Próby niezależne versus próby zależne

Slides:



Advertisements
Podobne prezentacje
ESTYMACJA PRZEDZIAŁOWA
Advertisements

Testy sekwencyjne Jan Acedański.
hasło: student Szymon Drobniak pokój konsultacje: wtorek 13-14
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
Estymacja przedziałowa
Statystyka w doświadczalnictwie
Statystyka w doświadczalnictwie
hasło: student Joanna Rutkowska Aneta Arct
Mgr Sebastian Mucha Schemat doświadczenia:
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 11 Analiza wariancji (ANOVA)
Nierówność informacyjna
Pobieranie próby Populacja generalna: zbiór wyników wszystkich możliwych doświadczeń określonego typu. Próba n-wymiarowa: zbiór n wyników doświadczeń.
Modele (hipotezy) zagnieżdżone
Test t-studenta dla pojedynczej próby
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.
Analiza wariancji.
Rozkład t.
Hipotezy statystyczne
Analiza wariancji jednoczynnikowa
Testy nieparametryczne
Dlaczego obserwujemy??? istotny wpływ, istotną różnicę, istotną zależność.
Podsumowanie projektu
Testy nieparametryczne
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Analiza wariancji jednoczynnikowa.
Testy nieparametryczne
Hipotezy statystyczne
Analiza wariancji ANOVA czynnikowa ANOVA
Statystyka - to „nie boli”
Testy statystycznej istotności
Porównywanie średnich 2 i więcej prób o rozkładach innych niż normalny
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.
Testowanie hipotez statystycznych
ANALIZA ANOVA - KIEDY? Wiele przedsięwzięć badawczych zakłada porównanie pomiędzy średnimi z więcej niż dwóch populacji lub dwóch warunków eksperymentalnych.
Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)
Dopasowanie rozkładów
Wnioskowanie statystyczne
Statystyka medyczna Piotr Kozłowski
Rozkład wariancji z próby (rozkład  2 ) Pobieramy próbę x 1,x 2,...,x n z rozkładu normalnego o a=0 i  =1. Dystrybuanta rozkładu zmiennej x 2 =x 1 2.
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
Testowanie hipotez Jacek Szanduła.
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.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Monte Carlo, bootstrap, jacknife. 2 Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej :
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
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.
Estymacja parametrów populacji. Estymacja polega na szacowaniu wartości parametrów rozkładu lub postaci samego rozkładu zmiennej losowej, na podstawie.
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
Statystyka medyczna Piotr Kozłowski www: 1.
Wnioskowanie statystyczne. Próbkowanie (sampling)
Statystyka matematyczna
Statystyka matematyczna
Porównywanie średnich prób o rozkładach normalnych (testy t-studenta)
Monte Carlo, bootstrap, jacknife
Korelacja i regresja liniowa
Test t-studenta dla pojedynczej próby
Zapis prezentacji:

Porównywanie średnich dwóch prób niezależnych o rozkładach normalnych (test 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 hoteli analizy dwóch RÓŻNYCH gmin

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 Badanie klienteli hotelu przed i po remoncie

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!

Test t-studenta dla grup niezależnych PRZYKŁAD: Wędkarze zmierzyli długości ryb (w mm) złowionych w jeziorze Myśliborskim i Jeziorze Dąbie. Badamy, czy średnie długości ryb różnią się istotnie między tymi jeziorami.

Test t-studenta dla grup niezależnych PRZYKŁAD: Badamy normalność rozkładów długości ryb w J. Myśliborskim i J. Dąbie J. Myśliborskie J. Dąbie

Test t-studenta dla grup niezależnych PRZYKŁAD: J.M. J.D. założenie normalności rozkładów zostało spełnione; możemy wykonać test t-studenta dla grup niezależnych

Test t-studenta dla grup niezależnych PRZYKŁAD: testy jednorodności wariancji p>0,05 więc wariancje są równe spełnione jest założenie testu t-studenta

Test t-studenta dla grup niezależnych PRZYKŁAD: wykonujemy test t-studenta średnia długość w J.M. p>0,05 statystycznie nieistotne różnice średnia długość w J.D.

Test t-studenta dla grup niezależnych PRZYKŁAD: wykonujemy wykres ramka-wąsy średnia długość ryb w J.D. jest większa niż długość ryb w J.M., ale różnice nie są statystycznie istotne! J.M. J.D.