Kísérlettervezés és értékelés 2. rész Honlap:

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

by Louis Armstrong and Kenny G from the album Classics in the Key of G ENJOY Hagyd, kérlek, hadd fusson le a fájl magától. A zene a következő képnél kezdődik.
4. Két összetartozó minta összehasonlítása
Tengeralattjáró győzelmi hírek elmaradása – kilövés
Összetett kísérleti tervek és kiértékelésük
Összetett kísérleti tervek és kiértékelésük: Háromszempontos variancia analízis modellek.
Kísérlettervezés és értékelés
Kísérlettervezés és értékelés 2. rész Honlap:
Rangszám statisztikák
A PEDAGÓGIAI KUTATÁS FOLYAMATA
Matematikai Statisztika VIK Doktori Iskola
Nyelvi adatok és az adatgyűjtés módszertana
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Mérési pontosság (hőmérő)
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
A kutatás terve Kutatási célok Elemzési egységek Idődimenzió
Előadó: Prof. Dr. Besenyei Lajos
Mintavételes eljárások
Regresszióanalízis 10. gyakorlat.
A szociálpszichológia módszerei
III. Sz. Belgyógyászati Klinika
X. Magyar Vezérigazgató Találkozó Röjtökmuzsaj, szeptember Szükség van-e PR-ra? És ha igen, miért nem? EUROLEX Consulting MEDIA & PR.
Az OEP lehetséges szerepe az ellátási hibák felismerésében és megelőzésében „(Elkerülhető) ellátási hibák az egészségügyben” országos konferencia, Budapest,
A PEDAGÓGIAI KUTATÁS Dr. Molnár Béla Ph.D.. 1. PEDAGÓGIAI KUTATÁS CÉLJA, TÁRGYA Célja, hogy az új ismeretek feltárásával, pontosabbá tételével, elmélyítésével.
Többszörös regresszió I. Többszörös lineáris regresszió
Biostatisztika bevezetés
KÉT FÜGGETLEN, ILL. KÉT ÖSSZETARTOZÓ CSOPORT ÖSZEHASONLÍTÁSA
Többszörös regresszió I. Többszörös lineáris regresszió miért elengedhetetlen a többszörös regressziós számítás? a többszörös regressziós számítások fajtái.
Alapfogalmak Alapsokaság, valamilyen véletlen tömegjelenség.
Adatmodellek A modellezés statisztikai alapjai. Statisztikai modell??? cél: feltárni, hogy bizonyos jelenségek között létezik-e az általunk feltételezett.

Térkép. Mi az adat? Minden információ, amit tárolni kell. Minden információ, amit tárolni kell.  szám  szöveg  dátum  hang  kép, stb.
Egytényezős variancia-analízis
Projektek monitorozása. Elvek és módszerek
Statisztika.
Szakkönyvtári teljesítménymérés Hegyközi Ilona - Fazokas Eszter Székesfehérvár május 8.
Ismétlő kérdések 1. Mennyi helyzeti energiát veszít a húgod, ha leejted őt valahonnan? Hegedül-e közben? 2. Számold ki az Einstein tétel segítségével a.
Emberi Erőforrás Menedzsment Munkakör-értékelés EEM.4.
Kvantitatív Módszerek
Mintavétel talajból, talajminták tárolása
Pedagógiai kutatás -kötelező tantárgy II. év, távoktatás
Gazdaságstatisztika Bevezetés szeptember 11.
Alapsokaság (populáció)
Alapfogalmak.
Lineáris regresszió.
Többtényezős ANOVA.
Thomas S. Kuhn: A tudományos forradalmak szerkezete
Az eredményesség kulcsa egy önkormányzati gazdaságfejlesztési projekt esetében The keys of success in case of an economic development project implemented.
Paleobiológiai módszerek és modellek 4. hét
Többszempontos ANOVA (I
Tényekre alapozott oktatáspolitika és gyakorlat ONK 2011, Szimpózium a tények, bizonyítékok természetéről, szerepéről az oktatásban Evidence Based Education.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Mintavételes Eljárások.
A varázslat világába lépsz be... Enter the world of magic …
Az edukálás szerepe a dializált betegek együttműködésének javításában
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Kutatásmódszertani dilemmák
Róbert Péter Egyetemi tanár Széchenyi Egyetem, Győr
 A matematikai statisztika a természet és társadalom tömeges jelenségeit tanulmányozza.  Azokat a jelenségeket, amelyek egyszerre nagyszámú azonos tipusú.
From eco-efficiency to sustainable production Maria Csutora Pietro Bertazzi The workshop is based on research done in the HU-0056 “Sustainable consumption,
Mindannyian Ságvári Bence adatok -- Big Data Day 2013 leszünk… Társadalomtudomány a Nagy Adat korában.
Összetett kísérleti tervek és kiértékelésük Többszempontos varianciaanalízis-modellek (keresztosztályozások, blokkelrendezések)
„R” helyett „Q”? – Új lehetőségek a faktoranalízis alkalmazásában
Mintavétel.
Nyelvi adatok és az adatgyűjtés módszertana
Kereszt vagy beágyazott? Rögzített vagy véletlen?
Mi a megbocsátás jelentősége? What is the significant of forgivness?
Szani Ferenc, Pitlik László, Balogh Anikó
Mintavétel talajból, talajminták tárolása
Acf, pacf, arima, arfima.
Előadás másolata:

Kísérlettervezés és értékelés 2. rész Honlap:

Voodoo science The road from foolishness to fraud R.L. Park ( Oxford University Press 2000) •Error is a normal part of science, and uncovering flaws in scientific observations or reasoning is the everyday work scientists •Scientists try to guard against attributing significance to spurious results by repeating experiments and designing control experiments •Even eminent scientist have had their careers tarnished by misinterpreting unremarkable event…. •…scientist, no less than others, are inclined to see what they expect to see…. •…erroneous conclusion by a respected colleague often carries other scientists along on the road to ignonimity. •This is pathological science, in which scientists manage to fool themselves •Junk science…., pseudoscience…, fraudulent science = voodoo science

Hitünk, meggyőződésünk a kutatómunka fontos tényezője •The brain = „belief engine” •Asszociációkból, egybeesésekből indul ki •A véletlen sokszor hoz létre valószínűtlen egybeeséseket •Mindannyian szeretnénk megérteni, miért is történik meg valami szokatlan, ezért magyarázatot konstruálunk •A nyelv, az irás, a kép terjeszti a könnyű, látványos magyarázatokat, mert nem tudunk mindent ellenőrizni •A tudomány a magyarázatokat kritikai elemzésnek veti alá, ez gyakran sokoldalú kísérleti ellenőrzést jelent •Független ismétlés, és ellenőrzés kell, más kutatók által •Teljesebb bizonyítékoknak -- új magyarázatot feleltethetünk meg

Kontroll kísérlet, kísérleti kontroll •Jó szakmai tudás kell a jó kontrollhoz (nem statisztikai tervezési kérdés) •A jó kutató idejének jelentős részét tölti –kontrollok tervezésével (pozitiv kontroll, negatív kontroll), –hiba kerüléssel, hiba javítással •Ellenőrzendő, hogy –a berendezések azt teszik, amit róluk gondolunk, –az elrendezés megfelelő –van-e szisztémás, kontrollálatlan jelenség •A kontroll azonos a kísérletivel, kivéve egy kulcs komponenst –Tablettát kap, de csak keményítő van benne. –Betesszük a készülékbe, de nem kapcsoljuk be… –és igy tovább a végtelenségig...

Tervezzünk egy egyszerű kísérletet •Viselkedésbiológus feltételezése: A jobbkezes emberek többnyire jobbra fordulnak útjuk során, hacsak valamilyen egyéb szempont nem befolyásolja őket az irány megválasztásában… •Kísérleti elrendezés (Y maze? Ajtók? Kilincsek?) •Személyek •Statisztikai értékelő módszer •Lebonyolítást hogyan szervezzük? Ki, mikor, hogyan? •Hogyan elemezzük a vizsgálatot? •Mit jegyezzünk fel a jegyzőkönyvbe?

Esszenciális hypertenzióban szenvedők kezelése •Kérdés: mi a hatásosabb? –A. séma: Propranolol+phenoxybenzamin, vagy –B. séma= A. séma+hydrochlorothiazid •Hogyan válasszunk alanyokat? •Mit és mennyit adjunk? •Hogyan szervezzük meg az adagolást? •Meddig tartson a kezelés? •Mikor, hányszor és hogyan mérjünk? •Hogyan jegyzőkönyvezzünk? •Hogyan értékeljünk?

Beavatkozások vizsgálata •Vizsgálatok, kontrollhoz hasonlitással –Parallel kontrollok •randomizált •nem-randomizált –Szekvenciális kontrollok •önkontrollos •cross-over, önkontrollos •sorrend hatás, carry-over? –Külső kontroll (benne a történeti kontroll)

Alapsokaság, mintavétel •...Ahol minden elkezdődik, és csak nem el is dől… Rossz kezdet esetleg későbbi évek munkáját is tönkre teheti. •Felméréseknél, epidemiológiai vizsgálatoknál gondoljunk arra hogy milyen statisztikai populációval dolgozunk? –Becslés, mintázatelemzés –Diszkrét vagy folytonos alapsokaság? –Egy változó - sok változó •Teljes felmérés, leszámlálás •Minta = reprezentatív részhalmaz •A mintavételi egység: 1 kémcső Balatonviz, 1 g talaj, 1 ml vér, vizelet, 1 g májszövet, egy ebéd, 1 rutin klinikai mérés (pl. 20 elemű vektor) •Preferenciális mintavétel : szép virág <> a Virág jellemzőivel

A mintavétel főbb jellemzői •A minta nagysága •A minta származtatása az alapsokaságból –random (minden egyed egyforma eséllyel) –nem mindig valósítható meg (nem mindegyik egyed található meg, számozható meg) –véletlen bolyongással is lehet kiválasztani –Lépcsőzetes random mintavétel •beágyazásos módszer (nesting, vagy subsampling) •stratified random –Szisztematikus, félig szisztematikus

Táblázatkezelők és a random számok [=rand()]

Lebonyolítás •Legyen-e közbülső elemzés, vagy fix méret, végső elemzéssel •Kizárási feltételek (egyes adat, alany) •Meddig folytassuk? –Cut your losses? –Döntésig –Előre tervezett időpontig, vagy mennyiségig?