1. Przykłady hipotez ukierunkowanych i nieukierunkowanych.
Hipoteza nieukierunkowana – bardzo restrykcyjne kryteria badawcze
Pytanie badawcze np.,istnieje związek
między ostrością wzroku a inteligencją.
Hipoteza ukierunkowana – pokazuje kierunek zależności i pokazuje
poziom istotności;lepiej je formulowac.
2. Na jakiej skali wyrażona jest płeć mierzona hormonami?
3. Co to jest zmienna dychotomiczna? (czy co to znaczy zdychotomizować zmiennną?)
Ma dwie wartosci, czyli sprowadzanie jakiejs zmiennej do postaci dwulelementowej.
Dychotomia (gr. dichotomos = przecięty na dwie części) - dwudzielność; podział na dwie części, wzajemnie się wykluczające i uzupełniające do całości.
4. Które kwartyle sa potrzebe do zmierzeia odchylenia ćwiartkowego?
Średnia arytmetyczna 1 i 3 kwartyna.
5. Co to jest jednostka standaryzowana „z”?
coś że jak porównujesz się różne skale to żeby je upodobnic standaryzuje się
6. Na ile jednostek dzielą grupę Normy tetronowe?
20 jednostek
7. Co to jest modalna?
Inaczej DOMINANTA!!!!! lub moda Md To wartość występująca najczęściej w rozkładzie wyników.
8. Co to jest rozkład z próby?
Rozkład utworzony przez zestawienie średnich(lub innych statystyk) pochodzących z różnych prób tej samej populacji.
9. Błąd II rodzaju (albo I już nie pamiętam).
I rodzaju – odrzucanie H0 gdy jest prawdziwa
Błąd pierwszego rodzaju ('false positive') - w statystyce pojęcie z zakresu weryfikacji hipotez statystycznych - błąd polegający na odrzuceniu hipotezy zerowej, która w rzeczywistości jest prawdziwa. Błąd pierwszego rodzaju znany też jest jako: błąd pierwszego typu, błąd przyjęcia lub alfa-błąd.
Oszacowanie prawdopodobieństwa popełnienia błędu pierwszego rodzaju oznaczamy symbolem α (mała grecka litera alfa) i nazywamy poziomem istotności testu.
Termin 'false-positive' jest często używany w odniesieniu do oprogramowania antywirusowgo, które omyłkowo klasyfikuje 'zdrowy' plik jako zainfekowany.
II rodzaju – przyjmowanie H0 gdy jest fałszywa
Błąd drugiego rodzaju (błąd drugiego typu, błąd przyjęcia, beta-błąd) - w statystyce pojęcie z zakresu weryfikacji hipotez statystycznych - polegające na nieodrzuceniu hipotezy zerowej, która jest w rzeczywistości fałszywa.
Oszacowanie prawdopodobieństwo popełnienia błędu drugiego rodzaju oznaczamy symbolem β (mała grecka litera beta) i nazywane jest mocą testu.
10. Co to jest poziom istotności ( o czym nas informuje).
* Poziom istotności - jest to prawdopodobieństwo popełnienia błędu I rodzaju (zazwyczaj oznaczane symbolem α). Określa również maksymalne ryzyko błędu, jakie badacz jest skłonny zaakceptować. Wybór wartości α zależy od badacza, natury problemu i od tego jak dokładnie chce on weryfikować swoje hipotezy, najczęściej przyjmuje się α = 0,05, 0,03 lub 0,01
11. O czym mówią stopnie swobody.
Mówią o tym ile jakich wartości mogę zmienić aby otrzymać konkretną statystykę; jaką mam swobodę.
· Stopień swobody to liczba niezależnych wyników obserwacji pomniejszona o liczbę związków, które łączą wyniki obserwacji ze sobą.
12. Trafność zewnętrzna planu eksperymentalnego.
Mówi o tym jaki jest zakres generalizacji wniosków z eksperymentu.
13. Współczynnik determinacji r2
Informuje nas jaki procent wariancji zmiennej x jest tłumaczony przez zmienną y. Jaki procent jednej zmiennej tłumaczy druga zmienną.
14. Etapy analizy czynnikowej
1-ekstrakcja
2-rotacja
* Analiza czynnikowa to metoda statystyczna, służąca odnajdywaniu struktur w zbiorze zmiennych losowych. Znalazła ona szerokie zastosowanie w marketingu, zarządzaniu produktem i teorii decyzji.
Celem analizy czynnikowej jest zredukowanie dużej liczby zmiennych losowych do mniejszego zbioru, co uzyskujemy przez założenie, że pewne grupy zmiennych losowych reprezentują zmienność tych samych czynników, czyli zmienne losowe w danej grupie są od siebie w pewnym stopniu zależne.
W analizie czynnikowej istnieją dwa podejścia:
· eksploracyjna analiza czynnikowa (EFA - ang. Exploratory Factor Analysis) - czynniki są początkowo nieznane i zostają wyodrębnione dzięki analizie wartości zmiennych losowych, to podejście jest bardziej rozpowszechnione
· konfirmacyjna analiza czynnikowa (CFA - ang. Confirmatory Factor Analysis) - zakładamy istnienie pewnego określonego zbioru czynników i dzięki analizie wartości zmiennych losowych badamy zasadność naszego przypuszczenia i estymujemy parametry naszego modelu
Istnieje wiele metod analizy czynnikowej, jednak najbardziej popularne są dwie:
· analiza głównych składowych (PCA od ang. Principal Component Analysis)
· analiza czynników głównych (PFA od ang. Principal Factor Analysis)
Niezależnie od metody, analizę czynnikową rozpoczynamy od budowy macierzy korelacji i sprawdzenia, czy możliwe jest zastosowanie analizy czynnikowej.
Macierz korelacji to macierz, której elementy stanowią wartości współczynników korelacji dla odpowiednich par zmiennych losowych.
Przykład: Mamy zbiór zmiennych losowych X1, X2, ..., Xn. Przykładowa macierz korelacji dla trójelementowego zbioru zmiennych może wyglądać następująco:
X1
X2
X3
1,00
0,65
0,36
0,41
Z elementu leżącemu na przecięciu wiersza i kolumny odpowiadającym zmiennym X2 i X3 odczytujemy, że współczynnik korelacji zmiennych X2 i X3 wynosi 0,41.
Zbudowanie macierzy korelacji jest zazwyczaj pierwszym krokiem w analizie czynnikowej. W tej analizie zazwyczaj bierze się pod uwagę macierze, w których przeciętne współczynniki korelacji przekraczają 0,3. ]
15. Co to jest analiza skupień
Wyodrębnianie homogenicznych grup z heterogenicznej populacji.
16. Czym różni się analiza skupień od analizy czynnikowej
a)analiza czynnikowa – rozwiazanie nieortogonalne, analiza skupien-rozwiązanie ortogonalne
b)analiza czynnikowa – rozw ortogonalne, analiza skupien- rozw. Nieortogonalne
c)???
d)???
17. Pytanie na bazie zadania z dwoma szpitalami i prawdopodobieństwa gdzie urodzi się więcej chłopców a gdzie więcej dziewczynek.
18. Do czego służą testy nieparametryczne (tego nie jestem pewna, może niezależne?)?
Testy nieparametryczne to „tasak”, czyli niedokładność.
19. Cos z wykresami dla próby liczącej 20 osób i próby liczącej 200 osób, porównanie ich rozkładów normalnych. (?)
msteacher1979