Kereszt vagy beágyazott? Rögzített vagy véletlen?

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Füst György III. Belklinika
I. előadás.
Statisztika II. I. Dr. Szalka Éva, Ph.D..
Programcsomag fejlesztése "multiplex microbead assay" eredmények kiértékelésére •Soft Flow Hungary Kft. •7628 Pécs, Kedves u. 24 Lustyik György
Egy faktor szerinti ANOVA
Összetett kísérleti tervek és kiértékelésük
Összetett kísérleti tervek és kiértékelésük: Háromszempontos variancia analízis modellek.
Készítette / Author: Tuska Katalin
A többszörös összehasonlítás gondolatmenete. Több mint két statisztikai döntés egy vizsgálatban? Mi történik az elsõ fajú hibával, ha két teljesen független.
A PEDAGÓGIAI KUTATÁS FOLYAMATA
Feladat Egy új kísérleti készítmény hatását szeretnék vizsgálni egereken. 5 féle dózist adnak be 5 vizsgált egérnek, de nem sikerült mindegyik egérnek.
INFOÉRA 2006 Kombinatorika
A számítástechnika és informatika tárgya
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
Általános lineáris modellek
Mérési pontosság (hőmérő)
Becsléselméleti ismétlés
Gazdaságelemzési és Statisztikai Tanszék
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Faktor = „jellemző”, „háttérváltozó” A faktoranalízis (FA) alapjában a változók csoportosítására, redukciójára.
T.Gy. Beszedfelism es szint Beszédfelismerés és beszédszintézis Beszédjelek lineáris predikciója Takács György 4. előadás
Valószínűségszámítás
Eseményalgebra, kombinatorika
AZ ÉLETTANI PARAMÉTEREK MINŐSÉGELLENŐRZÉSE
Dr. Gombos Tímea SE, III.sz. Belgyógyászati Klinika
III. Sz. Belgyógyászati Klinika
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Adatmodellek A modellezés statisztikai alapjai. Statisztikai modell??? cél: feltárni, hogy bizonyos jelenségek között létezik-e az általunk feltételezett.

Egytényezős variancia-analízis
Az F-próba szignifikáns
Halmazműveletek.
Matematikai eszközök a környezeti modellezésben
Statisztikai módszerek áttekintése módszerválasztási tanácsok Makara Gábor.
Többváltozós adatelemzés
Alapsokaság (populáció)
Alapfogalmak.
Lineáris regresszió.
Többtényezős ANOVA.
Adatleírás.
Binomiális eloszlás.
Kemény Sándor Doktoráns Konferencia 2007.
Többszempontos ANOVA (I
Az üzleti rendszer komplex döntési modelljei (Modellekkel, számítógéppel támogatott üzleti tervezés) II. Hanyecz Lajos.
I. előadás.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Mintavételes Eljárások.
A szóráselemzés gondolatmenete
Valószínűségszámítás
 A matematikai statisztika a természet és társadalom tömeges jelenségeit tanulmányozza.  Azokat a jelenségeket, amelyek egyszerre nagyszámú azonos tipusú.
1 Megerősítéses tanulás 7. előadás Szita István, Lőrincz András.
MICA képeken. MICA 1. kísérlet Vettünk 6 db 50x50 pixeles képet. Ezeket 1-1 kétdimenziós sűrűségfügvénynek (2D-hisztogram) fogjuk fel, és importance sampling-gel.
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
Összetett kísérleti tervek és kiértékelésük Többszempontos varianciaanalízis-modellek (keresztosztályozások, blokkelrendezések)
Hick törvénye Készítette: Kalmár Norbert. Bevezetés William Edmund Hick egy angol pszichológus volt Híres törvénye leegyszerűsítve azt mondja ki, hogy.
IP címzés Gubó Gergely Konzulens: Piedl Péter Neumann János Számítástechnikai Szakközépiskola Cím: 1144 Budapest Kerepesi út 124.
Pedagógiai hozzáadott érték „Őrült beszéd, de van benne rendszer” Nahalka István
Mediánok és rendezett minták
Kockázat és megbízhatóság
VARBAI BALÁZS, MÉSZÁROS ISTVÁN
Becsléselmélet - Konzultáció
I. Előadás bgk. uni-obuda
Kockázat és megbízhatóság
Dr. Sipka Balázs.
Tóth Zoltán és Szalay Luca
Kísérlettervezés 3. előadás.
2. A Student-eloszlás Kemometria 2016/ A Student-eloszlás
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
3. Varianciaanalízis (ANOVA)
1. feladat Egy szerves preparatív reakciót 3 különböző katalizátorral végeztek el. Mindegyikkel 5-5 párhuzamos kísérletet végeztek. Arra voltak kíváncsiak,
Előadás másolata:

Kereszt vagy beágyazott? Rögzített vagy véletlen? Min múlik? Kereszt vagy beágyazott? Rögzített vagy véletlen?

Kereszt vagy beágyazott Két faktor viszonyát mondja meg. Ha több, mint két faktor van, akkor bármely kettő viszonyát meg lehet határozni Nem a modell kereszt-osztályozás vagy hierarchikus osztályozás, hanem a viszony! Modellek, amiben beágyazott és kereszt viszonyok is vannak

Két faktor viszonya kereszt, ha az egyik minden szintjét összekombinál(hat)juk a másik összes szintjével. Szimmetrikus viszony Ha bizonyos kombinációk hiányoznak, az hibás/nem teljes mérés, de attól még kereszt-osztályozás marad! Például: 4-féle patkányméreg, 3-féle kezelés 3 személy ugyanazon a 3 napon méri ugyanazt az etalont 4-féle gyártástechnológia, 5 adag kukoricalekvár, mindegyik technológiával gyártunk mindegyik lekvárból

Két faktor viszonya hierarchikus, ha az egyik faktor szintjeit csak a másik szintjein belül tudjuk értelmezni. Aszimmetrikus viszony – meg tudjuk mondani, melyik van beágyazva és melyikbe NEM attól beágyazott, hogy az egyik faktor „fizikailag” benne van a másik faktorban Például: 15 festék-sarzs, mindből vesznek 2-2 mintát 3 laborban mérik ugyanazt az anyagot, mindenhol 3-3 mintaelőkészítést végeznek

Azon múlik, hogy a kísérleteket hogyan végezték el 3 labor, 3 mintaelőkészítés Kereszt Hierarchikus Minden labor elkészíti a saját 3 mintáját A laboroktól függetlenül készítünk elő 3 mintát, és ezeket 3-3 részre osztjuk és 1-1-et elküldünk mindhárom laborba Az 1. labor 1. mintája ugyanannyira hasonlít a másik laborok 1. mintáihoz, mint a másik laborok többi mintájához, azaz ez csak a laborokon belül értelmezhető tulajdonság Az 1. labor 1. mintája jobban hasonlít a másik laborok 1. mintáihoz, mint a másik laborok többi mintájához, mert az ugyanaz a minta, azaz ez a laboroktól függetlenül értelmezhető tulajdonság

1. EXTRA – hiányzó kombináció A tervek szerint 3 ember ugyanazon a 3 napon meg fogja mérni ugyanazt az etalon 2-2 ismétléssel, de a 3. napon az egyik ember beteg lett és nem jött dolgozni, így nem is mért. Napok 1. 2. 3. Emberek nincs mérés Ettől még az emberek és napok továbbra is kereszt-viszonyban vannak, csak bizonyos hatásokat nem lehet kiértékelni (a statisztikai szoftver erre jellemzően fel van készítve, és plusz beavatkozás nélkül képes számolni).

2. EXTRA – Nem mindegy, mi van mibe ágyazva 3 labor, 3 mintaelőkészítés A labor van a mintába ágyazva Minta van a laborba ágyazva A laboroktól függetlenül készítünk elő 3 mintát, és ezeket 3-3 részre osztjuk és az 1. minta 1-1 részét elküldjük 3 laborba, majd a 2. minta 1-1 részét másik 3 laborba, a 3. minta 1-1 részét az előző 6-tól különböző 3 laborba Minden labor elkészíti a saját 3 mintáját Itt összesen 9 labor van. Itt összesen 9 minta van.

3. EXTRA – Az ismétlés lehetne beágyazott faktor (csak nincs sok értelme) 3 labor mindegyikében 3-3 mintaelőkészítést végeznek, és mindegyiket 2-2 injektálással mérik A mintaelőkészítés a laborba van ágyazva Az injektálást lehetne faktornak venni, ekkor nincs ismétlés 3 labor mindegyikében 3-3 mintaelőkészítést végeznek, de mindegyiket csak 1-1 injektálással mérik A mintaelőkészítés a laborba van ágyazva DE így a mintaelőkészítésen belül már nincs ismétlés A mintaelőkészítést ismétlésnek lehet tekinteni

Rögzített vagy véletlen? Egy adott faktor jellemzője. A többi faktortól függetlenül. Nem függ továbbá attól sem, hogy a faktorok viszonya (kereszt, vagy hierarchikus) milyen.

Egy faktor rögzített, ha jól meghatározott szintjei vannak. Természetesen egy jól dokumentált kísérletsorozat során minden kísérlethez hozzá tudjuk rendelni a használt faktorszinteket, mégis vannak véletlen faktorok. Rögzített faktorok esetén sokszor választani akarunk a faktorszintek között vagy Különbséget akarunk kimutatni két (vagy több) szint között Egy faktor rögzített, ha a kísérletsorozat (hipotetikus) újra elvégzése során a szintjeinek ugyanazokat tudnánk és akarnánk választani.

Nem tudjuk ugyanazt beállítani: Környezeti hatások Biológiai forrás Egy faktor véletlen, ha a kísérletsorozat (hipotetikus) újra elvégzése során nem tudnánk vagy nem akarnánk a faktorszinteket ugyanazokra a szintekre beállítani. Nem tudjuk ugyanazt beállítani: Környezeti hatások Biológiai forrás A készülék feletti kontroll teljes hiánya Nincs köze viszont ennek a beállítási pontossághoz. Nem akarjuk ugyanazt beállítani: A pluszingadozásra vagyunk kíváncsiak Elviekben: A véletlen faktor szintjeit egy sokaságból véletlenszerűen „választjuk ki”.

Azon múlik, hogy a kísérletező mire kíváncsi 3 hallgató végez el egy preparatív kísérletet Rögzített Véletlen Ez a 3 hallgató hogy dolgozik egymáshoz képest? Mekkora pluszingadozással jár, hogy ezt a kísérletet több hallgató is elvégezheti a jövőben? Ki a legjobb hármójuk közül? Ki a legrosszabb? Az eredményeket szeretnénk extrapolálni azokra a hallgatókra is, akik nem vettek részt a kísérletben. Ki szorul továbbképzésre? Ki érdemel jutalmat?

1. EXTRA – Beállítási pontosság A faktor a berendezés hőmérséklete Nem tudjuk a hőmérsékletet pontosan beállítani Hozzávetőleges hőmérséklet-szinteket tudunk beállítani A gyártás során a hőmérséklet nem lesz szabályozva A kísérletek során természetesen be kell tudni állítani a szinteket (pl: magas – közepes – alacsony) Rögzített Véletlen

2. EXTRA – A beágyazott faktor „mindig” véletlen faktor A beágyazott faktor szintjeit csak a hierarchiában felette álló faktor szintjein belül lehet értelmezni Például: Több sarzsból több mintát veszünk, minden mintát többször elemzünk. Az egyik sarzs 1. mintája csak azon belül számít 1.-nek, a minta elsősége nem a sarzsoktól független tulajdonság. Egy rögzített faktornak meghatározott szintjei vannak. Sliding factor

3. EXTRA – Mennyiségi-minőségi faktor ANOVA esetén jellemzően minőségi faktorokról beszélünk. Mennyiségi faktort lehet minőségiként kezelni. (v.ö. Kísérlettervezés) Ekkor ez a faktor mindenképpen rögzített jellegű lesz. Az elemzésben fontos szerepe van a kontraszt-analízisnek például: Egy forgácsológépben a tengely fordulatszámának lineáris vagy négyzetes hatása van-e a termék valamilyen jellemzőjére? Ortogonális polinomok