- •Министерство образования, науки и спорта Украины
- •Какие критерии выбрать: параметрические или непараметрические?
- •Какой может быть вариация?
- •Как определить, является ли распределение нормальным?
- •Алгоритм выбора конкретного статистического критерия
- •Алгоритм выбора параметрического критерия
- •1. Анализ действия экспериментального фактора.
- •Алгоритм выбора непараметрического критерия
- •1. Анализ действия экспериментального фактора.
- •2. Анализ различий.
- •Общая характеристика статистических критериев.
- •1. Критерий t Стьюдента для связанных выборок.
- •2. Критерий t Стьюдента для несвязанных выборок
- •3. Критерий t Стьюдента для сопоставления выборочной средней с заданной средней величиной
- •6. Критерий w Вилкоксона для сопряженных рядов
- •7. Критерий q Розенбаума
- •8. Критерий т Уайта
- •9. Критерий u Манна-Уитни
- •10. Критерий λ Смирнова-Колмогорова
- •11. Критерий х Ван-дер-Вардена
- •12. Критерий s Вальда - Вольфовица
- •13. Критерий t Сиджела-Тьюки
- •14. Критерий 2r Фридмана
- •15. Критерий тенденций l Пейджа
- •16. Критерий н Крускала-Уоллиса
- •21. Критерий 2 в многопольных таблицах.
- •22. Критерий Пирсона - Павлика.
- •23. Критерий Мак-Нимара
- •24. Угловое преобразование Фишера (критерий φ*).
- •25. Показатель корреляции Пирсона (r).
- •26. Показатель корреляции Спирмэна (rs).
- •27. Показатель ассоциации Юла rA(показатель контингенции)
- •28. Критерий множественной ранговой корреляции (rw)
- •29. Параметрический критерий множественной корреляции
- •30. Бисериальный коэффициент корреляции.
- •31. Дисперсионный анализ.
- •32. Критерий g Кохрена.
- •2). Средняя длина побега растений данного вида
- •Примеры использования z и φ – преобразования
- •Доли площади под нормальной кривой, отсекаемые t справа и слева от средней
- •Доли площади под нормальной кривой, отсекаемые t слева от средней
- •Доли площади под нормальной кривой, отсекаемые t справа от средней
- •Значения t при различных уровнях значимости р
- •Значения f при уровне значимости p 0,05
- •Стандартные значения критерия t для исключения
- •Значения критерия w Вилкоксона (для сопряженных рядов)
- •Значения к для приблизительного определения σ при разных объемах выборки
- •Критические значения показателя 2 (хи-квадрат)
- •Критические значения критерия r Фридмана
- •Критические значения критерия 2r Фридмана
- •Критические значения критерия тенденций l Пейджа
- •Для 3 с 6 и 2 n 12)Таблица 29
- •Критические значения критерия н Крускала-Уоллиса
- •Критические значения критерия тенденций s Джонкира
- •Значение r при разных величинах z
- •Объем выборки, необходимый для признания корреляции достоверной
- •Критические значения f - критерия для проверки результатов дисперсионного анализа р 0,05
- •Критические значения f - критерия для проверки результатов дисперсионного анализа р 0,01
- •Перевод процентов летальных исходов в пробиты
- •Критические значения q-критерия Кохрена
- •Ответы на задания по определению характера вариации (стр. 8)
- •Литература
32. Критерий g Кохрена.
Основан на сопоставлении сумм квадратов отклонений от средней арифметической, что сближает его с однофакторным дисперсионным анализом. Применяется для решения вопроса об однородности результатов нескольких серий экспериментов. Определяется сумма дисперсий всех серий экспериментов, после чего вычисляется отношение максимальной дисперсии к данной сумме:
Фактический материал считается однородным, если величина G не будет превышать табличное значение.
Например, в трех сериях экспериментах регистрировались значения биохимического показателя крови у 6 лабораторных животных
|
Результаты измерений |
Х сред |
σ2 | |||||
1 серия |
3 |
5 |
4 |
5 |
5 |
4 |
4,3 |
0,7 |
2 серия |
2 |
5 |
4 |
6 |
5 |
6 |
4,7 |
2,3 |
3 серия |
4 |
4 |
3 |
2 |
1 |
5 |
3,2 |
2,2 |
Сумма дисперсий = 5,2 максимальная дисперсия – 2,3.
при р < 1 % и n = 6 Gф (0,44) Gт (0,70)
ВЫВОД: фактический материал однороден.
Таблицы нормального распределения
Ниже приводятся примеры использования таблиц нормального распределения для расчета наиболее вероятных частот и значений для заданных статистических параметров выборки.
1). Средняя масса тела морских свинок X =400г. Дисперсия σ2= 225. Объем выборки n = 320. Сколько животных при нормальном распределении с наибольшей вероятностью будут иметь массу тела более 420 г.?
Находим стандартное отклонение σ.
σ =√ σ2 = √225 = 25.
Вычисляем нормированное отклонение для значения 420.
t = 420 – 400 / 25 = 1,33.
Количество вариант (в%), превышающих значение t = 1,33 находим
по таблице 5 «Доли площади под нормальной кривой, отсекаемые t справа отсредней». Эта величина составляет 9,18% (100% - 90,8%).
Составляем пропорцию 400 : 100 = Х : 9,18
Отсюда Х = 400 х 9,18 / 100 = 36,7 ≈ 37 (морских свинок).
2). Средняя длина побега растений данного вида
X = 24 см. Дисперсия σ2=25. Объем выборки n = 810. Сколько побегов с наибольшей вероятностью не будут превышать величину 19,5 см., если выборка подчиняется закону нормального распределения?
Находим стандартное отклонение σ.
σ =√ σ2 = √25 = 5.
Вычисляем нормированное отклонение для значения 19,5.
t = 19,5 – 24 / 5 =-4,5 / 5 = -0,9
Количество вариант (в %) , не превышающих значение t = - 0,9 находим по
таблице 4 «Доли площади под нормальной кривой, отсекаемые t слева от средней». Эта величина составляет 18,41%.
Составляем пропорцию 810 : 100 = Х : 18,41
Отсюда Х = 810 х 18,41 / 100 =149,12 ≈ 149 (побегов).
3). Среднее количество лепестков у цветков георгина X = 120. Дисперсия σ2=400. Объем выборки n = 300. Сколько цветков с наибольшей вероятностью будут иметь количество лепестков в диапазоне от 75 до 140, если выборка подчиняется закону нормального распределения?
Находим стандартное отклонение σ.
σ =√ σ2 = √400 = 20.
Вычисляем нормированное отклонение для значения 75:
t1 = 75 – 120 / 20 =-45 / 20 = - 2,25
Вычисляем нормированное отклонение для значения 140:
t2 = 140 – 120 / 20 =-20 / 20 = 1,0
Для определения заданного диапазона используем обе названные выше таблицы.
Процентное количество вариант, находящихся левее значения t2 = 1,0 определяем по таблице 5 «Доли площади под нормальной кривой, отсекаемые t справа от средней». Эта величина составляет 84,13 %.
Количество вариант, не превышающих значение t1 = - 2,25 находим по
таблице 4 «Доли площади под нормальной кривой, отсекаемые t слева от средней». Эта величина составляет 1,22 %. Вычисляем процентное количество вариант, располагающихся в заданном диапазоне: 84,13 % - 1,22 % = 82,91 %.
Находим количество цветков с количеством лепестков от 75 до 140.
300 : 100 = Х : 82,91
Отсюда Х = 300 х 82,91 / 100 =248,7 ≈ 249 (цветков).
4). Среднее количество митохондрий в клетках соединительной ткани X = 28. Дисперсия σ2=16. Объем выборки n = 200. В каком количестве клеток с наибольшей вероятностью будет найдено а) 28; б) 25; в) 20; г) 15 митохондрий в случае нормального распределения вариант?
Находим стандартное отклонение σ.
σ =√ σ2 = √16 = 4.
Определяем множитель, необходимый для вычисления теоретических частот нормального распределения n / σ.
n / σ = 200 / 4 = 50
Вычисляем нормированное отклонение для значения 28:
tа = 28 - 28 / 4 = 0
По таблице 1 «Значение функции у = f(t)» находим ординату кривой нормального распределения, соответствующую tа = 0. В долях единицы она составляет 0,3989.
Вычисляем теоретическую частоту встречаемости клеток, имеющих 28 митохондрий для выборки n = 200.
уа х (n / σ) = 0,3989 х 50 = 19,9 ≈ 20 (клеток)
Остальные расчеты производятся по такому же алгоритму.
Вычисляем теоретическую частоту встречаемости клеток, имеющих 25 митохондрий для выборки n = 200.
tб= 25 - 28 / 4 = - 3 / 4 = -0,75
уб = 0,3011 f = 0,3011 х 50 = 15,1 ≈ 15 (клеток)
Вычисляем теоретическую частоту встречаемости клеток, имеющих 20 митохондрий для выборки n = 200.
tв= 20 - 28 / 4 = - 2,0
ув = 0,0540 f = 0,0540 х 50 = 2,7 ≈ 3 (клетки)
Вычисляем теоретическую частоту встречаемости клеток, имеющих 15 митохондрий
tг= 15 - 28 / 4 = - 3,25
уг = 0,0020 f = 0,0020 х 50 = 0,1 (клетки)
При обычных уровнях значимости последняя величина может игнорироваться.
Z и φ – преобразование
Так как распределение выборочных коэффициентов корреляции отличается от нормального, при экстраполяции результатов корреляционного анализа на генеральную совокупность появляется ощутимая статистическая погрешность. Для более корректного представления результатов производится преобразование коэффициентов корреляции в числа Z по формуле:
. Производные числа Z распределяются в соответствии с нормальным законом и могут использоваться для проверки выборочных коэффициентов корреляции на достоверность, нахождения доверительного интервала коэффициента корреляции генеральной совокупности а также решения вопроса о достоверности разницы двух выборочных коэффициентов корреляции.
Схожая проблема появляется при анализе альтернативной вариации, когда доля объектов выборки, характеризующаяся наличием определенного признака (Р) выражается в долях единицы или в процентах. В этом случае квазинормальное распределение получают проценты в числа φ по формуле: φ = 2arcsin √ p