Porównywanie średnich 2 i więcej prób niezależnych o rozkładach innych niż normalny
description
Transcript of Porównywanie średnich 2 i więcej prób niezależnych o rozkładach innych niż normalny
Porównywanie średnich 2 i więcej prób niezależnych o rozkładach
innych niż normalny
Próby niezależne versus próby zależne
Próby niezależne: mierzone w dwóch lub więcej różnych obiektach albo w tym samym obiekcie ale nie poddanym ingerencji.
czas
Schematy postępowania
2 GRUPY(ZMIENNE) NIEZALEŻNE
rozkład normalny
rozkład inny niż normalny
test parametryczny
test t-studenta
test nieparametrycznytest U Manna-Whitneya
Test serii Walda-Wofowitza
Test Kołmogorowa-Smirnowa
xśr 1 xśr 2
-200 -100 0 100 200 300 400 500 600 700 800 900
Ganoderma
0
200
400
600
800
1000
1200
Liczb
a o
bs.
-200 -100 0 100 200 300 400 500 600 700 800 900
Ganoderma
0
200
400
600
800
1000
1200
Liczb
a o
bs.
xśr 1 xśr 2
Test U Manna-Whitneya dla 2 grup niezależnych
Najmocniejsza nieparametryczna alternatywa dla testu t-studenta.Obliczenia wykonywane są w oparciu o sumę rang a nie średnie.
Wynik testu: U=......, Z=......, p=.......
Jeśli p<0.05 to średnie istotnie się różnią!
Test serii Walda-Wolfowitza dla 2 grup niezależnych
Wynik testu: Z=......, p=.......
Jeśli p<0.05 to średnie istotnie się różnią!
Test Kołmogorowa-Smirnowa dla 2 grup niezależnych
Wynik testu: Maks. Ujemna różnica=…….; Maks. Dodatnia różnica=…… p=.......
Jeśli p<0.05 to średnie istotnie się różnią!
Schematy postępowania
WIĘCEJ NIŻ 2 GRUPY NIEZALEŻNE
rozkład normalny
rozkład inny niż normalny
Analiza ANOVA testy nieparametrycznyANOVA rang Kruskala-Wallisa
Test mediany
ANOVA rang Kruskala-Wallisa i test mediany dla więcej niż 2 grup
niezależnychKruskal-Wallis:
Jeśli p<0.05 to pomiędzy jakimiś grupami istnieją statystycznie istotne różnice
Test mediany:Jeśli p<0.05 to pomiędzy jakimiś grupami istnieją statystycznie istotne różnice
Porównania wielokrotne:Dokładnie wskazują, pomiędzy którymi grupami są różnice
Testy nieparametryczne versus parametryczne
Testy nieparametryczne charakteryzują się mniejszą mocą (wrażliwością) niż ich odpowiedniki parametryczne.
Metody nieparametryczne są najbardziej odpowiednie w przypadku prób o małych licznościach.
W przypadku dużych zbiorów danych (np. n > 100) stosowanie statystyk nieparametrycznych najczęściej nie ma uzasadnienia.
Testy nieparametryczne versus parametryczne
Idea centralnego twierdzenia granicznego.
Gdy liczność próby bardzo wzrasta, wówczas średnie prób podlegają rozkładowi normalnemu.