Paraméteres próbák Adatelemzés.

Slides:



Advertisements
Hasonló előadás
Motiváció a kísérlet előtt Motiváció a kísérlet után Iskolai kötődés a kísérlet előtt Iskolai kötődés a kísérlet után Iskolai kötődés motiváció kontroll.
Advertisements

Gazdaságstatisztika Hipotézisvizsgálatok általános kérdései Nemparaméteres próbák november 6. és november 13.
Gazdaság- statisztika 4. konzultáció Hipotézisvizsgálatok Árva Gábor PhD Hallgató.
Becsléselmélet - gyakorlat október 14.. Példa 1 - Feladatgyűjtemény Egy nagyvállalat személyzeti osztályvezetője azt gyanítja, hogy különbség van.
Kvantitatív módszerek Becsléselmélet október 7. és 9.
Kvantitatív módszerek Hipotézisvizsgálatok - Nemparaméteres próbák október 16.
Gazdaságstatisztika Hipotézisvizsgálatok általános kérdései Nemparaméteres próbák.
Paraméteres próbák- konzultáció október 21..
tananyag =előadások és gyakorlatok anyaga (írott és elmondott is)
Bevezetés Biometria I. Molnár Péter Állattani Tanszék
Adatbázis normalizálás
Leíró statisztika Becslés
Becslés gyakorlat november 3.
Mintavétel és becslés október 25. és 27.
Kvantitatív módszerek
Végeselemes modellezés matematikai alapjai
Lineáris regresszió Adatelemzés.
Egy üzemben sok gyártósoron gyártanak egy bizonyos elektronikai alkatrészt. Az alkatrészek ellenállását időnként ellenőrzik úgy, hogy egy munkás odamegy.
Észlelés és egyéni döntéshozatal, tanulás
Szigorlati felkészítő Kvantitatív módszerek
Mintavétel és becslés október 27. és 29.
Becsléselmélet - Konzultáció
Struktúra predikció ápr. 6.
Kockázat és megbízhatóság
Alapfogalmak Adatelemzés.
Mintavételes eljárások
13. Gyakorlat Dr. Pauler Gábor, Egyetemi Docens
Rangsorolás tanulása ápr. 13..
Kockázat és megbízhatóság
Kvantitatív módszerek
Hipotézisvizsgálat.
Kvantitatív módszerek
Mintavételes eljárások
Nemparaméteres próbák 2.
Hipotézisvizsgálatok általános kérdései Nemparaméteres próbák
Gazdaságstatisztika Korreláció- és regressziószámítás II.
Geostatisztika prof. Geresdi István szoba szám: E537.
Tartalékolás 1.
Összefüggés vizsgálatok
Varianciaanalízis- ANOVA (Analyze Of VAriance)
Kvantitatív módszerek
Szerkezetek Dinamikája
Kvantitatív módszerek
? A modell illesztése a kísérleti adatokhoz
Kvantitatív módszerek
Regressziós modellek Regressziószámítás.
Sztochasztikus kapcsolatok I. Asszociáció
A matematikai statisztika alapfogalmai
3, u-próba, t-próba Kemometria 2016/2017 3, u-próba, t-próba
Alapfogalmak Adatelemzés.
Dr. Varga Beatrix egy. docens
Matematikai statisztika előadó: Ketskeméty László
Gazdaságinformatikus MSc
3. előadás.
Pattern Classification All materials in these slides were taken from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stork, John.
Gazdaságinformatikus MSc
Alkalmazott statisztikai alapok
3(+1) osztályozó a Bayes világból
1.5. A diszkrét logaritmus probléma
A szállítási probléma.
Dr. Varga Beatrix egyetemi docens
Matematika 11.évf. 1-2.alkalom
Műveletek, függvények és tulajdonságaik Mátrix struktúrák:
Kísérlettervezés 2018/19.
3. előadás.
Várhatóérték, szórás
Algoritmusok.
Hagyományos megjelenítés
Hipotéziselmélet Adatelemzés.
Vargha András KRE és ELTE, Pszichológiai Intézet
Előadás másolata:

Paraméteres próbák Adatelemzés

Paraméteres próbák A próbákban az a közös, hogy az elemzett minta eloszlása normálist követ. A nullhipotézist éppen a normális eloszlás paramétereivel kapcsolatosan fogalmazzuk meg. Várható érték a paraméter A szórás a paraméter egymintás u-próba kétmintás u-próba egymintás t-próba kétmintás t- próba független mintás összetartozó mintás Welch-próba egyszerű csoportosítás (one-way ANOVA) F-próba Bartlett-teszt

Egymintás u-próba DÖNTÉS: Feltétel: a normális eloszlású mintának ismerjük a szórását. DÖNTÉS:

Egymintás u-próba Az elsőfajú hiba valószínűsége: Az elsőfajú hibavalószínűség éppen az e szignifikancia-szint!

Egymintás u-próba A másodfajú hibavalószínűség: Ugyanis most:

Egymintás u-próba Az u-próba erőfüggvénye: Az u-próba tulajdonságai: a próba torzítatlan és konzisztens! Ráadásul egyenletesen legjobb próba is!

Egymintás u-próba Bizonyítás: A konzisztencia bizonyítása.

Egymintás u-próba A torzítatlanság bizonyítása.

Egymintás u-próba A torzítatlanság bizonyítása.

Egymintás u-próba Megjegyzés: A gyakorlatban akkor is alkalmazzák az u-próbát, amikor a minta nem normális eloszlású, de a mintaelemszám „nagy”. Az alkalmazás jogosságát a centrális határeloszlás-tétellel lehet indokolni. Ugyanis a próbastatisztika normális eloszlású lesz aszimptotikusan, mivel a CHT szerint a mintaátlag már közel normális eloszlású!

A kétmintás u-próba Adottak az és az egymástól független statisztikai minták. A minták független normális eloszlásúak, a szórásaik ismertek.

A kétmintás u-próba DÖNTÉS: Ha feltesszük, hogy a null-hipotézis igaz, akkor  DÖNTÉS:  -t elfogadjuk

Egymintás t-próba DÖNTÉS:

Kétmintás t-próba (független minták) A minták szórásai egyenlőeknek tekintendők. Különben nem alkalmazható a próba. Ennek ellenőrzése F-próbával. DÖNTÉS:

Kétmintás t-próba (összetartozó minták) DÖNTÉS:

A Welch-próba I. Ha az F-próbát el kell vetnünk, nem alkalmazható a két független mintás t-próba a két minta várható értékei egyezésének ellenőrzésére. Erre az esetre dolgozta ki Welch a most ismertetendő robusztus próbát: X1,X2,…,Xn N(X,X ) és Y1,Y2,…Ym N(Y,Y) egymástól független normális eloszlású statisztikai minták, X és Y nem ismert .

A Welch-próba II. Megmutatható, hogy a nullhipotézis fennállása esetén a próbastatisztika közelítőleg Student-eloszlású [f] (egészrész f) szabadságfokkal, ahol

F-próba X1,X2,…,Xn N(X,X ) és Y1,Y2,…Ym N(Y,Y) egymástól független normális eloszlású statisztikai minták, X és Y nem ismert . Ha feltesszük, hogy a null-hipotézis igaz, akkor igaz lesz, hogy

Bartlett-próba Adott p normális eloszlású minta, amik függetlenek egymástól. Az a nulhipotézisünk, hogy a minták szórásai nem különböznek egymástól: A próbastatisztika most: ahol Megmutatható, hogy ha H0 fennáll, akkor B eloszlása p-1 szabadságfokú 2- eloszlást (Chi-négyzet) követ.

Egyszeres osztályozás (One-way ANOVA) Az egyes csoportok várható értékei különbségére konfidencia intervallum szerkeszthető. A különbség valódi értéke a beállított valószínűséggel ebbe az intervallumba esik. H0 : A változók várható értékei azonosak A mintarealizációt egy tördelő változó értékei szerint kettőnél több csoportra osztjuk. A módszer a független mintás t-próba kiterjesztése kettőnél nagyobb esetre. H1 : Van két olyan változó, melyek várható értékei különböznek Fisher-féle F-próba A próbastatisztika eloszlása a nullhipotézis fennállása esetén F-eloszlású. H0 : A változók varianciái egyenlőek Bartlett-Box-próba A próbastatisztika eloszlása a nullhipotézis fennállása esetén F-eloszlású. Az F-próba kiterjesztése. H0 : A kettőnél több változó varianciái egyenlőek Levene-próba Ez nem paraméteres próba! Nincs előzetes feltevés a változók normalitására vonatkozóan! H0 : A kettőnél több változó varianciái egyenlőek

Egyszeres osztályozás Csoportátlagok: Négyzetösszegek:

Egyszeres osztályozás  F-eloszlású (2, n-3)  Student (n-3)

1. feladat

Megoldás

2. feladat

Megoldás

3. feladat

Megoldás

4. feladat

Megoldás

Megoldás

5. feladat

Megoldás

6. feladat

Megoldás

7. feladat

Megoldás

8. feladat

Megoldás Az alkalmazandó módszer a független kétmintás t-próba A t-próba elvégezhetőségéhez alkalmaznunk kell az F-próbát, hogy a minták szórásainak egyezését ellenőrizhessük.

Megoldás

Megoldás Végrehajtható tehát a t-próba!

Megoldás