Analýza rozptylu. ANOVA cvičení

Podobné dokumenty
Lineární modely. Lineární regrese. Lineární modely cvičení

(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.

Cvičící Kuba Kubina Kubinčák Body u závěrečného testu

Doporučené příklady k procvičení k 2. Průběžnému testu

Pracovní list č. 3 Charakteristiky variability

Statistika (KMI/PSTAT)

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

Tomáš Karel LS 2012/2013

4ST201 STATISTIKA CVIČENÍ Č. 8

6. Lineární regresní modely

INDUKTIVNÍ STATISTIKA

Vzorová prezentace do předmětu Statistika

Plánování experimentu

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára

MSI LS 2006/2007 Ing. Pavla Hošková, Ph.D., 2. test

Analýza rozptylu. opakovaná měření faktoriální analýza rozptylu analýza kovariance vícerozměrná analýza rozptylu

Aproximace binomického rozdělení normálním

Tomáš Karel LS 2012/2013

otec syn

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.

Cvičná bakalářská zkouška, 1. varianta

Technická univerzita v Liberci

Testování hypotéz. 4. přednáška

VYBRANÉ DVOUVÝBĚROVÉ TESTY. Martina Litschmannová

tazatel Průměr ve Počet respondentů Rozptyl ve

Návrh a vyhodnocení experimentu

3 ANALÝZA ROZPTYLU ANOVA

Seminární práce vzor 1

Příklad 81b. Předpokládejme, že výška chlapců ve věku 9,5 až 10 roků má normální rozdělení N(mi;sig2)

Úloha č. 1 Rozměry fotografie jsou a = 12 cm a b = 9 cm. Fotografii zvětšíme v poměru 5 : 3. Určete rozměry zvětšené fotografie.

= = 2368

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

Z mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

Stav Svobodný Rozvedený Vdovec. Svobodná Rozvedená Vdova 5 8 6

22. Pravděpodobnost a statistika

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Jednostranné intervaly spolehlivosti

Jednovýběrový Wilcoxonův test a jeho asymptotická varianta (neparametrická obdoba jednovýběrového t-testu)

6. Lineární regresní modely

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

4EK211 Základy ekonometrie

Statistická analýza jednorozměrných dat

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

MATEMATIKA III V PŘÍKLADECH

4ST201 STATISTIKA CVIČENÍ Č. 7

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

TECHNICKÁ UNIVERZITA V LIBERCI

Zápočtová práce STATISTIKA I

TECHNICKÁ UNIVERZITA V LIBERCI

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

Regresní analýza 1. Regresní analýza

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky

Porovnání dvou výběrů

Pravděpodobnost a matematická statistika

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

1. Příklad U automobilu byla měřena spotřeba benzínu v závislosti na rychlosti:

Testování hypotéz a měření asociace mezi proměnnými

Protokol č. 1. Tloušťková struktura. Zadání:

TECHNICKÁ UNIVERZITA V LIBERCI

Kanonická korelační analýza

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

Testování Nano-Gro na pšenici ozimé Polsko 2007/2008 (registrační testy IUNG, Pulawy) 1. Metodika

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

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

Cvičení 12: Binární logistická regrese

Pozn. 1. Při návrhu aproximace bychom měli aproximační funkci vybírat tak, aby vektory ϕ (i) byly lineárně

MATEMATIKA III V PŘÍKLADECH

1.4 ANOVA. Vliv druhu plodiny na míru napadení houbami Fusarium culmorum a Fusarium graminearum v systému ekologického hospodaření

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách

se bude objevovat jen v 5% pokusů. Výsledky měření jsou: 0,31; 0,30; 0,29; 0,32.

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

KGG/STG Statistika pro geografy

Analýza rozptylu. Ekonometrie. Jiří Neubauer. Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel

Cvičení 9: Neparametrické úlohy o mediánech

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

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

Testování statistických hypotéz

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

MATEMATIKA. 1 Základní informace k zadání zkoušky. 2 Pravidla správného zápisu řešení. 3.2 Pokyny k uzavřeným úlohám 7-15 DIDAKTICKÝ TEST

Testování hypotéz o parametrech regresního modelu

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

Příklady ze Statistiky

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

Testování hypotéz o parametrech regresního modelu

Příklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5.

1. Klasická pravděpodobnost

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKA TÉMA:

Příklad přístupu k výpočtu nákladové ceny jednoho ujetého km osobního vozidla, výpočty viz soubor priklad-auto.xls

UNIVERZITA PARDUBICE

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

5 NÁKLADY PODNIKU A JEJICH KALKULACE

Intervaly spolehlivosti

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

1. Který z následujících korelačních koeficientů ukazuje na nejtěsnější (nejsilnější) vztah? a) 0,55 b) 0,09 c) -0,77 d) 0,1 e) 1,05

Návrh a vyhodnocení experimentu

Korelační a regresní analýza

DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica

Transkript:

Analýza rozptylu 1. Pět skupin po 4 mužích bylo vystaveno rozličné dietě A1 až A5. Na konci týdne byly vyčísleny kladné a záporné diference hmotnosti mužů po aplikaci týdenní diety. Porovnejte čtyři diety vůči dietě A1, kterou budeme chápat jako dietu kontrolní. Data: kladné a záporné diference hmotnosti mužů A1 až A5. Vypočítejte meziskupinovou, vnitřní a celkovou variabilitu, poměr determinace, proveďte F-test, nakreslete grafy podmíněných průměrů a rozptylů. Řešte na hladině významnosti α = 0,05. Data: kladné a záporné diference hmotnosti mužů A1 až A5. A4 A5 3 2 4 3 1 2 0 0 0 1 0 2 1 1 2 2 1 2 1 1 [Datový soubor: dieta.txt] 2. Je porovnáván obsah vitaminu C v mg u tří rozličných způsobů přípravy pomerančového džusu. Z každého způsobu přípravy A1 až A3 (faktor A) bylo provedeno pět opakovaných měření obsahu vitaminu. Je obsah vitaminu C závislý na způsobu přípravy? Přináší některý způsob přípravy silně odlehlé výsledky od ostatních? Vypočítejte meziskupinovou, vnitřní a celkovou variabilitu, poměr determinace, proveďte F-test, nakreslete grafy podmíněných průměrů a rozptylů. Řešte na hladině významnosti α = 0,05. Data: Obsah stanoveného vitaminu C [mg] u tří způsobů přípravy džusu A1 až A3. 96 123 76 87 115 78 85 122 79 92 118 77 90 122 80 [Datový soubor: priprava dzusu.txt] 3. U tří skupin mužů by sledován vliv času na hladinu alkoholu v krvi (faktor A) po vypití pěti skleniček alkoholu. U skupiny A1 byl alkohol v krvi měřen 1 hodinu po požití, u skupiny A2 pak 2 hodiny a u skupiny A3 4 hodiny. Na hladině významnosti α = 0,05 vyšetřete, zda má čas po požití významný vliv na hladinu alkoholu v krvi. Vypočítejte meziskupinovou, vnitřní a celkovou variabilitu, poměr determinace, proveďte F-test, nakreslete grafy podmíněných průměrů a rozptylů. Data: Obsah alkoholu v krvi [%] v závislosti na čase po požití A1 až A3. 0,11 0,08 0,04 0,10 0,09 0,04 0,09 0,07 0,05 0,09 0,07 0,05 0,10 0,06 0,06 0,12 0,07 0,11 [Datový soubor: alkohol.txt] 1

4. Veterinární věda užívá tří rozličných způsobů léčby chorých králíků A1 až A3. Doba potřebná k jejich uzdravení je pak u každého způsobu ale i u každého králíka, jiná. Na hladině významnosti α = 0,01 testujte, zda má způsob léčby (faktor A) významný vliv na dobu k uzdravení králíků. Posuďte, zda existuje statisticky významný rozdíl mezi způsobem léčby A1 a A3. Vypočítejte meziskupinovou, vnitřní a celkovou variabilitu, poměr determinace, proveďte F-test, nakreslete grafy podmíněných průměrů a rozptylů. Data: Počet dní k uzdravení králíků u tří způsobů léčby A1 až A3. 6 9 11 8 8 9 12 7 10 9 6 8 7 9 11 2 9 12 14 [Datový soubor: kralici.txt] 5. Průměrné výnosy určité zemědělské plodiny při použití umělého hnojiva A1 až A3 jsou uvedeny v tabulce. Na hladině významnostiα = 0,05 ověřte, zda průměrné výnosy jsou pro tato hnojiva stejné. Stanovte, zda je významný rozdíl mezi hnojivem A1 a A2. Existuje mezi třemi testovanými významně odlišné hnojivo? Vypočítejte meziskupinovou, vnitřní a celkovou variabilitu, poměr determinace, proveďte F-test, nakreslete grafy podmíněných průměrů a rozptylů. Data: Výnos plodiny [q/ha] pro různá hnojiva A1 až A3. 40 76 60 42 75 58 45 82 62 40 64 44 47 [Datový soubor: hnojivo.txt] 6. Byla sledována hmotnost (v gramech) strojových součástek vyrobených 4 dělníky, přičemž z produkce každého dělníka bylo náhodně vybráno 5 součástek. Popište závislost hmotnosti součástek mezi jednotlivými dělníky pomocí podmíněných průměrů a podmíněných rozptylů, načrtněte graf podmíněných rozptylů. Proveďte rozklad celkové variability, vypočtěte a interpretujte poměr determinace. Pomocí F- testu pro α = 0,05 ověřte, zda je opodstatněný předpoklad, že hmotnost strojové součástky závisí na tom, který dělník ji vyrobil. Výsledek prakticky interpretujte. Data: hmotnost součástek [g] u 4 dělníků A, B, C a D. 2

A B C D 35,7 38,4 34,9 37,1 37,1 37,2 34,3 35,5 36,7 38,1 34,5 36,5 37,7 36,9 33,7 36,0 35,3 37,2 36,2 33,8 [Datový soubor: hmotnost delnici.txt.txt] 7. U čtyř odrůd brambor označených A, B, C, D pěstovaných za stejných podmínek se zjišťovala celková hmotnost brambor vyrostlých vždy z jednoho trsu. Výsledky (v kg) jsou uvedeny v následující tabulce: A B C D 0,9 1,3 1,3 1,1 0,8 1,0 1,5 1,2 0,6 1,3 1,6 1 0,9 1,1 1,5 Vypočítejte meziskupinovou, vnitřní a celkovou variabilitu, poměr determinace, nakreslete grafy podmíněných průměrů a rozptylů. Na hladině významnosti 0,05 testujte hypotézu, že střední hodnota hmotnosti trsu brambor nezávisí na odrůdě. Data: hmotnost brambor [kg] pro odrůdy A, B, C a D. [Datový soubor: hmotnost brambory.txt] 8. Student soukromé vysoké školy Jana Amose Komenského v Praze může cestovat ze svého pražského bydliště do školy třemi různými způsoby: tramvají (A), metrem s následným přestupem na tramvaj (B) a osobním autem (C). Máme k dispozici jeho naměřené časy cestování do školy v době ranní špičky (včetně čekání na příslušný spoj) v minutách: A B C 32 30 40 39 34 37 42 28 31 37 26 39 34 32 38 38 33 34 Na hladině významnosti 0,05 testujte hypotézu, že doba cestování do práce nezávisí na způsobu dopravy. Vypočítejte meziskupinovou, vnitřní a celkovou variabilitu, poměr determinace, podmíněné průměrů a rozptylů. Posuďte, zda existuje statisticky významný rozdíl mezi způsobem cestování tramvají a osobním autem. Data: doba cestování [min] pro varianty dopravy A, B a C. [Datový soubor: doprava cas.txt] 9. Vyšetřete vliv věku řidiče A1 až A3 (faktor A) a množství vypitého alkoholu B1 až B3 (faktor B) na reakční čas řidiče v sekundách, když každé měření bylo 3x opakováno. Na hladině významnosti α = 0,05 vyšetřete, zda oba faktory mají významný vliv na reakční čas řidiče a zda existuje významná interakce 3

mezi věkem řidiče a vlivem alkoholu. Vezměte první sloupec reakčního času bez alkoholu B1 za kontrolní a porovnejte s ním zbývající dva sloupce B2 a B3. Jsou zde statisticky významné rozdíly? Data: Reakční čas [s] v závislosti na věku řidiče A1 až A3 a vlivu alkoholu B1 až B3. věk alkohol reakce věk alkohol reakce věk alkohol reakce A1 B1 0,42 A2 B1 0,47 A3 B1 0,65 A1 B1 0,43 A2 B1 0,46 A3 B1 0,66 A1 B1 0,41 A2 B1 0,46 A3 B1 0,68 A1 B2 0,51 A2 B2 0,62 A3 B2 0,66 A1 B2 0,53 A2 B2 0,63 A3 B2 0,68 A1 B2 0,52 A2 B2 0,62 A3 B2 0,66 A1 B3 0,57 A2 B3 0,73 A3 B3 0,79 A1 B3 0,58 A2 B3 0,73 A3 B3 0,8 A1 B3 0,57 A2 B3 0,72 A3 B3 0,8 [Datový soubor: reakcni cas.txt] 10. Psycholog vyšetřuje, zda zapomínání u člověka souvisí s jeho inteligenčním kvocientem IQ a zda ovlivní výsledek psychologického testu. Na hladině významnosti α = 0,05 testujte, zda hladina inteligenčního kvocientu A1 až A3 (faktor A) a velikost zapomínání B1 až B3 (faktor B) mají významný vliv na výsledek psychologického testu. Data: Výsledek testu [skóre] u lidí rozličného IQ A1 až A3 a rozličného zapomínání B1 až B3. IQ zapomínání výsledek IQ zapomínání výsledek IQ zapomínání výsledek A1 B1 15 A2 B1 10 A3 B1 5 A1 B1 14 A2 B1 11 A3 B1 4 A1 B1 16 A2 B1 11 A3 B1 4 A1 B2 20 A2 B2 30 A3 B2 10 A1 B2 21 A2 B2 31 A3 B2 9 A1 B2 22 A2 B2 34 A3 B2 9 A1 B3 15 A2 B3 25 A3 B3 15 A1 B3 13 A2 B3 27 A3 B3 16 A1 B3 14 A2 B3 26 A3 B3 13 [Datový soubor: psychotest.txt] 11. Taxikářská firma se rozhoduje o větším nákupu osobních aut, vhodných pro taxi službu. Vybírá mezi pěti značkami aut, jež jsou srovnatelné co do pořizovací ceny a co do měsíční údržby. Bylo proto testováno několik vozů, dva A1 a A2 (faktor A) od každé značky. Rozhodnutí o nákupu značky B1 až B5 (faktor B) padne až podle spotřeby benzinu, tzn. počtu mil ujetých na 1 galon benzinu. Každé auto bylo testováno 3x. Vyšetřete na hladině významnosti α = 0,05, zda jsou oba vozy od dané značky stejné a zda všechny typy aut jsou stejné co do počtu ujetých mil na 1 galon benzinu. Stanovte, zda je významný rozdíl mezi auty různých značek za předpokladu, že v rámci téže značky považujeme auta za stejná. Data: Počet mil na 1 galon benzinu pro dvě auta A1 a A2 a pro pět značek aut B1 až B5. 4

typ značka míle typ značka míle typ značka míle typ značka míle typ značka míle A1 B1 15,8 A2 B1 18,5 A3 B1 12,3 A4 B1 19,5 A5 B1 16,0 A1 B2 13,9 A2 B2 17,9 A3 B2 14,0 A4 B2 18,7 A5 B2 15,8 A1 B1 15,6 A2 B1 18,0 A3 B1 13,0 A4 B1 17,5 A5 B1 15,7 A1 B2 14,2 A2 B2 18,1 A3 B2 13,1 A4 B2 19,0 A5 B2 15,6 A1 B1 16,0 A2 B1 18,4 A3 B1 12,7 A4 B1 19,1 A5 B1 16,1 A1 B2 13,5 A2 B2 17,4 A3 B2 13,5 A4 B2 18,8 A5 B2 16,3 [Datový soubor: auta taxi.txt] 5