Fisher-féle egzakt próba Asszociációs mérőszámok

Slides:



Advertisements
Hasonló előadás
2005. október feladat Legyen k egy valós szám. Ábrázolja az függvényt, ahol m az alábbi egyenlet megoldásainak a száma!
Advertisements

Hipotézisvizsgálat az adatforrás működési “mechanizmusát” egy véletlen eloszlás jellemzi az adatok ismeretében megfogalmazódnak bizonyos hipotézisek erre.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Zsigmond Király Főiskola OTDK Társadalomtudományi Szekció versenye
Rangszám statisztikák
ASSZOCIÁCIÓS MÉRŐSZÁMOK
Összefüggés vizsgálatok
Mérési pontosság (hőmérő)
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
Környezeti statisztika Dr. Huzsvai László egyetemi docens Debrecen2008.
Gazdaságelemzési és Statisztikai Tanszék
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
A négyzet kerülete K = 4· a.
Statisztika II. IX. Dr. Szalka Éva, Ph.D..
Statisztika II. IV. Dr. Szalka Éva, Ph.D..
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Asszociáció.
PTE PMMK Matematika Tanszék dr. Klincsik Mihály Valószínűségszámítás és statisztika előadások Gépész-Villamosmérnök szak BSc MANB030, MALB030 Bevezető.
Növényökológia terepgyakorlat Fajok asszociáltságának vizsgálata I.) Az egyes esetek TAPASZTALT gyakorisága 1. táblázat A faj B faj+- +aba+b.
Növényökológia gyakorlat Fajok asszociáltságának vizsgálata I.) Az egyes esetek TAPASZTALT gyakorisága 1. táblázat A faj B faj+- +aba+b -cdc+d.
SPSS leíró statisztika és kereszttábla elemzés (1-2. fejezet)
Hipotézisvizsgálat (1. rész) Kontingencia táblák
Asszociációs együtthatók
Nemparaméteres próbák Statisztika II., 5. alkalom.
Nemparaméteres próbák

NEMPARAMÉTERES PRÓBÁK
STATISZTIKA II. 6. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás.
Kvantitatív Módszerek
7. Csoportok és változók sztochasztikus összehasonlítása (összehasonlítások ordinális függő változók esetén)
Tartalom Arányokra vonatkozó hipotézisek vizsgálata (eloszlásvizsgálat 2-próbával) Arányok összehasonlítása összetartozó és független minták segítségével.
Gazdaságstatisztika Hipotézisvizsgálatok Nemparaméteres próbák II. 17. előadás.
Hipotézis vizsgálat (2)
Hipotézis-ellenőrzés (Folytatás)
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Illeszkedés vizsgálat
t A kétoldalú statisztikai próba alapfogalmai

Diszkrét változók vizsgálata
Hipotézisvizsgálat v az adatforrás működési “mechanizmusát” egy véletlen eloszlás jellemzi v az adatok ismeretében megfogalmazódnak bizonyos hipotézisek.
Paleobiológiai módszerek és modellek 4. hét
6. előadás.
A kombinációs táblák (sztochasztikus kapcsolatok) elemzése
Tutoriál videó alkalmazása Moodle kurzusban
Turmezeyné dr. habil. Heller Erika ELTE Tanító- és Óvóképző Kar
Vargha András KRE és ELTE, Pszichológiai Intézet
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
3. hét Asszociáció.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
A számítógépes elemzés alapjai
Stabil kockázatelosztások Csóka Péter (Corvinus) Szerzőtársak: P. Jean-Jacques Herings (Maastricht) és Kóczy Á. László (Maastricht és BMF)
2. Házi feladat „Digitális kép szűrése”. A feladat I. Az előzően beszerzett digitális kép szűrése Szűrés –Átlagoló szűrés 5×5-ös kernellel –Medián-szűrés.
A számítógépes elemzés alapjai
Kiváltott agyi jelek informatikai feldolgozása 2016
Részekre bontott sokaság vizsgálata, gyakorló feladatok
Kvantitatív módszerek MBA és Számvitel mesterszak
Minőségbiztosítás II_3. előadás
Hipotéziselmélet Nemparaméteres próbák
Többváltozós lineáris regresszió
Sztochasztikus kapcsolatok I. Asszociáció
Informatikai Tudományok Doktori Iskola
Nemparaméteres próbák
Gazdaságinformatika MSc labor
Statisztika segédlet a Statistica programhoz Új verzióknál érdemes a View menüsor alatt a Classic menu-s verziót választani – ehhez készült a segédlet.
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Vargha András KRE és ELTE, Pszichológiai Intézet
A normális eloszlásból származó eloszlások
Előadás másolata:

Fisher-féle egzakt próba Asszociációs mérőszámok Statisztika II., 3. alkalom

Fisher-féle egzakt próba Függetlenség és homogenitás-vizsgálatra alkalmazható eljárás. A khi-négyzet próbát szokás vele helyettesíteni ha N<20, vagy valamelyik cella gyakorisága <5. Általában 2x2-es kontingencia tábla esetén használjuk, mert nagyon számolásigényes. A felső, egyoldali szignifikancia szintet közvetlenül számítja. 1. Megkeressük a legkisebb gyakoriságot tartalmazó cellát 2. A hozzá tartozó átló elemeit csökkentjük, ezzel egy időben a másik átló elemeit növeljük, lépésenként eggyel. Mindaddig, míg az eredetileg választott cellában a gyakoriság nulla nem lesz. Minden lépésben kiszámoljuk: 3. A kapott P értékeket összeadjuk.

Fisher-féle egzakt próba A lányok hajlamosabbak-e a skizofréniára? H0: Fiúk és a lányok nem különböznek a skizofréniára való hajlam tekintetében. 1. 2. 3.

A khi-négyzet eloszlásból származtatható asszociációs mérőszámok A khi-négyzet próba teszteli két változó függetlenségét (vagy az egyik függését a másiktól). Ha az érték nulla, függetlenek, de a kapcsolat erősségének a statisztika értéke nem jó mutatója, mert függvénye a mintanagyságnak, a szabadsági foknak, így egyéb mérőszámokat használunk az asszociáció erősségének kifejezésére. Az ideális mutató nulla és egy közötti értékeket vehetne fel. A (phi) együttható értéke függetlenség esetén nulla. 2x2-es kontingencia táblázat esetén maximális értéke egy, ennél nagyobb táblázat esetén értéke túllépheti az egyet. A Pearson féle kontingencia (C) együttható értéke szintén nulla függetlenség esetén. Nulla és egy közötti balról zárt intervallumbeli értékeket vehet fel (egynél kisebb). A Cramer féle V együttható függetlenség esetén a nulla értéket veszi fel, értékei 0 és 1 közt mozognak, mindkét szélsőértéket felvehetik. k a képletben a kisebb a két változó lehetséges értékeinek száma közül.

Az asszociáció erőssége (Guilford, 1950) 0 : nincs kapcsolat < 0.2 : gyenge, majdnem hanyagolható kapcsolat 0.2 - 0.4 : biztos, de gyenge kapcsolat 0.4 - 0.7 : közepesen erős kapcsolat 0.7 - 0.9 : markáns kapcsolat 0.9 - 1 : erős függő kapcsolat

Cohen Kappa Két nominális változó egybehangzóságát vizsgáló mérőszám. Tesztek érvényességének vizsgálatára vagy kódolás egybehangzóságának vizsgálatára használják. H0: A két kategorizáció egymástól független. K 0-0.4 gyenge 0.4-0.6 közepes 0.6-0.8 jó 0.8-1 kiváló

Goodman-Kruskal féle λ Egy nominális változó egy másik nominális változóra vonatkozó predikciós értekét kifejezó asszociációs mérőszám. PRE elv: Proportional Reduction in predictive Error Egy változó segítségével bejósolni egy másik változót csak akkor van értelme, ha az csökkenti a becslés hibáját. Az arányos hibacsökkenést a következő módon fejezhetjük ki: Ez a Goodman-Kruskal féle λ segítségével a következőképpen néz ki: A nullától eltérő értékek függést jeleznek, néhány tizedes is erős függést jelez.