Porównywanie średnich 2 i więcej prób niezależnych o rozkładach innych niż normalny
Próby niezależne versus próby zależne Próby niezależne: mierzone w dwóch lub więcej różnych obiektach albo w tym samym obiekcie ale nie poddanym ingerencji. czas
Schematy postępowania 2 GRUPY(ZMIENNE) NIEZALEŻNE rozkład normalny rozkład inny niż normalny test parametryczny test t-studenta test nieparametryczny test U Manna-Whitneya Test serii Walda-Wofowitza Test Kołmogorowa-Smirnowa xśr 1 xśr 2 xśr 1 xśr 2
Test U Manna-Whitneya dla 2 grup niezależnych Najmocniejsza nieparametryczna alternatywa dla testu t-studenta. Obliczenia wykonywane są w oparciu o sumę rang a nie średnie. Wynik testu: U=......, Z=......, p=....... Jeśli p<0.05 to średnie istotnie się różnią!
Test serii Walda-Wolfowitza dla 2 grup niezależnych Wynik testu: Z=......, p=....... Jeśli p<0.05 to średnie istotnie się różnią!
Test Kołmogorowa-Smirnowa dla 2 grup niezależnych Wynik testu: Maks. Ujemna różnica=…….; Maks. Dodatnia różnica=…… p=....... Jeśli p<0.05 to średnie istotnie się różnią!
Schematy postępowania WIĘCEJ NIŻ 2 GRUPY NIEZALEŻNE rozkład normalny rozkład inny niż normalny Analiza ANOVA testy nieparametryczny ANOVA rang Kruskala-Wallisa Test mediany
ANOVA rang Kruskala-Wallisa i test mediany dla więcej niż 2 grup niezależnych Kruskal-Wallis: Jeśli p<0.05 to pomiędzy jakimiś grupami istnieją statystycznie istotne różnice Test mediany: Porównania wielokrotne: Dokładnie wskazują, pomiędzy którymi grupami są różnice
Testy nieparametryczne versus parametryczne Testy nieparametryczne charakteryzują się mniejszą mocą (wrażliwością) niż ich odpowiedniki parametryczne. Metody nieparametryczne są najbardziej odpowiednie w przypadku prób o małych licznościach. W przypadku dużych zbiorów danych (np. n > 100) stosowanie statystyk nieparametrycznych najczęściej nie ma uzasadnienia.
Testy nieparametryczne versus parametryczne Idea centralnego twierdzenia granicznego. Gdy liczność próby bardzo wzrasta, wówczas średnie prób podlegają rozkładowi normalnemu.