Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Test dobré shody  2 test. testuje shodu očekávaných a pozorovaných četností H 0 : pozorované četnosti = očekávané četnosti Pokud zamítnu H 0, mohu říct,

Podobné prezentace


Prezentace na téma: "Test dobré shody  2 test. testuje shodu očekávaných a pozorovaných četností H 0 : pozorované četnosti = očekávané četnosti Pokud zamítnu H 0, mohu říct,"— Transkript prezentace:

1 Test dobré shody  2 test

2 testuje shodu očekávaných a pozorovaných četností H 0 : pozorované četnosti = očekávané četnosti Pokud zamítnu H 0, mohu říct, že pozorované četnosti se od očekávaných liší (a je na mně, abych vysvětlil proč)

3 Příklad chci zjistit, jestli sexuální index (poměr samců a samic) odpovídá očekávanému (1:1) chci zjistit, jestli pasti s různým světlem polapily stejný počet jedinců (očekávám 1:1:1…..) poměr genotypů (očekávám aa : Aa : AA = 1:2:1) odpovídá poměr maturantů z daného předmětu (chlapci:dívky) poměru pohlaví na škole?

4 Výpočet Pearson  2 Kde p i = pozorovaná četnost i-té kategorie, o i = očekávaná četnost i-té kategorie Musím umět spočítat, protože Excel standardně vyhodí rovnou p

5 Statistics to use na této adrese lze  2 spočítat

6

7

8 často spočítá  2, ale napíše že p = p se z principu nemůže rovnat 0! potom lze v Excelu využít funkci CHIDIST – po zadání hodnoty  2 a d.f. spočítá odpovídající p

9 Chytal jsem juvenilní jedince: 127 samců a 133 samic. Později v sezóně jsem chytil 73 samců a 121 samic. Liší se sexuální indexy v různých datech od očekávaného poměru (1:1)? Příklad

10 Chytil jsem tedy 127 samců a 133 samic, celkem 260. Očekávané četnosti jsou tedy 130:130 (poměr 1:1)

11 Příklad Měl jsem 2 kategorie, stupně volnosti jsou tedy 2-1 = 1. Při s.v. = 1 je kritická hodnota na hladině 5%  2 = 3,84. Můj výsledek 0,1385 < 3,84, nemohu tedy zamítnout hypotézu H 0 (poměr juvenilních samic a samců se významně neliší od očekávaného poměru 1:1) Excel (fce CHITEST) vyhodí rovnou p, pokud je menší než 0,05  zamítám H 0, jinak zamítnout nemůžu (zde p = 0,7098)

12

13

14 Statistické tabulky (kritické hodnoty různých rozdělení) např. na ice/html/html/node15.html, nebo na df ice/html/html/node15.html df

15 Příklad Později jsem tedy chytil 73 samců a 121 samic, celkem 194. Očekávané četnosti jsou tedy 97:97 (poměr 1:1)

16 Příklad Můj výsledek 11,876 > 3,84, mohu tedy zamítnout hypotézu H 0 (poměr starších samic a samců se tedy významně liší od očekávaného poměru 1:1) Excel (fce CHITEST) vyhodí rovnou p, pokud je menší než 0,05  zamítám H 0, jinak zamítnout nemůžu (zde p = 0,00057)

17 Příklad Výsledek: Zatímco poměr pohlaví juvenilních jedinců (127:133) se významně neliší od očekávaného poměru 1:1 (  2 = , s.v. = 1, p = ), poměr starších jedinců (73:121) se od očekávaného poměru 1:1 liší signifikantně (  2 = , s.v. = 1, p = ). Diskuse: Samci mají vyšší mortalitu… (anebo jsou chytřejší a nedají se tak snadno chytit)….

18 Pro rozumné použití je nutné, aby četnost většiny kategorií (alespoň 80%) byla nejméně 5, a aby všechny četnosti byly větší než 1 Když mám malé četnosti, mohu použít Yatesovu korekci (slabší test)

19 Pokud je shoda s očekávanými četnostmi příliš velká – too good to be true (při náhodnosti dat je nízká pravděpodobnost nejen malé, ale i velké shody!!!) – např. Mendelovy pokusy

20 Příklad: Ve třídě (28 žáků) je dlouhodobý poměr přítomných a nepřítomných žáků 13:1. Při písemce chybí 6 žáků. Liší se tato absence statisticky významně od očekávané „průměrné“ absence?

21 Příklad do rybníku jsem dal past se světlem bílým, žlutým, modrým, zeleným, červeným pokud barva světla nemá vliv na počet chycených jedinců, bude poměr cca 1:1:1:1:1 chytil jsem 56:72:41:53:38 Má barva světla vliv na odchyt?

22 Příklad Pokuste se vymyslet příklad na test dobré shody, který by se dal použít ve vaší DP

23 Kontingenční tabulky

24 Obecně – dvě (nebo více) kategoriálních proměnných Kontingenční tabulky

25 Výpočet  2 r je počet řádků, s je počet sloupců Očekávané četnosti vypočítám podle celkových součtů a H 0 H 0 : faktory jsou na sobě nezávislé s.v. = (r-1)x(s-1)

26 Očekávané četnosti:

27 Příklad Žáci si mohli vybrat ze 4 předmětů svůj nejoblíbenější –Je oblíbený předmět závislý na pohlaví? –Data viz soubor chi_data.xls

28 Příklad Při dlouhém dni se vyvinulo 46 dlouhokřídlých a 12 krátkokřídlých bruslařek, při krátkém dni 32 dlouhokřídlých a 28 krátkokřídlých. Je frekvence křídelních morf závislá na délce dne?


Stáhnout ppt "Test dobré shody  2 test. testuje shodu očekávaných a pozorovaných četností H 0 : pozorované četnosti = očekávané četnosti Pokud zamítnu H 0, mohu říct,"

Podobné prezentace


Reklamy Google