przewodnikPoPakiecieR8

przewodnikPoPakiecieR8




U'i lii Hiie procedury .statystyczne

I,niżej przedstawiamy przykłady użycia tostu t-Studenta dla różnych wymienionych hipotez zerowych. Zwróćmy uwagę, że w wynikach testu wyznaczany jest też prz,,. i Izial ufności dla wartości różnicy średnich. Domyślnie wyznaczany jest 95% przedział ufności, ale można wyznaczać inne przedziały zmieniając argument conf. level.

* losujemy dwie próby. Si} zależne, a druga jest większa średnio o 0.3


>

>    x - morm(50)    ,..

>    y - x + 0.3 + rnorm(50,0.0.01)

>    0 test dla jednej próby

>    » p-wartość jest wysoka, wifc nie ma podstaw by twierdzić, że Średnia

jest różna od 0

>    t.test(y, mu=0)

One Sample t-test

t “ 0.6406, df - 49, p-value = 0.5247    -

alternative hypothesis: true mean is not equal to 0 95 percent confidence interval:

-0.2060437    0.3988940

sample estimates: mean of x 0.09642514

>    t.test(x, y)$p.value tt p-wartoSć dla tego testu [1] 0.1614486

>    # test sparowany dla dwóch prób

>    u p-wartoSć jest niska, mamy podstawy twierdzić, że nastąpiła zmiana w

wartości średniej

> t.test(x, y, paired=T)



Paired t-test

data: x and y

t » -221.7657, df - 49, p-value < 2.2e-16

1



alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval:

-0.3031758 -0.2977306 sample estimates: mean of the differences

-0.3004532

>    # p-wartość dla testu sparowanego

>    t.test(x, y, paired-T)$p.value [1] 1.126691e-75

>    # p-wartoSć dla testu jednej próby Uilcozona

>    vilcox.test(y, mu«0)$p.value [1] 0.6851558

>    * p-wartość dla testu dwóch prób Wilcoiona

>    wilcox.test(x, y)$p.value Cl] 0.1810666

Testowanie

Jeżeli porównujemy więcej niż dwie populacje i chcemy wykonać testy porównujące średnie dla każdej pary tych populacji to wygodnie jest skorzystać z funkcji pairwise.t.test(stats). Wykonuje ona test t-Studenta <ila każdej pary populacji 0fa2 automatycznie koryguje p-wartości biorąc pod uwagę liczbę wykonanych testów. - Zagadnienie: korekty p-wartości związanej z testowaniem zbionl hipotez, będzie jesz-| cze omówione w kolejnym podrozdziale. Zagadnienie testowania różnic pomiędzy wieloma średnimi zostało też poruszone przy okazji testów post-hoc (patrz podrozdział 3.4.2). Mniej popularnym testem, który również może być użyty {|0 testowania parametru położenia w jednej lub dwóch populacjach jest test znaków, zaimplementowany w funkcji sign.test(BSDA).

3.5.3 Testowanie hipotezy o równości parametrów skali

Popularne testy do weryfikowania jednorodności wariancji lub innych parametrów skuli są wymienione w tabeli 3.15. Testy ansari . test (stats). mood.test(stats) i var.test(stats) są przeznaczone do testowania parametru skali (wariancji) dla dwóch prób. Pozostałe testy można również wykonywać dla porównania większej liczby prób. Oczywiście należy sprawdzić założenia testu, który chcemy wykorzystać, np. test F zakłada rozkład normalny w porównywanych grupach, a jak pokażemy brak spełnienia założeń, może prowadzić do zupełnie błędnych wniosków.

Testowana hipoteza zerowa dla każdego z tych testów może być zapisana w ogólnej postaci:

ffv : <T*, = rrX2 = ... — <zXjb, przeciwko hipotezie alternatywnej:

^A : 3, j oXj 7Ś (rXji

gdzie <tXj to wartość odchylenia standardowego (parametru skali) w grupie j.

Tabela 3.15: Wybrane funkcje do weryfikacji równości wariancji (parametru skali)

var.test(stats)    Test f dla dwóch prób do Weryfikacji hipotezy o jed

norodności wariancji. Zmieniając parametr ratio można również testować, hipotezę zerową, odpowiadająca przypuszczeniu, że iloraz wariancji    ratio (domyślnie

ratio=l).

ansari. test (stats) Test Ansariego-Bradleya dla dwóch prób do weryfikacji

hipotezy o równości parametrów skali.

bartlett. test(stats) Test Bartletta dla wielu prób do weryfikacji hipotezy o jednorodności wariacji.

fligner.test(stats) Test. Flingcra-Killeenn dla wielu grup do weryfikacji hipotezy o jednorodności wariancji.    ____

mood test (stat s)    Rangowy test Mooda dla dwóch prób do weryfikacji hi

potezy o równości jwrametrów skali.

levene test (lawstat) Test Levene’a dla wielu prób do weryfikacji hipotezy o jednorodności wariancji. Funkcja levene.test() udostępnia również test Browna i Forsytha, różniący się od testu Levene’a tym, że parametr położenia wyznaczany jest przez mediany a nic przez średnie (patrz argument option). .........................


Wyszukiwarka

Podobne podstrony:
przewodnikPoPakiecieR 3 I 178 Wybrane procedury statystyczno W powyższym przykładzie wygląda na to,
przewodnikPoPakiecieR 3 I 178 Wybrane procedury statystyczno W powyższym przykładzie wygląda na to,
przewodnikPoPakiecieR7 166 Wybrane procedury statystyczne mezczyzna piec Niepowodzenia Rysunek 3.23
przewodnikPoPakiecieR 3 I 178 Wybrane procedury statystyczno W powyższym przykładzie wygląda na to,
przewodnikPoPakiecieR9 170 Wybrane procedury statystyczno 170 Wybrane procedury statystyczno Zaczni
przewodnikPoPakiecieR6 Wybrane procedury statystyczne lulaj przedstawimy jedynie jak używać tego te
przewodnikPoPakiecieR9 210 Wybrane procedury statystyczne Testowanie 211 Na rysunku 3.38 przedstawi
przewodnikPoPakiecieR7 226 Wybrane procedury statystyczno 226 Wybrane procedury statystyczno poniże
przewodnikPoPakiecieR4 140 Wybrane procedury statystyczne >    U ustawiamy ziarno
przewodnikPoPakiecieR 1 I m 174 Wybrane procedury statystyczne. P So good «dvice here is: Bewarc
75190 przewodnikPoPakiecieR 1 I m 174 Wybrane procedury statystyczne. P So good «dvice here is: B
przewodnikPoPakiecieR7 126 Wybrane procedury statystyczne Statystyki opisowe127 Tabela 3.1: Statyst
przewodnikPoPakiecieR8 128 Wybrane procedury statystyczne 128 Wybrane procedury statystyczne 3.1.1.

więcej podobnych podstron