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

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

Hypotesetest. Hypotesetest og kritiske værdier Type 1 og Type 2 fejl Styrken af en test Sammenligning af to populationer

Kogebog: 5. Beregn F d

Den stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved

Test i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!

Procent og eksponentiel vækst - supplerende eksempler

Simpel Lineær Regression - repetition

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

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

Repetition. Forårets højdepunkter

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

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser

Opsparing og afvikling af gæld

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol

Afsnit , Hypotesetest for en varians... 19

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.

Statistik Lektion 7. Hypotesetest og kritiske værdier Type I og Type II fejl Styrken af en test Sammenligning af to populationer

Med disse betegnelser gælder følgende formel for en annuitetsopsparing:

Sammenligning af to grupper

Hvis man vil lægge 15% til 600, så kan det gøres ved at udregne, hvor meget 15% af 600 er lig med og lægge det til det oprindelige beløb:

Januar2003/ AM Rentesregning - LÅN & OPSPARING 1/8. Aftager med...% Gange med (1...%) r:=...% Før aftager med...% og bliver til Efter, dvs.

Opsamling. Lidt om det hele..!

To-sidet varians analyse

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )

Stikprøvefordelinger og konfidensintervaller

Danmarks Tekniske Universitet

Projekt 4. Anlægsøkonomien i Storebæltsforbindelsen hvordan afdrages

Statistik 8. gang 1 KONFIDENSINTERVALLER. Konfidensintervaller: kapitel 11. Valg og test af fordelingsfunktion

Flerfaktormodeller. Grinblatt & Titman kap. 6. Exhibit 6.1. Markedsmodellen. Exhibit 6.2. Risikotyper ~ ~ ~ ~ var( Problem ved CAPM:

Notato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som

Løsninger til kapitel 7

Statistik Lektion 8. Test for ens varians

Statistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.

Estimation og test i normalfordelingen

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005

Ikke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala

Cykelfysik. Om udveksling og kraftoverførsel

Induktionsbevis og sum af række side 1/7

Generelle lineære modeller

Motivation. En tegning

Sandsynlighedsfordelinger for kontinuerte data på interval/ratioskala

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

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

Pearsons formel for χ 2 test. Den teoretiske forklaring

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab

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

Bliv robust over for stress. Birgitte Dam Jensen

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter:

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005

Vejledende besvarelser til opgaver i kapitel 15

Danmarks Tekniske Universitet

Beslutning. Gothersgade karréen. Nansensgade 94-96, Gothersgade , Nørre Farimagsgade

L komponent produceret i linie 1

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

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

Tests for forskel i central tendens for data på ordinal- og intervalskala. Typer af statistiske test:

Løsning eksamen d. 15. december 2008

KYSTLINJE. Interiørperspektiv Havkanten. Materialer

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Konfidens intervaller

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

Kvalitet af indsendte måledata

BEVISER TIL KAPITEL 7

bestemmes. kendes ( ) A i Subjektiv information + objektiv information Bayesiansk statistik (gang 10) Bayes sætning

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

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

Multipel Lineær Regression

Program. Statistik og Sandsynlighedsregning 2 Normalfordelingens venner og bekendte. χ 2 -fordelingen

Forelæsning 11: Envejs variansanalyse, ANOVA

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.

Uge 40 I Teoretisk Statistik, 30. september 2003

Comparing Alternatives

Danmarks Tekniske Universitet

Alt hvad du nogensinde har ønsket at vide om... Del 2. Frank Nasser

grib chancen 1/3 sæt ord på din drøm

Statikstik II 4. Lektion. Generelle Lineære Modeller

Krydsprodukt. En introduktion Karsten Juul

Multipel regression. Data fra opgave 3 side 453: Multipel regressionsmodel: Y = α + β 1 x 1 + β 2 x 2 + ǫ. hvor ǫ N(0, σ 2 ).

Forløb om annuitetslån

1.0 FORSIKRINGSFORMER

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS

Dagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)

Etiske dilemmaer i fysioterapeutisk praksis

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion

VRÅ - EM AUGUST SEPTEMBER 2015

Elektrostatisk energi

Opgave 1: Regressionsanalyse

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Regressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Morten Frydenberg Biostatistik version dato:

Program. Statistisk inferens En enkelt stikprøve og lineær regression Stat. modeller, estimation og konfidensintervaller. Fordeling af gennemsnit

B # n # # # #

Transkript:

Vaaaalye (ANOVA) Reetto, ammelgg af to gue Vaaaalye Sammelgg af flee ed to mddelvæde.

Sammelgg af to mddelvæde kedte vaae og toe tkøve elle oulatoe omalfodelte Hyotee H H µ µ ( µ µ ) µ µ ( µ µ ) Tettøele z α X X Belutg Ktke ukte ± z ( µ µ ) σ σ +, hvo α e gfka veauet. Bemæk!!Ka ogå lave om et højedet tet, H vetedet tet, H µ > µ elle µ < µ. Deude ka v elvfølgelg ogå beege - væde om v leje, tedet fo at ammelge med de ktke væd z α. Fokat H hv z > z elle hv z < z α α

Ukedt vaa, omalfodelg ) ( Fo og To tuatoe + t Tettøele H H µ µ µ µ σ σ σ σ σ σ ) ( Fo + t Tettøele H H µ µ µ µ σ σ hvo ), ( ) ( ) ( + ± + + t ukte Ktke Vaa Pooled ν ν α ) ( ) ( ) ( hvo, ) ( + + ± t ukte Ktke ν ν α Hv toe tkøve, buge z tedet fo t-fodelge. Boge buge z, å og e tøe ed 3. SPSS ege altd med t-fodelge

Sammelgg af to adele,, toe tkøve Tettøele ) (dv. ) (dv. H H H H a a elle ammelg med de ktke væde. å - væde e llle,, Fokat H. ˆ hvo, ˆ) ˆ( ˆ ˆ z + + +

Sammelgg af to adele, -D, toe tkøve H H a D D Tettøele z ˆ ( ˆ ˆ ) / ˆ + ˆ D ( ˆ ) / Fokat H, å - væde e llle, elle ammelg med de ktke væde. Ka ogå lave om højedet vetedet tet. tet og

Paede obevatoe Lav dffeece Nke Sue 7 8 5 6 7 Nke Ogal 9 9 7 6 Sue-Ogal - - - -5 - - Beeg D og D ud fa dffeecee. Kofdeteval H H a µ D µ D D α µ D µ Tettøele t D E t fodelt med D µ fhedgade, hv dffeecee e omalfodelte. D D D, ± t Beeg elv ekemlet tl ogaveegge! D

F fodelge og tet fo lghed af to oulato vaae F fodelge e fodelge af bøke af to ch--ade tokatke vaable, de e uafhægge og hve e dvdeet med atallet af de fhedgade. E F fodelt tokatk vaable med k og k fhedgade F ( k k ), χ k k F (5,6). χ 3 4 5 f(f)..5 F (5,3) F (,5) F

Tet fo e vaa Tettøele fo tet fo e oulato omalfodelte oulatoe vaa af to F (, ) Det vetedet ktke ukt, de høe tl F (k,k) e gvet ved F( k, k ) hvo F (k,k) e det højedet ktke ukt fo e F fodelt tokatk vaabel, me det omvedte atal fhedgade.

ANOVA - defto ANOVA (ANaly Of VAace), ogå kaldet vaaaalye e e tattk metode tl at betemme, om de e fokel å mddelvædee flee (ed to) oulatoe. Gude tl at det hedde vaaaalye, e at ma aalyee fokellge vaae fo at betemme om, de e fokel å mddelvædee. SÅ HUSK - vaaaalye faktk hadle om at fde fokelle mellem mddelvæde og det gø ma ved at aalyee vaaee! Hyoteee e gvet om H µ µ µ 3 µ H Ikke alle mddelvæde e e Smel tkøve fa hve af de oulatoe. Stkøvetøele e gvet om + + 3 + +

Ekemel Sammelg 3 flytye E de fokel å hvo lagt de flyve å e fuld tak? Pototye A Pototye B Pototye C 44 454 438 455 4 433 44 434 439 45 43 4 4 43 44 4 43 48 49 43 4 49 47 46 43 4 4 4 45 4 Poblem E de ud fa data e ytematk dffeece mellem de 3 gue? Løe ved bug af ANOVA.

Hvofo ANOVA og kke t-tet? ANOVA buge, å ma kal ammelge flee ed to mddelvæde. Ka ogå buge tl at ammelge bae to mddelvæde, me tl dette e det bede at buge t-tet. Hvofo ka ma kke bae buge t-tet tl at ammelge flee mddelvæde og ammelge dem to og to? Hv ma kal ammelge fo ekemel 5 mddelvæde, vl dette eultee fokellge t-tet. Sadylghede fo at begå e tye fejl e hve tet α, fo ekemel α.5. Hvad e å adylghede fo at begå e tye fejl amlet et? Det ka faktk kke beege, da tetee e afhægge af hade. I fo ekemel ammelgge af µ og µ og af µ og µ3 dgå etmatet fo µ begge tet defo afhægghed mellem de tet. I tedet vælge altå e tet, hvo mddelvædee ammelge amtdg (multa tet).

Atagele fo at buge ANOVA V atage uafhægge tkøve fa hve af de oulatoe V atage, at de oulatoe e omal fodelte, med mddelvæde µ om e e elle fokellge, me med e vaae, σ. σ µ µ µ 3 Poulato Poulato Poulato 3

ANOVA ekemel ANOVA tettøele F(-,-).78

Notato Stkøvetøele Stkøvegeemt M Poulatoe M L L L L L L M j j' te obevato gue atal obevatoe gue geemttet fo gue

Mee otato Geemt de ' te gue j j Det totale geemt, dv.geemttet af alle obevatoee j + j, hvo + L+ + + L+

Idee ANOVA Total vaato vaatoe defo guee + vaatoe mellem guee Vaatoe defo guee Vaatoe af obevatoee hve gue omkg gue geemt (dv. vaae e gue, om v jo ha ataget e e fo alle guee!) Vaatoe mellem guee Vaatoe af guee geemt omkg det totale geemt Hv vaatoe defo guee e llle fohold tl vaatoe mellem guee, å e mddelvædee de fokellge gue kke e.

Geemt fo ekemlet X X X X

Stattkke bag ANOVA Fejl afvgele (eo devato) e j j Behadlg afvgele (teatmet t devato) Totale afvgele (total devato) Tot j j t + ej Total vaato vaato mellem gue (behadlg + vaato defo gue vaato)

Sum of Squae SSTR Sum of Squae fo Teatmet SSTR ( ) t SSE ( SSE Sum of Squae fo Eo ) j + ( ( j ) ) j + L+ ( e j ) SST SST Sum of Squae total j ( j ) j Tot j

The Sum-of-Squae c Total vaato Vaato mellem gue + Vaato defo gue Elle om boge fomulee det Total afvgele Behadlg afvgele + Fejl afvgele SSTR SSE SST SST SSTR + SSE ( ) + j ( j )

Fhedgade Fhedgade buge tl at beege geemtlg vaato. Huk! Atallet af fhedgade e atallet af dataukte mu atallet af etktoe. E etkto ka fo ekemel væe, at ma ha beeget -teg. df(sst) e atallet af dataukte, e e etkto. df(sstr) - - e atal gue og demed atallet af ' e. e e etkto. df(sse) - e atallet af Alt alt df(sst) - - ( -) + ( - ) obevatoe, df(sstr) + df(sse) ' ee e etktoe, om de e af.

Mea quae Lad MSTR SSTR - og MSE SSE - Ma ka ve, at E(MSE) σ ( µ µ ) E(MSTR) σ + - Nå H e ad, e µ µ L µ og demed e MSE og MSTR to cetale etmatoe af σ. Hv H kke e ad, vl MSTR væe tøe ed MSE å gud af det ekta otve led E(MSTR).

Fodelge af tet tøele Ude H MSTR MSE χ χ ha v å at SSTR/( -) SSE/( - ) SSTR SSE σ σ SSTR SSE /( ) /( - ) Ude H MSTR MSE e σ χ χ SSTR SSE SSTR σ /( ) /( - ) SSE, å ~ F( -, - )

Højehalet tet MSTR Det vl ge, ude H følge e F - fodelg MSE med hhv. -og - fhedgade. MSTR Ude H vl væe tæt å og å H MSE kke e ad, vl de blve tøe ed. V lave defo et "høje - halet" tet. FDtbutowth3ad5Degeeof Feedom f(f).7.6.5.4.3... 3.79 α.5 4 5 F (3,5)

ANOVA tabel Vaato klde Sum of Squae Fhedgade Mea Squae F Rato Behadlg SSTR ( - ) MSTR MSTR/MSE Fejl SSE ( - ) MSE Total SST ( -) MST

Ekemlet med fly Pototye A Pototye B Pototye 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 Dectve y 3 Total 95% Cofdece Iteval fo Mea N Mea Std. Devato Std. Eo Lowe Boud Ue Boud Mmum 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

Ekemlet med fly ANOVA y Betwee Gou Wth Gou Total Sum of Squae df Mea Squae F Sg. 386,7 9563,333,78, 4846, 7 9, 69586,7 9 Så H fokate da.78 > 3.35 (og da -væde) de e altå fokel å mddelvædee. Næte gag Hvoda e de fokellge?

SPSS

SPSS

SPSS

SÅ alt alt H H µ µ L µ Ikke alle µ 'ee e e.7.6 Sgfkaveau Tettøele Ktk væd Belutgegel α MSTR F MSE F ( -, - ) α Fokat H F > F α ( hv -, - ) f(f).5.4.3... Fokatele omåde F α (-,-)

Sammehæg mellem F og t tet Hv v u ha e. 3 oulatoe, ka v å tete mddelvædee og ved hjæl af t-tet? Ikke godt, da adylghede fo Tye fejl tge. Hvofo å t-tet det hele taget? Ka v kke bae buge ANOVA tl at tete mddelvæde af oulatoe? Jo å v bae kal tete om oulatoe, de ha e vaa, ha e mddelvæde, å e t-tete og F-tete ækvvalet. Me! med t-tete ka v jo ogå tete om µ >µ og om µ <µ og v ka ogå have fokellg vaa. Bemæk, fo tet af oulato mddelvæde, t²f

Ogave Katel 8 6, 6, 68, 69 Katel 9, 4, 5 Ekameogave