Poliploidok vizsgálata

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Hipotézis-ellenőrzés (Statisztikai próbák)
I. előadás.
II. előadás.
Dixon Próbadb.Valószínűségi szint (p%) n10%5%1%7.3?4321 7? ,890,940,99pH7,07,27,3 4 0,68 0,770,89n=4 r 10 = (7,3-7,3)/(7,3-7,0) = 0 r 10 =(x 1 -x.
Aktív cellaoszlopmutató sormutató munkalap munkafüzet szerkesztőléc.
A magyarországi önkormányzatok honlapjainak értékelése TÖOSZ – TÁRKI Sik Endre Tátrai Annamária.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.

Műveletek logaritmussal
Két változó közötti összefüggés
Mérési pontosság (hőmérő)
Becsléselméleti ismétlés
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
Statisztika II. IX. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Statisztika II. V. Dr. Szalka Éva, Ph.D..
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
III. előadás.
Az élővilág kutatásának matematikai, statisztikai eszköztára
Kezelések által okozott eltérések értékelése Szórások elemzése Variancia analízis ZH március ZH tematika: március
Kis szórás Nagy szórás Kis szórás Nagy szórás
Varianciaanalízis 12. gyakorlat.
AZ ÉLETTANI PARAMÉTEREK MINŐSÉGELLENŐRZÉSE
Statisztikai alapok Egy kis matematika nem csak fizikához… Ezeket a lapokat hamarosan átdolgozzuk. A benne foglalt ismeretek szükségesek a fizikai mérési.
Statisztikai alapok Egy kis matematika nem csak fizikához…
Értelmi fogyatékosságok kórtana
Kettőnél több csoport vizsgálata és kísérlet tervezés Makara B. Gábor MTA KOKI.
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Matematikai alapok és valószínűségszámítás
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Egytényezős variancia-analízis
Az F-próba szignifikáns
STATISZTIKA II. 3. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
A szemcsehatárok tulajdonságainak tudatos módosítása Szabó Péter János BME Anyagtudomány és Technológia Tanszék Anyagvizsgálat a gyakorlatban (AGY 4) 2008.
A szemcsehatárok tulajdonságainak tudatos módosítása
Statisztika.
Excel Függvények Páll Boglárka.
Készítette: Horváth Zoltán (2012)
Kvantitatív Módszerek
Gazdaságstatisztika 16. előadás Hipotézisvizsgálatok Alapfogalamak
Hipotézis vizsgálat (2)
Statisztikai módszerek áttekintése módszerválasztási tanácsok Makara Gábor.
Hipotézis-ellenőrzés (Folytatás)
Alapsokaság (populáció)
Alapfogalmak.

Két kvantitatív változó kapcsolatának vizsgálata
Paleobiológiai módszerek és modellek 4. hét
Minőségbiztosítás II_5. előadás
I. előadás.
Valószínűségszámítás - Statisztika. P Két kockával dobunk, összeadjuk az értékeket Mindegyik.
Kezelések által okozott eltérések értékelése Szórások elemzése Variancia analízis ZH március ZH tematika: óra végén.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Kiugró adatok szűrése Dixon Próba db. Valószínűségi szint (p%) n 10%
előadások, konzultációk
A számítógépes elemzés alapjai
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
A kísérletek megtervezése? Hogy választ kapjunk a kérdésünkre. A kísérletek elrendezése Cél: -újabb szórástényező megmagyarázása -Szisztematikus hibából.
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
100-as szög méreteinek gyakorisága (n = 100) db mm Gyakoriság grafikon (adott méretű esetek db.)
A számítógépes elemzés alapjai
Kiváltott agyi jelek informatikai feldolgozása 2016
II. előadás.
Paraméteres és nem paraméteres próbák alkalmazása több csoport összehasonlítására folytonos változók esetén Dr. Gombos Tímea.
4. Kiugró adatok kezelése
Statisztika segédlet a Statistica programhoz Új verzióknál érdemes a View menüsor alatt a Classic menu-s verziót választani – ehhez készült a segédlet.
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Előadás másolata:

Poliploidok vizsgálata

Statisztikai értékelés: Átlag Szórás Variancia (ld. Excell)

  X1 diploid X2 tetraploid y1diploid Y2 tetraploid 1 6.61 6.21 0.1777 0.2818 2 6.14 7.45 0.1669 0.2552 3 5.66 7.83 0.1712 0.2621 4 6.29 6.079 0.173 0.2457 átlag 6.175 6.89225 0.1722 0.2612 szórás 0.395347948 0.878882008 0.004471391 0.015290738 variancia 0.1563 0.772433583 1.99933E-05 0.000233807 Az átlag szórás variancia és SQ megtalálható a függvények között (ld.:Fv) Az sd-t és t értéket számítjuk, állapotsorban egyenlőségjellel írható képlet pl.: sd =(B13+C13)/(A21*(A21-1)) SQ1 SQ2 0.4689 2.31730075 0.00005998 0.00070142 sd négyzet 0.232183396 0.00006345 sd 0.481854123 0.007965551 t -1.488521039 -11.17311306 két minta szórását most tekintsük azonosnak ekkor a táblázatban FG-2(n-1)=4*3=12 táblézati t 0,1% 4.32 szignifikáns P70.1%-on táblézati t10% 1.78 nem szignifikáns SZD=tP%*sd 0.03441118 minta száma Meg kell adni értékeléskor a pirossal jelölteket A két kukorica minta között nincs valós különbség A két vöröshere minta között van a 0,0344-nél nagyobb eltérés az átlagok között valós különbséget jelent!!!