Analiza varijance prof. dr. sc. Nikola Šakić.

Slides:



Advertisements
Similar presentations
Metode merenja i obrade podataka Dragan Mirkov
Advertisements

PRIJENOS PODATAKA.
Osnove (i još malo više) statistike
2. PODJELA Kvalitativna analiza
PONAVLJANJE CheckBox Koristi se za rešavanje zadataka gde je potrebno omogućiti uključivanje ili isključivanje jedne ili više opcija. Važna svojstva: –Checked.
Compression Plus Nonsteroidal Antiinflammatory Drugs, Aspiration, and Aspiration With Steroid Injection for Nonseptic Olecranon Bursitis ; RCT Joon Yub.
Strojno učenje (engl. machine learning)
Opis podataka Doc. dr. sc. Ana Jerončić
Uzorkovanje.
Programiranje - Blokovi naredbi i logički tipovi –
Opis podataka Doc. dr. sc. Ana Jerončić
Dvodimenzionalno polje
Petlje FOR - NEXT.
Statistička obradba podataka uvodna razmatranja
Explore-plots Katarina Jeremić 143/2011 Jovana Vulović 33/2011
Europski dan programiranja
Armin Teskeredzic Zagreb, Hrvatska,
Sveučilište u Splitu Medicinski fakultet
SUDOKU Ivo Doko Saša Buzov.
Sveučilište u Zagrebu Filozofski fakultet Odsjek za psihologiju
3. Monte Carlo simulacije
Biostatistika: uvodna razmatranja
Prikupljanje podataka Planiranje istraživanja
STATISTIKA Metoda uzoraka.
Programiranje za Internet
MessageBox.
KORELACIJSKA I REGRESIJSKA ANALIZA
Analitička statistika Testiranje hipoteze
Koordinatori: Doc.prim.dr.sc. Silvana Smojver-Ježek
DISKRETNI DINAMIČKI SUSTAVI –LOGISTIČKI MODEL -KAOS-
Pojmovi digitalnog zapisa
Uzorci i pogreška uzorkovanja
Tehnologija proizvodnje cveća
Prikupljanje podataka Planiranje istraživanja
Institute of Oceanography and Fisheries Split Croatia
CORRUPTION PERCEPTIONS INDEX 2015 INDEKS PERCEPCIJE KORUPCIJE 2015
PROGRAMSKI JEZIK PASCAL
ELEKTRONIČKA POŠTA ( ) OTVARANJE RAČUNA.
Osnovni simboli jezika Pascal
Razvojne okoline Kolegij: Programski jezik C++ Ak. god. 2017/2018
JEDNOSTAVNA LINEARNA REGRESIJA UTJECAJA VARIJABLI NA GODINE ŽIVOTA
FAKULTET KEMIJSKOG INŽENJERSTVA I TEHNOLOGIJE
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU
Statistička obradba podataka – uvodna razmatranja
Programiranje – Small Basic
Analiza varijance prof. dr. sc. Nikola Šakić.
Seminar iz predmeta Sustavi za praćenje i vođenje procesa
Medicina utemeljena na dokazima
Klasifikacija i stablo odlučivanja uz r
Strukture podataka i algoritmi 5. VRIJEME IZVRŠAVANJA ALGORITMA
Nizovi.
Odgovorna provedba istraživanja (Responsible Conduct of Research, RCR)
Autor: Marko Pletikosa Mentor: doc.dr.sc. Domagoj Jakobović
Naredbe u php-u.
14. Mystery shopping dan Zagreb
Programski jezik Python
VAŽNOST ČITANJA U NIŽIM RAZREDIMA OSNOVNE ŠKOLE
Ljepota matematike Slijedi nekoliko zanimljivih jednakosti koje ukazuju na ljepotu matematike te povezanost matematike s Bogom koji je izvor svih čuda.
MANAGEMENT OF NASAL INJURIES BY UK ACCIDENT AND EMERGENCY CONSULTANS
Programiranje - Naredbe za kontrolu toka programa – 3. dio
PROGRAMSKI SUSTAV ZA RASPOZNAVANJE TISKANOG TEKSTA
LimeSurvey Uvjetni prikaz pitanja Internetska istraživanja
STATISTIKA (STRUČNI STUDIJ) Korelacijska analiza Regresijska analiza.
Ljepota matematike Slijedi nekoliko zanimljivih jednakosti koje ukazuju na ljepotu matematike te povezanost matematike s Bogom koji je izvor svih čuda.
METODE MJERENJA U BIOMEHANICI JASNA LULIĆ DRENJAK,prof.
Analiza varijance prof. dr. sc. Nikola Šakić.
Ponavljanje Pisana provjera
Programiranje - Naredbe za kontrolu toka programa – 1. dio
Utvrđivanje kvalitete oblikovanih pričuva šteta – run off analiza
INTERPOLACIJA PO DIJELOVIMA POLINOMIMA
Presentation transcript:

Analiza varijance prof. dr. sc. Nikola Šakić

Analiza varijance Postupak usporedbe više uzoraka pri čemu svaki uzorak predstavlja osnovni skup (populaciju) U tehničkim i proizvodnim uvjetima analiza varijance predstavlja postupak provjere djelovanja promjene stanja nekog faktora na mjerenu vrijednost – rezultat Analizom varijance provjeravaju se promjene aritmetičkih sredina uzoraka

Model analize varijance u slučaju jednog utjecajnog faktora vrijednost i-tog mjerenja u j-tom stupcu aritmetička sredina svih podataka doprinos ar. sredine j-tog uzorka slučajno odstupanje unutar uzorka Pretpostavka:

Model se može shvatiti i kao: Hipoteza: Za provjeru gornje hipoteze H0 nužno je odrediti dvije nezavisne varijance kako bi se formirao F test:  varijabla F-razdiobe s kb = n1 – 1 s.s. i kn = n2 – 1 s.s. Odluka: ako Frač. > F0 , odbaciti H0, uz pogrešku prve vrste čija je vjerojatnost a

Postupak: = 0

Konačno:  varijabla F-razdiobe s kb = k – 1 s.s. i kn = N – k s.s.

Primjer: Čvrstoća papira (psi) u ovisnosti o udjelu tvrdog drva u smjesi, u % Tablica analize varijance ukupna suma: 383 ukupna ar. sredina: 15.96 Frač. > F0  odbaciti H0 uz vj. pogreške 1. vrste a = 0.01

UVOD U PLANIRANJE I ANALIZU POKUSA

Uvod u planiranje i analizu pokusa Povijest i osnovni pojmovi Francis Bacon (1561.–1626.), filozof, znanstvenik, povjesničar, koristio jednofaktorske pokuse ZNANJE JE MOĆ Sir Ronald Aylmer Fisher (1890.–1962.), utemeljitelj pojma DOE – Design of Experiments istraživač na Rothamsted Laboratory (London) istraživao utjecaj različitih faktora na rast i prinose u poljoprivrednoj proizvodnji uveo u istraživački rad “faktorske pokuse”, tj. istraživanje istovremenom promjenom više utjecajnih faktora  interakcije

definirao osnovne pojmove vezane uz pokuse: ponavljanje (repetiton; replicates), slučajnost pri izvođenju pokusa (randomization), blokovi, aliasi objavio knjige: Statistical methods for research workers (1925) Design of experiments (1935)

Model pokusa Faze pri izvođenju pokusa Definirati problem i cilj istraživanja Odabrati utjecajne faktore i njihove razine Odabrati mjerene vrijednosti (izlazne varijable) Odabrati model pokusa Izvesti pokus (predpokus, glavni pokus) Analizirati rezultate Formulirati zaključke i prijedloge

Faktorski planovi pokusa pogodni za istraživanje utjecaja 2, 3, 4, ... faktora odabrane faktore moguće je ispitivati na 2 ili više razina najjednostavniji slučaj; k = 2 faktora svaki na 2 razine označavanje: 2k · r broj razina broj faktora broj izvođenja pokusa za svaku kombinaciju razina faktora

Prikaz promjene rezultata: A1, A2, B1, B2  razine faktora (1), a, b, ab  stanja pokusa Prikaz promjene rezultata: rezultat yij B1 B2 A1 10 20 A2 30 40 (1) b a ab

Rezultati djelovanja promjene faktora glavni efekti: interakcija VAŽNO: ISTOVREMENA PROMJENA FAKTORA A i B NE UTJEČE NA REZULTAT NEMA INTERAKCIJE

glavni efekti: interakcija INTERAKCIJA AB = – 20 B1 B2 A1 10 20 A2 30 rezultat yij B1 B2 A1 10 20 A2 30 (1) b INTERAKCIJA AB = – 20 a ab

Analiza značajnosti utjecaja faktora i interakcija a  broj razina faktora A b  broj razina faktora B r  broj ponavljanja pokusa * opaska: p