Analiza varijance prof. dr. sc. Nikola Šakić.

Slides:



Advertisements
Similar presentations
Primijenjena matematika Damir Krstinic
Advertisements

Branko Grisogono Dept. of Geophysics, Faculty of Science Thanks to: Č. Branković & I. Güttler Croatian Weather Service (DHMZ) On Recent Climate Change.
Grupni rad. Introduction Method Results and Discussion - Uvod - Postupci - Rezultati - i - Rasprava IMRaD.
Prof. dr. Davor Eterović EBM-2011/Klinička biostatistika
STATISTIKA 2. CIKLUS (STRUČNI STUDIJ) Korelacijska analiza
Spajanje digitalnog prijamnika na televizor
ASPECT RATIO PAŠIĆ ANELA.
Stabilnost, promjena i koherentnost ličnosti
PRIJENOS PODATAKA.
Mentor: Kandidat: Prof. dr Radovan Stojanović Božidarka Radović
Potiskivanje šuma u slici korištenjem wavelet transformacije
Osnove (i još malo više) statistike
2. PODJELA Kvalitativna analiza
Strojno učenje (engl. machine learning)
Pristup podacima Uvod Nikola Vlahović.
Opis podataka Doc. dr. sc. Ana Jerončić
Programiranje - Blokovi naredbi i logički tipovi –
OSNOVE PROGRAMIRANJA U PROGRAMSKOM JEZIKU
STATISTIČKI TESTOVI (TESTOVI ZNAČAJNOSTI)
Java Petlje i logika - 1.
Dvodimenzionalno polje
Petlje FOR - NEXT.
Program za upravljanje projektima
Programi,Podaci,Varijable,Računanje - 2
Procjena.
Bernarda Nižić, 3.godina,dentalna medicina Split
PRAĆENJE OBJEKATA U SLIKOVNIM SEKVENCAMA ALGORITMOM CAMSHIFT
Analiza financijskih izvještaja
RAZGRANATA STRUKTURA Zadaci i rešenja
LABORATORIJSKA VEŽBA VEŽBA 4
Binarne datoteke u Pascalu
Elementi programskog jezika PASCAL
Programi,Podaci,Varijable,Računanje - 1
Arrays and strings -1 (nizovi i znakovni nizovi)
CMJ Vam odgovara na kliničko pitanje
Seminar: “Usavršavanje nastavnih procesa – Case study metod” Tema:Case study u očima protagonista By Jasmin Hošo.
3. Monte Carlo simulacije
Struktura MAC adrese i Ethernet okvira
STATISTIKA Metoda uzoraka.
M-datoteke.
KORELACIJSKA I REGRESIJSKA ANALIZA
Analitička statistika Testiranje hipoteze
Vladimir Đurišić Marketing Planiranje Vladimir Đurišić
Diskriminativna analiza
OSNOVE STATISTIČKE OBRADE PODATAKA
DISKRETNI DINAMIČKI SUSTAVI –LOGISTIČKI MODEL -KAOS-
Prikupljanje podataka Planiranje istraživanja
Kvantitativne metode istraživanja dr. sc. Dario Pavić
Visual Basic – Prvi primjer
JEDNOSTAVNA LINEARNA REGRESIJA UTJECAJA VARIJABLI NA GODINE ŽIVOTA
Do While ... Loop struktura
Edukacija u području fizikalnih, kemijskih i bioloških analiza tla
Programiranje – Small Basic
Kontrola toka programa
Harmonijsko pretraživanje
Analiza varijance prof. dr. sc. Nikola Šakić.
Klasifikacija i stablo odlučivanja uz r
Clinical Evaluation of the Nose: A Cheap and Effective Tool for the Nasal Fracture Diagnosis Martina Sučić.
DINAMIČKI MODEL LJUBAVI
Analiza varijance prof. dr. sc. Nikola Šakić.
Programiranje - Naredbe za kontrolu toka programa – 1. dio
Programiranje - Naredbe za kontrolu toka programa – 3. dio
Programski jezik C++ - Vježbe - 1. dio
STATISTIKA (STRUČNI STUDIJ) Korelacijska analiza Regresijska analiza.
Dvostruka autentifikacija
Ponavljanje Pisana provjera
Programiranje - Naredbe za kontrolu toka programa – 1. dio
Utvrđivanje kvalitete oblikovanih pričuva šteta – run off analiza
Hour of Code Coding Jetpack Jumper Mateja Hržica, MSP.
Programski jezik C++ - Vježbe - 2. dio
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