Testy nieparametryczne

Testy nieparametryczne PowerPoint PPT Presentation


  • 158 Views
  • Uploaded on
  • Presentation posted in: General

Ograniczenia test?w parametrycznych. Test?w parametrycznych nie stosujemy, gdy zmienne maja charakter jakosciowy czy tez uporzadkowany.. Zastosowanie test?w nieparametrycznych. Testy nieparametryczne wykorzystujemy w sytuacji, gdy nie sa spelnione zalozenia wymagane przez testy parametryczne, jak: z

Download Presentation

Testy nieparametryczne

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


1. Testy nieparametryczne

2. Ograniczenia testów parametrycznych Testów parametrycznych nie stosujemy, gdy zmienne maja charakter jakosciowy czy tez uporzadkowany.

3. Zastosowanie testów nieparametrycznych Testy nieparametryczne wykorzystujemy w sytuacji, gdy nie sa spelnione zalozenia wymagane przez testy parametryczne, jak: zmienne mierzalne, posiadajace rozklad zgodny normalnym. Stosujemy, gdy transformacja danych nie przynosi efektów, np. w zakresie normalizacji rozkladu.

4. Testy nieparametryczne a rozklad zmiennej Testy nieparametryczne nie zaleza od rozkladu zmiennej, od pewnych parametrów rozkladu populacji. Na ogól obliczenia sa proste i nie zajmuja wiele czasu.

5. Analiza rang Testy nieparametryczne pod wzgledem rachunkowym oparte sa na analizie rang (lokat). Dane w porównywanych grupach porzadkujemy rosnaco lub malejace. Rachunki matematyczne wykonujemy na rangach.

6. Moc testów Sila testów nieparametrycznych (1-ß) jest nizsza niz sila testów parametrycznych – testy nieparametryczne stosujemy wtedy, gdy nie sa spelnione zalozenia, jakich wymagaja testy parametryczne. W odniesieniu do duzych populacji n > 100 zamiast testów nieparametrycznych mozemy stosowac testy parametryczne, mimo ze sama zmienna nie posiada rozkladu normalnego. Jest to mozliwe ze wzgledu na fakt, ze rozklad srednich z tych prób ulega normalizacji.

7. Statystyczna analiza

8. Statystyczna analiza

9. Statystyka opisowa Srednia geometryczna Mediana Dominanta Rozstep Odstep miedzykwartylowy

10. Porównania grup – dobór testu

11. Doswiadczenie niezalezne – 2 grupy Test U Mann-Whitney Test ten jest najmocniejsza nieparametryczna alternatywa dla testu t. Zalozenia testu: cecha posiada rozklad typu ciaglego, ale moze byc rozpatrywana równiez w skali porzadkowej.

12. Test U Mann-Whitney Porównujemy poziom ocenianych wskazników scieków zmierzony w czasie zimy i wiosny. Weryfikujemy hipoteze zerowa zakladajaca, iz rozklad ChZT stwierdzony zima i wiosna jest taki sam: H0: F(x) = G(x); H1: F(x) ? G(x) F(x), G(x) – dystrybuanta ChZT zima i wiosna

13. Test U – porównujemy pory roku Porzadkujemy rosnaco dane obydwu grup.

14. Rangi wiazane Rangi wiazane to sytuacja, w której sasiednie, uporzadkowane wczesniej wartosci zmiennej sa takie same.

15. Rangi wiazane W tej sytuacji przyporzadkowujemy im tzw. rangi wiazane, które powstaja w wyniku obliczenia srednie arytmetycznej z numerów nadawanych kolejnym powtórzeniom tej samej wartosci. (8+9)/2=8.5

16. Kolejnosc obliczen Obliczamy sume rang dla obydwu grup: R1 i R2.

17. Wzór R1, R2 – suma rang przyznanych 1 i 2 grupie; n1, n2 – liczebnosc grupy 1 i 2.

18. Wartosci krytyczne Obliczone wartosci U i Z porównujemy z odpowiednimi wartosciami krytycznymi z tabel statystycznych.

19. Wyniki U = 12 z = -2,86 |-2,86| porównujemy z wartoscia z?/2=1,96 (?=0,05) Ze wzgledu na fakt, iz obliczona wartosc z jest wieksza niz 1,96, odrzucamy hipoteze zerowa. Wnioskujemy zatem, ze poziom CHZT zmierzony zima rózni sie statystycznie od poziomu zarejestrowanego wiosna. Otrzymany wynik jest równiez wiekszy niz z?/2 odczytane przy ?=0,01. Wnioskujemy zatem, ze miedzy badanymi grupami róznica jest statystycznie wysoko istotna

20. Test U n1 i n2 > 20

21. Doswiadczenie niezalezne, k > 2 Test Kruskal-Wallis Test mediany

22. Kruskal-Wallis Weryfikujemy hipoteze zerowa zakladajaca, iz rozklad ChZT w k populacjach jest taki sam: H0: F1(x) = F2(x) =... = Fk(x) H1: F1(x) ? F2(x) ? ...? Fk(x) F1(x), F2(x), Fk(x)– dystrybuanty rozpatrywanych populacji. Program SAS: Kruskal-Wallis Test Chi-kwadrat 8.4354 Stopien swobody 2 Pr > Chi-kwadrat 0.0147 Wartosc testu Kruskal-Wallis wynosi 8,4354. Obliczone prawdopodobienstwo (p<0,0147) pozwala odrzucic H0. Wyniki analizy pozwalaja stwierdzic, ze pora roku wplywa statystycznie istotnie na poziom badanego wskaznika.

23. Kruskal-Wallis

24. Test mediany Test mediany jest mniej dokladna wersja K-W. Obliczenia wykonywane sa w oparciu o tablice kontyngencji ?2. H0 : mediany sa takie same w obydwu próbach, czyli okolo jednej polowy wszystkich przypadków w kazdej z grup przypada powyzej, a drugiej polowy wspólnej mediany. H1 : mediany nie sa takie same.

25. Statistica, test K-W i mediany

26. Doswiadczenie zalezne, k =2 Test kolejnosci par Wilcoxona Test znaków

27. Test kolejnosci par Wilcoxona Obliczamy róznice miedzy sasiednimi wartosciami zmiennych Wyznaczamy wartosci bezwzgledne róznic; porzadkujemy je rosnaco Uporzadkowanym wartosciom przypisujemy rangi (w razie obliczamy rangi wiazane) Obliczamy sumy rang (T-; T+) oddzielnie dla róznic ujemnych i dodatnich.

28. Test znaków Test znaków jest nieparametrycznym odpowiednikiem testu t dla zmiennych zaleznych. W tescie tym brane jest pod uwage ile razy wartosci pierwszej zmiennej przewyzszaja wartosci drugiej zmiennej i odwrotnie.

29. Doswiadczenia zalezne, k > 2 Test Friedmana

  • Login