Statistikazaistrazivace3ANOVA2012 PDF

Statistiki dizajn
eksperimenta
Analiza varijanse
Jelena Marinkovi, januar 2012.g
SAS i DS 2011/2012 Statistika za istraivae

Katedra za medicinsku statistiku i informatiku
ta smo do sada nauili?
p Statistiko zakljuivanje je
proces kojim, koristei rezultate iz
uzorka (podatke koje smo dobili
istraivanjem), govorimo neto o
populaciji (ukupnost hipotetikih
podataka koje bi mogli dobiti
ponavljanjem istraivanja
beskonaan broj puta).
Statistika za istraivae
SAS i DS 2011/2012 Katedra za medicinsku statistiku i informatiku
Statistiko zakljuivanje
1) Ocenjivanje populacionih parametara
(intervali poverenja)
2) Testiranje hipoteza - deo statistikog
zakljuivanja koji koristi uzorake
podatke za evaluaciju istinitosti hipoteza
o populaciji.
Kvantitativno Rangovi, skorovi
Cilj (iz Gausovski ili kvantitativno Kategorijalni Binomni
istraivanja raspodeljene (iz kontinuirano ali ne (dva mogua ishoda)
populacije) Gausovski raspodeljene
populacije)
Aritmetika sredina, Medijana, Proporcija,
Opisivanje SD interkvartilni opseg binomna varijansa
jedne grupe ili
opisivanje
razlika meu Takaste i intervalne Takaste i intervalne Takaste i intervalne
grupama
ocene ocene ocene
Poreenje Jednouzoraki z Kolmogorov-Smirnov Hi-kvadrat ili

jedne grupe
sa hipotetikom ili t-test test Binomni test
vrednou
Poreenje dva z ili t-test za dva Man-Vitnijev test ili Fierov test ili
nezavisna
uzorka nezavisna uzorka Test sume rangova hi-kvadrat test
z ili t-test za dva

Poreenje dva Vilkoksonov test
zavisna uzorka zavisna (meovana) ekvivalentnih parova MekNemarov test
uzorka
A ta emo danas i narednih dana
uiti?
p Kako ispitivati hipoteze kada se radi o:
n Vie od dva uzorka i/ili
n Vie od dve varijable merene na istim
ispitanicima
p Zato
u takvim situacijama viestruko
ponavljanje statistikih testova za dva
uzorka nije ispravno?
Primer 1
p U istraivanju psiholokih faktora kod ena
u trudnoi kao instrument istraivanja
korien je MMPI (Minesota Multiphasic
Personality Inventory). On se sastoji od
550 iskaza a ispitanica odgovara sa istina
ili neistina (na primer: volela sam svoju
majku, esto sanjam,...).
p Posle poroaja ene su klasifikovane u dve
kategorije normalan poroaj ili
prevremeni poroaj.
Primer 1 (nastavak)
p Za svako od 550 pitanja formirana je
tablica kontingencije 2x2 u kojoj se
ukrtaju odgovori na svako pojedinano
pitanje i kategorije - normalan ili
prevremen poroaj.
p Izraunato je 550 hi-kvadrat testova sa
odgovarajuim korekcijama a ajtemi kod
kojih je dostignuta statistika znaajnost
na 5% nivou predstavljali su onda
personalne diskriminatore meu grupama
ena. Statistika za istraivae
Primer 1 (nastavak)
p Problem je u tome to kada imamo vie
testiranja na istoj jedinici posmatranja, a
svaki od pojedinanih testova ima
petoprocentni nivo, obino se pogreno i
za sve njih zajedno podrazumeva taj isti
nivo znaajnosti.
p Da je svih 550 testiranih nultih hipoteza
stvarno tano tada samo zbog sluajnosti
istraiva treba da oekuje da 550 x 0.05
= 28 ajtema pokae statistiku
znaajnost. Statistika za istraivae
Primer 1 (nastavak)
p Znai, ne bi trebalo da bude iznenaenje
ako pronae 28 ajtema znaajnih na 5%
nivou znaajnosti.
p Ako nae vie od 28 on e zasigurno biti
ubeen da stvarno postoje razlike u
grupama ena. Naravno, bie nemogue
rei koje su od tih razlika prave, a koje
samo odslikavaju oekivanih 28
znaajnosti zbog ponovljene primene testa
na istim ispitanicama.
Primer 2
p Kada se testira znaajnost skupa gena u razliitim
grupama neki od njih mogu biti lano oznaeni
kao statistiki znaajni.
p Ako se 10,000 gena testira u pogledu razliitosti
njihove eksperesije meu grupama, sa nivoom
znaajnosti od 0.05, tada je oekivani broj gena
koji e biti oznaen kao znaajan samo zbog
sluajnosti (ak i onda kada nema stvarne razlike
u eksperesiji) 500: 10,000 x 0.05 = 500 gena
p Verovatni broj lano pozitivnih = (# gena) (p)
Primer 3
p Ispitivana je efikasnost 5 doza jednog leka na
istom tipu eksperimentalnih ivotinja (u svakoj
grupi po 6 ivotinja) ili
p Ispitivano je 5 razliitih lekova na istom tipu
eksperimentalnih ivotinja (u svakoj grupi po 6
eksperimentalnih ivotinja)
p Ako je izabrani nivo znaajnosti za svaki od njih
bio 0.05 ukupna znaajnost na nivou celog
eksperimenta ne bi bila 95%, kako bi to neko
mogao pomisliti, nego svega 60%.
p Suprotno, verovatnoa odbacivanja bar jedne
nulte hipoteze, kada je ona tana, bila bi 0.4.
Kako reiti ovaj problem?
p Problem koji se javlja je nerazumevanje i
nepoznavanje zajednikog (ukupnog)
nivoa znaajnosti (ZNZ) tj. verovatnoe
odbacivanja bar jedne, tane, nulte
hipoteze (Ho) u sluaju viestrukih
testova.
p Intuitivno je jasno da, to se vie
statistikih testova u ovakvoj situaciji
uradi, verovatnije je da e se doneti
pogrean zakljuak (u smislu odbacivanja
Ho koja je tana). Statistika za istraivae
ZNZ
pZNZ= 1 - (1 - )k
p gde
je nivo znaajnosti (obino 0.05 ili
0.01), a k je broj testova.
ZNZ

Broj Broj
potrebnih
grupa testova 00.5 0.01
2 1 0.05 0.01
3 3 0.14 0.03
4 6 0.26 0.06
5 10 0.40 0.10
10 45 0.90 0.36
15 105 0.99 0.65
Drugi razlog: Studentov t-test
p 3 grupe podataka: A, B i C 3 t-testa
mogui zakljuci
n A:B A znaajno razliito od B (p < 0,05)
n A:C A sluajno razliito od C (p > 0,05)
n B:C B sluajno razliito od C (p > 0,05)
p Pitanje: ako je A B, i A = C, kako je B = C ?

p Razlog:
n korienje razliitih varijansi za razliita
poreenja
n izvoenje tri poreenja na istim podacima
2011/2012 Katedra za medicinsku statistiku i informatiku
Kako reiti ovaj problem?
(nastavak)
p Potrebna je neka druga, nova, statistika
metoda.
p Za ovakve istraivake situacije metod
izbora je
p Analiza varijanse (analiza varijansnog
kolinika, ANOVA - ANalysis Of
VAriance).
Analiza varijanse
Istorijski primer

Prvi put je uvedena 1923.g.
u radu Ronalda A. Fishera
(1890-1962):
Studies in crop variation II:
The manurial response of
different potato varieties
http://
digital.library.adelaide.edu.au/
dspace/bitstream/
2440/15179/1/32.pdf
Dizajn Fierovog eksperimenta
p Ishod eksperimenta prinos krompira po jedinici
povrine
p Eksperiment br. 1: Vie vrsta krompira (5) zasaeno
na zemljitima iste kvalitete, veliine, isto obraivani
Jedan istraivaki faktor sa 5 nivoa
p Eksperiment br. 2: Vie vrsta krompira (5) zasaeno
na zemljitima iste kvalitete, veliine (prvobitna
parcele podeljena na nekoliko parcela iste povrine),
ali obraivani na nekoliko razliitih naina (uz
dodatak razliitih ubriva / 4) Dva istraivaka
faktora sa ukupno 5+4+20 nivoa
Dizajn Fierovog eksperimenta (2)
p Eksperiment br. 3: Vie vrsta krompira (5)
zasaeno na zemljitima iste kvalitete,
veliine (prvobitna parcele podeljena na
nekoliko parcela iste povrine), ali
obraivani na nekoliko razliitih naina (uz
dodatak razliitih ubriva / 4 i razliitu
koliinu vode / 3) Tri istraivaka
faktora sa ukupno 5 +4 +3 +20 +15
+12 + ... nivoa
p ...
Dizajn Fierovog eksperimenta (3)
p Vie grupa u faktoru (jedna nezavisna
varijabla sa vie nivoa/gradacija/
tretmana/kategorija) ili
p Vie faktora (vie nezavisnih varijabli) ili
p Oba (vie nezavisnih varijabli sa vie
nivoa/gradacija/tretmana/kategorija)
p Ishod eksperimenta samo jedna varijabla
(rezultujua, ishodna, zavisna varijabla)
ANOVA
Dizajn eksperimenta

Opte okruenje eksperimenta
p Istraiva
kontrolie jednu ili vie
nezavisnih varijabli
n ime im je faktori ili varijable tretmana
n svaki faktor ima bar dva nivoa / gradacije,
kategorije, klasifikacije /
p Istraiva meri efekte faktora na zavisnoj
varijabli
p Eksperimentalni dizajn plan za testiranje
istraivake hipoteze
Ishod eksperimenta
p Rezultujua varijabla je elementarna
koliina ili svojstvo eksperimentalnih
jedinica koje se izuava kao rezultat
uticaja organizovanih faktora u datom
eksperimentu i neorganizovanih u tom
istom istraivanju. Rezultujua varijabla
moe biti merena bilo kojom skalom
merenja (nominalna, ordinalna,
intervalna, omerna).
p Moe ih biti i vie (MANOVA, van okvira
ovog kursa) Statistika za istraivae
Faktori
p Faktor je svaki uticaj, dejstvo, stanje ili
promena koja se na neki nain odraava na
rezultujue obeleje (ishodnu varijablu).
p Faktori se dele na:
n 1) organizovane (koji se ovom analizom mogu
identifikovati i kvantitativno diskriminisati) i
n 2) sluajne, rezidualne, neorganizovane i
unutareksperimentalne (koji se mogu samo
opisati u ukupnom delovanju, ali ne i razlagati).
Gradacije faktora
p Gradacije (nivoi) faktora predstavljaju, u
logikom smislu, sistem delovanja faktora
zajedno sa odgovarajuim stepenom ili
pripadnitvo kategorijama izuavanja (pol,
starost, kolska sprema, na primer).
p U mnogim sluajevima postoji i tzv. nulta
gradacija, tj. ona, koja opisuje kontrolnu grupu
na koju, po prirodi stvari, faktor ne deluje.
Nain izbora gradacija
istraivakog faktora
p Model fiksiranih efekata - u istraivanje
ukljueni samo specifini (odreeni) nivoi
faktora
p Model sluajnih efekata - kada su nivoi
sluajno izabrani (od svih moguih
razliitih nivoa)
Planiranje eksperimenta
p Planiranje eksperimenta je odreivanje specifine
kombinacije nivoa faktora za svaku eksperimentalnu
jedinicu.
p Planiranje eksperimenta definie strukturu jednog
eksperimenta i sastoji se iz:
n a) skupa tretmana ukljuenih u studiju;
n b) skupa eksperimentalnih jedinica ukljuenih u studiju;
n c) pravila i procedura po kojima se tretmani dodeljuju
eksperimentalnim jedinicama (ili obrnuto)
n d) merenja koja se obavljaju na eksperimentalnim
jedinicama posle primene tretmana.
Planiranje eksperimenta (2)
p Uterminologiji eksperimentalnog dizajna
govori se i o jedno, dvo, ili viesmernim
(viestrukim) klasifikacijama to zavisi od
toga da li je u eksperimentu postojao
samo jedan princip za klasifikaciju, tj.
jedan razlog za podelu podataka u
nekoliko nizova podataka, dve posebne
osnove za klasifikaciju ili vie njih
istovremeno.
Planiranje eksperimenta (3)
p Uobiajeno je da se prisustvo dejstva,
koje je istraiva izabrao, naziva
faktorom (tretmanom), a prisustvo
kriterijuma za organizovanje
eksperimentalnih jedinica, koje je takoe
istraiva izabrao, klasifikacijom
(nezavisni uzorci, blokovi, ponovljena
merenja).
Eksperimentalni dizajn / plan, vrste
p Potpuno randomizovani faktorijalni plan
n eksperimentalne jedinice su sluajno birane i
randomizovano se dodeljuju tretmanima
p Randomizovani blok dizajn
n jedinice se dele u blokove i uparuju se jedinice
u razliitim uzorcima
p Dizajn ponovljenih merenja
n jedinice se vie puta mere
Randomizovani potpuni
faktorijalni eksperiment
Faktor (sa gradacijama,
Subjekt kategorijama ili uslovima)
A B C
1 Subjekt 1 pod
uslovom A Svaki red predstavlja jednog
subjekta kome je
2 Subjekt 2 pod randomizovano dodeljena
uslovom B
jedna od gradacija
3 Subjekt 3 pod istraivakog faktora
uslovom C
itd.
Faktor II (sa gradacijama,

Faktor I kategorijama ili uslovima)
(sa gradacijama)
A B C
I Subjekt 1 pod
uslovima I i A Svaki red predstavlja
jednog subjekta kome je
II Subjekt 2 pod randomizovano dodeljena
uslovima II i B jedna od kombinacija
gradacija dva istraivaka
III Subjekt 3 pod faktora
uslovima III i C
itd.
Randomizovani potpuni blok
dizajn

Blok kategorijama ili uslovima)
A B C
I Subjekt 1a pod Subjekt 1b pod Subjekt 1c pod

uslovom A uslovom B uslovom C
Svaki red sadri k
Subjekt 2a pod Subjekt 2b pod Subjekt 2c pod meovanih subjekata od
II uslovom A uslovom B uslovom C kojih je svaki meren pod
jednim ili drugim od k
uslova
III Subjekt 3a pod Subjekt 3b pod Subjekt 3c pod
itd.
Dizajn ponovljenih merenja
Subjekt kategorijama ili uslovima)
A B C
1 Subjekt 1 pod Subjekt 1 pod Subjekt 1 pod

Subjekt 2 pod Subjekt 2 pod Subjekt 2 pod Svaki red predstavlja

2 uslovom A uslovom B uslovom C jednog subjekta merenog
pod jednim od k uslova
3 Subjekt 3 pod Subjekt 3 pod Subjekt 3 pod

itd.
Eksperimentalni dizajni / Istraivaki planovi
Skala Randomizovani
merenja Faktorijalni eksperiment potpuni blok Dizajn ponovljenih
(samo jedne) dizajn merenja
rezultujue
varijable 1 faktor i 1 1 faktor i 1
1 faktor 2 i vie faktora kriterijum kriterijum
klasifikacije klasifikacije
Jednofaktorska
Dvofaktorska i Dvosmerna ANOVA ANOVA sa
Omerna / Jednofaktorska viefaktorske (ili jednofaktorska ponovljenim
Intervalna ANOVA ANOVE ANOVA sa merenjima (ili
blokovima) dvosmerna
ANOVA)
Kraskal-Volisova Fridmanova Fridmanova

Ordinalna analiza varijanse dvosmerna analiza dvosmerna analiza
sa rangovima varijanse sa varijanse sa
rangovima rangovima
Fierov varijansni
kolinik za
proporcije
Nominalna Loglinearni Kohrejnov Q test Kohrejnov Q test
modeli*
2 test za
uestalosti /
proporcije
Eksperimentalni dizajn / plan, vrste (2)
p Ravnomeran ili neravnomeran
p Planiran (kontrolisan) ili neplaniran
(nedovoljno kontrolisan ili nekontrolisan)
p Kompletan ili nekompletan
p Proporcionalan ili neproporcionalan
ANOVA
Osnove metode

Osnovna ideja
p Uporeivanje dva tipa variranja da bi se
ocenila razlika izmeu prosenih vrednosti
p Baza za poreenje je odnos varijansi
(Fierov varijansni kolinik)
p Zato ANOVA?
n Test baziran na varijansama je osetljiviji nego
test baziran na prosenim
n ANOVA ima manji rizik za greku tipa I
n ANOVA ima manji rizik za greku tipa II
Osnovna ideja (2)
Razdvajanje varijabiliteta
p Varijabilitet izmeu grupa
n varijabilitet (razlika izmeu srednjih vrednosti) koji je
posledica uticaja faktora koji se ispituje
n Organizavani, objanjiv, faktorski, meugrupni
varijabilitet
p Varijabilitet unutar grupa
n varijabilitet koji je posledica uticaja uzorka
n Sluajni, neorganizovani, neobjanjiv, rezidualni,
unutargrupni varijabilitet
p Ukupan varijabilitet
n zbir varijabiliteta izmeu grupa i varijabiliteta unutar
grupa
Faktorski varijablitet
x3
x
x2
x1
grupa 1 grupa 2 grupa 3
Sluajni varijablitet
x3
x2
x1
Ukupan varijablitet
Opti model analize varijanse
p U
optem modelu analize varijanse
odnos variranja uobiajeno se predstavlja
sledeim zapisom:
Y=X+Z
tj.
Ukupno variranje (Y) = variranje iji je
izvor u organizovanom delu eksperimenta
(X) + variranje iji je izvor u
neorganizovanom delu eksperimenta (Z)
ta je ANOVA?
p Analiza
varijanse (ANOVA) je statistika
metoda zakljuivanja zasnovana na
generalnim linearnim modelima, koja
ukupan varijabilitet skupa podataka deli
na bar dve komponente (faktorsku-
organizovanu i rezidualnu-sluajnu).
A kako merimo variranje,
varijabilitet, varijaciju?
p Disperzijama C - sume kvadrata odstupanja podataka od
njihovih aritmetikih sredina
p Faktorska disperzija (Cx ) - mera variranja meu
grupama a sastoji se iz odreivanja kvadrata odstupanja
aritmetike sredine grupe od zajednike aritmetike sredine
pomnoeno sa veliinom grupe
p Rezidualna disperzija (Cz) - mera variranja unutar svake
grupe a raunamo zbir kvadrata odstupanja pojedinanih
opservacija od aritmetike sredine te grupe, a zatim
saberemo sva takva odstupanja za sve grupe
p Opta disperzija (Cy) ukupno variranje je zbir kvadrata
odstupanja svakog podatka od aritmetike sredine svih
podataka u analizi
SD
F =x2=
=
A kako merimo variranje,
varijabilitet, varijaciju? (2)
p Varijansama (SD2 = C / broj stepena
slobode je ocena populacione varijanse 2)
dve ocene populacionih varijansi 2
Cx Cz
SDx2= SDz =
2
k 1 N k
A koje su pretpostavke za
primenu
p opservacije predstavljaju sluajan uzorak, tj. izbor
eksperimentalnih jedinica je sluajan
p opservacije su nezavisne, tj. prisutna je randomizacija (sluajno
dodeljivanje gradacije ili nivoa faktora eksperimentalnoj jedinici)
p homogenost varijansi, populacione varijanse za svaku grupu su
jednake, tj. varijabilnost merenja za svaku gradaciju faktora
trebalo bi da je slina, ako ve nije jednaka (12= 22==k2)
p vrednosti rezultujueg obeleja (zavisne varijable) normalno su
rasporeene u svakoj grupi tj. za svaki nivo ili gradaciju faktora
(nezavisne varijable). Pri tome rezultujua varijabla moe biti
merena u okviru ISJ, ali se moe prihvatiti i merenje izvedenim,
semikvantitativnim jedinicama ili numeriki kodiranim
modalitetima.
p A ta ako neki uslovi nisu ispunjeni?
A koje hipoteze testira?
p H 0 : 1 = 2 = ...
=k
p H 1: sve j nisu
jednake.
Preklapanje krivih kada su im
prosene vrednosti i varijanse jednake
Kao i u t-testu
odnos pravimo
izmeu...
razliitosti
F=
slinosti
Fierov varijansni kolinik
2
razliitost SDx
F= =
slinost 2
SDz
F-raspodela
0.95 0.05
2.7 F4;30
R e g i o n R e g i o n
prihvatanja odbacivanja
F >1
F =1
Tablica sheme rezultata analize varijanse
Broj
Izvor
Disperzija stepena Varijansa F
variranja
slobode
Izmeu
Cx dfx = k-1 sdx2
grupa
Unutar
Cz dfz = n-k sdz2
grupa
Opti Cy dfy = n-1

Primer medicinsko
eksperimentalno istraivanje
p Da bi se ispitalo
dejstvo glukoze na
oslobaanje insulina
planiran je
eksperiment u kojem
je tkivo pankreasa
eksperimentalnih
ivotinja tretirano sa
pet razliitih
koncentracija glukoze
i pri tome je merena
koliina osloboenog
insulina data tabelom:
Koliina osloboenog insulina u funkciji
razliitih koncentracija glukoze
Koncentracija glukoze
1 2 3 4 5
1.53 3.15 3.89 8.18 5.86
1.61 3.96 4.80 5.64 5.46
3.75 3.59 3.69 7.36 5.69
2.89 1.89 5.70 5.33 6.49
3.26 1.45 5.62 8.82 7.81
2.83 3.49 5.79 5.26 9.03
2.86 1.56 4.75 8.75 7.49
2.59 2.44 5.33 7.10 8.98
Pitanje
p Da li se na osnovu
ovako planiranog
eksperimenta moe
zakljuiti:
n da postoje
znaajne razlike u
prosenim
vrednostima
osloboenog
insulina u ovih pet
grupa, tj.
n da li koliina
osloboenog
insulina zavisi od
koncentracije
glukoze?
Istraivaka pitanja 1
p Mogu li se opservirane razlike izmeu vie
od dva uzorka objasniti sluajem ili
stvarnim razlikama meu uzorkovanim
populacijama?
p Da li su opservirane razlike posledica:
n samo istraivakog faktora ili
n itavog niza drugih faktora (samih ispitanika,
posmatraa ili ocenjivaa,) ili
n i jednog i drugog?
Rezultat
Izvor Disperzija DF Varijansa F
variranja
Cx = SDx2=
Izmeu grupa DFx = 4 F = 29.83
156.0955 39.0239
Unutar grupa Cz = 45.7859 DFz = 35 SDz2= 1.3082
Cy =
Opti DFy = 39
201.8814
Statistika odluka:
p Poreenjem izraunate vrednosti statistike
F od 29.83 i granine vrednosti statistike F
iz tablica F-raspodele: F4;30;0.05 = 2.69 <
Fempirijski = 29.83 zakljuujemo da nultu
hipotezu moemo odbaciti.
p Drugim reima odbacujemo nultu hipotezu
Ho: 1= 2= 3= 4= 5 u korist radne
hipoteze, H1: sve prosene vrednosti j
nisu jednake.
Viestruka poreenja
p Uvekkada analiza varijanse dovede do
odluke o odbacivanju (neprihvatanju)
nulte hipoteze postavlja se pitanje koji je
par (ili parovi) prosenih vrednosti
znaajno razliit, odnosno, koju od (u
datom primeru 10 moguih) pojedinanih
hipoteza treba odbaciti.
Fierova NZD procedura
p Najstarija,
a verovatno i najee
koriena, je Fierova NZD procedura
(Najmanja Znaajna Razlika, LSD Least
Significance Difference):
2
( x1 x2 ) n1 n2
F= 2

SDz n1 + n2
pri emu je broj stepena sloboda 1 i N-k, a znaajnost se ita iz
tablica za F-raspodelu.
Rezultat - Znaajnost viestrukih testova koji
proveravaju pojedinane razike izmeu svake dve
grupe
1-2 NZ 2-3 < 0.01 3-4 < 0.01 4-5 NZ
1-3 < 0.01 2-4 < 0.01 3-5 < 0.01
1-4 < 0.01 2-5 < 0.01
1-5 < 0.01
Istraivaki zakljuak
p Poto smo odbacili nultu hipotezu
zakljuujemo da koliina osloboenog
insulina zavisi od koncentracije glukoze.
p Ili, razliite koncentracije glukoze utiu
na razliitu koliinu osloboenog insulina.
p Na osnovu poreenja svake dve ispitivane
grupe znamo i vie, naime, da razliku ine
samo tri koncentracije i to: trea
koncentracija, da su prve dve meu
sobom jednakog dejstva, to vai i za
poslednje dve. Statistika za istraivae
SAS i DS 2011/2012

Statistikazaistrazivace3ANOVA2012 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Statistikazaistrazivace3ANOVA2012 PDF

Uploaded by

Copyright:

Available Formats

Statistiki dizajn

Jelena Marinkovi, januar 2012.g

SAS i DS 2011/2012 Statistika za istraivae

Poreenje Jednouzoraki z Kolmogorov-Smirnov Hi-kvadrat ili

z ili t-test za dva

15 105 0.99 0.65

p Pitanje: ako je A B, i A = C, kako je B = C ?

SAS i DS 2011/2012 Statistika za istraivae

SAS i DS 2011/2012 Statistika za istraivae

Faktor II (sa gradacijama,

Faktor (sa gradacijama,

I Subjekt 1a pod Subjekt 1b pod Subjekt 1c pod

1 Subjekt 1 pod Subjekt 1 pod Subjekt 1 pod

Subjekt 2 pod Subjekt 2 pod Subjekt 2 pod Svaki red predstavlja

3 Subjekt 3 pod Subjekt 3 pod Subjekt 3 pod

Kraskal-Volisova Fridmanova Fridmanova

SAS i DS 2011/2012 Statistika za istraivae

grupa 1 grupa 2 grupa 3

grupa 1 grupa 2 grupa 3

grupa 1 grupa 2 grupa 3

dve ocene populacionih varijansi 2

Opti Cy dfy = n-1

Unutar grupa Cz = 45.7859 DFz = 35 SDz2= 1.3082

1-3 < 0.01 2-4 < 0.01 3-5 < 0.01

1-4 < 0.01 2-5 < 0.01

1-5 < 0.01

You might also like