NEPARAMETRICKÉ TESTY Neparametrický jednovýběrový Jeden výběr jehož medián srovnáváme s nějakou hodnotou – Wilcoxonův jednovýběrový test 1) Máme data z družice Hipparcos pro deklinaci (obdoba zeměpisné šířky) pro pozici 2717 hvězd. Chceme testovat na hladině statistické významnosti 0,05, střední hodnota této deklinace je -47°. (dataset hip DE.sta) H0: Medián deklinace je roven -47°. ( =-47) H1: Medián deklinace je staticky významně odlišný -47°. ( ≠ -47) Krok A) Testování normality našeho výběru – p menší jak 0,05 -> Neparametrický test (Jinak by se dal použít parametrický) Krok B) STATISTICA nám neumožňuje uskutečnit jednovýběrový Wilcoxonův test přímo. Ale pokud si uvědomíme, že se jedná vlastně o modifikaci párového testu, kde mediánem druhého výběru je právě číslo, s kterým srovnáváme medián našeho výběru, pak jsme schopni tento příklad vypočítat. Z H0 se tak stává ( - =0, kde =-47). Druhý výběr tak vytvoříme jednoduše tak, že vypočteme novou proměnnou jejíž všechny prvky budou rovny – 47. Krok C) Výpočet testové statistiky Statistiky -> Neparametrická statistika -> Porovnání dvou závislých vzorků -> OK Jako proměnné vybereme naše dvě proměnné (Deklinace a referenční hodnota) a dáně Wilcoxonův párový test… Z výsledků vidíme, že p-hodnota je menší než 0,05 – nulovou hypotézu o rovnosti mediánu našeho výběru k hodnotě -47 tedy zamítáme. 2) V různých částech České republiky bylo zjištěno procentuální zastoupení kuřáků nad 60 let. Zjistěte, zda je celkem v těchto regionech České republiky zastoupení kuřáků nad 60 let rovno 12 procentům. (populace_nad_60.sta) Pokud se podíváte na normalitu těchto dat – pak zjistíte, že p-hodnota S-W testu je 0,07, což sice nezamítá nulovou hypotézu o normalitě, ale z důvodu malého vzorku a téměř dosažené hranice pro zamítnutí hypotézy by bylo vhodnější použít NEPARAMETRICKÝ test. [p-hodnota 0,0499, Zamítáme nulovou hypotézu rovnosti mediánu našeho výběru a předpokládané hodnoty 12%] 3 ) Byl sledován zisk (v 1000 kč) jedné společnosti v 44 týdnech. Zjistěte zda byla střední hodnota zisku za tuto dobu rovna 175 000. (zisk.sta) Opět normalita vychází, ale těsně nad hranici zamítnutí. (Opět lepší použít NEPARAMETRICKÝ test) [p-hodnota menší jak 0,001, Zamítáme nulovou hypotézu rovnosti střední hodnoty zisku našeho výběru a předpokládané hodnoty 175] NEPARAMETRICKÝ NEPÁROVÝ TEST Srovnáváme hodnoty mediánů dvou na sebe nezávislých výběrů. Alespoň jeden výběr nemá splněný předpoklad normality dat. 1) Testujte na hladině statistické významnosti 0,05 rovnost šířky okvětních lístků u kosatců Setosy a Versicol. (kosatce.sta) H0: Šířky okvětních lístků u Setosy a Versicolor jsou stejné. ( = ) H1: Šířky okvětních lístků u Setosy a Versicolor jsou odlišné. ( ≠ ) Krok A ) Data máme ve tvaru, kdy naměřené hodnoty šířky okvětních lístků máme rozděleny dle skupinové proměnné IRISTYPE. To znamená, že při testování normality jednotlivých výběrů musíme zapnout Analyzování dle skupin. (viz parametrické testy-dvouvýběrový nepárový t-test) – Oba výběry nemají normální rozdělení – (normalita počítána Statistiky->základní statistiky->tabulky četností->záložka Normalita(Lilliefors a Shapiro-Wilk)) Krok B) Výpočet statistiky – Statistiky->Neparametrické statistiky -> Porovnání dvou nezávislých vzorků (skupiny)->OK V případě, že by vstupní data byla ve formátu, že hodnoty okvětních lístků pro Setosu a Versicolor byly jednotlivé proměnné, pak si je musíme upravit do podoby jakou máme zde… tedy vytvořit skupinovou proměnnou Vybereme proměnné… A vybereme Mann-Whitneyův U test Výsledná tabulka: Nyní se na základě velikosti vzorku (v tomto případě n=100) rozhodneme jakou p-hodnotu použijeme. Pokud je n>30 pak používáme asymptotickou p-hodnotu, pokud je n menší jak 30 pak používáme přesnou hodnotu. Z výsledků je patrné, že zamítáme nulovou hypotézu. 2) Máme dvě odrůdy brambor a sledujeme jejich výnosnost na různých místech. Testujte na hladině významnosti 0,05, že výnosnost obou odrůd je stejná.(odrudy.sta) - potřeba si vytvořit jednu skupinovou proměnnou a všechny výnosnosti dát pod sebe – vzniknou tak dvě proměnné o 18 případech… [p – 0,161, nezamítáme nulovou hypotézu o stejné výnosnosti jednotlivých odrůd brambor.] 3) Máme dva typy kreditních karet Visa a M/E kartu. Na hladině významnosti 0,05 testujte, zda se v různých městech provede stejný počet plateb pomocí těchto dvou typů karet (počty v 1000) (kreditni_karty.sta). Pozn. - Pokud provedeme test normality tak vyjdou oba výběry normální, nicméně u jednoho vyjde p-hodnota blízká 0,05 (0,07) a z důvodu menšího n, bych doporučil dělat neparametrický test. [p=0,252, Nezamítáme nulovou hypotézu o stejném používání M/E karty a Visa karty] Neparametrický párový test Testujeme, že se závislé proměnné neliší před a po nějaké události, popřípadě jiným způsobem měření. Párovost lze zjistit pomocí korelací, viz. Parametrické párové testy. 1) Máme dvě měření křehkosti ocele (před zpracováním a po něm). Zjistěte, zda se statisticky významně liší. (ocel.sta) Krok A) vytvoříme proměnnou diference obou měření…Zjistíme normalitu rozdílu před a po zpracování dat – viz. Parametrické párové testy. (p=0,03 – zamítáme normalitu diference dat) Krok B) Testování – Statistiky->Neparametrické statistiky ->OK Vybereme proměnné a zvolíme Wilcoxonův párový test (větší síla – spíše na symetrická data..dá se posoudit dle tvaru histogramu) nebo Znaménkový test (menší síla testu)…v podstatě je na Vás jaký použijete – zde použijeme Wilcoxonův test Výsledná tabulka: Dle p-hodnoty vidíme, že zamítáme nulovou hypotézu o stejné křehkosti ocele před zpracováním a po něm. 2) Máme k dispozici nějakou hladinu jistého parametru v krvi (např. kreatininu)před operací a po operaci. Zjistěte zda se na hladině statistické významnosti 0,05 tyto dvě hladiny liší. (parametr_krve.sta) [p- 0,017, Zamítáme nulovou hypotézu o rovnosti obsahu tohoto parametru v krvi před a po operaci] 3) Naměřili jsme hodnoty diet u jednotlivých druhů krys. Testujte, zda se jednotlivé diety liší (efektivita diety pro krysy.sta) -Normalita – p=0,09 (Zde se asi dají použít oba druhy testů, jak parametrický tak neparametrický – ze cvičných důvodů použijeme neparametrický) [p=0,056, Nezamítáme nulovou hypotézu o rovnosti jednotlivých typů diety.]