ANOVA analýza rozptylu
|
|
- Adéla Kovářová
- před 5 lety
- Počet zobrazení:
Transkript
1 ANOVA analýza rozptlu CENTRUM BIOSTATISTIK A ANALÝZ
2 Analýza rozptlu - ANOVA Základní technika sloužící k posouzení rozdílů mezi více úrovněmi pokusného zásahu Kontrola Koncentrace Koncentrace Koncentrace 3 Koncentrace p Rostoucí koncentrace testované látk / látek Celkově významné změn v reakci biologického sstému Vzájemné rozdíl účinku jednotlivých dávek Rozdíl účinku dávek od kontrol CENTRUM BIOSTATISTIK A ANALÝZ
3 Analýza rozptlu - ANOVA 3 Významné krok analýz, vedoucí k efektivnímu srovnání variant Kontrola Koncentrace Koncentrace Koncentrace 3 Koncentrace p Rostoucí koncentrace testované látk / látek Splnění předpokladů analýz Transformace dat Relevantnost kontrol (vliv vlastní aplikace látek) Vhodnost modelu ANOVA pro účel testu Vlastní srovnání variant Minimalizace chb při ověřování hpotéz CENTRUM BIOSTATISTIK A ANALÝZ
4 Analýza rozptlu - ANOVA 4 SPLNĚNÍ PŘEDPOKLADŮ ANOVA JE NEZBTNOU PODMÍNKOU POUŽITÍ TÉTO TECHNIK Předpoklad nezávislosti opakování eperimentu ANOVA parametrická analýza dat Homogenita rozptlu v rámci pokusných variant 3 Normalita rozložení v rámci pokusných variant ALTERNATIVOU JSOU NEPARAMETRICKÉ METOD CENTRUM BIOSTATISTIK A ANALÝZ
5 Analýza rozptlu - ANOVA Předpoklad analýz rozptlu jsou nezbtné pro dosažení síl testu 5 Smetrické rozložení hodnot a normalita odchlek od hodnoceného modelu ANOVA Velkou část dat lze adekvátně normalizovat použitím logaritmické transformace Předpoklad lognormální transformace může pochopitelně být teoretick vloučen u mnoha datových souborů obsahujících diskrétní parametr, kde je indikována vhodnost jiného tpu transformace U asmetrick rozložených a u diskrétních dat je nutné vužít neparametrické alternativ analýz rozptlu Homogenita rozptlu je nutným předpokladem pro smsluplnost vzájemných srovnání pokusných variant U testů toicit b splnění tohoto předpokladu mělo být ověřováno (Bartlettův test), neboť vážné rozdíl (až řádové) v jednotkách testovaného parametru mohou nastat v důsledku inhibice dávkami látk Nehomogenita rozptlu je často ve vztahu k nenormalitě (asmetrii) dat a lze ji odstranit vhodnou normalizující transformací Statistická nezávislost reziduí vhodnocovaného modelu ANOVA Pokud odhad a posouzení korelačních vztahů mezi pokusnými variantami není přímo předmětem výzkumu, lze jejich vliv na vhodnocení odstranit znáhodněním dat v rámci pokusných variant - ted změnou pořadí v náhodné Rozsah vlivu těchto autokorelačních vztahů musí být ovšem primárně omezen správností eperimentálního uspořádání Aditivita jako předpoklad týkající se složitějších eperimentálních uspořádání Eaktní otestování aditivit více pokusných faktorů je procedura poměrně náročná na eperimentální design vvážený co do počtu opakování Je rovněž obtížné testovat interakci na nestandardních datech, neboť případná transformace může změnit charakter odchlek původních dat od hodnoceného modelu ANOVA CENTRUM BIOSTATISTIK A ANALÝZ
6 Analýza rozptlu - ANOVA Omezení aplikace ANOVA lze řešit 6 Chbějící data Vážným problémem jsou chbějící údaje o celé skupině kombinací testovaných látek, například u faktoriálních pokusů, kd je znemožněno hodnocení eperimentu jako celku Různé počt opakování Jde o tpický jev pro eperimentální datové soubor Při různých počtech opakování v eperimentálních variantách jsou test ANOVA citlivější na nenormalitu dat Pokud jsou počt opakování zcela odlišné(až na řádové rozdíl), je nutno použít neparametrické technik nebo analýzu rozptlu nevvážených pokusů Odlehlé hodnot Ojedinělé odlehlé hodnot musí být před parametrickou analýzou rozptlu vloučen Nedostatek nezávislosti mezi rezidui modelu Jde o závažný nedostatek, zkreslující výsledek F-testu Velmi často je tato skutečnost důsledkem špatného provedení nebo naplánování eperimentu Nehomogenita rozptlu Velmi častý nedostatek eperimentálních dat, často související s nenormalitou rozložení nebo s odlehlými hodnotami Nenormalita dat I v tomto případě lz situaci upravit vloučením odlehlých hodnot nebo normalizující transformací Neaditivita kombinovaného vlivu více pokusných zásahů Tuto situaci lze testovat jednak speciálními test aditivit nebo přímo F testem kontrolujícím významnost vlivu interakce pokusných zásahů Při významné interakci je nutné prozkoumat především její charakter ve vhodném eperimentálním uspořádání CENTRUM BIOSTATISTIK A ANALÝZ
7 7 CENTRUM BIOSTATISTIK A ANALÝZ Model analýz rozptlu Model I Pevný model Model II Náhodný model A B C D E ij i ij ε α µ + + ij ij A i ε µ A B C D E
8 ANOVA základní výpočet 8 Základním principem ANOV je porovnání rozptlu připadajícího na: Rozdělení dat do skupin (tzv effect, variance between groups) Variabilitu objektů uvnitř skupin (tzv error, variance within groups), předpokládá se, že jde o náhodnou variabilitu (error) Variabilita mezi skupinami Rozptl je počítán pro celkový průměr (tzv grand mean) a průměr v jednotlivých skupinách dat Stupně volnosti jsou odvozen od počtu skupin ( počet skupin -) Variabilita uvnitř skupin Rozptl je počítán pro průměr jednotlivých skupin a objekt uvnitř příslušných, celková variabilita je pak sečtena pro všechn skupin Stupně volnosti jsou odvozen od počtu hodnot ( počet hodnot - počet skupin) ν k ν n k CENTRUM BIOSTATISTIK A ANALÝZ F SSsum of squares between_ groups within _ groups Výsledný poměr (F) porovnáme s tabulkami F rozložení pro v a v stupňů volnosti
9 Model analýz rozptlu - základní výstup 9 Základním výstupem analýz rozptlu je Tabulka ANOVA - frakcionace komponent rozptlu Zdroj rozptlu St v SS MS F Pok zásah (mezi skupinami) a - SS B SS B /(a -) MS B /MS E Uvnitř skupin N - a SS E SS E /(N - a) Celkem N - SS T SS B /SS T MS B /MS T Kvantifikovaný podíl rozdílu mezi pokusnými zásah na celkovém rozptlu Statistická významnost rozdílu CENTRUM BIOSTATISTIK A ANALÝZ
10 Analýza rozptlu - obecný F test obecný F test H 0 : m m m 3 m p 0 Kontrola Koncentrace Koncentrace Koncentrace 3 F test: H 0 Koncentrace p H 0 platí Látka nepůsobí H 0 neplatí Látka působí Další analýz CENTRUM BIOSTATISTIK A ANALÝZ
11 Analýza rozptlu - Test kontrastů ANOVA:H 0 zamítnuta Test kontrastů Kontrola Koncentrace Koncentrace Koncentrace 3 Koncentrace p Plánované Neplánované Pro srovnání variant s kontrolou Testování kontrastů "Multiple range test" Rozdíl v smsluplných kombinacích? Parametrické Neparametrické CENTRUM BIOSTATISTIK A ANALÝZ
12 Příklad: Anova - One wa Dávka rostlinného stimulátoru (0, 4, 8, mg/l) A 4 ; n 8 I ANOVA Bartlett's test: P 0,9847 K-S test: P 0,48-0,655 pro jednotlivé kategorie Source D f SS MS F Between Groups 3 305,8 0,9 8,56 Within Groups 8 3,,9 Total (corr) 3 638,0 II Multiple Range Test NKS -test Level Average Homogenous Groups 0 34,8 4 4,4 4,8 8 5,6 CENTRUM BIOSTATISTIK A ANALÝZ
13 Příklad: Anova - One wa I Zásah: 4 klinická stadia virové chorob (napadá kr buňk) 3 H o Sledovaná veličina: aktivita enzmu v těchto krevních buňkách : µ µ µ µ 3 4 n 3 MODEL? Σ průměr I,8 9,4,5 65,7,9 MS II 6,4 7,8 9, 53,3 7,8 MS n III, 8, 5,8 45, 5, IV 4, 0,,8 37,,4 III Komponenta rozptlu: 49,6 5,9 3 ~ A e σ A SA 4,57 II Source Between groups Within groups Total (corr) IV ρ I Df 3 8 S MS 49,6 5,9 - A ~ ri S A + Se F 8,39 0,74 P 0,0075 S A,5 Se CENTRUM BIOSTATISTIK A ANALÝZ
14 Srovnání variant v testech Srovnáváni variant po celkovém testu ANOVA 4 Mnoho eistujících algoritmů není vhodných pro konkrétní případ Da and Quin Ecological Monographs,989 Test Vužití Poznámka Dunnett Williams ANOVA test (F) Ran Q test Srovnání s kontrolou Orthogonální kontrast Jednoduché kontrast E i modifikace pro různá n Plánovaná srovnání Vhodnocen jako nejlepší test Test pro jednoduché kontrast Scheffe Tuke LSD Bonferroni Duncan Dunn- Sidák Test nevhodné Student - Newmann-Keuls Kramer Waller-Duncan k ratio CENTRUM BIOSTATISTIK A ANALÝZ
15 Řada post-hoc testů v různých SW 5 CENTRUM BIOSTATISTIK A ANALÝZ
16 Hpotetické příklad - Multiple Range Tests Level Homogenous Group Level Homogenous Group Level Homogenous Group CENTRUM BIOSTATISTIK A ANALÝZ
17 7 Korelace a regrese CENTRUM BIOSTATISTIK A ANALÝZ
18 Základ korelační analýz - I Korelace - vztah (závislost) dvou znaků (parametrů) 8 ANO NE ANO a c NE b d CENTRUM BIOSTATISTIK A ANALÝZ
19 Základ korelační analýz - II 9 Parametrické mír korelace Kovariance Cov(, ) E( )( ) i i Pearsonův koeficient korelace 0 0 r r - 0 CENTRUM BIOSTATISTIK A ANALÝZ
20 Základ korelační analýz - III 0 P I (zem) P I (rostl) I,, n; n 8; v 6 r Cov (, S S ) i n n i i i ( i ) i ( i ) i n 0,776 I H 0 : ρ φ : α 0, 05 tab : r( v 6 ) 0, 7076 II H 0 : ρ φ r t n v n r t 0,776 0,6965 : t tab ( n ) 0,975 6,54,447 P 0,05 CENTRUM BIOSTATISTIK A ANALÝZ
21 Základ korelační analýz - IV Srovnání dvou korelačních koeficientů (r) n 58 r 0,68 n r 46 0,40 Krevní tlak koncentrace ksl radikálů ( + ri ) Z i 53 log r ( ) Z 0,833 Z 0, 46 i Test: H 0 : ρ ρ ; α 0,05 Z n Z Z + 3 n 3 0, 407 0,0545 7, 46 tabulk : Z 0,975,96 7,46 >>,96 > P << 0,0 CENTRUM BIOSTATISTIK A ANALÝZ
22 Základ korelační analýz - V Neparametrická korelace (rs) P I v půdě P I v rostl d I r s i, n; n 8 > v 6 6 n di ( n ) 0, 9048 tab : r s ( v 6 ) 0, 89 Pacient č Lékař Lékař d I rs 0,857 P 0,358 7 ( 49 ) CENTRUM BIOSTATISTIK A ANALÝZ
23 Korelace v grafech I 3 Vztah velmi často implikují funkční vztah mezi a a + b a + b + b + b 3 3 a + b + b a + b + b + b 3 CENTRUM BIOSTATISTIK A ANALÝZ
24 Korelace v grafech II 4 Problém rozložení hodnot Problém tpu modelu r 0,98 (p < 0,00) r 0,76 (p < 0,03) Problém velikosti vzorku r 0, (p < 0,008) r 0,89 (p < 0,4) CENTRUM BIOSTATISTIK A ANALÝZ
25 Základ regresní analýz 5 Regrese - funkční vztah dvou nebo více proměnných Jednorozměrná f() Vícerozměrná f(,, 3, p) Deterministický Vztah, Regresní, stochastický Pro každé eistuje pravděpodobnostní rozložení CENTRUM BIOSTATISTIK A ANALÝZ
26 I Příklad lineární nebo "linearizovatelné" regrese koncentrace antigenů čas 6 β + ( čas ) β ( ) 0 + β + β β 0 + β čas β β β 0 : 0,04 : 0,8 : 0,089 P 0,38 P 0,000 P 0,00 II koncentrace O ve vodě koncentrace org C ve vodě β β β III ep a ( a + b ) b eponenciální multiplikativní a + b reciproční CENTRUM BIOSTATISTIK A ANALÝZ
27 Regresní analýza přímk - "Simple regression" a + b + e α + β + ε 7 α a (intercept): a b β b (sklon;slope) ε e - náhodná složka : Ν ( ) ( 0; σ N 0; σ ) e } Komponent tvořící se sčítají ε - náhodná složka modelu přímk rezidua přímk ( ) rozptl reziduí σ e σ CENTRUM BIOSTATISTIK A ANALÝZ
28 Základní regresní analýz: model přímk v datech 8 n n e a + b - n CENTRUM BIOSTATISTIK A ANALÝZ
29 Základní regresní analýz: model přímk v datech e 9 e 0 s s e s s e b > 0 b 0 s > s e CENTRUM BIOSTATISTIK A ANALÝZ
30 Základní regresní analýz: model přímk v datech + [;] { d } b ( ) i } 30 d ) Smsl proložení přímk d b ( ) ) d ( ) minimalizace odchlek α β i i ) i [ ] ) + b ( ) i Metoda nejmenších čtverců ) : Pevná, nestochastická proměnná ) Rozložení hodnot pro každé je normální 3) Rozložení hodnot pro každé má stejný rozptl 4) Rezidua jsou navzájem nezávislá a mají normální rozložení: Ν CENTRUM BIOSTATISTIK A ANALÝZ ( ; σ ) 0 e
31 3 CENTRUM BIOSTATISTIK A ANALÝZ Odhad parametrů pro lineární regresi I ( )( ) ( ) ~ b b i i i : β ( ) : ~ i b S S σ β from regression deviation standard sample from regression deviation squared mean S S ( ) n b n n d S i i i II b a a ~ α : intercept ~ a S n S S + α σ α III : modelová hodnota i i b a ) ( ) ( ) + n S S i i )
32 Smsl lineární regrese 3 : Množství spáleného odpadu (tun) : Koncentrace kovu ve vzduchu(ng/m3) Platí: 0; 0; 00; 50; 00; 50; 300 tun Model: a + b Výsledek : ) ) ng kov 4+ 0,3 ; 3 m 0 00 Např : Skutečná data pro 00 t: i 6; 5; 4; 8; 3; 0 > i 68 ) ) a + b + b ( ) } a b Odhadnuto z modelu pro 00 t: 4 + 0, ,6 CENTRUM BIOSTATISTIK A ANALÝZ
33 Regresní analýza v grafech 33 3) Graf residuí modelů (příklad) ε εε! ε (i; ) (i; ) (i; )! Obecné tvar residuí modelů (schéma) a b c d e e e e i, j, i, j, i, j, i, j, CENTRUM BIOSTATISTIK A ANALÝZ
34 Regresní analýza v grafech 34 ) vs ) vs CENTRUM BIOSTATISTIK A ANALÝZ
35 Lineární regrese - příklad : Koncentrace drog: 0; ; 6; 8; 0; ; 5 mg/ml krve : Koncentrace volných metabolitů 35 Pro každé : 3 opakování Model: a + b 0, + 0,09 I H 0 : β 0; α 0,05 b 0,09 ; s P < 0,0 0,03 t b S b b 4,00 β P t ( v 9) 0,975 ( n ) : b ± t α,093 / S ( 0,044 β 0,40) 0, 95 b II H 0 : α 0; α 0,05 a 9 t 3,793 t0,975 a 0,; sa 0,09 S a ( v ),093 α ( n ) : α α / ± t S a P ( 0,049 α 0,7) 0, 95 CENTRUM BIOSTATISTIK A ANALÝZ
36 Analýza rozptlu jako nástroj analýz regresních modelů - příklad na modelu přímk ) Eperimentální data ) Celková ANOVA "one wa" 36 0 n Zdroj rozptlu Mezi skupinami Uvnitř skupin Celkem Stv a- na-a na- SS SS B SS E SS T MS SS B /(a-) SS E /(na- a) s F MSB/MSE s 0 s s s 3 s 4 SS T na CENTRUM BIOSTATISTIK A ANALÝZ
37 Analýza rozptlu jako nástroj analýz regresních modelů - příklad na modelu přímk 37 3) Celková ANOVA SS B /SS T (variance ratio) MS B /MS E F 4) Analýza rozptlu regresního modelu (zde přímk) Zdroj rozptlu Model (přímka) Residuum celkem stv na - na - SS SS MOD SS R SS T MS MS MOD MS R F MS MOD / MS R (SS MOD /SS T ) 00 % rozptlu "včerpaného" přímkou koeficient determinace (R ) CENTRUM BIOSTATISTIK A ANALÝZ
38 Lineární regrese - příklad 38 : konccd:,,3,4,5,6 ng/ml : absorb: 0,3; 0,49; 0,7; 0,90;,6;,39 b0,8 a0,06 S b 4,990-3 S a 0,09 P 0,000 P 0,457 r 0,999 R 99,8% St Error of est: 0,0 ANOVA Source Df SS MS F P Model 0,9 0,9 086,3 0 Residual 4 0,007 0,00045 Total ( c ) 5 0,938 s 4,5 0-4 s 0,875 CENTRUM BIOSTATISTIK A ANALÝZ
VÝUKA: Biostatistika základní kurz CENTRUM BIOSTATISTIKY A ANALÝZ
1 ANOVA analýza rozptylu Analýza rozptylu - ANOVA Základní technika sloužící k posouzení rozdílů mezi více úrovněmi pokusného zásahu Kontrola 1 Konce entrace Konce entrace 3 Konce entrace p Konce entrace
VíceAnalýza rozptylu. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Srovnávání více než dvou průměrů
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Analýza rozptylu Srovnávání více než dvou průměrů If your experiment needs statistics, you ought to have done a better experiment. Ernest Rutherford
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VícePřednáška IX. Analýza rozptylu (ANOVA)
Přednáška IX. Analýza rozptylu (ANOVA) Princip a metodika výpočtu Předpoklady analýzy rozptylu a jejich ověření Rozbor rozdílů jednotlivých skupin násobné testování hypotéz Analýza rozptylu jako lineární
VíceRegrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA
Regrese používáme tehd, jestliže je vsvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Specifikace modelu = a + bx a závisle proměnná b x vsvětlující proměnná Cíl analýz Odhadnout hodnot
VíceStatistika, Biostatistika pro kombinované studium. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2014/2015 Tutoriál č. 6: ANOVA Jan Kracík jan.kracik@vsb.cz Obsah: Testování hypotéz opakování ANOVA Testování hypotéz (opakování) Testování
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VícePSY117/454 Statistická analýza dat v psychologii seminář 9. Statistické testování hypotéz
PSY117/454 Statistická analýza dat v psychologii seminář 9 Statistické testování hypotéz Základní výzkumné otázky/hypotézy 1. Stanovení hodnoty parametru =stanovení intervalu spolehlivosti na μ, σ, ρ,
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipa.cz Pravděpodobnost a matematická statistika 2010 1.týden 20.09.-24.09. Data, tp dat, variabilita, frekvenční analýza histogram,
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceDesign Experimentu a Statistika - AGA46E
Design Experimentu a Statistika - AGA46E Czech University of Life Sciences in Prague Department of Genetics and Breeding Summer Term 2015 Matúš Maciak (@ A 211) Office Hours: T 9:00 10:30 or by appointment
VíceStatgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Testy hypotéz na základě více než 2 výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Testy hypotéz na základě více než 2 výběrů Na analýzu rozptylu lze pohlížet v podstatě
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Regrese Závislostproměnných funkční y= f(x) regresní y= f(x)
VíceÚvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 4 Jak a kdy použít parametrické a
VíceANOVA PSY252 Statistická analýza dat II
ANOVA 9. 11. 2011 PSY252 Statistická analýza dat II Program dnešní přednášky jednofaktorová (one-way) ANOVA faktoriální (two -way) ANOVA ANCOVA (ANOVA s kovariáty) MANOVA (ANOVA s více závislými) ANOVA
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Víceodpovídá jedna a jen jedna hodnota jiných
8. Regresní a korelační analýza Problém: hledání, zkoumání a hodnocení souvislostí, závislostí mezi dvěma a více statistickými znaky (veličinami). Typy závislostí: pevné a volné Pevná závislost každé hodnotě
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Vícenásobná regresní a korelační analýza 1 1 Tto materiál bl vtvořen za pomoci grantu FRVŠ číslo 1145/2004. O vícenásobné závislosti mluvíme tehd, jestliže je závisle proměnná závislá na více nezávislých
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Pythagoras Statistické zpracování experimentálních dat Semestrální práce ANOVA vypracoval: Ing. David Dušek
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Smysl a cíle vícerozměrné analýzy dat a modelování, vztah jednorozměrných a vícerozměrných statistických metod Jiří Jarkovský, Simona Littnerová Průběh výuky 13 přednášek
VíceS E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět ANOVA analýza rozptylu
VíceStatistika. Testování hypotéz - statistická indukce Parametrické testy. Roman Biskup
Statistika Testování hypotéz - statistická indukce Parametrické testy Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 1. února 01 Statistika by Birom
Více6. Lineární regresní modely
6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce ANALÝZA
VíceObsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.
VíceStatistické testování hypotéz II
PSY117/454 Statistická analýza dat v psychologii Přednáška 9 Statistické testování hypotéz II Přehled testů, rozdíly průměrů, velikost účinku, síla testu Základní výzkumné otázky/hypotézy 1. Stanovení
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceZávislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )
Úloha M608 Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely ) Zadání : Při kvantitativní analýze lidského krevního séra ovlivňují hodnotu obsahu vysokohustotního
VíceAVDAT Geometrie metody nejmenších čtverců
AVDAT Geometrie metody nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model klasický lineární regresní model odhad parametrů MNČ y = Xβ + ε, ε
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 3 Jak a kdy použít parametrické a
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceAplikovaná statistika v R - cvičení 2
Aplikovaná statistika v R - cvičení 2 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.6.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.6.2014 1 / 18 Přehled Rkových
VíceVícerozměrné statistické metody
Vícerozměrné statistické metody Vícerozměrné statistické rozdělení a testy, operace s vektory a maticemi Jiří Jarkovský, Simona Littnerová FSTA: Pokročilé statistické metody Vícerozměrné statistické rozdělení
VíceProblematika analýzy rozptylu. Ing. Michael Rost, Ph.D.
Problematika analýzy rozptylu Ing. Michael Rost, Ph.D. Úvod do problému Již umíte testovat shodu dvou středních hodnot prostřednictvím t-testů. Otázka: Jaké předpoklady musí být splněny, abyste mohli použít
VíceTESTOVÁNÍ HYPOTÉZ STATISTICKÁ HYPOTÉZA Statistické testy Testovací kritérium = B B > B < B B - B - B < 0 - B > 0 oboustranný test = B > B
TESTOVÁNÍ HYPOTÉZ Od statistického šetření neočekáváme pouze elementární informace o velikosti některých statistických ukazatelů. Používáme je i k ověřování našich očekávání o výsledcích nějakého procesu,
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceJednofaktorová analýza rozptylu
Jednofaktorová analýza rozptylu David Hampel Ústav statistiky a operačního výzkumu, Mendelova univerzita v Brně Kurz pokročilých statistických metod Global Change Research Centre AS CR, 5 7 8 2015 Tato
VíceELLENBERGOVY INDIKAČNÍ HODNOTY. David Zelený Zpracování dat v ekologii společenstev
3 2 6 6 5 2 ELLENBERGOVY INDIKAČNÍ HODNOTY ELLENBERGOVY INDIKAČNÍ HODNOTY (EIH) optima druhů rostlin na gradientu živin, vlhkosti, půdní reakce, kontinentality, teploty, světla a salinity (salinita se
VíceZpůsobilost systému měření podle normy ČSN ISO doc. Ing. Eva Jarošová, CSc.
Způsobilost systému měření podle normy ČSN ISO 22514-7 doc. Ing. Eva Jarošová, CSc. Předmět normy Postup validace měřicího systému a procesu měření (ověření, zda daný proces měření vyhovuje požadavkům
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y Xβ ε Předpoklady: Matice X X n,k je matice realizací. Předpoklad: n > k, h(x) k - tj. matice
VíceUniverzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat Semestrální
VíceRegresní analýza. Eva Jarošová
Regresní analýza Eva Jarošová 1 Obsah 1. Regresní přímka 2. Možnosti zlepšení modelu 3. Testy v regresním modelu 4. Regresní diagnostika 5. Speciální využití Lineární model 2 1. Regresní přímka 3 nosnost
VíceDva případy chybného rozhodnutí při testování: a) Testační statistika padne mimo obor přijetí nulové H hypotézy O, tj.
Uvedeme obecný postup statistického testování:. Formulace nulové H 0a alternativní hpotéz H A.. Volba hladin významnosti α.. Volba testační statistik např... Určení kritického oboru testové charakteristik.
VícePokud data zadáme přes "Commands" okno: SDF1$X1<-c(1:15) //vytvoření řady čísel od 1 do 15 SDF1$Y1<-c(1.5,3,4.5,5,6,8,9,11,13,14,15,16,18.
Regresní analýza; transformace dat Pro řešení vztahů mezi proměnnými kontinuálního typu používáme korelační a regresní analýzy. Korelace se používá pokud nelze určit "kauzalitu". Regresní analýza je určena
VíceStanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )
Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Více"Competitivness in the EU Challenge for the V4 countries" Nitra, May 17-18, 2006
ANALÝZA ROZPTYLU JAKO ZÁKLADNÍ METODA MNOHONÁSOBNÉHO POROVNÁVÁNÍ STŘEDNÍCH HODNOT V RŮZNÝCH SOFTWAROVÝCH PRODUKTECH ANALYSIS OF VARIANCE AS A PRIMARY METHOD OF MULTIPLE COMPARISON OF EXPECTED VALUES IN
VíceCvičící Kuba Kubina Kubinčák Body u závěrečného testu
1. Příklad U 12 studentů jsme sledovali počet dosažených bodů na závěrečném testu (od 0 do 60). Vždy 4 z těchto studentů chodili k jednomu ze 3 cvičících panu Kubovi, panu Kubinovi, nebo panu Kubinčákovi.
VícePSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady
PSY117/454 Statistická analýza dat v psychologii přednáška 8 Statistické usuzování, odhady Výběr od deskripce k indukci Deskripce dat, odhad parametrů Usuzování = inference = indukce Počítá se s náhodným
VíceMěření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceIntervaly spolehlivosti
Intervaly spolehlivosti = intervalové odhady neznámého parametru (odhad pro π, µ, σ 2, ), odvozují se z příslušné CLV spolehlivost = 1 α = pravděpodobnost, že neznámá hodnota parametru je intervalem pokryta;
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
VíceGrafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
VíceANALÝZA ROZPTYLU (ANOVA)
ANALÝZA ROZPTYLU (ANOVA) 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VícePravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
Více(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.
Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceUniverzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat ANOVA Zdravotní ústav se sídlem v Ostravě Odbor hygienických laboratoří
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 5 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceUniverzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.
Univerzita Pardubice SEMESTRÁLNÍ PRÁCE Tvorba lineárních regresních modelů 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Úloha 1 Porovnání regresních přímek u jednoduchého lineárního regresního modelu Porovnání
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceADDS cviceni. Pavlina Kuranova
ADDS cviceni Pavlina Kuranova Testy pro dva nezávislé výběry Mannův Whitneyho test - Založen na Wilcoxnově statistice W - založen na pořadí jednotlivých pozorování (oba výběry spojeny do jednoho celku)
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
Vícepravděpodobnosti, popisné statistiky
8. Modelová rozdělení pravděpodobnosti, popisné statistiky Rozdělení pravděpodobnosti Normální rozdělení jako statistický model Přehled a aplikace modelových rozdělení Popisné statistiky Anotace Klasickým
VíceELLENBERGOVY INDIKAČNÍ HODNOTY. David Zelený Zpracování dat v ekologii společenstev
3 2 6 6 5 2 ELLENBERGOVY INDIKAČNÍ HODNOTY ELLENBERGOVY INDIKAČNÍ HODNOTY (EIH) optima druhů rostlin na gradientu ţivin, vlhkosti, půdní reakce, kontinentality, teploty, světla a salinity (salinita se
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 4. Teoretická rozdělení Mgr. David Fiedor 9. března 2015 Osnova Úvod 1 Úvod 2 3 4 5 Vybraná rozdělení náhodných proměnných normální rozdělení normované normální rozdělení
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie LS 2014/15 Cvičení 10: Heteroskedasticita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Heteroskedasticita - teorie Druhý
VíceTesty statistických hypotéz
Testy statistických hypotéz Statistická hypotéza je jakýkoliv předpoklad o rozdělení pravděpodobnosti jedné nebo několika náhodných veličin. Na základě náhodného výběru, který je reprezentativním vzorkem
Více{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků
Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a
Více4ST201 STATISTIKA CVIČENÍ Č. 10
4ST201 STATISTIKA CVIČENÍ Č. 10 regresní analýza - vícenásobná lineární regrese korelační analýza Př. 10.1 Máte zadaný výstup regresní analýzy závislosti závisle proměnné Y na nezávisle proměnné X. Doplňte
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,
VíceMĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Predikce Multikolinearita Cvičení 4 Zuzana Dlouhá Aplikace EM predikce obecně ekonomické prognózování, předpověď, předvídání hlavním cílem je odhad hodnot vysvětlované proměnné
VíceKORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VíceTestování statistických hypotéz
Testování statistických hypotéz Na základě náhodného výběru, který je reprezentativním vzorkem základního souboru (který přesně neznáme, k němuž se ale daná statistická hypotéza váže), potřebujeme ověřit,
Více6. Lineární regresní modely
6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu
VíceJednofaktorová analýza rozptylu
I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých
VíceAnalýza rozptylu. Ekonometrie. Jiří Neubauer. Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel
Analýza rozptylu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO Brno) Analýza rozptylu 1 / 30 Analýza
VíceAVDAT Výběr regresorů v mnohorozměrné regresi
AVDAT Výběr regresorů v mnohorozměrné regresi Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Výběr správného lineárního modelu y = Xβ + ε, ale v matici X typu n (p + 1) je
VíceJemný úvod do statistických metod v netržním oceňování
Jemný úvod do statistických metod v netržním oceňování Ing. Jan Brůha PhD. Karlova univerzita Struktura prezentací První prezentace Cíle, možnosti a omezení Nástroje: metodologie a software CVM (open ended)
VíceZáklady navrhování průmyslových experimentů DOE
Základy navrhování průmyslových experimentů DOE cílová hodnota V. Vícefaktoriální experimenty Gejza Dohnal střední hodnota cílová hodnota Vícefaktoriální návrhy experimentů počet faktorů: počet úrovní:
Více