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.

Slides:



Advertisements
Podobné prezentace
Testování statistických hypotéz
Advertisements

Testování statistických hypotéz
Statistická indukce Teorie odhadu.
Statistická indukce Teorie odhadu.
Testování parametrických hypotéz
Testování hypotéz Jana Zvárová
Testování statistických hypotéz
Statistické metody v ochraně kulturního dědictví
Odhady parametrů základního souboru
F-test a dvouvýběrový t-test (oba testy předpokládají normalitu dat)
Lineární regresní analýza Úvod od problému
P‑value ano, či ne? Roman Biskup
Analýza variance (Analysis of variance)
ZPRACOVÁVÁME KVANTITATIVNÍ DATA II.
Testování závislosti kvalitativních znaků
t-rozdělení, jeho použití
Obecný postup při testování souborů
Testování hypotéz přednáška.
Náhodná proměnná Rozdělení.
Testování hypotéz vymezení důležitých pojmů
Testování statistických hypotéz
Odhady parametrů základního souboru
Inference jako statistický proces 1
Odhady parametrů základního souboru. A) GNR B) neznámé r. ZS (přesné parametry) : ,   VS (odhady parametrů): x, s x.
Odhady odhady bodové a intervalové odhady
Biostatistika 5. přednáška Aneta Hybšová
Lineární regresní model Statistická inference Tomáš Cahlík 4. týden.
Biostatistika 6. přednáška
Analýza variance (ANOVA).
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
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
T - testy Párový t - test Má se zjistit, zda se sjíždějí přední pravé pneumatiky stejně jako přední levé pneumatiky. Bylo vybráno 6 vozů stejné značky:
PSY717 – statistická analýza dat
Statistické odhady (inference) Výběr Nepotřebujeme sníst celého vola jenom proto, abychom poznali, že to jde ztuha. Samuel Johnson (anglický básník a.
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
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.
Dvojrozměrné (vícerozměrné) statistické soubory Karel Mach.
POZNÁMKA: Pokud chcete změnit obrázek na tomto snímku, vyberte obrázek a odstraňte ho. Potom klikněte na ikonu Obrázek v zástupném textu a vložte vlastní.
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
Induktivní statistika
Přednáška č. 3 – Posouzení nahodilosti výběrového souboru
t-test Počítání t-testu t statistika Měření velikosti efektu
Induktivní statistika
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
- váhy jednotlivých studií
Odhady parametrů základního souboru
Induktivní statistika
Úvod do statistického testování
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
Úvod do induktivní statistiky
příklad: hody hrací kostkou
7. Kontingenční tabulky a χ2 test
Induktivní statistika
Základy statistiky.
Testování hypotéz - pojmy
Transkript prezentace:

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 ) z jednoho a téhož základního souboru?  2.) Je rozdíl mezi dvěma, případně více statistickými soubory (x, s 2 ) náhodný, nebo je způsoben ošetřením?  3.) Lze pohlížet na odlehlou (extrémní) hodnotu jako na hrubou chybu? Ošetření… v biometrickém (statistickém) pojetí

Obecný postup při používání testů významnosti 1.) Volba hladiny významnosti, tzn. pravděpodobnost s jakou chceme vyvrátit Ho (přijmout H 1 …alternativní hypotézu)  α=0,05……1- α=0,95……95%pp  α=0,01……1- α=0,99……99%pp  α=0,001…..1- α=0,99……99,9%pp 2.) Formulace H A(1) …alternativní hypotézy  rozdíl např. mezi dvěma průměry je způsoben ošetřením, x 1 ≠ x 2 Formulace Ho (např.): x 1 = x 2  rozdíl mezi průměry dvou statistických souborů není způsoben ošetřením; nýbrž náhodnými vlivy… rozdíl není statisticky průkazný

3.) Interpretace výsledků  kritické hodnoty testového kriteria jsou tabelovány  postup: vypočítanou hodnotu testového kriteria porovnáváme s hodnotou kritickou pro příslušný počet pozorování a na požadované hladině významnosti

T(vyp.) ≤ T (tab.) Ho nezamítáme na zvolené hladině významnosti vliv ošetření nebyl prokázán, např.sledovaný rozdíl není statisticky významný (průkazný) Zjištěná odchylka je náhodná  Účinek sledovaných faktorů (vliv „ošetření“ se neuplatňuje)

T(vyp.) > T (tab.) Ho zamítáme na zvolené hladině významnosti a přijímáme H 1 (alternativní) Sledovaný rozdíl je statisticky významný (průkazný) Zjištěná odchylka není náhodná, čili je (s určitou pp – 95%, 99%) způsobena příslušnými faktory, (ošetřením) atd. T P(0,05) <T vyp. ≤ T P(0,01) ?!

Test extrémních odchylek (Grubbsův test) Hmotnost vajec nini x i (g) xi2xi Σ

Jestliže T 1 (T n, T e ) > T zvolená hladina významnosti P(0,05);(0,01) …zamítáme Ho Tabulka kritických hodnot pro Grubbsův test T 1 = 1,87 < T (6;0,01) ……2,130 T 1 = 1,87 < T (6;0,01) ……2,130  T(n, α) ve výše uvedeném sledování… Ho nezamítáme T 1 = 1,87 < T (6;0,05) …… 1,996 T 1 = 1,87 < T (6;0,05) …… 1,996  Hodnota 47g ve sledovaném statistickém souboru ponecháme; patří do něho…Ho nebyla vyvrácena

Poznámka: Kdyby 2,130 ≥T 1 >1,996  Zamítli bychom Ho s 95% pp. (!!!ale ne s 99% pp.) Kdyby T 1 >2,130 … zamítli bychom Ho s 99% pp.(což pochopitelně znamená zamítnutí Ho se všemi pp. nižšími)

Interval spolehlivosti pro parametr μ (aritmetický průměr základního souboru) V jakém rozmezí se pohybuje aritmetický průměr základního souboru ; tzn. hodnota μ, jestliže známe průměrnou hodnotu výběrového statistického souboru (x)?

Příklad: x = 8králíků; s x = 0,58 králíčat; n = 10 Hrubý (orientační výpočet):  Rozmezí s 95% pp (P 0,05 ):8±2*0,58=6,84-9,16 99% pp (P 0,01 ):8±3*0,58=6,26-9,74 Přesnější postup:  x-t (P0,05;P0,01) * s x ≤ μ ≤ x + t (P0,05;P0,01) * s x

Kritické hodnoty pro v(df) = n-1 stupňů volnosti jsou uvedeny v tab. kritických hodnot t-rozdělení(použijeme hodnoty oboustranného t-testu …dvoustranný kritický obor) Výše uvedený příklad v=n-1=10-1=9 t v =9;P (0,05) = 2,262; t v =9; P (0,01) =3,250 Výpočet pro 95% pp.: 8-2,262*0,58 ≤ μ ≤ 8+2,262*0,58 6,69 ≤ μ ≤ 9,31

Děkuji za pozornost!