Variansanalyse (ANOVA) Repetition, ANOVA Tjek af model antagelser Konfidensintervaller for middelværdierne Tukey s test for parvise sammenligninger



Relaterede dokumenter
Variansanalyse (ANOVA) Repetition, sammenligning af to grupper Variansanalyse: Sammenligning af flere end to middelværdier.

To-sidet varians analyse

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Afdeling for Virksomhedsledelse. Uge 47

Arealet af en sfærisk trekant m.m.

TALTEORI Følger og den kinesiske restklassesætning.

Logistisk regression. Logistisk regression. Probit model Fortolkning udfra latent variabel. Odds/Odds ratio

Kvantitative metoder 2

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag

Bilag 6: Økonometriske

To-sidet variansanalyse

Løsninger til kapitel 11. Opgave 11.1 a) I Excel-udskriften ses bl.a. p-værdien for testen med nulhypotesen.

Ensidet variansanalyse

Program. Ensidet variansanalyse Sammenligning af grupper. Statistisk model og hypotese. Eksempel: Aldersfordeling i hjertestudie

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test

Lineær regressionsanalyse8

Kursus Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, ( , ) Per Bruun Brockhoff

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)

Statikstik II 4. Lektion. Generelle Lineære Modeller

Variansanalyse i SAS 1. Institut for Matematiske Fag December 2007

2. Sandsynlighedsregning

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

Simpel Lineær Regression - repetition

Indholdsfortegnelse. Matematik A. Projekt 6 - Centralperspektiv. Stine Andersen og Morten Kristensen

Scorer FCK "for mange" mål i det sidste kvarter?

NOTAT:Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2014

Antag X 1,..., X n stokastiske variable med fælles middelværdi µ og varians σ 2. Hvis µ er ukendt estimeres σ 2 ved 1/36.

Regional Udvikling, Miljø og Råstoffer. Jordforurening - Offentlig høring Forslag til nye forureningsundersøgelser og oprensninger 2016

Appendiks B: Korrosion og restlevetid for trådbindere

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]

rekommandation overspændingsafledere til højspændingsnet. Member of DEHN group Udarbejdet af: Ernst Boye Nielsen & Peter Mathiasen,

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol

Trivselsundersøgelse 2010

k UAFHÆNGIGE grupper F-test Oversigt 1 Intro eksempel 2 Model og hypotese 3 Beregning - variationsopspaltning og ANOVA tabellen

Marco Goli, Ph.D, & Shahamak Rezaei. Den Sociale Højskole København & Roskilde Universitetscenter

Variansanalyse i SAS. Institut for Matematiske Fag December 2007

Eksamen Bacheloruddannelsen i Medicin med industriel specialisering

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol

Rentesregning: Lektion A1. Forrentningsfaktor, Diskonteringsfaktor, og Betalingsrækker. Overordnede spørgsmål i Rentesregning. Peter Ove Christensen

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller

Opsparing og afvikling af gæld

Program. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration

PÆDAGOGISK KVALITETSEVALUERING

Multipel Lineær Regression

NOTAT: Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2013

k UAFHÆNGIGE grupper Oversigt 1 Intro eksempel 2 Model og hypotese 3 Beregning - variationsopspaltning og ANOVA tabellen 4 Hypotesetest (F-test)

Program. 1. ensidet variansanalyse. 2. forsøgsplanlægning: blocking. 1/12

Regressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup)

Eksamen i Statistik for Biokemikere, Blok januar 2009

Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression

Kap. 1: Logaritme-, eksponential- og potensfunktioner. Grundlæggende egenskaber.

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave kl til kl

Konfidensinterval for µ (σ kendt)

Tabsberegninger i Elsam-sagen

Løsning eksamen d. 15. december 2008

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi

Opgaver til ZAR II. Afdeling for Anvendt Matematik og Statistik Michael Sørensen Oktober Opgave 1

Atomare egentilstande

Module 12: Mere om variansanalyse

Forelæsning 11: Envejs variansanalyse, ANOVA

Repetition. Forårets højdepunkter

Indhold (med link til dokumentet her) Introduktion til låntyper. Begreber. Thomas Jensen og Morten Overgård Nielsen

Note til styrkefunktionen

Hypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau

Statistisk mekanik 13 Side 1 af 9 Faseomdannelse. Faseligevægt

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13

Inertimoment for arealer

Bowlingturnering 2015/ 2016

Morten Frydenberg Biostatistik version dato:

4. september π B = Lungefunktions data fra tirsdags Gennemsnit l/min

Beregning af strukturel arbejdsstyrke

Projekt 0.5 Euklids algoritme, primtal og primiske tal

Morten Frydenberg Biostatistik version dato:

Forløb om annuitetslån

Cykelfysik. Om udveksling og kraftoverførsel

Estimation af CES - forbrugssystemet med og uden dynamik: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts

Forberedelse til den obligatoriske selvvalgte opgave

Ikke-parametriske tests

Generering af true ortofoto

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1

Kvantitative metoder 2

Kvantitative metoder 2

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006

FRIE ABELSKE GRUPPER. Hvis X er delmængde af en abelsk gruppe, har vi idet vi som sædvanligt i en abelsk gruppe bruger additiv notation at:

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder

Miljø- og Fødevareudvalget MOF Alm.del Bilag 16 Offentligt

Statistik Lektion 17 Multipel Lineær Regression

Sidste gang: One-way(ensidet)/one-factor ANOVA I dag: Two-factor ANOVA (Analysis of variance) Two-factor ANOVA med interaktion

Statistik Lektion 16 Multipel Lineær Regression

Modul 5: Test for én stikprøve

HASHI HASH? Vidste du at. pillugu suna. nalunngiliuk? Hvad ved du om. Hvad ved du om hash? Mental sundhed. Love og konsekvenser

Oversigt. 1 Intro: Regneeksempel og TV-data fra B&O. 2 Model og hypotese. 3 Beregning - variationsopspaltning og ANOVA tabellen

Transkript:

Vaansanalyse (ANOVA) Repetton, ANOVA Tjek af model antagelse Konfdensntevalle fo mddelvædene Tukey s test fo pavse sammenlgnnge

ANOVA - defnton ANOVA (ANalyss Of VAance), også kaldet vaansanalyse e en statstsk metode tl at bestemme, om de e foskel på mddelvædene flee (end to) populatone. Gunden tl at det hedde vaansanalyse, e at man analysee foskellge vaanse fo at bestemme om, de e foskel på mddelvædene. SÅ USK - vaansanalyse faktsk handle om at fnde foskelle mellem mddelvæde og det gø man ved at analysee vaansene! ypotesene e gvet som 3 Ikke alle mddelvæde e ens Smpel stkpøve fa hve af de populatone. Stkpøvestøelsen e gvet som n n +n +n 3 + +n

Antagelse fo at buge ANOVA V antage uafhængge stkpøve fa hve af de populatone V antage, at de populatone e nomalfodelte, med mddelvæde som e ens elle foskellge, men med ens vaanse, σ. σ 3 Populaton Populaton Populaton 3

Ideen ANOVA Total vaaton vaatonen ndenfo guppene + vaatonen mellem guppene Vaatonen ndenfo guppene Vaatonen af obsevatonene hve guppe omkng guppens gennemsnt (dvs. vaansen en guppe, som v jo ha antaget e ens fo alle guppene!) Vaatonen mellem guppene Vaatonen af guppenes gennemsnt omkng det totale gennemsnt vs vaatonen ndenfo guppene e llle fohold tl vaatonen mellem guppene, så e mddelvædene de foskellge guppe kke ens.

Sum of Squaes SST Sum of Squaes fo Teatment SSTR n ( ) n t ( n SSE Sum of Squaes fo Eo SSE ) s n j + ( n ( j ) s ) + L+ ( n e j ) s SST SST Sum of Squaes total n j ( j ) n j Tot j

The Sum-of-Squaes pncp Total vaaton Vaaton mellem guppe + Vaaton ndenfo guppe SSTR SSE SST SST SSTR + SSE n ( ) + n j ( j )

Mean squaes Lad MSTR SSTR - og MSE SSE n - Man kan vse, at E(MSE) σ n( ) E(MSTR) σ + - Nå e sand, e L og demed e MSE og MSTR to centale estmatoe af σ. vs kke e sand, vl MSTR væe støe end MSE på gund af det eksta postve led E(MSTR).

ANOVA MSTR Unde følge en F - fodelng, F( -,n - ). MSE MSTR Unde vl væe tæt på og nå kke e sand, MSE vl den væe støe end. Defo et "høje - halet" test. FDstbutonwth3and5Degeesof Feedom f(f).7.6.5.4.3... α.5 3 4 5 F (3,5).79 ANOVA tabel Vaatons klde Sum of Squaes Fhedsgade Mean Squae F Rato Behandlng SSTR ( - ) MSTR Fejl SSE (n - ) MSE Total SST (n -) MST MSTR/MSE

SÅ alt alt L Ikke alle 'ene e ens.7.6 Sgnfkansnveau Teststøelse Ktsk væd Beslutnngsegel α MSTR F MSE F ( -,n - ) α Fokast F > F α ( hvs -,n - ) f(f).5.4.3... Fokastelses omåde F α (-,n-)

Eksemplet med fly Pototype A Pototype B Pototype C 44 454 438 455 4 433 44 43 4 4 43 44 4 43 4 49 47 46 43 4 4 434 48 4 439 49 45 45 43 4 Descptves y 3 Total 95% Confdence Inteval fo Mean N Mean Std. Devaton Std. Eo Lowe Bound Uppe Bound Mnmum Mamum 447, 4,99 33, 433,89 448, 4 455 43, 6,77 33,764 453,6 436,38 49 44 435, 7,995,767 483,5 486,5 4 43 3 457,33 47,343 6,9 4,3 43,35 4 455

Eksemplet med fly ANOVA y Between Goups Wthn Goups Total Sum of Squaes df Mean Squae F Sg. 386,7 9563,333,78, 4846, 7 9, 69586,7 9 Så fokastes da.78 > 3.35 de e altså foskel på mddelvædene. Næste gang vodan e de foskellge?

Tjek af modelantagelse - nomalfodelng Nomalfodelng Tegn hstogamme ove data ndenfo hve guppe skal lgne en nomalfodelng.

Tjek af modelantagelse ens vaans Test fo ens vaans de foskellge populatone. SPSS buge en test støelse, de hedde Levene s test. I skal bae kunne vudee, om de e ens vaans elle ej. vs p-væden e mnde end.5, e vaansene foskellge, og ANOVA kan altså kke buges. I fly-eksemplet e p-væden.67 og demed e vaansene ens. y Test of omogenety of Vaances Levene Statstc df df Sg.,49 7,67

Vdee analyse Data ANOVA Fokast kke Stop Fokast Stkøve mddelvædene e centale estmatoe af populatons mddelvædene. MSE e en cental estmato af den fælles populatons vaans. ANOVA Dagam Vdee Analyse Konfdens ntevalle fo Populatons Mddelvæde Tukey s Pavse Sammenlgnngs Test

Konfdens ntevalle fo populatons mddelvæde Et (-α)% konfdensnteval fo, mddelvæden populaton hvo t α e α/ faktlen ± t α MSE n t - fodelngen med (n - ) fhedsgade. vs konfdens ntevallene ovelappe, e mddelvædene ens og hvs de kke ovelappe, e de foskellge. Buges dog kke pakss som en test, da det kke e et smultant test og de defo e pobleme med hvlket sgnfkansnveau man teste på.

Konfdensntevalle fo fly eksemplet Descptves y 3 Total 95% Confdence Inteval fo Mean N Mean Std. Devaton Std. Eo Lowe Bound Uppe Bound Mnmum Mamum 447, 4,99 33, 433,89 448, 4 455 43, 6,77 33,764 453,6 436,38 49 44 435, 7,995,767 483,5 486,5 4 43 3 457,33 47,343 6,9 4,3 43,35 4 455 MSE9, n, og t.5 (7).5 95% konfdens nteval fo de te foskellge mddelvæde Type A 447 ±.5 9 [ 433,89; 448,] Type B 43 ±.5 9 [ 453,6; 436,38] Type C 435 ±.5 9 [ 483,5; 486,5]

Tukey s test fo pavse sammenlgnnge En måde at sammenlgne populatons mddelvæde på smultant, på et gvet sgnfkansnveau, e Tukey s test. mddelvæde at sammenlgne. populatons pa af )!!(! De e Fo flytype, kan v sammenlgne A - B, A - C og B C. 3 3 3 3 3 hvs Fo eksempel,

Tukey s test fo pavse sammenlgnnge Test støelsen e den absolutte dffeence V ha at T hvo q α j q α (, n ) MSE n (, n ) e den "studentseede ange"fodelng med fhedsgade og n -, på sgnfkansnveau α.(append c Tabel 6) j Ktske væde e, nå den absolutte dffeence blve fo sto, så et høje - halet test. det e vs de kke e lge mange obsevatone hve guppe, vælges n mndste af de foskellge stkpøve støelse. tl den

Eksemplet med fly ANOVA y Between Goups Wthn Goups Total Sum of Squaes df Mean Squae F Sg. 386,7 9563,333,78, 4846, 7 9, 69586,7 9 Så fokastes da.78 > 3.35 de e altså foskel på mddelvædene. Men hvodan e de foskellge?

Eksempel - flytype ypotesene A B A B A A C C B C B C vs v teste på sgnfkansnveau α q α (, n ) q.5 (3,7) 3.5.5, så e MSE 9 og n T q α (, n ) n fo,,3 MSE 3.5 9 6

Eksempel - flytype B A B A B A B A > 7. T så, 6 fokastes Da 77 77. T y 447, 43, 435, 3 457,33 3 Total N Mean S C B C B C B C B C A C A C A C A < > så kke, 6 fokastes Da 95 95. T så, 6 fokastes 7 Da 7. T

SPSS

SPSS

SPSS

Resultate fa SPSS Descptves med konfdens ntevalle Descptves Km 3 Total 95% Confdence Inteval fo Mean N Mean Std. Devaton Std. Eo Lowe Bound Uppe Bound Mnmum Mamum 447, 4,99 33, 433,89 448, 4 455 43, 6,77 33,764 453,6 436,38 49 44 435, 7,995,767 483,5 486,5 4 43 3 457,33 47,343 6,9 4,3 43,35 4 455 Test fo ens vaans Test of omogenety of Vaances Km Levene Statstc df df Sg.,49 7,67 Anova tabel Km Between Goups Wthn Goups Total ANOVA Sum of Squaes df Mean Squae F Sg. 386,7 9563,333,78, 4846, 7 9, 69586,7 9

Resultate fa SPSS Tukey s test Dependent Vaable Km Tukey SD Multple Compasons (I) Pototype 3 (J) Pototype 3 3 *. The mean dffeence s sgnfcant at the.5 level. Mean Dffeence 95% Confdence Inteval (I-J) Std. Eo Sg. Lowe Bound Uppe Bound 77,* 4,9, 7,63 83,37 7,* 4,9, 65,63 378,37-77,* 4,9, -83,37-7,63 95, 4,9,87 -,37,37-7,* 4,9, -378,37-65,63-95, 4,9,87 -,37,37 Tukey s test, hvlke guppe e foskellge Tukey SD a Pototype 3 Sg. Km Subset fo alpha.5 N 435, 43, 447,,87, Means fo goups n homogeneous subsets ae dsplayed. a. Uses amonc Mean Sample Sze,.

Opgave Kaptel 9 3, 8, 9, 6 Opgave fa skftlg eksamen 3 Eksamensopgave Opgave og facts fndes på hjemmesden fo Opgave og facts fndes på hjemmesden fo denne kususgang