Příklad 1: Testování nezávislosti I (Pearsonův c^2 test)

Datový soubor: gen_stav_pacienta_v1

Na hladině významnosti 0,05 testujte hypotézu o nezávislosti genu a stavu pacienta. Simultánní
četnosti znázorněte graficky.

Data – původní formát (co řádek, to subjekt charakterizovaný danými kategoriálními proměnnými)

Statistics – Basic Statistics – Tables and banners – Specify tables (select variables) – OK

Options – Expected frequencies (podmínky dobré aproximace) / Pearson (testování) / Cramérs V (síla
závislosti)

Advanced – Detailed two-way tables


Příklad 2: Testování nezávislosti II (Pearsonův c^2 test)

Datový soubor: gen_stav_pacienta_v2

Data – agregovaný formát; 1. a 2. proměnná – kategorie, 3. proměnná – simultánní absolutní četnosti

Statistics – Basic Statistics – Tables and banners – Specify tables (select variables) – w (Weight
variable) – OK

Options – Expected frequencies (podmínky dobré aproximace) / Pearson (testování) / Cramérs V (síla
závislosti)

Advanced – Detailed two-way tables


Příklad 3: Testování symetrie (McNemarův test)

Datový soubor: postoj_ke_sportu

Zjistěte, zda výuka o pozitivním působení sportu na zdraví vede ke změně postojů žáků ke
sportování.

Options – McNemar (2 × 2)

Advanced – Detailed two-way tables


Příklad 4: Test homogenity

Očkování proti chřipce se zúčastnilo 460 dospělých, z nichž 240 dostalo očkovací látku proti
chřipce a 220 dostalo placebo. Na konci experimentu onemocnělo 100 lidí chřipkou, 20 z nich bylo z
očkované skupiny a 80 z kontrolní skupiny. Je to dostatečný důkaz, že očkovací látka byla účinná?

Nulová hypotéza: Procento výskytu chřipky je v očkované a kontrolní skupině stejné.

1. Vytvořte si na základě zadání datový soubor v softwaru STATISTICA (agregovaná data ve formě
kontingenční tabulky).

2. Testujte platnost nulové hypotézy pomocí Pearsonova chí-kvadrát testu.

3. Testujte platnost nulové hypotézy pomocí Fisherova exaktního testu.

4. Který z testů je vhodné použít a proč?


Příklad 5: Hodnocení vztahu mezi proměnnými

Datový soubor: vyska_vaha

Prozkoumejte lineární vztah mezi výškou a váhou u 13 studentů. Testujte hypotézu, že jsou tyto
proměnné nezávislé.

Pearsonův korelační koeficient

Statistics  – Basic Statistics – Correlation matrices – OK – One variable list (vybrat vše)

Advanced – Scatterplot matrix

Color maps – Color map

Spearmenův korelační koeficient

Statistics  – Nonparametrics – Correlations – OK – Variables (vybrat vše)