Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

8. přednáška Testování hypotéz (ordinální data). Početní postupy s procenty Výpočet počtu procent – obvyklá součást diplomových prací Počítat procenta.

Podobné prezentace


Prezentace na téma: "8. přednáška Testování hypotéz (ordinální data). Početní postupy s procenty Výpočet počtu procent – obvyklá součást diplomových prací Počítat procenta."— Transkript prezentace:

1 8. přednáška Testování hypotéz (ordinální data)

2 Početní postupy s procenty Výpočet počtu procent – obvyklá součást diplomových prací Počítat procenta u výběrů s rozsahem menším než 10 nelze výpočet procenta testování dvou výběrových procentových hodnot

3 Testování dvou výběrových procentových hodnot Příklad: Ve třídě A splnilo didaktický test 13 z 20 žáků, ve třídě B 15 žáků z 19. Je rozdíl mezi třídami statisticky významný? H 0 Rozdíl v počtu dětí, které ve třídě A a B splnily požadavky didaktického testu, není statisticky významný. Srovnáním vypočtené hodnoty t = 0,96 s hodnotou tabulkovou, kde t = 1,96 na hladině 0,05, nemůžeme nulovou hypotézu zamítnout.

4 Statistické metody pro analýzu ordinálních dat Vztahy mezi pedagogickými jevy, změřenými pomocí pořadového měření - můžeme použít po vhodné kategorizaci všech postupů uvedených pro nominální data. Postupy speciálně vytvořené pro ordinální data: znaménkový test –opakované měření týchž souborů –porovnáme měření u každého subjektu a přiřadíme znaménko „+“, nebo „–“ –spočítáme, která znaménka se vyskytují řidčeji, a porovnáme s tabulkovou hodnotou –není příliš „silný“, neodhalí malé rozdíly Wilcoxonův test – podobný předchozímu, účinnější U-test Manna a Whitneyho – účinný neparametrický test, pomáhá rozhodnout, zda dva výběry pocházejí ze stejného souboru – u malých výběrů snadné, u větších používáme výpočet testového kritéria U:

5 Statistické metody pro analýzu ordinálních dat Příklad: V předchozím případě dosáhli žáci počtu bodů, které udávají tabulky. H 0 Mezi výsledky žáků ve třídě A a B nejsou statisticky významné rozdíly. H A Mezi výsledky žáků v didaktickém testu ve třídě A a B jsou statisticky významné rozdíly. Třída A body n=20 Třída B body n=19

6 Statistické metody pro analýzu ordinálních dat Příklad: V předchozím případě dosáhli žáci počtu bodů, které udávají tabulky. Doplníme pořadí, vypočítáme hodnotu R a dosadíme do vzorce. Třída A bodypořadí n 1 = 20R A = 358 Třída B bodypořadí n 2 = 19R B =422

7 Statistické metody pro analýzu ordinálních dat Příklad: V předchozím případě dosáhli žáci počtu bodů, které udávají tabulky. Doplníme pořadí Vypočítáme součet pořadí (hodnotu R). Dosadíme do vzorce pro A i B: Vypočítáme hodnoty: U A =232 U B =148 Třída A bodypořadí , , , n 1 = 20R A = 358 Třída B bodypořadí , , n=19R B =422

8 Statistické metody pro analýzu ordinálních dat Příklad: V předchozím případě dosáhli žáci počtu bodů, které udávají tabulky. Výpočet normované hodnoty: |u|=0,36 Kritická hodnota |u|=1,96 Nulovou hypotézu nezamítáme. Třída A bodypořadí n 1 = 20R A = 358 Třída B bodypořadí n=19R B =422

9 Statistické metody pro analýzu metrických dat Při analýze metrických dat je možno používat všech postupů pro analýzu nominálních nebo ordinálních dat. Závislosti mezi jevy: -funkční -statistické Vizualizujeme bodovými diagramy – příklady z přednášky č. 6.

10 Jak se seskupují body? Jsou zcela neuspořádané, vyplňují celou plochu diagramu – obě náhodné veličiny jsou statisticky nezávislé Vyplňují plochu elipsy, rozmístění lze přibližně vystihnout pomocí přímky – lineární statistická závislosti –Přímá závislost –Nepřímá závislost Body se kupí tak, že jejich seskupení lze vystihnout určitou obecnou křivkou – nelineární statistická závislost.

11 Statistické metody pro analýzu metrických dat Regresní analýza Korelační analýza – koeficient korelace, např. –Pearsonův –studentův t-test –párový t-test

12 Korelace Koeficient korelace udává míru statistické závislosti dvou znaků. Je definován vzorcem: Koeficient korelace je vždy číslo z intervalu. Koeficient korelaceInterpretaceKoeficient korelaceInterpretace r = 1naprostá závislost (funkční závislost) 0,40 > r ≥ 0,20nízká závislost 1,00 > r ≥ 0,90velmi vysoká závislost0,20 > r > 0,00velmi slabá závislost 0,90 > r ≥ 0,70vysoká závislostr = 0naprostá nezávislost 0,70 > r ≥ 0,40střední závislost


Stáhnout ppt "8. přednáška Testování hypotéz (ordinální data). Početní postupy s procenty Výpočet počtu procent – obvyklá součást diplomových prací Počítat procenta."

Podobné prezentace


Reklamy Google