.Podstawowe pojęcia rachunku.
Weryfikacja hipotez statystycznych
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
Estymatory punktowe i przedziałowe
Podstawowe pojęcia i terminy stosowane w statystyce. Rozkłady częstości Seminarium 2.
Testowanie hipotez Jacek Szanduła.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
STATYSTYKA – kurs podstawowy wykład 7 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Rozkłady statystyk z próby dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
Rozkład z próby Jacek Szanduła.
Statystyka matematyczna
Statystyka matematyczna
Jednorównaniowy model regresji liniowej
Zmienna losowa. Wybrane rozkłady zmiennej. Przedział ufności.
Wnioskowanie statystyczne Weryfikacja hipotez statystycznych
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Test t-studenta dla pojedynczej próby
Zapis prezentacji:

Test t-studenta dla pojedynczej próby

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 Metodyka analizy: Sprawdzamy normalność rozkładu zmiennej: - histogramy - wykresy prawdopodobieństwo-prawdopodobieństwo - testy normalności (p 0.05 lub p=n.i. – rozkład jest normalny)

Test t-studenta dla pojedynczej próby 2. Wykonujemy test t-studenta: t – wynik testu df – liczba stopni swobody p – poziom prawdopodobieństwa p0.05 – brak istotnych różnic p<0.05 – różnice są istotne

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

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

Próby niezależne: analizy dwóch RÓŻNYCH próbek żywności analizy dwóch RÓŻNYCH zbiorników wodnych

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 Poziom p: prawdopodobieństwo błędu związanego z przyjęciem hipotezy o istnieniu różnic między średnimi. Jeśli p<0.05 to średnie istotnie się różnią!

Test t-studenta dla grup niezależnych Testy równości wariancji: Test F: F=........., p=........ Test B-F: B-F=......, p=........ Jeśli p<0.05 to 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!

Porównywanie średnich dwóch prób zależnych

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

Próby zależne: Badanie próbki żywności przed i po zamrażaniu

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 Poziom p: prawdopodobieństwo błędu związanego z przyjęciem hipotezy o istnieniu różnic między średnimi. Jeśli p<0.05 to średnie istotnie się różnią! 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.