X

Скопируйте код и вставьте его на свой сайт.

Ширина px

Вы можете уменьшить размер презентации, указав свой размер!

Выбор метода статистического вывода

Выбор метода статистического вывода
Нормальное распределение как стандарт
Статистическая гипотеза Это утверждение относительно неизвестного параметра г...
Статистическая гипотеза Основная (нулевая) гипотеза (H0) – содержит утвержден...
Измерительные шкалы (неметрические): Номинативная шкала, или шкала наименован...
Измерительные шкалы (метрические): Интервальная шкала. Это такое измерение, п...
Классификация методов статистического вывода Основания для классификации: тип...
Классификация методов статистического вывода Типы шкал l. X, Y – количественн...
Классификация методов статистического вывода Количество выборок (градаций X) ...
Выбор методов статистического вывода
Параметрические и непараметрические критерии Критерий различия называют парам...
Методы корреляционного анализа Проверяемая H0: коэффициент корреляции равен н...
Методы корреляционного анализа Методы: Корреляция r-Пирсона – для метрических...
Методы анализа номинативных переменных В зависимости от цели исследования и с...
Методы анализа номинативных переменных Анализ классификаций. Условие применен...
Методы анализа номинативных переменных Анализ таблиц сопряженности. Условие п...
Методы анализа номинативных переменных Анализ последовательностей (серий) Усл...
Методы сравнения выборок по уровню выраженности признака В зависимости от реш...
Сравнение двух независимых выборок Условия применения: признак измерен у объе...
Сравнение двух зависимых выборок Условия применения: а) признак измерен у объ...
Сравнение более двух выборок Проверяемая H0: несколько совокупностей (которым...
Сравнение более двух независимых выборок Условия применения: признак должен б...
Сравнение более двух независимых выборок Y- ранговая (порядковая) переменная:...
Сравнение более двух зависимых выборок Условия применения: а) признак измерен...
Сравнение более двух зависимых выборок Методы: Y- метрическая переменная: дис...
Сравнение более двух зависимых выборок Y- ранговая (порядковая) переменная: с...
Спасибо за внимание!
Класс
Автор

Выбор метода статистического вывода

Описание презентации по отдельным слайдам:

1 слайд

Выбор метода статистического вывода

2 слайд

Нормальное распределение как стандарт

3 слайд

Статистическая гипотеза Это утверждение относительно неизвестного параметра генеральной совокупности, которое формулируется для проверки надежности связи и которое можно проверить по известным выборочным статистикам – результатам исследования.

4 слайд

Статистическая гипотеза Основная (нулевая) гипотеза (H0) – содержит утверждение об отсутствии связи в генеральной совокупности и доступна проверке методами статистического вывода. Альтернативная гипотеза (H1) – принимается при отклонении H0 и содержит утверждение о наличии связи. При этом нулевая и альтернативная гипотеза представляют собой полную группу несовместных событий.

5 слайд

Измерительные шкалы (неметрические): Номинативная шкала, или шкала наименований. Объекты группируются по различным классам так, чтобы внутри класса они были идентичны по измеряемому свойству. Ранговая, или порядковая шкала. Измерение в этой шкале предполагает приписывание объектам чисел в зависимости от степени выраженности измеряемого свойства.

6 слайд

Измерительные шкалы (метрические): Интервальная шкала. Это такое измерение, при котором числа отражают не только различия между объектами в уровне выраженности свойства, но и то, насколько больше или меньше выражено это свойство. Абсолютная шкала, или шкала отношений. Измерение в этой шкале отличается от интервального тем, что в ней устанавливается нулевая точка, соответствующая полному отсутствию выраженности измеряемого свойства.

7 слайд

Классификация методов статистического вывода Основания для классификации: типы шкал, в которых измерены признаки X и Y: качественная шкала (номинативная), количественная шкала (порядковая, метрическая) количество сравниваемых групп – две и более двух соотношение сравниваемых групп: зависимые выборки или независимые выборки

8 слайд

Классификация методов статистического вывода Типы шкал l. X, Y – количественные ll. X, Y – качественные lll. X – качественный, Y – количественный Задачи: Корреляционный анализ Анализ номинативных данных: классификаций, таблиц сопряженности, последовательностей (серий) Сравнения выборок по уровню выраженности признака Методы: а) r-Пирсона – для метрических X и Y; б) частная корреляция и сравнение корреляций; в) r-Спирмена, τ-Кендалла – для ранговых X и Y. Критерий χ2-Пирсона (для классификаций и таблиц сопряженности), критерий Мак-Намара (для таблиц 2x2 с повторными измерениями), критерий серий (для последовательностей) (методы сравнения) – следующий слайд

9 слайд

Классификация методов статистического вывода Количество выборок (градаций X) Две выборки Больше двух выборок Зависимость выборок Независимые Зависимые Независимые Зависимые Признак Y Метрический Параметрические методы сравнения t-Стьюдента для независимых выборок t-Стьюдента для зависимых выборок ANOVA ANOVA c повторными измерениями Ранговый Непараметрические методы сравнения U-Манна-Уитни, критерий серий T-Вилкоксона, критерий знаков H-Краскала-Уоллеса χ2-Фридмана

10 слайд

Выбор методов статистического вывода

11 слайд

Параметрические и непараметрические критерии Критерий различия называют параметрическим, если он основан на конкретном типе распределения генеральной совокупности (как правило, нормальном) или использует параметры этой совокупности (средние, дисперсии и т.д.). Критерий различия называют непараметрическим, если он не базируется на предположении о типе распределения генеральной совокупности и не использует параметры этой совокупности.

12 слайд

Методы корреляционного анализа Проверяемая H0: коэффициент корреляции равен нулю. Условие применения: а) два признака измерены в ранговой или метрической шкале на одной и той же выборке; б) связь между признаками является монотонной (не меняет направления по мере увеличения значений одного из признаков). Обычно изучается корреляция между множеством P переменных. В таком случае вычисляются корреляции между всеми возможными парами этих переменных. Результатом является корреляционная матрица, включающая P(P-1)/2 значений коэффициентов парной корреляции. Под корреляционным анализом обычно и понимают изучение связей по корреляционной матрице.

13 слайд

Методы корреляционного анализа Методы: Корреляция r-Пирсона – для метрических переменных. Условие применения: а) распределения X и Y существенно не отличаются от нормального. Дополнительно: частная корреляция для изучения зависимости корреляции X и Y от влияния переменной Z; сравнение корреляций – для независимых и зависимых выборок. Корреляции r-Спирмена, τ-Кендалла – для порядковых переменных.

14 слайд

Методы анализа номинативных переменных В зависимости от цели исследования и структуры исходных данных выделяются три группы методов, соответствующих решаемым задачам: анализ классификаций; анализ таблиц сопряженности; анализ последовательностей (серий).

15 слайд

Методы анализа номинативных переменных Анализ классификаций. Условие применения: для каждого объекта (испытуемого) выборки определена его принадлежность к одной из категорий (градаций) X (получено эмпирическое распределение объектов по X); известно теоретическое (ожидаемое) распределение по X (обычно – равномерное). Проверяемая H0: эмпирическое (наблюдаемое) распределение предпочтений не отличается от теоретического (ожидаемого). Метод: критерий χ2-Пирсона.

16 слайд

Методы анализа номинативных переменных Анализ таблиц сопряженности. Условие применения: для каждого объекта (испытуемого) выборки определена его принадлежность к одной из категорий (градаций) X и к одной из категорий (градаций) Y (получена перекрестная классификация объектов по двум основаниям X и Y). Следует различать три ситуации – в зависимости от числа градаций и соотношения X и Y: число градаций X и (или) Y больше двух (общий случай); таблицы сопряженности 2х2 с независимыми выборками; таблицы сопряженности 2х2 с повторными измерениями.

17 слайд

Методы анализа номинативных переменных Анализ последовательностей (серий) Условие применения: объекты упорядочены (по времени или по уровню выраженности признака); каждый объект отнесен к одной из двух категорий (X или Y). Проверяемые H0: события X распределены среди событий Y случайно (случай 1); выборки X и Y не различаются по распределению значений количественного признака (случай 2). Метод: критерий серий.

18 слайд

Методы сравнения выборок по уровню выраженности признака В зависимости от решаемых задач методы внутри этой группы классифицируются по трем основаниям: ► Количество градаций X: а) сравниваются 2 выборки; б) сравниваются больше двух выборок ► Зависимость выборок: а) сравниваемые выборки независимы; б) сравниваемые выборки зависимы. ► Шкала Y: а) Y – ранговая переменная; б) Y – метрическая переменная.

19 слайд

Сравнение двух независимых выборок Условия применения: признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из двух независимых выборок. Методы: Y – метрическая переменная: сравнений двух средних значений (параметрический критерий t-Стьюдента для независимых выборок). Условия применения: признак измерен в а) метрической шкале; б) дисперсии двух выборок гомогенны (статистически достоверно не различаются). Если не выполняется хотя бы одно из этих условий то применяется непараметрический критерий U-Манна-Уитни. Дополнительно: возможно сравнений двух дисперсий (параметрический критерий F-Фишера). Y – ранговая (порядковая) переменная: сравнение двух независимых выборок по уровню выраженности порядковой и бинарной переменной (критерий U-Манна-Уитни, критерий серий).

20 слайд

Сравнение двух зависимых выборок Условия применения: а) признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из двух зависимых выборок: либо признак измерен дважды на одной и той же выборке, либо каждому испытуемому из одной выборки поставлен в соответствие по определенному критерию испытуемый из другой выборки; б) измерения положительно коррелируют. Если эти условия не выполняются, то выборки следуют признать независимыми. Методы: Y – метрическая переменная: сравнений двух средних значений (параметрический критерий t-Стьюдента для зависимых выборок). Условия применения: признак измерен в метрической шкале. Если не выполняется хотя бы одно из этих условий то применяется непараметрический критерий T- Вилкоксона. Y – ранговая (порядковая) переменная: сравнение двух зависимых выборок по уровню выраженности порядковой и бинарной переменной (критерий T- Вилкоксона, критерий знаков).

21 слайд

Сравнение более двух выборок Проверяемая H0: несколько совокупностей (которым соответствуют выборки) не отличаются по уровню выраженности измеренного признака.

22 слайд

Сравнение более двух независимых выборок Условия применения: признак должен быть измерен у объектов (испытуемых), каждый из которых принадлежит к одной из k независимых выборок (k>2). Методы: Y – метрическая переменная: дисперсионный анализ (ANOVA) для независимых выборок (параметрический метод). Дополнение: метод допускает сравнение выборок более чем по одному основанию – когда деление на выборки производится по нескольким номинативным переменным, каждая из которых имеет 2 и более градаций. Условия применения: признак Y измерен в а) метрической шкале, б) дисперсии выборок гомогенны (статистически достоверно не различаются). Если не выполняется хотя бы одно из этих условий, то:

23 слайд

Сравнение более двух независимых выборок Y- ранговая (порядковая) переменная: сравнение более двух независимых выборок по уровню выраженности ранговой переменной (непараметрический критерий H-Краскала-Уоллеса). Ограничение: методы позволяет сравнивать выборки только по одному основанию, когда деление на группы производится по одной номинативной переменной, имеющей более 2-х градаций.

24 слайд

Сравнение более двух зависимых выборок Условия применения: а) признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из k зависимых выборок (k>2): как правило, признак измерен несколько раз на одной и той же выборке; б) измерения положительно коррелируют.

25 слайд

Сравнение более двух зависимых выборок Методы: Y- метрическая переменная: дисперсионный анализ (ANOVA) с повторными измерениями (параметрический метод). Дополнение: метод допускает сравнение выборок более чем по одному основанию – когда помимо деления на зависимые выборки, вводятся номинативные переменные, которые имеют 2 и более градаций и делят испытуемых на независимые выборки. Условия применения: а) признак Y измерен в метрической шкале; б) дисперсии сравниваемых выборок гомогенны (статистически достоверно не различаются). Если не выполняется хотя бы одно из этих условий, то:

26 слайд

Сравнение более двух зависимых выборок Y- ранговая (порядковая) переменная: сравнение более двух зависимых выборок по уровню выраженности ранговой переменной (непараметрический критерий χ2-Фридмана). Ограничение: метод позволяет сравнивать зависимые выборки только по одному основанию – повторным измерениям.

27 слайд

Спасибо за внимание!