10 Kontingenční tabulky – domácí práce.

Rkové soubory na Isu.

data_vlasy.RData … učitel statistiky R.D. Snee sbíral data na své domovské univerzitě a zaznamenal
pohlaví studentů, barvu vlasů a barvu očí.

data_tuzky.RData … naše data o pastelkách, analyzujeme tloušťku a ostrost (nezlomených) pastelek.

data_divizna.RData … smyšlená data o výskytu divizen na 30 plochách v sezónách 2018 a 2019. Plocha
byla označena jako „květ“, pokud na ní rostla alespoň 1 kvetoucí divizna, jako „list“, když divizna
sice rostla druhým rokem, ale nekvetla, a jako „růžice“, pokud na ploše byly jen prvoroční přízemní
růžice.

Termín odevzdání pátek 20. prosince.


① Data_vlasy: pomocí Rkových příkazů vytvořte kontingenční tabulku a její marginální součty:

a)      pohlaví (řádky) x barva vlasů (sloupce)

b)      barva vlasů x barva očí.

Do textu vložte příkazy i výsledné tabulky.

② Pomocí χ^2 testu testujte obě tabulky. Stejný test používáme pro dvě různé hypotézy:
o nezávislosti a o homogenitě (o struktuře). Přiřaďte ke každé tabulce rozumnou hypotézu a slovně
formulujte výsledky. Pojmy „nezávislost“ a „homogenita“ rozveďte: nezávislost čeho, homogenita
čeho?

③ Data_tuzky: sestrojte čtyřpolní tabulku, vyslovte hypotézu, testujte a formulujte odpoveď.

❹ Data_tuzky: spočtěte Cramérův koeficient asociacce (stačí podle vzorečku, není nutné stahovat
extra knihovnu). Je tedy asociace mezi tloušťkou a ostrostí tužky? A jaké v číslech vidíme
„tendence“, co ta asociace může popisovat, které vlastnosti „chodí spolu“?

❺ Data_divizna: zajímá nás, jestli struktura populace divizen na sledovaných plochách byla
srovnatelná v roce 2018 s rokem 2019. Jaký test použijete? Jakou hypotézu test testuje? Jak
interpretujeme výsledek?