Презентация на тему "Выбор метода статистического вывода"

Содержание

• 
  Слайд 1

  Выбор метода статистического вывода

• 
  Слайд 2

  Нормальное распределение как стандарт

• 
  Слайд 3

  Статистическая гипотеза

  Это утверждение относительно неизвестного параметра генеральной совокупности, которое формулируется для проверки надежности связи и которое можно проверить по известным выборочным статистикам – результатам исследования.

• 
  Слайд 4
  

  Основная (нулевая) гипотеза (H0) – содержит утверждение 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 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 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 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
  
• 
  Слайд 9
  
• 
  Слайд 10

  Выбор методов статистического вывода

• 
  Слайд 11

  Параметрические и непараметрические критерии

  Критерий различия называют параметрическим, если 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 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: Корреляция r-Пирсона – для метрических переменных. Условие применения: а) распределения Xи Y существенно не отличаются от нормального. Дополнительно: частная корреляция для изучения зависимости корреляции Xи 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 и структуры исходных данных выделяются три группы методов, соответствующих решаемым задачам: анализ классификаций; анализ таблиц сопряженности; анализ последовательностей (серий).

• 
  Слайд 15
  

  Анализ классификаций. Условие применения: для каждого 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
  

  Анализ таблиц сопряженности. Условие применения: для 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 Xи Y). Следует различать три ситуации – в зависимости от числа градаций и соотношения Xи Y: число градаций Xи (или) Y больше двух (общий случай); таблицы сопряженности 2х2 с независимыми выборками; таблицы сопряженности 2х2 с повторными измерениями.

• 
  Слайд 17
  

  Анализ последовательностей (серий) Условие применения: объекты 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 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 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 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 соответствуют выборки) не отличаются по уровню выраженности измеренного признака.

• 
  Слайд 22

  Сравнение более двух независимых выборок

  Условия применения: признак должен 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
  

  Y- ранговая (порядковая) переменная: 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 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
  

  Методы: Y- метрическая переменная: дисперсионный 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
  

  Y- ранговая (порядковая) переменная: 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.

• 
  Слайд 27

  Спасибо за внимание!