Normální rozdělení. U 65 náhodně vybraných živě narozených dětí byla zkoumána jejich porodní hmotnost [g] a délka [cm].

Slides:



Advertisements
Podobné prezentace
Testování statistických hypotéz
Advertisements

Korelace a regrese Karel Zvára 1.
Statistické testy z náhodného výběru vyvozuji závěry ohledně základního souboru často potřebuji porovnat dva výběry mezi sebou, porovnat průměr náhodného.
Statistická indukce Teorie odhadu.
Testování parametrických hypotéz
Jednovýběrové testy parametrickch hypotéz
Testování statistických hypotéz
NORMOVANÉ NORMÁLNÍ ROZDĚLENÍ
Odhady parametrů základního souboru
Cvičení října 2010.
3. PRINCIP MAXIMÁLNÍ VĚROHODNOSTI
Testování hypotéz přednáška.
Princip testování hypotéz, c2 testy.
Korelace a regrese síla (těsnost) závislosti dvou náhodných veličin: korelace symetrický vztah obou veličin neslouží k předpovědi způsob (tvar) závislosti.
také Gaussovo rozdělení (normal or Gaussian distribution)
Testování statistických hypotéz
8. listopadu 2004Statistika (D360P03Z) 6. předn.1 chování výběrového průměru nechť X 1, X 2,…,X n jsou nezávislé náhodné veličiny s libovolným rozdělením.
T - testy. Předpokládejme, že data mají normální rozdělení (pocházejí z normálního rozdělení N(m, s2)). Předpokládejme, že parametr s rozdělení je znám.
Základy ekonometrie Cvičení října 2010.
Odhady parametrů základního souboru
Generování náhodných veličin (2) Spojitá rozdělení
Náhodný jev A E na statistickém experimentu E - je určen vybranou množinou výsledků experimentu: výsledku experimentu lze přiřadit číslo, náhodnou proměnnou.
Statistická analýza únavových zkoušek
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.
základní principy a použití
Biostatistika 6. přednáška
Další spojitá rozdělení pravděpodobnosti
Analýza variance (ANOVA).
Náhodné výběry a jejich zpracování Motto: Chceme-li vědět, jak chutná víno v sudu, nemusíme vypít celý sud. Stačí jenom malý doušek a víme na čem jsme.
Samostatný úkol: Jednovýběrový t-test Dvouvýběrový nepárový t-test
Náhodné výběry a jejich zpracování Motto: Chceme-li vědět, jak chutná víno v sudu, nemusíme vypít celý sud. Stačí jenom malý doušek a víme na čem jsme.
MATEMATICKÁ STATISTIKA
Fitování Konstrukce křivky (funkce), která co nejlépe odpovídá naměřeným hodnotám. - může podléhat dodatečným podmínkám Lineární vs. nelineární regrese.
Dvouvýběrový t-test 11 stejně starých selat bylo náhodně rozděleno do 2 skupin. První skupina byla krmena krmivem A, druhá krmivem B. Po 6 měsících byly.
Princip testování hypotéz, c2 testy.
Základy matematické statistiky. Nechť je dána náhodná veličina X (“věk žadatele o hypotéku“) X je definována rozdělením pravděpodobností, s nimiž nastanou.
8. Kontingenční tabulky a χ2 test
Normální rozdělení a ověření normality dat
Biostatistika 8. přednáška
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:
Úvod do praktické fyziky Seminář pro I.ročník F J. Englich, ZS 2003/04.
1. cvičení
Analýza variance (ANOVA). ANOVA slouží k porovnávání středních hodnot 2 a více náhodných proměnných. Tam, kde se používal dvouvýběrový t-test, je možno.
Inferenční statistika - úvod
Vícerozměrné statistické metody Vícerozměrné statistické rozdělení a testy, operace s vektory a maticemi Jiří Jarkovský, Simona Littnerová.
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.
Základy zpracování geologických dat R. Čopjaková.
Princip testování hypotéz,  2 testy. Příklad. V dané populaci nejsme schopni v daném okamžiku zjistit počet samců a samic. Předpokládá se (= je teoreticky.
Ústav lékařské informatiky, 2. LF UK 2008 STATISTIKA II.
Jednovýběrový a párový t - test
INDUKTIVNÍ STATISTIKA
Statistické testování – základní pojmy
Základy statistické indukce
Přednáška č. 3 – Posouzení nahodilosti výběrového souboru
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
Odhady parametrů základního souboru
Úvod do statistického testování
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
Samostatný úkol: Jednovýběrový t-test Dvouvýběrový nepárový t-test
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Neparametrické testy pro porovnání polohy
7. Kontingenční tabulky a χ2 test
Statistika.
Induktivní statistika
T - testy Párový t - test Existuje podezření, že u daného typu auta se přední pneumatiky nesjíždějí stejně. H0: střední hodnota sjetí vpravo (m1) = střední.
Základy statistiky.
Náhodné výběry a jejich zpracování
Testování hypotéz - pojmy
Transkript prezentace:

Normální rozdělení. U 65 náhodně vybraných živě narozených dětí byla zkoumána jejich porodní hmotnost [g] a délka [cm].

Charakteristiky náhodných veličin: Hmotnost: střední hodnota = 3400 g, S.D. = 554 Délka: střední hodnota = 50 cm, S.D. = 2.5

  

  

(očekávané (relativní) četnosti) sledované (relativní) četnosti k je počet tříd (počet sloupců v histogramu)

Normální rozdělení:  je předpokladem použití mnoha statistických metod  zachovává se vzhledem k některým (lineární) transformacím  je definována pouze 2 parametry  je symetrická (šikmost = 0) Ověřování normality dat:  pomocí  2 rozdělení  ověřování se neprovádí:  pro velké množství dat normalitu zamítneme  normalitu nezamítáme při malém počtu pozorování  statistické metody jsou málo citlivé na mírné porušení normality

t - testy Má se zjistit, zda se sjíždějí přední pravé pneumatiky stejně jako přední levé pneumatiky. Bylo vybráno 6 vozů stejné značky: H0: sjetí vpravo = sjetí vlevo H1: sjetí vpravo ≠ sjetí vlevo Předpoklady: Náhodné proměnné „sjetí vpravo“ a „sjetí vlevo“ pocházejí z normálního rozdělení. H0: střední hodnota sjetí vpravo (  1) – střední hodnota sjetí vlevo (  2) = 0. rozptyly obou proměnných se rovnají. Párový t - test

 Předpoklad normality dat se neověřuje  Pokud první soubor pochází z N (  1,  ) a druhý má rozdělení N(  2,  ), pak rozdíl obou náhodných proměnných má rozdělení N(0,  ).  Hodnoty  1,  2,  neznáme, známe pouze jejich výběrové odhady. Abychom dostali test nezávislý na konkrétních hodnotách parametrů rozdělení, při čemž známe pouze výběrové charakteristiky, nepoužijeme N(0, 1), ale Studentovo t-rozdělení.

Náš příklad. t (5) = 1.052, P = > 0.05  nezamítám H0  sjíždění pravých a levých stran je stejné P1P1 P2P2

Příklad. Byla sledována hmotnost lidí před a po absolvování diety: t(7) = 2,277, P =  nezamítám H0 H0: před = po H1: před ≠ po P1 = P2 = Oboustranný test

Proto: H1: před – po > 0, tedy před > po H0: před ≤ po Jednostranný test t(7) = 2,277, P = P1 = / 2 = Zamítám H0  Hmotnost před dietou > hmotnost po dietě Postup. 1. Oboustranný test  stanovení H0  stanovení H1  t-test, P 2. Jednostranný test  stanovení H1  stanovení H0  t-test, P/2 Zamítám oboustranný test (P < 0.05) nezamítám oboustranný test (P ≥ 0.05) Zamítám jednostranný test (P < 0.025) Obě možnosti Pro jednostranný test (P ≥ 0.025)

Jednovýběrový t-test Automat plní sáčky moukou. V každém sáčku by měl být 1 kg. Při testu automatu byly získány následující hodnoty: 0.98, 1.05, 1.03, 0.995, 1.1, 0.998, 1.002,1.03, 0.99,0.99. Vykazuje automat systematickou chybu? Střední hodnota , t (9) = , P = ≥ 0.05 Nezamítám, že automat nevykazuje systematickou chybu. H0: automat nevykazuje systematickou chybu H1: automat vykazuje systematickou chybu