Power analysis aneb Co to vlastně znamená P<0.05 A hlavně co znamená P>0.05 (Podle Scheiner & Gurevitch 2001: Desing and analysis of ecological experiments.

Slides:



Advertisements
Podobné prezentace
Statistické testy z náhodného výběru vyvozuji závěry ohledně základního souboru často potřebuji porovnat dva výběry mezi sebou, porovnat průměr náhodného.
Advertisements

Statistická indukce Teorie odhadu.
Ideový závěr Co si mám z přednášky odnést (+ komentáře k užití statistiky v biologii)
Fylogeografie Studuje geografickou strukturaci populací Navazuje na evoluční biologii, ochranu živ. prostř., taxonomii.
Testování hypotéz Distribuce náhodných proměnných
Testování statistických hypotéz
A5M33IZS – Informační a znalostní systémy Datová analýza I.
F-test a dvouvýběrový t-test (oba testy předpokládají normalitu dat)
Chováme králíčky Liší se tato tři králičí plemena hmotností?
Cvičení 6 – 25. října 2010 Heteroskedasticita
4EK211 Základy ekonometrie Autokorelace Cvičení /
P‑value ano, či ne? Roman Biskup
Analýza variance (Analysis of variance)
Národní informační středisko
Testování hypotéz přednáška.
Náhodná proměnná Rozdělení.
Testování hypotéz vymezení důležitých pojmů
Obecný lineární model Analýza kovariance Nelineární modely
Jak správně interpretovat ukazatele způsobilosti a výkonnosti
Porovnání středních hodnot: t-test, ANOVA, Tukeyho m.v.p.
Odhady parametrů základního souboru. A) GNR B) neznámé r. ZS (přesné parametry) : ,   VS (odhady parametrů): x, s x.
Kontingenční tabulky Závislost dvou kvalitativních proměnných.
Pravděpodobnost a genetická prognóza
Lineární regrese.
POČET PRAVDĚPODOBNOSTI
Testy významnosti Karel Mach. Princip (podstata): Potvrzení H O Vyvrácení H O →přijmutí H 1 (H A ) Ptáme se:  1.) Pochází zkoumaný výběr (jeho x, s 2.
Lineární regresní model Statistická inference Tomáš Cahlík 4. týden.
Zásady experimentální práce (především v biologii)
Biostatistika 7. přednáška
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
Práce s výsledky statistických studií
ZÁKLADY TEORIE PRAVDĚPODOBNOSTI
Pohled z ptačí perspektivy
V. Analýza rozptylu ANOVA.
MATEMATICKÁ STATISTIKA
Fitování Konstrukce křivky (funkce), která co nejlépe odpovídá naměřeným hodnotám. - může podléhat dodatečným podmínkám Lineární vs. nelineární regrese.
8. Kontingenční tabulky a χ2 test
Species abundance patterns Jan Klečka. Typy modelů (nejedná se o úplný výčet) 1) Statistické modely Log-series (Fisher et al. 1943) Log-normal (Preston.
Statistická významnost a její problémy
Biostatistika 8. přednáška
Metodika posouzení Metody, techniky, postupy. Klíčová otázka: n Jak provést posouzení, aby co nejlépe reflektovalo situaci uživatele služby?
PSY717 – statistická analýza dat
Jak statistika dokazuje závislost
ADDS cviceni Pavlina Kuranova. Testy pro dva nezávislé výběry Mannův Whitneyho test - Založen na Wilcoxnově statistice W - založen na pořadí jednotlivých.
Aplikovaná statistika 2. Veronika Svobodová
Měření v sociálních vědách „Měřit všechno, co je měřitelné, a snažit se učitnit měřitelným vše, co dosud měřitelné není“. (Galileo Galilei)
Testování hypotéz Testování hypotéz o rozdílu průměrů  t-test pro nezávislé výběry  t-test pro závislé výběry.
Sledujeme (např.): Chceme prokázat: závisí plat na dosaženém vzdělání? závisí plat na dosaženém vzdělání? je u všech čtyř strojů délka výlisků srov- natelná.
Ústav lékařské informatiky, 2. LF UK 2008 STATISTIKA II.
Elektronické učební materiály – II. stupeň Fyzika 7 Autor: Mgr. Zuzana Vimrová 1. Co je potřeba na všech obrázcích?
Testování hypotéz Otestujte,… Ověřte,… Prokažte,… že střední věk (tj.  ) …činí 40 let (= 40) …je alespoň 40 let (≥ 40)
… jsou bohatší lidé šťastnější?
INDUKTIVNÍ STATISTIKA
Varianty výzkumu Kroky výzkumu Výběrový soubor
Statistické testování – základní pojmy
Testování hypotéz párový test
t-test Počítání t-testu t statistika Měření velikosti efektu
VÝZKUM V POLITOLOGII III.
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
- váhy jednotlivých studií
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Úvod do statistického testování
Úvod do induktivní statistiky
příklad: hody hrací kostkou
Lineární regrese.
7. Kontingenční tabulky a χ2 test
Induktivní statistika
Základy statistiky.
Testování hypotéz - pojmy
NOMINÁLNÍ VELIČINY Odhad hodnoty pravděpodobnosti určitého jevu v základním souboru Test hodnoty pravděpodobnosti určitého jevu v základním souboru Srovnání.
Transkript prezentace:

Power analysis aneb Co to vlastně znamená P<0.05 A hlavně co znamená P>0.05 (Podle Scheiner & Gurevitch 2001: Desing and analysis of ecological experiments. 2nd ed. Oxford Univ. Press)

Rozhodovací tabulka

Effect size Absolute effect size – zásahem vzroste biomasa o 100 g.m -2 Relative effect size – zásahem vzroste biomasa o 5% Standardized effect size – standardizováno variabilitou s.d.

Síla testu závisí na effect size Při malém počtu replikací neprokážeme i docela velký efekt, při velkém počtu replikací prokážeme i efekt, který nemá biologický význam

Na co nám odpoví Power analysis Dává nám závislost síly testu na velikosti efektu, variabilitě dat a velikosti sledovaného výběru (sledovaných výběrů) Pomůže nám naplánovat experimet, nebo se hodí v případě, že test vyšel neprůkazně

Možné otázky Biologický smysl má zvýšení produkce semen po odstranění konkurenta o 10% (číslo vycucané z prstu nebo podložené nějakou evoluční úvahou); zvýšení produkce hnojením je rentabilní, jen pokud výnos vzroste od jednu tunu na hektar. Předpokládá se, že znám variabilitu dat (kvalifikovaně odhadnu, nebo znám z předchozích pokusů) Kolik potřebuji opakování v každé skupině, abych takový efekt prokázal (tj. abych nulovou hypotézu o neexistenci efektu zamítl na 5% hladině významnosti) s pravděpodobností alespoň 90% (síla testu, tj β) Nebo: Jakou jsem měl šanci daný efekt prokázat při daných velikostech výběru

Zavádějící slovo „significant“ Významný statisticky nemusí znamenat významný biologicky (Skoro) každá nulová hypotéza je nepravdivá – pak záleží často jen na počtu replikací, které jsme schopni udělat, zda dostaneme signifikantní výsledek (naštěstí jsme většinou omezeni v počtu replikací – pozor na možnosti „computerized sampling“) Power analysis

Mě se líbí přístup: Pozor – co je pod a co je nad zero effect není zde z hlediska logiky zamítnutí důležité Tento přístup lze použít pro plánování počtu replikací (jak široký potřebuju CI) Když uvedu CI, tak mi to dává představu, i když nemám a priori stanovenou minimální velikost bioélogicky smysluplného efektu