Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Hasonló dokumentumok
Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Bevezetés a hipotézisvizsgálatokba

Hipotézis vizsgálatok

y ij = µ + α i + e ij

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Hipotézis vizsgálatok

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

[Biomatematika 2] Orvosi biometria

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Normális eloszlás paramétereire vonatkozó próbák

Varianciaanalízis 4/24/12

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Biostatisztika Összefoglalás

Többváltozós lineáris regressziós modell feltételeinek

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

Biostatisztika Összefoglalás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21.

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)

Adatok statisztikai értékelésének főbb lehetőségei

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Matematikai statisztikai elemzések 4.

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet

Kettőnél több csoport vizsgálata. Makara B. Gábor

Matematikai statisztikai elemzések 4.

Nem-paraméteres és paraméteres módszerek. Kontingencia tábla, rangtranszformálás, párosított minták, két független minta

KÖVETKEZTETŐ STATISZTIKA

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Több valószínűségi változó együttes eloszlása, korreláció

Variancia-analízis (folytatás)

Valószínűségi változók. Várható érték és szórás

egyetemi jegyzet Meskó Balázs

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

4. A méréses ellenırzı kártyák szerkesztése

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Biostatisztika VIII. Mátyus László. 19 October

Statisztika elméleti összefoglaló

Statisztika Elıadások letölthetık a címrıl

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

2012. április 18. Varianciaanaĺızis

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?

Eloszlás-független módszerek 13. elıadás ( lecke)

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Nemparametrikus tesztek december 3.

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

A konfidencia intervallum képlete: x± t( α /2, df )

IV. Változók és csoportok összehasonlítása

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biostatisztika 1. Dr. Dinya Elek Dr. Solymosi Róbert: Biometria a klinikumban Dr. Dinya Elek: Biostatisztika. Hullám Gábor

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

Variancia-analízis (VA)

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Kísérlettervezés alapfogalmak

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Gyakorló feladatok_alapok

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

KULCSÁR ERIKA 1 KISS MÁRTA-KATALIN 2

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Az első számjegyek Benford törvénye

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

A maximum likelihood becslésről

6. Előadás. Vereb György, DE OEC BSI, október 12.

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

A valószínűségszámítás elemei

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

Korreláció és lineáris regresszió

Többváltozós Regresszió-számítás

Kutatásmódszertan és prezentációkészítés

Baran Ágnes. Gyakorlat MATLAB. Baran Ágnes Gyakorlat 1 / 70

VIZSGADOLGOZAT. I. PÉLDÁK (60 pont)

Minitab 16 újdonságai május 18

Átírás:

Hipotézisvizsgálat az Excel adatelemző eljárásaival Dr. Nyéki Lajos 2018

Egymintás t-próba Az egymintás T-próba azt vizsgálja, hogy különbözik-e a változó M átlaga egy megadott m konstanstól. Az a feltételezés, hogy a különbség 0, és az adatok normális eloszlásúak. H 0 : M-m=0 H 1 : M-m 0 t M m M m = = s s / N m x

Egymintás t-próba Töltsük be az Excel-be az Mf1811.xls állományt! Töltsük be a PSPP-be az Mf1811.sav állományt! Végezzük el mindkét szoftverrel az egymintás t-próbát! Értelmezzük a kapott eredményeket!

Egymintás t-próba

Egymintás t-próba A csoport számított átlaga = 9,54, az évfolyam ismert átlaga 9,1, a szórás 4,61, a létszám 13 fő. tt = 9,54 9,1 4,61 = 0,44 = 0,345 1,277 13 df=n-1=13-1=12 t kr =2,18 Mivel t < t kr, 0,345 < 2,18, ezért a nullhipotézist elfogadhatjuk, a két érték nem különbözik lényegesen egymástól.

Egymintás t-próba

Egymintás t-próba A hatásméret: dd = tt NN = 0,345 3,61 = 0,095 Kicsi hatás (d < 0,2) Cohen s d Effect Size 0,20 Small 0,50 Medium 0,80 Large

Párosított mintás t-próba Ha az adataink ugyanabból a csoportból, de két különböző mérésből származnak, akkor a két adatsor számtani középértéke közötti szignifikáns különbség megállapítására párosított mintás t-próbát alkalmazunk. A próba megvizsgálja, hogy a két változó m 1 és m 2 átlagai különböznek-e egymástól. Az a feltételezés, hogy a különbség 0, és az adatok normális eloszlásúak. H 0 : m 1 -m 2 =0 H 1 : m 1 -m 2 0

Párosított mintás t-próba Töltse be az Excel-be az Mf181.xls állományt! Töltse be a PSPP-be az Mf181.sav állományt! Végezze el mindkét szoftverrel a párosított mintás t-próbát! Értelmezze a kapott eredményeket!

Párosított mintás t-próba

Párosított mintás t-próba

Párosított mintás t-próba Mivel t < t kr, 0,786 < 2,18, ezért a nullhipotézist elfogadhatjuk, a két érték nem különbözik lényegesen egymástól. Mivel P=0,446, vagyis P > α, ezért az eltérés statisztikailag nem szignifikáns, a véletlen műve. A hatásméret: dd = tt NN = 0,786 3,61 = 0,2177 Kicsi hatás (d 0,20 körüli)

Kétmintás t-próba Ha adataink két különböző csoportból származnak, azaz két különböző mintát vizsgálunk, akkor a két adatsor számtani középértéke közötti szignifikáns különbség megállapítására kétmintás t-próbát alkalmazunk. A próba megvizsgálja, hogy a két változó m 1 és m 2 átlagai különböznek-e egymástól. Az a feltételezés, hogy a különbség 0, és az adatok normális eloszlásúak. H 0 : m 1 -m 2 =0 H 1 : m 1 -m 2 0

Kétmintás t-próba A kétmintás t-próba alkalmazásának az a feltétele, hogy a két csoport eredményei alapján meghatározható varianciák között nincs jelentős különbség. Ezt az F-próbával tudjuk ellenőrizni. A kétmintás t-próbának két változata van aszerint, hogy a szórásnégyzetek megegyeznek-e: - Kétmintás t-próba egyenlő szórásnégyzeteknél - Kétmintás t-próba nem egyenlő szórásnégyzeteknél Ha az F-próba szerint a két szórásnégyzet nem azonos, akkor csak az utóbbi változatot alkalmazhatjuk. Az Excel esetében a két próbaváltozat két külön adatelemzési eljárás, az SPSS a számítást mindegyik változatra elvégzi.

Kétmintás t-próba Töltsük be az Excel-be az Mf181.xls állományt! Töltsük be a PSPP-be az Mf181.sav állományt! Végezzük el mindkét szoftverrel a kétmintás t-próbát! Értelmezzük a kapott eredményeket!

Kétmintás t-próba

Kétmintás t-próba Mivel F < F kr, ezért a szórásnégyzetek egyenlősége feltételezhető. Így az Adatelemzés menüből a Kétmintás t-próba egyenlő szórásnégyzeteknél menüpontot fogjuk kiválasztani.

Kétmintás t-próba

Kétmintás t-próba

Kétmintás t-próba

Kétmintás t-próba Mivel t < t kr, 0,549 < 2,18, ezért a nullhipotézist elfogadhatjuk, a két érték nem különbözik lényegesen egymástól. Mivel P=0,588, vagyis P > α, ezért az eltérés statisztikailag nem szignifikáns, a véletlen műve. A hatásméret: dd = tt nnn+nnn nnn nnn Kicsi hatás (d = 0,21) = 0,549 13+13 13 13

Variancia analízis A variancia analízissel azt ellenőrizzük, hogy kettőnél több normális eloszlású, azonos szórású valószínűségi változónak azonos-e a várható értéke. Itt csak az egytényezős variancia analízissel foglalkozunk. Az egytényezős variancia analízis a kétmintás t-próba általánosítása.

Variancia analízis Töltsük be az Excel-be az ANOVA.xls állományt! Töltsük be a PSPP-be az ANOVA.sav állományt! Végezzük el mindkét szoftverrel a variancia analízist! Értelmezzük a kapott eredményeket!

Variancia analízis

Variancia analízis

Variancia analízis A szórásnégyzetek egyenlőségre vonatkozó nullhipotézist nem tudjuk megvizsgálni, mert az Excel nem tudja a Bartlett-próbát. Mivel F > F kr, ezért az átlagok egyenlőségére vonatkozó nullhipotézist elvetjük. Mivel P = 0,0003564, vagyis P < 0,05, az eredmény statisztikailag szignifikáns. A hatásméret: η 2 = SSSS kkkkkkkkkk = 2093,0667 = 0,484, ez közepes hatás. SSSS össssssssssssss 4324,6667