Odhady parametrů základního souboru. A) GNR B) neznámé r. ZS (přesné parametry) : ,   VS (odhady parametrů): x, s x.

Slides:



Advertisements
Podobné prezentace
Testování statistických hypotéz
Advertisements

Testování statistických hypotéz
Statistická indukce Teorie odhadu.
Statistická indukce Teorie odhadu.
kvantitativních znaků
Testování parametrických hypotéz
Testování hypotéz.
Testování statistických hypotéz
Matematické metody vyhodnocování experimentů
Statistické metody v ochraně kulturního dědictví
Odhady parametrů základního souboru
Cvičení 6 – 25. října 2010 Heteroskedasticita
P‑value ano, či ne? Roman Biskup
ZPRACOVÁVÁME KVANTITATIVNÍ DATA II.
Rozbory přesnosti v jednotlivých fázích vytyčení
Porovnání průměrů více než dvou normálních rozdělení
Testování hypotéz (ordinální data)
Obecný postup při testování souborů
Testování hypotéz přednáška.
Tloušťková struktura porostu
Testování hypotéz vymezení důležitých pojmů
Testování statistických hypotéz
Odhady parametrů základního souboru
Inference jako statistický proces 1
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.
Biostatistika 5. přednáška Aneta Hybšová
Lineární regresní model Statistická inference Tomáš Cahlík 4. týden.
Biostatistika 6. přednáška
Další spojitá rozdělení pravděpodobnosti
Biostatistika 7. přednáška
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
Princip maximální entropie
Pohled z ptačí perspektivy
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
Biostatistika 8. přednáška
PSY717 – statistická analýza dat
Aplikovaná statistika 2. Veronika Svobodová
Základy testování hypotéz
Matematická statistika 1.přednáška. Statistická indukce Náš cíl: získat informace o základním souboru (o populaci) Provedeme výběrové šetření Z dat získáme.
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
Testování hypotéz Testování hypotéz o rozdílu průměrů  t-test pro nezávislé výběry  t-test pro závislé výběry.
Ústav lékařské informatiky, 2. LF UK 2008 STATISTIKA II.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Testování hypotéz Otestujte,… Ověřte,… Prokažte,… že střední věk (tj.  ) …činí 40 let (= 40) …je alespoň 40 let (≥ 40)
Odhady odhady bodové a intervalové odhady
Jednovýběrový a párový t - test
INDUKTIVNÍ STATISTIKA
Homogenita meteorologických pozorování
Statistické testování – základní pojmy
Přednáška č. – 4 Extrémní hodnoty a analýza výběrových souborů
Základy statistické indukce
Neparametrické testy parametrické a neparametrické testy
Přednáška č. 3 – Posouzení nahodilosti výběrového souboru
t-test Počítání t-testu t statistika Měření velikosti efektu
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
Neparametrické testy parametrické a neparametrické testy
Odhady parametrů základního souboru
Úvod do statistického testování
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Homogenita meteorologických pozorování
Neparametrické testy pro porovnání polohy
Úvod do induktivní statistiky
Statistika a výpočetní technika
7. Kontingenční tabulky a χ2 test
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:

Odhady parametrů základního souboru

A) GNR B) neznámé r. ZS (přesné parametry) : ,   VS (odhady parametrů): x, s x

Metody odhadu 1)Bodový odhad na základě dat VS určujeme 1 hodnotu, o které tvrdíme, že = neznámému parametru 2)Intervalový odhad na základě dat VS určujeme oblast hodnot, v níž leží s dostatečnou pravděpodobností (zvolenou) neznámý parametr

A)GNR ( ,  ) 1.Bodový odhad     n-1= (stupně volnosti VS)

  s Stupně volnosti VS: =n-1 ( n zmenšené o počet známých parametrů souboru) zohledňuje chybu VS vůči ZS ZS VS

2.Intervalový odhad (interval spolehlivosti: m 1,m 2 ) - při výpočtu si zvolíme chybu  =0,05 (0,01) (  různě široký interval ) t 1-  /2( ) – koeficient spolehlivosti (tabulky Studentova t- rozdělení) m 1 x m 2 Odhad  : Střední chyba průměru: (kolísání výběr.průměrů kolem  ) ZS (  ) 1.VS2.VS3.VS

t 1-  /2 t 0 f (t)  /2

::  2 1-  /2,  2  /2 – koeficienty spolehlivosti (tabulky Pearsonova -  2 rozdělení) Odhad  (interval spolehlivosti: m 1,m 2 )

 2  /2  2 1-  /2  2  2 f(2)f(2)f(2)f(2)

B) Neznámé rozdělení (  ) 1.Bodový odhad   x : 2.Intervalový odhad (interval spolehlivosti: m 1, m 2 ) m 1,m 2 = hodnoty odvozené z tabulek: podle n a  vyhledáme pořadová čísla pro m 1 a m 2, a tato nahradíme skutečnými hodnotami variační řady.

Testování hypotéz (Statistické vyhodnocování experimentů)

Hypotéza – určité tvrzení o vlastnosti ZS (o sledovaném znaku – jeho rozdělení nebo parametrech) Např.: - soubor odpovídá GNR - 2 soubory mají stejné rozdělení - 2 soubory mají stejnou střední hodnotu, stejný rozptyl Rozhodovací pravidlo o platnosti hypotézy = statistický test (na základě dat VS)

Rozdělení testů Parametrické – pracujeme se soubory známého typu rozdělení (GNR) – hypotéza se týká parametrů  a  – výpočty vycházejí z odhadů těchto parametrů u VS Neparametrické – pro soubory s neznámým rozdělením – hypotéza se týká obecných vlastností rozdělení (např.shoda křivky rozdělení 2 souborů) – výpočty vycházejí z pořadí dat VS

Hypotéza nulová (testovaná) - H 0 :  =konst.  1 =  2  1 2 =  2 2  1 2 =  2 2 Hypotéza alternativní - H 1 : popírá platnost H 0 (Vyhodnocení experimentů: P okus x K ontrola )

Rozhodnutí o platnosti H 0 provádíme na základě výpočtu testovacího kritéria: Např.: t – testování rozdílu 2 průměrů (t-test) F – testování rozdílu 2 rozptylů (F-test)  2 – testování rozdílu četností (  2 - test) Obor hodnot testovacího kritéria: 1.Obor přijetí H 0 2.Kritický obor (zamítáme H 0 )

Testovací kritérium - t

 = 0,05 - hladina významnosti testu (0,01)

Parametrické testy (GNR: ,  )

F-test (testování rozdílu 2 rozptylů – H 0 :  1 2 =  2 2 ) 1.VS : n 1, s VS : n 2, s 2 2 Testovací krirérium: Je-li vypočítané F > F krit.   1 2   2 2 (významný rozdíl rozptylů- pokusný zásah byl účinný) pokusný zásah byl účinný) Je-li vypočítané F  F krit.   1 2 =  2 2 (nevýznamný rozdíl rozptylů - pokusný zásah byl neúčinný) pokusný zásah byl neúčinný)

F-test – použití:  vliv pokusného zásahu na rozptýlení hodnot sledovaného znaku  porovnání přesnosti 2 metod měření  před t-testem (testování rozdílu 2 průměrů)

Příklad: Byl zjišťován vliv hormonálního přípravku na hladinu AST v kr.séru lab. myší. Má přípravek vliv na rozptyl aktivity AST?

Zjištěné hodnoty v  mol/l: K : 0.409, 0.345, 0.392, 0.377, 0.398, 0.381, 0.400, 0.405, 0.302, P : 0.341, 0.302, 0.504, 0.452, 0.309, 0.375, 0.479, 0.423, 0.311, Má přípravek vliv na rozptyl aktivity AST? K: s 1 2 = P: s 2 2 = F krit. = Závěr: F > F krit.   1 2   2 2 (stat. významný rozdíl mezi rozptyly  přípravek má vliv na změnu rozptylu aktivity AST v kr. séru myší.