Professional Documents
Culture Documents
X2
X2
o Vi
a l
ra
t
×
F1 1 2 3 4
1 11 6 9 14 40 r1
2 7 6 7 9 29
3 14 5 7 11 37
4 11 4 7 20 42
5 22 2 12 16 52 n
65 23 42 70 200
c1
11 16
× 100 = 27.5 × 100 = 30.8
40 52
11
× 100 = 27.5
40
F1 1 2 3 4
1 11 6 9 14 40
2 7 6 7 9 29
3 14 5 7 11 37
4 11 4 7 20 42
5 22 2 12 16 52
65 23 42 70 200
16
× 100 = 30.8
52
40 × 65 50 × 72
= 13.0 = 18.2
200 200
40 × 65
= 13.0
200
F1 1 2 3 4
1 11 6 9 14 40
2 7 6 7 9 29
3 14 5 7 11 37
4 11 4 7 20 42
5 22 2 12 16 52
65 23 42 70 200
∆είγµατα F1 απογόνων * Κλ άσεις Παραγ ωγής Γύρης Cros stabulation
Count: Συχνότητα
Expected Count: Αναµενόµενη Συχνότητα
2
2
Χ =∑
2
Χ = 2
+ +⋯ + = 12,125
13,0 4,6 18, 2
2
2
2
2=12,125
2=12,125<21,03= 2(12)
0,05
2 < 2
α
χ
χ2α
Από το δείγµα…
Chi-Square Te s ts
b
a
b
b
b
b
c
85 75 160
87 73 160
97 63 160
109 51 160
109 51 160
150 10 160
637 323 960
Στατιστικός Έλεγχος
Η 0 : p1 = p2 = ⋯ = p6
Η1 : τουλ χιστον δ ο ποσοστ διαφ ρουν
×
2
2 2 2
85 87 150
+ +⋯ + = 440, 406
160 160 160
637 2
440, 406 −
960 = 79, 40
X2 =
637 × 323
9602
2(5)
0,05=11,07
2=79,40
2=79,40>11,07= 2(5)
0,05
2 > 2
Φυλλοφόρα µοσχεύµατα δύο ποικιλιών ελιάς που ριζοβόλησαν ή όχι
µετά από 84 ηµέρες κάτω από υδρονέφωση
100 60 160
109 51 160
209 111 320
n11 n12 n1.
n21 n22 n2.
n.1 n.2 n..
Στατιστικός Έλεγχος
Η 0 : p1 = p2
Η1 : τα δ ο ποσοστ διαφ ρουν ( p1 ≠ p2 )
160 × 209
(1,1) 11= = 104,5
320
160 × 209
(2,1) 21= = 104,5
320
160 × 111
(1,2) 12= = 55,5
320
160 × 111
(2,2) 22= = 55,5
320
∆ιόρθωση Συνέχειας του Yates
( 100 − 104,5 − 0,5) + ( 60 − 55,5 − 0,5) + ( 109 − 104,5 − 0,5) + ( 51 − 55,5 − 0,5)
2 2 2 2
X2 = =
104,5 55,5 104,5 55,5
= 0,88
2
1
Γενική Σχέση O−E −
X =∑
2 2
E
Ο: Παρατηρούµενη Συχνότητα
Ε: Αναµενόµενη-Θεωρητική Συχνότητα
Β’ Τρόπος
2
320
(100 × 51) − (109 × 60) − × 320
X =
2 2
= 0,88
209 × 111× 160 × 160
2
n..
n11n22 − n12 n21 − n..
X2 =
Γενική Σχέση 2
n1.n2.n.1n.2
2(1)
0,05=3,84
2=0,88
2=0,88<3,84= 2(1)
0,05
2 < 2
z
( pˆ1 − pˆ 2 )
2
pˆ1 − pˆ 2
z= X =
2
1 1 1 1
ˆ ˆ( + )
pq ˆ ˆ( + )
pq
n1 n2 n1 n2
≠
{
R = z > za / 2 } Σύµφωνα µε τη Μηδενική Υπόθεση τα δύο
pˆ1 − pˆ 2 ποσοστά είναι ίσα και εποµένως µπορούµε να
z= συγχωνεύσουµε τα δύο δείγµατα σε ένα και να
s υπολογίσουµε ένα κοινό p (και q=1-p)
1 1
s ≈ pq
ˆ ˆ +
n1 n2
pˆ1qˆ1 pˆ 2qˆ2
s 2pˆ − pˆ = + ⇒
1 2 n1 n2
pˆ1qˆ1 pˆ 2 qˆ2
s pˆ − pˆ = +
1 2 n1 n2
2
×
×
2
18-24 24 4 23 82 12
25-34 42 2 20 146 13
35-44 54 0 12 136 18
45-54 40 1 6 121 9
55-64 37 1 7 68 15
65+ 20 5 3 61 13
Κλάσεις Ηλικιών * Πρόβληµα Crosstabulation
Κλάσεις Ηλικιών * Πρόβληµα Crosstabulation
Κλάσεις Ηλικιών * Πρόβληµα Crosstabulation
i i
L L
e P
N
ne
k
s h
so
ar
b a
e
f
. .
l
r
ar
so
Th
'
c
i
e s
a
l
y b
n
e
se
x E
l
d
i
Chi
L
n
ac
i
ne
(
2
t
se
q S
o
n
0
ar
ar 1
d
s ar
%)
ze
mp
5 5 59
2
5
. . . .
ue
06
9 36 48
c
36
2 0
5 5
b
c
a
n
th
e
f
2 2
ar
0 0
th
se
sy
e
5
Th mp
e
27
. . .
S
d)
28
0 0
5
8 i
0 0
48
n
6
0 0
37
. . . .
0 0 0
56
0 0 0
0 0 0
3
b b b b
o
L
we
ar
t
r
s
Chi-Square Tests
B
o
o
C
. . . .
0 0 0
5
i g
n
.
n
0 0 0
5
0 0 0 0
(
nc
e
U
p
d)
rv
. . . .
u
l
0 0 0
57
0 0 0
d
Sig.
0 0 0
5
29
o
L
9
p-value
we
ar
r
σε επίπεδο σηµαντικότητας α=0,05
B
o
o
C
27
i g
n
.
n
d
1
e
nc
e
U
d)
rv
o
Αφού p<0,05 η Μηδενική Υπόθεση απορρίπτεται
u
l
3
Symmetric Measures
c
c
Η τιµή του δείκτη συνάφειας V του Cramer µαρτυρά ασθενούς
εντάσεως συσχέτιση µεταξύ των δύο χαρακτηριστικών που
διασταυρώνονται
V
X 2 p=min(k-1, l-1).
V=
Np k
l
Κλάσεις Ηλικιών * Πρόβληµα Crosstabulation
Adjusted Residual:
∆ιορθωµένο Τυποποιηµένο Υπόλοιπο
≈
α
2
α
α
α
συνέχεια
fi + f + j
fij −
N
fi + f + j fi + f+ j
1 − 1 −
N N N
fi+ f+ j i j
fij
fij
100%
90%
80%
70%
60% Υγεία
Οικονοµικό
50% Σπουδές
Στεγαστικό
40% Τζόγος
30%
20%
10%
0%
18-24 ετών 25-34 35-44 45-54 55-64 65+
Κλάσεις Ηλικιών
Παραγοντικό Επίπεδο της Correspondence Analysis
συνέχεια
32 268 300
51 199 250
. 67 233 300
150 700 850
Τα σύνολα γραµµών
προκαθορισµένα π.χ. λόγω
Στρωµατοποιηµένης Τυχαίας
∆ειγµατοληψίας
One-Sample Kolmogorov-Smirnov Test
0 1 0,03125 2,72
1 12 0,15625 13,59
2 27 0,31250 27,19
3 32 0,31250 27,19
4 12 0,15625 13,59
5 3 0,03125 2,72
87 1,0000 87
???
συνέχεια
n p
0 5
1 1
5
P ( X = 0) = = 0,03125
0 2 2
1 4
1 1
5
P ( X = 1 = = 0,15625
1 2 2
κ .λπ .
συνέχεια
×
×
συνέχεια
p
συνέχεια
2
X 2
= + +⋯ + = 2,34
2,72 13,59 2,72
2
2
α
συνέχεια
2(5)
0,05=11,07
2=2,34
2=2,34<11,07= 2(5)
0,05
2 < 2
α
α
<0,55 0 0,0154 2,59
0,55-1,05 5 0,0247 4,15
1,05-1,55 8 0,0500 8,40
1,55-2,05 20 0,0861 14,46
2,05-2,55 20 0,1253 21,05
2,55-3,05 27 0,1547 25,99
3,05-3,55 30 0,1617 27,17
3,55-4,05 20 0,1432 24,06
4,05-4,55 13 0,1075 18,06
4,55-5,05 11 0,0684 11,49
5,05-5,55 7 0,0368 6,18
5,55-6,05 7 0,0168 2,82
>6,05 0 0,0094 1,58
168 1,0000 168,00
συνέχεια
α
συνέχεια
×
×
συνέχεια
X 2
= + +⋯ + = 15,30
2,59 4,15 1,58
2
2
α
συνέχεια
2(10)
0,05=18,31
2=15,30
2=15,30<18,31= 2(10)
0,05
2 < 2
α
α
Cochran
: P(A) ≠ 0 P(B) ≠ 0 ,
:
( / )= ( )
P(A ∩ B)
: P(A / B) =
P(B)
: P(A ∩ B) = P(A) ⋅ P(B)
,
,
.
1, 2, …, n ,
P(A1) ≠ 0 , P(A 2) ≠ 0 ,…, P(An ) ≠ 0 :
P(A1 ∩ A2 ∩ A3... ∩ An) = P(A1) ⋅ P(A2) ⋅ P(A3) ⋅ ... ⋅ P(An)
.
,
Η 0 : p1 j = p2 j = p3 j = p4 j = p5 j , j = 1,… 4
∩
r1:
r1
Ρ( Α = ∆ε γµα1) = c1 :
n:
n
c1 r c r ×c
Ρ(Β = Κλ ση1) = αναµεν µενη συχν τητα = n × ( 1 × 1 ) = 1 1
n n n n
r1 c1
Ρ(∆1 ∩ Κ1) = ×
n n
1 2 … j … l
X
f +1 f +2 … f+ j … f+l
1 2 … j … l
X
f11 f12 f1 j f1l
1 … … 1
f1+ f1+ f1+ f1+
f 21 f 22 f2 j f 2l
2 … … 1
f 2+ f 2+ f 2+ f 2+
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
fi1 fi 2 fij f il
i … … 1
fi+ fi+ fi+ fi+
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
f k1 fk 2 f kj f kl
k … … 1
fk + fk + fk + fk +
f +1 f +2 f+ j f+l
… …
N N N N
1 2 … j … l
X
f11 f12 f1 j f1l f1+
1 f +1 f +2 … … f+l
f+ j N
f 21 f 22 f2 j f 2l f 2+
2 f +1 f +2 … … f+l
f+ j N
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
f i1 fi 2 fij f il fi +
i … …
f +1 f +2 f+ j f+l N
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
f k1 fk 2 f kj f kl fk +
k … …
f +1 f +2 f+ j f+l N
1 1 … 1 … 1
Υ
1 2 … j … l
X
Χ
f1+
1 f11 f12 … f1 j … f1l = r1
N
f 2+
2 f 21 f 22 … f2 j … f 2l = r2
N
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
fi +
i f i1 fi 2 … f ij … f il = ri
N
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
fk +
k fk1 fk 2 … f kj … f kl = rk
N
f +1 f +2 f+ j f+l
= c1 = c2 … = cj … = cl =1
Υ
N N N N
1 2 … j … l
X
1 f11 / N f12 / N … f1 j / N … f1l / N
2 f 21 / N f 22 / N … f2 j / N … f 2l / N
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
i f i1 / N fi 2 / N … f ij / N … f il / N
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
k f k1 / N fk 2 / N … f kj / N … f kl / N
Εισαγωγή στη Στατιστική για Βιολογικές
Επιστήµες
Στατιστική: Θεωρία-
Εφαρµογές
Περιγραφική Στατιστική
Στατιστική: Θεωρία-
Εφαρµογές
Πολυδιάστατη Ανάλυση ∆εδοµένων:
Μέθοδοι και Εφαρµογές
o Vi
a l