Z metodologie známe dělení proměnných do několika skupin. Nejčastěji se užívá dělení dle S. Stevense. Nicméně nám postačí dělení jednodušší:

Rozměr: px
Začít zobrazení ze stránky:

Download "Z metodologie známe dělení proměnných do několika skupin. Nejčastěji se užívá dělení dle S. Stevense. Nicméně nám postačí dělení jednodušší:"

Transkript

1 Slovo úvodem Ne všechno, co si řekneme v tomto kurzu, je pravda. Není to proto, že by mým záměrem bylo před posluchači něco tajit nebo je uvádět ve zmatek. Problematika testování statistických hypotéz je široká a komplikovaná. Její podrobná znalost by vyžadovala několik semestrů výuky a ne jediné setkání. Úkolem toho kurzu je posluchače připravit na situaci, kdy bude muset sám statistické hypotézy formulovat a testovat. A kdy se jej pravděpodobně nikdo nebude ptát, jestli tyto hluboké odborné znalosti má. Většina uváděných informací je proto jakýmsi zjednodušením, které poskytne možnost samostatně pracovat s daty bez závažných chyb. Proměnné a konstanty Tématem celého kurzu jsou proměnné (respektive konstanty). Proměnnou se rozumí nějaká veličina, kterou jsme zjistili (naměřili) u účastníků výzkumu. Tedy například věk, pohlaví, inteligence. Ze samotného názvu proměnná vyplývá, že může nabývat různých hodnot. Pokud by tomu tak nebylo, a hodnota by byla pro všechny jedince stejná, nejedná se o proměnnou ale o konstantu. Z metodologie známe dělení proměnných do několika skupin. Nejčastěji se užívá dělení dle S. Stevense. Nicméně nám postačí dělení jednodušší: Alternativní proměnná je jakákoli proměnná, která nabývá pouze dvou různých hodnot. Nejčastěji je značíme 1 a 0 (které skupině dáme jedničku a které nulu, je jedno). Například muž-žena, praváklevák, profesionál-amatér, člen kontrolní skupiny-člen experimentální skupiny. Nominální proměnná pro každé dva prvky můžeme s jistotou říct, jestli si jejich hodnoty jsou rovny nebo nejsou rovny. Může nabývat více než dvou hodnot. Například studijní obor, příjemce jednoho z několika druhů léčby, národnost. Ordinální proměnná pro každé dva prvky můžeme s jistotou říct, jestli si jsou rovny nebo jestli má jeden vyšší hodnotu než druhý. Metrická proměnná pro každé dva prvky dokážeme posoudit, jestli je má jeden vyšší, nižší nebo stejnou hodnotu jako druhý a navíc dokážeme stejné srovnání provést mezi rozdíly hodnot libovolných dvou prvků. Například můžu říct, že Honza je vyšší než Anna o 10 cm, zatímco Lucka je vyšší než Petr o 2 cm, a tedy že rozdíl vzrůstu mezi Honzou a Annou je větší než mezi Luckou a Petrem. (Do této kategorie patří proměnné, které označujeme jako intervalové i poměrové nicméně takto jemné dělení obvykle nepotřebujeme.) 1

2 O jaké typy proměnných se jedná? Doplňte do horního řádku K, A, N, O nebo M. Jméno Pohlaví Věk Třída Pokročilost Diagnóza Depresivita (BDI-II) Množství vykouřených cigaret denně Honza muž 19 4.A začátečník bez dg Anna žena 18 3.C pokročilý bez dg. 0 0 Lucka žena 19 4.A začátečník bez dg Petr muž 19 4.B expert bez dg. 14 více než 30 Při počítačovém zpracování obvykle používáme kódování pomocí čísel. Přepište tabulku tak, abyste se zbavili slovních označení a přitom zachovali jakousi logiku značení. Jméno Pohlaví Věk Třída Pokročilost Diagnóza Honza Anna Lucka Petr Depresivita (BDI-II) Množství vykouřených cigaret denně Zapamatujte si: Jakákoli proměnná vyšší úrovně je zároveň proměnnou všech nižších úrovní nebo na ni může být převedena. METRICKÁ -> ORDINÁLNÍ -> NOMINÁLNÍ -> ALTERNATIVNÍ -> (KONSTANTA) 2

3 Převeďte proměnnou výše platu na nižší úroveň metrická ordinální ordinální nominální alternativní Jméno Plat Plat Plat Plat Plat Honza Anna Lucka Petr 0 Zapamatujte si: Při převedení proměnné na nižší úroveň ztrácíme část informace, která je v datech obsažena. Vždy proto volíme nejvyšší úroveň, se kterou můžeme pracovat. Testování hypotéz o vztahu mezi dvěma proměnnými Inferenční statistika nabízí statistický testy pro téměř jakoukoli myslitelnou hypotézu. V tomto kurzu se však zaměříme pouze na testy hypotéz o závislosti dvou proměnných nebo vztahu mezi proměnnou a konstantou. Jedná se sice o drastické zúžení oblasti zájmu, nicméně ze zkušenosti víme, že i takováto úzká znalost postačí k výběru vhodného testu u téměř všech zkoumaných problémů, se kterými se setkáváme v diplomových pracích z oblasti psychologie. Závislost nebo rozdíl? Většina studentů je zvyklá rozlišovat mezi tím, jestli zkoumá vztah dvou proměnných (např. pomocí korelačního koeficientu) nebo rozdíl mezi skupinami (třeba pomocí t-testu nebo ANOVy). Toto přináší užitek, zvláště pokud chcete čtenáři práce sdělit, co vlastně děláme. Nicméně pro účely statistické analýzy je dobré si uvědomit, že vždycky zkoumáme vztah (závislost) mezi nějakými proměnnými, i když hovoříme o rozdílu skupin. Níže je napsáno několik otázek, které si výzkumník může pokládat. Všech y se týkají nějaké souvislosti mezi dvěma proměnnými (nebo proměnnou a konstantou). Doplňte do tabulky, o vztah jakých proměnných se jedná. 3

4 Dožívají se inteligentnější lidé vyššího věku? Existují rozdíly v míře empatie mezi muži a ženami? Jsou blondýny hodnoceny muži jako atraktivnější než ženy s jinou barvou vlasů? Mají pravidelní kuřáci marihuany horší krátkodobou paměť než nekuřáci? Liší se čtenářské dovednosti žáků čtvrtých tříd napříč základními školami Olomouckého kraje? Odpovídá zastoupení mužů a žen mezi VŠ studenty zastoupení mužů a žen mezi akademiky? Je některá ze tří vybraných psychoterapeutických technik ke zmírnění příznaků PTSD účinnější než jiné? Vede senzorická deprivace k nárůstu agresivity? Dokážete odhadnout, o jaké typy proměnných se jedná? (V některých případech není odpověď jednoznačná.) Výběr statistického testu Při výběru vhodného testu můžeme postupovat podle těchto bodů: 1) Určete, s jakými dvěma proměnnými pracujete. 2) Identifikujte, jestli se jedná o alternativní, nominální, ordinální nebo metrické proměnné. 3) Vyberte správný řádek a správný sloupec z následující tabulky, podle toho, s jakými proměnnými pracujeme. Metoda první volby je zvýrazněná; šedě jsou značeny případné alternativy. 4) Je zvolený test svázán nějakými dalšími podmínkami, kdy může být použit? Pokud ano, zamyslete se nad tím, jestli jsou splněny (ověřte jejich platnost). Jsou splněny? a. Ne -> proměnnou, která podmínky porušuje, musíme nějak upravit. Nejčastějším řešením bude převedení metrické proměnné na ordinální proměnnou, pokud možno s co nejmenší ztrátou dat. Po potřebných opravách se vraťte k bodu 3. b. Ano -> proveďte test a výsledky interpretujete! 4

5 Alternativní Nominální Ordinální Metrická Konstanta nebo zadané četnosti (odvození p-hodnoty z binomické nebo normální distribuce, chí kvadrát test homogenity) Chí kvadrát test homogenity (F) Wilcoxonův jednovýběrový test (znaménkový test) Jednovýběrový t-test (N) (z-test) Alternativní Fisherův faktoriálový test (Chí kvadrát test dobré shody, Fí koeficient) Chí kvadrát test dobré shody (F) Mann-Whitneyův U-test (Wilcoxonův dvouvýběrový test) Studentův t-test pro 2 nezávislé výběry (N,S) (bodově-biseriální korelace) Nominální Chí kvadrát test dobré shody (F) Kruskal-Wallisův test ANOVA (N,S) Ordinální Spearmanův korelační koeficient Spearmanův korelační koeficient Metrická Pearsonův korelační koeficient (N) Symboly u názvů testů značí podmínky jejich užití: N podmínka normálního rozdělení, S podmínka homogenity rozptylů, F podmínka minimální očekávané četnosti 5

6 6

7 Podmínky užití jednotlivých testů Podmínka normality Testy, co označujeme jako parametrické (v našem případě t-testy, ANOVA a test významnosti Pearsonova korelačního koeficientu) vyžadují normální rozdělení. Histogram proměnné, která normální rozdělení by se měl podobat tomuto obrázku. Pokud si nejsme jistí, jestli rozdělení naší proměnné normalitu připomíná dostatečně, můžeme si pomoci některým statistickým testem normality (např. Shapiro-Wilkův test). P-hodnota menší než 0,05 je pro nás pak signálem, že podmínka normality byla porušena. Dobrá zpráva však je to, že podmínka normality je palčivá pouze u malých rozsahů souboru (n < 30). S rostoucím rozsahem souboru můžeme tolerovat čím dál tím větší odchylky. Soubory čítající stovky či tisíce jedinců snesou i nápadně ve1lká odchýlení od požadovaného tvaru. Podmínka homogenity rozptylů T-test pro dva nezávislé výběry a analýza rozptylu (ANOVA) požadují, aby rozptyly zkoumané proměnné u všech srovnávaných skupin, byly přibližně stejně velké. Tento předpoklad lze snadno ověřit pomocí F testu nebo Leveneova testu. V případě, že najdeme statisticky významné rozdíly ve velikosti rozptylu mezi skupinami, můžou být naše výsledky zkreslené. Špatná zpráva je, že se důležitost této podmínky nesnižuje s rostoucí velikostí souboru. Dobrá zpráva, že t test má variantu, která počítá s nerovností rozptylů (tzv. Welshův test) a porušení této podmínky výsledky nijak nezkreslí. Podmínka minimální očekávané četnosti Testy pracující s četnostmi, které používají rozdělení Chí kvadrát, vyžadují, aby všechny očekávané četnosti byly vyšší nebo rovné pěti, jinak test ztrácí svou sílu. Klasická situace může vypadat třeba takto: pozorované četnosti Jedináček Nejstarší Prostřední Nejmladší Vedoucí pozice Ostatní pozice očekávané četnosti Jedináček Nejstarší Prostřední Nejmladší Vedoucí pozice 22,9 19,4 3,7 25,0 Ostatní pozice 76,1 64,6 12,3 83,0 S touto podmínkou se však můžeme vypořádat poměrně snadno. Je-li porušena jen u několika málo četností z velkého počtu a není-li očekávaná četnost blízká nule, můžeme si ji dovolit přehlížet bez rizika vážného zkreslení výsledku testu. Není-li tomu tak, můžeme sloučit některé malé skupiny (zde 7

8 třeba Prostřední + Nejmladší = Mladší sourozenci). A nakonec můžeme využít kombinatorický test, pokud nám jej statistický program nabízí. Ten zjistí zcela přesnou p-hodnotu i v případě, že v některé buňce vyjde nulová hodnota. Párové testy Pro úplnost musím zmínit ještě jednu situaci, které může být někdy matoucí. Představte si, že chceme ověřit, třeba jestli se nějak liší míra obtíží, které mají pacienti před podáním určitého léku a po jeho podání. Tabulka by mohla vypadat jako níže uvedená Tabulka párového testu. Tabulka párového testu: Tabulka jednovýběrového testu: Pozorované Očekávané Jméno Potíže před Potíže po Jméno zlepšení zlepšení Honza Honza 20 0 Anna Anna -2 0 Lucka Lucka 12 0 Petr Petr 6 0 Dle našeho postupu bychom došli k tomu, že máme použít Pearsonův korelační koeficient. Ten nám ale na naši otázku odpověď nedá! Pes je totiž zakopaný v tom, jak nám je problém prezentován. Naše otázka ve skutečnosti totiž zní Je průměrné zlepšení (tedy hodnota po mínus hodnota před) vyšší než nula?. Při pohledu na druhou tabulku je již výběr metody o mnoho jasnější jedná se o srovnání metrické proměnné a konstanty (nuly). Řešením je tedy jednovýběrový t-test. V knihách i ve statistických programech jej můžeme najít pod názvem párový t-test. Z matematického pohledu se jedná o totožnou metodu lišit se bude jen formulář, do kterého zadáváme názvy proměnných, se kterými proměnnými pracujeme. Pokud proměnná rozdíl není vhodná pro parametrickou metodu (není splněna podmínka normality a máme jen malý soubor), tak snadno dojdeme k tomu, že správným řešením je Wilcoxonův párový/jednovýběrový test. Pokud už samotné proměnné potíže před a potíže po nebyly metrické povahy, tak musíme vybrat některý z jiných testů. Pokud by se jednalo a alternativní proměnné (má/nemá příznaky), pátrejte po McNemarově testu, pokud o nominální, tak po Bowkerově testu. (Poznámka pro odvážné: párový test lze použíti i tehdy, když bylo měření před a měření po provedeno vždy na dvou různých lidech. Je zde však podmínkou, aby každý člověk ze skupiny před měl svého protějška ve skupině po, který mu je přesně určen. Toto spárování se nejčastěji provádí podle pohlaví, věku, diagnózy atd... S touto poznámkou bude jistě řada psychologů nesouhlasit, nicméně je pravdivá.) 8

9 Úvod do regresní analýzy a GLM Ve skutečném psychologickém výzkumu si bohužel s výše uvedenými metodami nevystačíme většina jevů je natolik komplexních, že je těžko můžeme poznat prostřednictvím vztahů jednotlivých dvojic proměnných. Velmi dobrým pomocníkem nám proto může být regresní analýza, které dokáže uchopit celé skupiny proměnných naráz. Lineární regrese se pokouší modelovat vztah mezi jednou závisle proměnnou (vysvětlovanou proměnnou, Y) pomocí jedné nebo více nezávisle proměnných (prediktorů, X i ). Zjednodušeně řečeno, regrese říká, že naše Y je rovno součtu všech X, s tím, že každému přidělíme nějakou váhu b. Třeba můžeme tvrdit, že individuální rozdíly v tělesné hmotnosti lze vysvětit pomocí hmotnosti jídla, které člověk denně sní a průměrné době, kterou denně stráví sportem. Regresní rovnice by pak vypadala ve své obecné formě takto: Rovnice bude názornější u konkrétního případu. Kolik váží Tom? Abychom mohli rovnici vypočítat, musíme znát hodnoty koeficientů b. Ty můžeme zjistit jedině tak, že budeme sledovat všechny tři proměnné u velkého množství lidí a pak je vypočítáme právě pomocí mnohonásobné regrese. Její postup si ukážeme na praktických příkladech. Nejnutnější pojmy b 1, b 2, b 3... nestandardizované regresní koeficienty. Jednoduše říkají, o kolik bodů se změní hodnota proměnné Y, když změníme hodnotu příslušné proměnné X o jeden bod b 0 konstanta (též počátek), Y = b 0 tehdy, když jsou všechny proměnné X rovny nule. β 1, β 2, β 3... standardizované regresní koeficienty. Říkají, o kolik směrodatných odchylek se změní hodnota proměnné Y, když změníme hodnotu příslušné proměnné X o jednu směrodatnou odchylku. Pokud je v rovnici jen jediný prediktor nebo jsou všechny prediktory dokonale nekorelované, tak přesně odpovídá Pearsonovu korelačnímu koeficientu mezi Y a příslušnou proměnnou X. β 0 se rovná vždy 0, proto se nikde neuvádí. Zamyslete se nad tím, proč tomu tak je. R 2 koeficient determinance. Jedná se o množství rozptylu (variabilitu) proměnné Y, kterou lze vysvětlit (předpovědět) pomocí proměnných X. Je to velmi dobrý ukazatel toho, jak je náš model přesný. Můžeme ho pro názornost psát v procentech. e reziduum. Hodnota, kterou získáme z regresní rovnice, není přesná. U každého člověka můžeme srovnat odhadovanou hodnotu a skutečnou hodnotu. Jejich rozdíl je reziduum. 9

10 Kdy můžu metodu použít Regresní analýza je parametrická metoda. Je proto zatížena několika podmínkami, z nichž nám bude většina zřejmě povědomých. 1) proměnná Y musí být metrická (pokud je alternativní, hledejte logistickou regresi) 2) proměnné X musí být metrické nebo alternativní (poprat se však dokážeme i s nominálními proměnnými) 3) proměnná Y musí mít normální rozdělení (pozn.: ve skutečnosti je důležitá normalita reziduí, nikoli proměnné Y, ale zůstaňme u tohoto zjednodušení). 4) vztahy mezi proměnnými jsou lineární (jiné vztahy metoda efektivně zkoumat neumí) 5) potřebujeme velký soubor. Hendl uvádí toto pravidlo, které se odvíjí od počtu prediktorů (k): a. nejméně *k jedinců k posouzení statistické významnosti celého modelu b. nejméně k jedinců k posouzení statistické významnosti jednotlivých prediktorů Nicméně jiní autoři uvádí jiná pravidla od 5*k po 40*k s ohledem na metodu vkládání prediktorů. S tím, že poměr 5*k je skutečně krajní hodnotou, kdy musí dokonale platit všechny podmínky. Obecně se dá řídit vzorcem 15*k. 6) rozptyl všech proměnných X musí být stejný pro jedince, co mají vysokou hodnotu proměnné Y i těch, co ji mají nízkou (tzv. homoskedasticita). Tedy rozptyl proměnné průměrná doba cvičení musí být zhruba stejný u lidí, co váží hodně, i u těch, co vážní málo. 7) prediktory nesmí být vysoce korelované (tzv. multikolinearita). Tedy korelace žádné z dvojic proměnných X by neměla překročit zdravou míru. Od hodnoty 0,8 bychom měli být na pozoru, hodnoty vyšší než 0,95 jsou nepřípustné. Vliv jednotlivých prediktorů pak nelze bezpečně odlišit. 8) v datech by neměly být přítomny odlehlé hodnoty (outliers). Na náš model totiž mají obrovský vliv, takže několik extrémních případů (např. tři špatně vyplněné dotazníky), můžou zcela změnit veškeré vztahy 10

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368 Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

Statistické testování hypotéz II

Statistické 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

Více

Cvičení ze statistiky - 9. Filip Děchtěrenko

Cvičení ze statistiky - 9. Filip Děchtěrenko Cvičení ze statistiky - 9 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Inferenční statistika Konfidenční intervaly Z-test Postup při testování hypotéz

Více

Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11

Příklad 1. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 11 Příklad 1 Vyhláška Ministerstva zdravotnictví předpokládala, že doba dojezdu k pacientovi od nahlášení požadavku nepřekročí 17 minut. Hodnoty deseti náhodně vybraných dob příjezdu sanitky k nemocnému byly:

Více

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet

Více

Tomáš Karel LS 2012/2013

Tomáš 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

Více

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě 31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty

Více

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

STATISTIKA 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

Více

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr StatSoft Intervalový odhad Dnes se budeme zabývat neodmyslitelnou součástí statistiky a to intervaly v nejrůznějších podobách. Toto téma je také úzce spojeno s tématem testování hypotéz, a tedy plynule

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 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

Více

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 statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Statistická analýza jednorozměrných dat

Statistická 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

Více

Regresní a korelační analýza

Regresní 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

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D. Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní

Více

Statistické metody uţívané při ověřování platnosti hypotéz

Statistické metody uţívané při ověřování platnosti hypotéz Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy

Více

PSY117/454 Statistická analýza dat v psychologii seminář 9. Statistické testování hypotéz

PSY117/454 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,

Více

KGG/STG Statistika pro geografy

KGG/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

Více

Tomáš Karel LS 2012/2013

Tomáš 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

Více

NEPARAMETRICKÉ TESTY

NEPARAMETRICKÉ TESTY NEPARAMETRICKÉ TESTY Neparametrický jednovýběrový Jeden výběr jehož medián srovnáváme s nějakou hodnotou Wilcoxonův jednovýběrový test 1) Máme data z družice Hipparcos pro deklinaci (obdoba zeměpisné šířky)

Více

Pearsonův korelační koeficient

Pearsonův korelační koeficient I I.I Pearsonův korelační koeficient Úvod Předpokládejme, že náhodně vybereme n objektů (nebo osob) ze zkoumané populace. Často se stává, že na každém z objektů měříme ne pouze jednu, ale několik kvantitativních

Více

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost 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

Více

Cvičení 12: Binární logistická regrese

Cvičení 12: Binární logistická regrese Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena,

Více

6. Lineární regresní modely

6. 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

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Statistika nuda je, má však cenné údaje. Neklesejme na mysli, ona nám to vyčíslí. Z pohádky Princové jsou na draka Populace (základní

Více

PARAMETRICKÉ TESTY. 1) Měření Etalonu. Dataset - mereni_etalonu.sta - 9 měření etalonu srovnáváme s PŘEDPOKLÁDANOU HODNOTOU 10.

PARAMETRICKÉ TESTY. 1) Měření Etalonu. Dataset - mereni_etalonu.sta - 9 měření etalonu srovnáváme s PŘEDPOKLÁDANOU HODNOTOU 10. PARAMETRICKÉ TESTY Testujeme rovnost průměru - předpokladem normální rozdělení I) Jednovýběrový t-test 1) Měření Etalonu. Dataset - mereni_etalonu.sta - 9 měření etalonu srovnáváme s PŘEDPOKLÁDANOU HODNOTOU

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy

Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy Přednáška XI. Asociace ve čtyřpolní tabulce a základy korelační analýzy Relativní riziko a poměr šancí Princip korelace dvou náhodných veličin Korelační koeficienty Pearsonůva Spearmanův Korelace a kauzalita

Více

Korelace. Komentované řešení pomocí MS Excel

Korelace. Komentované řešení pomocí MS Excel Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Testování statistických hypotéz

Testování 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,

Více

Cvičení ze statistiky - 3. Filip Děchtěrenko

Cvičení ze statistiky - 3. Filip Děchtěrenko Cvičení ze statistiky - 3 Filip Děchtěrenko Minule bylo.. Dokončili jsme základní statistiky, typy proměnných a začali analýzu kvalitativních dat Tyhle termíny by měly být známé: Histogram, krabicový graf

Více

Jednofaktorová analýza rozptylu

Jednofaktorová 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

Více

Návod na vypracování semestrálního projektu

Návod na vypracování semestrálního projektu Návod na vypracování semestrálního projektu Následující dokument má charakter doporučení. Není závazný, je pouze návodem pro studenty, kteří si nejsou jisti výběrem dat, volbou metod a formou zpracování

Více

Ilustrační příklad odhadu LRM v SW Gretl

Ilustrační příklad odhadu LRM v SW Gretl Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná

Více

Kontrola: Sečteme-li sloupec,,četnost výskytu musí nám vyjít hodnota rozsahu souboru (našich 20 žáků)

Kontrola: Sečteme-li sloupec,,četnost výskytu musí nám vyjít hodnota rozsahu souboru (našich 20 žáků) Základní výpočty pro MPPZ Teorie Aritmetický průměr = součet hodnot znaku zjištěných u všech jednotek souboru, dělený počtem všech jednotek souboru Modus = hodnota souboru s nejvyšší četností Medián =

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost 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

SOFTWARE STAT1 A R. Literatura 4. kontrolní skupině (viz obr. 4). Proto budeme testovat shodu středních hodnot µ 1 = µ 2 proti alternativní

SOFTWARE STAT1 A R. Literatura 4. kontrolní skupině (viz obr. 4). Proto budeme testovat shodu středních hodnot µ 1 = µ 2 proti alternativní ŘEŠENÍ PRAKTICKÝCH ÚLOH UŽITÍM SOFTWARE STAT1 A R Obsah 1 Užití software STAT1 1 2 Užití software R 3 Literatura 4 Příklady k procvičení 6 1 Užití software STAT1 Praktické užití aplikace STAT1 si ukažme

Více

Jana Vránová, 3. lékařská fakulta UK

Jana Vránová, 3. lékařská fakulta UK Jana Vránová, 3. lékařská fakulta UK Vznikají při zkoumání vztahů kvalitativních resp. diskrétních znaků Jedná se o analogii s korelační analýzou spojitých znaků Přitom předpokládáme, že každý prvek populace

Více

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13 Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

STATISTICKÉ TESTY VÝZNAMNOSTI

STATISTICKÉ TESTY VÝZNAMNOSTI STATISTICKÉ TESTY VÝZNAMNOSTI jsou statistické postupy, pomocí nichž ověřujeme, zda mezi proměnnými existuje vztah (závislost, rozdíl). Pokud je výsledek šetření statisticky významný (signifikantní), znamená

Více

Vzorová prezentace do předmětu Statistika

Vzorová prezentace do předmětu Statistika Vzorová prezentace do předmětu Statistika Popis situace: U 3 náhodně vybraných osob byly zjišťovány hodnoty těchto proměnných: SEX - muž, žena PUVOD Skandinávie, Středomoří, 3 západní Evropa IQ hodnota

Více

Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan

Grafický 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

Více

t-test, Studentův párový test Ing. Michael Rost, Ph.D.

t-test, Studentův párový test Ing. Michael Rost, Ph.D. Testování hypotéz: dvouvýběrový t-test, Studentův párový test Ing. Michael Rost, Ph.D. Úvod do problému... Již známe jednovýběrový t-test, při kterém jsme měli k dispozici pouze jeden výběr. Můžeme se

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou

Obsah 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...........................................

Více

VŠB Technická univerzita Ostrava BIOSTATISTIKA

VŠB Technická univerzita Ostrava BIOSTATISTIKA VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Domácí úkoly Zadání 5 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1:

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 12 Testování hypotéz Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita

Více

TESTOVÁNÍ HYPOTÉZ STATISTICKÁ HYPOTÉZA Statistické testy Testovací kritérium = B B > B < B B - B - B < 0 - B > 0 oboustranný test = B > B

TESTOVÁNÍ 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,

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost 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

Více

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje

Více

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek

Více

Cvičení 9: Neparametrické úlohy o mediánech

Cvičení 9: Neparametrické úlohy o mediánech Cvičení 9: Neparametrické úlohy o mediánech Úkol 1.: Párový znaménkový test a párový Wilcoxonův test Při zjišťování kvality jedné složky půdy se používají dvě metody označené A a B. Výsledky: Vzorek 1

Více

Jednofaktorová analýza rozptylu

Jednofaktorová 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

Více

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,

Více

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Regrese. 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

Více

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Základy 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

Více

Diagnostika regrese pomocí grafu 7krát jinak

Diagnostika regrese pomocí grafu 7krát jinak StatSoft Diagnostika regrese pomocí grafu 7krát jinak V tomto článečku si uděláme exkurzi do teorie regresní analýzy a detailně se podíváme na jeden jediný diagnostický graf. Jedná se o graf Předpovědi

Více

Kontingenční tabulky, korelační koeficienty

Kontingenční tabulky, korelační koeficienty Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

PSY117/454 Statistická analýza dat v psychologii Přednáška 10 PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem 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

Více

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že

Více

IBM SPSS Exact Tests. Přesné analýzy malých datových souborů. Nejdůležitější. IBM SPSS Statistics

IBM SPSS Exact Tests. Přesné analýzy malých datových souborů. Nejdůležitější. IBM SPSS Statistics IBM Software IBM SPSS Exact Tests Přesné analýzy malých datových souborů Při rozhodování o existenci vztahu mezi proměnnými v kontingenčních tabulkách a při používání neparametrických ů analytici zpravidla

Více

Přednáška X. Testování hypotéz o kvantitativních proměnných

Přednáška X. Testování hypotéz o kvantitativních proměnných Přednáška X. Testování hypotéz o kvantitativních proměnných Testování hypotéz o podílech Kontingenční tabulka, čtyřpolní tabulka Testy nezávislosti, Fisherůvexaktní test, McNemarůvtest Testy dobré shody

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2014/15 Cvičení 5: Vícenásobná regrese, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1

Více

Zápočtová práce STATISTIKA I

Zápočtová práce STATISTIKA I Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru

Více

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily

a) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily Testování hypotéz Testování hypotéz jsou klasické statistické úsudky založené na nějakém apriorním předpokladu. Vyslovíme-li předpoklad o hodnotě neznámého parametru nebo o zákonu rozdělení sledované náhodné

Více

{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků

{ } ( 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

Více

Vymezení důležitých pojmů. nulová hypotéza, alternativní hypotéza testování hypotézy hladina významnosti (alfa) chyba I. druhu, chyba II.

Vymezení důležitých pojmů. nulová hypotéza, alternativní hypotéza testování hypotézy hladina významnosti (alfa) chyba I. druhu, chyba II. Testování hypotéz 1. vymezení důležitých pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test 4. t-test pro nezávislé výběry 5. t-test pro závislé výběry Vymezení důležitých pojmů nulová

Více

Rozhodnutí / Skutečnost platí neplatí Nezamítáme správně chyba 2. druhu Zamítáme chyba 1. druhu správně

Rozhodnutí / Skutečnost platí neplatí Nezamítáme správně chyba 2. druhu Zamítáme chyba 1. druhu správně Testování hypotéz Nechť,, je náhodný výběr z nějakého rozdělení s neznámými parametry. Máme dvě navzájem si odporující hypotézy o parametrech daného rozdělení: Nulová hypotéza parametry (případně jediný

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 8. KAPITOLA STATISTICKÉ TESTOVÁNÍ HYPOTÉZ 22.11.2016 Opakování: CLV příklad 1 Zadání: Před volbami je v populaci státu 52 % příznivců

Více

letní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

letní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 Opakování t- vs. neparametrické Wilcoxonův jednovýběrový test Opakování

Více

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více 9 Vícerozměrná data a jejich zpracování 9.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat, hledáme souvislosti mezi dvěmi, případně více náhodnými veličinami. V praxi pracujeme

Více

Jana Vránová, 3.lékařská fakulta UK, Praha. Hypotézy o populacích

Jana Vránová, 3.lékařská fakulta UK, Praha. Hypotézy o populacích Jana Vránová, 3.lékařská fakulta UK, Praha Hypotézy o populacích Příklad IQ test: Předpokládejme, že z nějakého důvodu ministerstvo školství věří, že studenti absolventi středních škol v Hradci Králové

Více

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé. 1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,

Více

4ST201 STATISTIKA CVIČENÍ Č. 10

4ST201 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

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Testování statistických hypotéz Testování statistických hypotéz Princip: Ověřování určitého předpokladu zjišťujeme, zda zkoumaný výběr pochází ze základního souboru, který má určité rozdělení zjišťujeme,

Více

Regresní a korelační analýza

Regresní 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

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost 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

Více

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.

Problematika 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

Více

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní

Více

Metodologie pro Informační studia a knihovnictví 2

Metodologie pro Informační studia a knihovnictví 2 Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci

Více

Odhad parametrů N(µ, σ 2 )

Odhad parametrů N(µ, σ 2 ) Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný

Více

LINEÁRNÍ REGRESE. Lineární regresní model

LINEÁRNÍ REGRESE. Lineární regresní model LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1 Testování statistických hypotéz Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Statistickou hypotézou rozumíme hypotézu o populaci (základním souboru) např.: Střední hodnota základního souboru je rovna 100.

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

Kanonická korelační analýza

Kanonická korelační analýza Kanonická korelační analýza Kanonická korelační analýza je vícerozměrná metoda, která se používá ke zkoumání závislosti mezi dvěma skupinami proměnných. První ze skupin se považuje za soubor nezávisle

Více

Sever Jih Západ Plechovka Točené Sever Jih Západ Součty Plechovka Točené Součty

Sever Jih Západ Plechovka Točené Sever Jih Západ Součty Plechovka Točené Součty Neparametrické testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Měření závislosti statistických dat

Měření 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

Více

Poznámky k předmětu Aplikovaná statistika, 9.téma

Poznámky k předmětu Aplikovaná statistika, 9.téma Poznámky k předmětu Aplikovaná statistika, 9téma Princip testování hypotéz, jednovýběrové testy V minulé hodině jsme si ukázali, jak sestavit intervalové odhady pro některé číselné charakteristiky normálního

Více

Dynamické metody pro predikci rizika

Dynamické metody pro predikci rizika Dynamické metody pro predikci rizika 1 Úvod do analýzy časových řad Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých časových intervalech okamžikové např

Více

Statistika. Testování hypotéz statistická indukce Neparametrické testy. Roman Biskup

Statistika. Testování hypotéz statistická indukce Neparametrické testy. Roman Biskup Statistika Testování hypotéz statistická indukce Neparametrické testy Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika by

Více