Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Выбор метода статистического вывода

Содержание

Нормальное распределение как стандарт
Выбор метода статистического вывода Нормальное распределение как стандарт Статистическая гипотезаЭто утверждение относительно неизвестного параметра генеральной совокупности, которое формулируется для проверки Статистическая гипотезаОсновная (нулевая) гипотеза (H0) – содержит утверждение об отсутствии связи в Измерительные шкалы (неметрические):Номинативная шкала, или шкала наименований. Объекты группируются по различным классам Измерительные шкалы (метрические):Интервальная шкала. Это такое измерение, при котором числа отражают не Классификация методов статистического выводаОснования для классификации:типы шкал, в которых измерены признаки X Классификация методов статистического вывода Классификация методов статистического вывода Выбор методов статистического вывода Параметрические и непараметрические критерииКритерий различия называют параметрическим, если он основан на конкретном Методы корреляционного анализаПроверяемая H0: коэффициент корреляции равен нулю.Условие применения: а) два признака Методы корреляционного анализаМетоды:Корреляция r-Пирсона – для метрических переменных. Условие применения: а) распределения Методы анализа номинативных переменныхВ зависимости от цели исследования и структуры исходных данных Методы анализа номинативных переменныхАнализ классификаций.Условие применения: для каждого объекта (испытуемого) выборки определена Методы анализа номинативных переменныхАнализ таблиц сопряженности.Условие применения: для каждого объекта (испытуемого) выборки Методы анализа номинативных переменныхАнализ последовательностей (серий)Условие применения: объекты упорядочены (по времени или Методы сравнения выборок по уровню выраженности признакаВ зависимости от решаемых задач методы Сравнение двух независимых выборокУсловия применения: признак измерен у объектов (испытуемых), каждый из Сравнение двух зависимых выборок Условия применения: а) признак измерен у объектов (испытуемых), Сравнение более двух выборокПроверяемая H0: несколько совокупностей (которым соответствуют выборки) не отличаются Сравнение более двух независимых выборокУсловия применения: признак должен быть измерен у объектов Сравнение более двух независимых выборокY- ранговая (порядковая) переменная: сравнение более двух независимых Сравнение более двух зависимых выборокУсловия применения: а) признак измерен у объектов (испытуемых), Сравнение более двух зависимых выборокМетоды:Y- метрическая переменная: дисперсионный анализ (ANOVA) с повторными Сравнение более двух зависимых выборокY- ранговая (порядковая) переменная: сравнение более двух зависимых Спасибо за внимание!
Слайды презентации

Слайд 2 Нормальное распределение как стандарт

Нормальное распределение как стандарт

Слайд 3 Статистическая гипотеза
Это утверждение относительно неизвестного параметра генеральной совокупности,

Статистическая гипотезаЭто утверждение относительно неизвестного параметра генеральной совокупности, которое формулируется для

которое формулируется для проверки надежности связи и которое можно

проверить по известным выборочным статистикам – результатам исследования.

Слайд 4 Статистическая гипотеза
Основная (нулевая) гипотеза (H0) – содержит утверждение

Статистическая гипотезаОсновная (нулевая) гипотеза (H0) – содержит утверждение об отсутствии связи

об отсутствии связи в генеральной совокупности и доступна проверке

методами статистического вывода.
Альтернативная гипотеза (H1) – принимается при отклонении H0 и содержит утверждение о наличии связи.
При этом нулевая и альтернативная гипотеза представляют собой полную группу несовместных событий.



Слайд 5 Измерительные шкалы (неметрические):
Номинативная шкала, или шкала наименований. Объекты

Измерительные шкалы (неметрические):Номинативная шкала, или шкала наименований. Объекты группируются по различным

группируются по различным классам так, чтобы внутри класса они

были идентичны по измеряемому свойству.
Ранговая, или порядковая шкала. Измерение в этой шкале предполагает приписывание объектам чисел в зависимости от степени выраженности измеряемого свойства.

Слайд 6 Измерительные шкалы (метрические):
Интервальная шкала. Это такое измерение, при

Измерительные шкалы (метрические):Интервальная шкала. Это такое измерение, при котором числа отражают

котором числа отражают не только различия между объектами в

уровне выраженности свойства, но и то, насколько больше или меньше выражено это свойство.
Абсолютная шкала, или шкала отношений. Измерение в этой шкале отличается от интервального тем, что в ней устанавливается нулевая точка, соответствующая полному отсутствию выраженности измеряемого свойства.

Слайд 7 Классификация методов статистического вывода
Основания для классификации:
типы шкал, в

Классификация методов статистического выводаОснования для классификации:типы шкал, в которых измерены признаки

которых измерены признаки X и Y: качественная шкала (номинативная),

количественная шкала (порядковая, метрическая)
количество сравниваемых групп – две и более двух
соотношение сравниваемых групп: зависимые выборки или независимые выборки


Слайд 8 Классификация методов статистического вывода

Классификация методов статистического вывода

Слайд 9 Классификация методов статистического вывода

Классификация методов статистического вывода

Слайд 10 Выбор методов статистического вывода

Выбор методов статистического вывода

Слайд 11 Параметрические и непараметрические критерии
Критерий различия называют параметрическим, если

Параметрические и непараметрические критерииКритерий различия называют параметрическим, если он основан на

он основан на конкретном типе распределения генеральной совокупности (как

правило, нормальном) или использует параметры этой совокупности (средние, дисперсии и т.д.).
Критерий различия называют непараметрическим, если он не базируется на предположении о типе распределения генеральной совокупности и не использует параметры этой совокупности.

Слайд 12 Методы корреляционного анализа
Проверяемая H0: коэффициент корреляции равен нулю.
Условие

Методы корреляционного анализаПроверяемая H0: коэффициент корреляции равен нулю.Условие применения: а) два

применения: а) два признака измерены в ранговой или метрической

шкале на одной и той же выборке; б) связь между признаками является монотонной (не меняет направления по мере увеличения значений одного из признаков).
Обычно изучается корреляция между множеством P переменных. В таком случае вычисляются корреляции между всеми возможными парами этих переменных. Результатом является корреляционная матрица, включающая P(P-1)/2 значений коэффициентов парной корреляции. Под корреляционным анализом обычно и понимают изучение связей по корреляционной матрице.

Слайд 13 Методы корреляционного анализа
Методы:
Корреляция r-Пирсона – для метрических переменных.

Методы корреляционного анализаМетоды:Корреляция r-Пирсона – для метрических переменных. Условие применения: а)


Условие применения: а) распределения X и Y существенно не

отличаются от нормального.
Дополнительно: частная корреляция для изучения зависимости корреляции X и Y от влияния переменной Z; сравнение корреляций – для независимых и зависимых выборок.
Корреляции r-Спирмена, τ-Кендалла – для порядковых переменных.


Слайд 14 Методы анализа номинативных переменных
В зависимости от цели исследования

Методы анализа номинативных переменныхВ зависимости от цели исследования и структуры исходных

и структуры исходных данных выделяются три группы методов, соответствующих

решаемым задачам:
анализ классификаций;
анализ таблиц сопряженности;
анализ последовательностей (серий).


Слайд 15 Методы анализа номинативных переменных
Анализ классификаций.
Условие применения: для каждого

Методы анализа номинативных переменныхАнализ классификаций.Условие применения: для каждого объекта (испытуемого) выборки

объекта (испытуемого) выборки определена его принадлежность к одной из

категорий (градаций) X (получено эмпирическое распределение объектов по X); известно теоретическое (ожидаемое) распределение по X (обычно – равномерное).
Проверяемая H0: эмпирическое (наблюдаемое) распределение предпочтений не отличается от теоретического (ожидаемого).
Метод: критерий χ2-Пирсона.



Слайд 16 Методы анализа номинативных переменных
Анализ таблиц сопряженности.
Условие применения: для

Методы анализа номинативных переменныхАнализ таблиц сопряженности.Условие применения: для каждого объекта (испытуемого)

каждого объекта (испытуемого) выборки определена его принадлежность к одной

из категорий (градаций) X и к одной из категорий (градаций) Y (получена перекрестная классификация объектов по двум основаниям X и Y).
Следует различать три ситуации – в зависимости от числа градаций и соотношения X и Y:
число градаций X и (или) Y больше двух (общий случай);
таблицы сопряженности 2х2 с независимыми выборками;
таблицы сопряженности 2х2 с повторными измерениями.


Слайд 17 Методы анализа номинативных переменных
Анализ последовательностей (серий)
Условие применения: объекты

Методы анализа номинативных переменныхАнализ последовательностей (серий)Условие применения: объекты упорядочены (по времени

упорядочены (по времени или по уровню выраженности признака); каждый

объект отнесен к одной из двух категорий (X или Y).
Проверяемые H0: события X распределены среди событий Y случайно (случай 1); выборки X и Y не различаются по распределению значений количественного признака (случай 2).
Метод: критерий серий.

Слайд 18 Методы сравнения выборок по уровню выраженности признака
В зависимости

Методы сравнения выборок по уровню выраженности признакаВ зависимости от решаемых задач

от решаемых задач методы внутри этой группы классифицируются по

трем основаниям:
► Количество градаций X:
а) сравниваются 2 выборки;
б) сравниваются больше двух выборок
► Зависимость выборок:
а) сравниваемые выборки независимы;
б) сравниваемые выборки зависимы.
► Шкала Y:
а) Y – ранговая переменная;
б) Y – метрическая переменная.


Слайд 19 Сравнение двух независимых выборок
Условия применения: признак измерен у

Сравнение двух независимых выборокУсловия применения: признак измерен у объектов (испытуемых), каждый

объектов (испытуемых), каждый из которых принадлежит к одной из

двух независимых выборок.
Методы:
Y – метрическая переменная: сравнений двух средних значений (параметрический критерий t-Стьюдента для независимых выборок).
Условия применения: признак измерен в а) метрической шкале; б) дисперсии двух выборок гомогенны (статистически достоверно не различаются). Если не выполняется хотя бы одно из этих условий то применяется непараметрический критерий U-Манна-Уитни.
Дополнительно: возможно сравнений двух дисперсий (параметрический критерий F-Фишера).
Y – ранговая (порядковая) переменная: сравнение двух независимых выборок по уровню выраженности порядковой и бинарной переменной (критерий U-Манна-Уитни, критерий серий).


Слайд 20 Сравнение двух зависимых выборок
Условия применения: а) признак

Сравнение двух зависимых выборок Условия применения: а) признак измерен у объектов

измерен у объектов (испытуемых), каждый из которых принадлежит к

одной из двух зависимых выборок: либо признак измерен дважды на одной и той же выборке, либо каждому испытуемому из одной выборки поставлен в соответствие по определенному критерию испытуемый из другой выборки; б) измерения положительно коррелируют. Если эти условия не выполняются, то выборки следуют признать независимыми.
Методы:
Y – метрическая переменная: сравнений двух средних значений (параметрический критерий t-Стьюдента для зависимых выборок).
Условия применения: признак измерен в метрической шкале. Если не выполняется хотя бы одно из этих условий то применяется непараметрический критерий T- Вилкоксона.
Y – ранговая (порядковая) переменная: сравнение двух зависимых выборок по уровню выраженности порядковой и бинарной переменной (критерий T- Вилкоксона, критерий знаков).


Слайд 21 Сравнение более двух выборок
Проверяемая H0: несколько совокупностей (которым

Сравнение более двух выборокПроверяемая H0: несколько совокупностей (которым соответствуют выборки) не

соответствуют выборки) не отличаются по уровню выраженности измеренного признака.


Слайд 22 Сравнение более двух независимых выборок
Условия применения: признак должен

Сравнение более двух независимых выборокУсловия применения: признак должен быть измерен у

быть измерен у объектов (испытуемых), каждый из которых принадлежит

к одной из k независимых выборок (k>2).
Методы:
Y – метрическая переменная: дисперсионный анализ (ANOVA) для независимых выборок (параметрический метод).
Дополнение: метод допускает сравнение выборок более чем по одному основанию – когда деление на выборки производится по нескольким номинативным переменным, каждая из которых имеет 2 и более градаций.
Условия применения: признак Y измерен в а) метрической шкале, б) дисперсии выборок гомогенны (статистически достоверно не различаются). Если не выполняется хотя бы одно из этих условий, то:


Слайд 23 Сравнение более двух независимых выборок
Y- ранговая (порядковая) переменная:

Сравнение более двух независимых выборокY- ранговая (порядковая) переменная: сравнение более двух

сравнение более двух независимых выборок по уровню выраженности ранговой

переменной (непараметрический критерий H-Краскала-Уоллеса).
Ограничение: методы позволяет сравнивать выборки только по одному основанию, когда деление на группы производится по одной номинативной переменной, имеющей более 2-х градаций.

Слайд 24 Сравнение более двух зависимых выборок
Условия применения: а) признак

Сравнение более двух зависимых выборокУсловия применения: а) признак измерен у объектов

измерен у объектов (испытуемых), каждый из которых принадлежит к

одной из k зависимых выборок (k>2): как правило, признак измерен несколько раз на одной и той же выборке; б) измерения положительно коррелируют.


Слайд 25 Сравнение более двух зависимых выборок
Методы:
Y- метрическая переменная: дисперсионный

Сравнение более двух зависимых выборокМетоды:Y- метрическая переменная: дисперсионный анализ (ANOVA) с

анализ (ANOVA) с повторными измерениями (параметрический метод).
Дополнение: метод допускает

сравнение выборок более чем по одному основанию – когда помимо деления на зависимые выборки, вводятся номинативные переменные, которые имеют 2 и более градаций и делят испытуемых на независимые выборки.
Условия применения: а) признак Y измерен в метрической шкале; б) дисперсии сравниваемых выборок гомогенны (статистически достоверно не различаются). Если не выполняется хотя бы одно из этих условий, то:

Слайд 26 Сравнение более двух зависимых выборок
Y- ранговая (порядковая) переменная:

Сравнение более двух зависимых выборокY- ранговая (порядковая) переменная: сравнение более двух

сравнение более двух зависимых выборок по уровню выраженности ранговой

переменной (непараметрический критерий χ2-Фридмана).
Ограничение: метод позволяет сравнивать зависимые выборки только по одному основанию – повторным измерениям.


  • Имя файла: vybor-metoda-statisticheskogo-vyvoda.pptx
  • Количество просмотров: 129
  • Количество скачиваний: 0