Program 1.Påmindelser Pivottabeller og pivotgrafer Omkodning af data (sortering, søg-erstat) Bevar de originale data og lav kontroller 2.Hvem er målgruppen.

Slides:



Advertisements
Lignende præsentationer
Case: Tekst på Call-To-Action link
Advertisements

Repetition Goodness of Fit Uafhængighed i Kontingenstabeller
Dagens program Resumé - Normalfordelingen χ2-test (chi-i-anden)
Dagens program Informationer χ2-test (chi-i-anden) Øvelser
Hypotese test – kapitel 6 (Signifikans test)
Repræsentativitet Opsamling fra sidst Repræsentativitet (χ2-test)
Anvendt Statistik Lektion 3
Dagens program Kursusevaluering Information Spørgsmål om eksamen
Analyse af kontingenstabeller
Repræsentativitet Sandsynligheden for at få krone ved kast med en mønt
Statistik Lektion 6 Konfidensinterval for varians Hypoteseteori
Anvendt Statistik Lektion 4
Program Informationer χ2-test (chi-i-anden) Projekt 3
Dagens program Informationer Opsamling χ2-test (chi-i-anden)
Anvendt Statistik Lektion 6
Statistik og sandsynlighed
Sammenligning af to grupper
Sammenligning af to grupper – kapitel 7
Anvendt Statistik Lektion 3
Anvendt Statistik Lektion 6
Statistik og sandsynlighedsregning
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Anvendt Statistik Lektion 8
Dagens program Kursusevaluering Repetition One way hhv. two way anova
 2 3  3 =  83  43  53  63  73  93  10 4.
Statistik Lektion 6 Konfidensinterval for andele og varians
Program Korrelation Gamma Pearsons r Regression Kausalitet 1.
Sandsynlighedsregning Analyse af kontingenstabeller
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Signifikanstest ved (en eller) to stikprøver
Learning Objectives 5 Steps of a Significance Test Assumptions
1 Dagens program 1.Information –Klaus’ frokost: 11:45-12:30, går 13:15. –Winston Churchill –Sidste forelæsning (19/11): Eksamen, kursus- evaluering, eksperimentelt.
Sandsynlighedsregning Analyse af kontingenstabeller
Dagens program Test of Independence (chi-i-anden) Videre med projekt 3
Statistik – Lektion 2 Uafhængighed Stokastiske Variable
Dagens program 1.Information Alle projekter er godkendt Sumkurve 2.Opsamling T-test 3.Variansanalyse (one-way) ANOVA 4.Intro til projekt 3 (Excels LOPSLAG.
Statistisk inferens Dagens program Grupper, opgave 1
Learning Objectives 5 Steps of a Significance Test Assumptions
Anvendt Statistik Lektion 7
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Matematik B 1.
Simpel Lineær Regression
Opsamling Simpel/Multipel Lineær Regression Logistisk Regression
Hypotesetest Hypotesetest og kritiske værdier Type 1 og Type 2 fejl
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik Lektion 7 Hypotesetest og kritiske værdier
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 9. november 2004.
Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 22. marts 2006.
Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 10. marts 2003.
Side Grundlæggende teoretisk statistik Hypotesetest: Test i 2 populationer.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Grundlæggende teoretisk statistik
Statistik Lektion 8 Test for ens varians.
Kvantitative metoder 2: F31 Kvantitative metoder 2 Beskrivende statistik og analyse af kvalitatitive data 12. februar 2007.
KM2: F51 Kvantitative metoder 2 Den simple regressionsmodel 19. februar 2007.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
Grundlæggende teoretisk statistik
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 13. februar 2003.
Kvantitativ metode del 1 Gymnasielærer-kursus forår 2007 Aalborg Universitet Sammenhænge ml. variabler, styrke og signifikans Tirsdag den 20. marts, kl.
Statistik II 4. Lektion Logistisk regression.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 27. marts 2003.
Videnskabeligt projekt
Anvendt Statistik Lektion 8
Anvendt Statistik Lektion 6
Teoretiske kontinuerte fordelinger
Præsentationens transcript:

Program 1.Påmindelser Pivottabeller og pivotgrafer Omkodning af data (sortering, søg-erstat) Bevar de originale data og lav kontroller 2.Hvem er målgruppen (brugerne)? 3.Test of Independence (chi-i-anden) Teori Regning af opgave

Sandsynlighed for krone ved kast med 12 mønter

3 Test of Independence Afhænger ”graden af fan” af ”medieforbruget”? Mao. påvirker ”medieforbruget” ”graden af fan”? Tabelopstilling Responsvariablen (den afhængige) sættes i kolonnerne. Den forklarende variabel (den uafhængige) sættes i rækkerne. Beregn betingede procentfordelinger. Vis antallet som procenterne er beregnet på. Medier \ FangradIkke/lille fanMiddel fanStor fanAntal Mange medier46%43%11%131 Få medier59%35%6%49 Total49%41%10%180

4 Test of Independence Afhænger fangraden af medieforbruget? Definition –To variable er uafhængige, hvis de betingede fordelinger er ens (statistisk set) i populationen. –To variable er afhængige, hvis de betingede fordelinger afviger betydeligt fra hinanden (statistisk set) i populationen. Tabellen viser resultater fra en stikprøve og de afviger mere eller mindre fra populationens. Medier \ FangradIkke/lille fanMiddel fanStor fan Antal Mange medier 46%43%11%131 Få medier 59%35%6%49 Total49%41%10%180

5 Test of Independence 1.Forudsætninger Simpel tilfældig udvælgelse. Mindst fem forventede observationer i cellerne. 2.Hypoteser H 0 : De to variable er uafhængige H a : De to variable er afhængige 3.Beregning af teststørrelse Vi kender det observerede antal observationer i hver celle Vi beregner det forventede antal observationer i hver celle for det tilfælde, at de to variable er uafhængige. Medier \ FangradIkke/lille fanMiddel fanStor fan Total Mange medier Få medier Total

6 Det forventede antal observationer 1.Sandsynligheder P(Mange medier) = 131/180, P(Få medier) = 49/180 P(Lille fan) = 89/180, P(Middel) = 73/180, P(Stor fan) = 18/180 2.Forventede antal observationer P(Mange) x P(Lille) x 180 = (131/180) x (89/180) x 180 = (131 x 89) / 180 = 64,77 Hvis de to variable er uafhængige, forventer vi at finde 64,77 ≈ 65 observationer i celle 1 (hvor vi faktisk observerer 60). Generel skivemåde: Medier \ FangradIkke/lille fanMiddel fanStor fan Total Mange medier Få medier Total

3. Beregning af Chi-i-anden teststørrelsen Chi-i-anden beregnes for hver celle. Chi-i-anden teststørrelsen er summen heraf. Den sammenfatter, hvor langt de faktiske antal ligger fra de forventede antal (nul- hypotesens ”forventning”). Test of Independence Observeret LilleMiddelStor Total Mange medier Få medier Total Forventet LilleMiddelStor Total Mange 64,853,113,1131 Få medier 24,219,94,949 Total χ2 for den første celle: 1.(60 – 64,8) = -4,8 2.(-4,8) 2 = 23, ,04 / 64,8 = 0,35 Sum (0, ,74) = 2,87 Chi-i- andenLilleMiddelStor Mange 0,350,160,28 Få 0,940,420,74

8 4. Omregning af teststørrelsen til en P-værdi kræver at vi kender antallet af frihedsgrader, df, (degrees of freedom), i tabellen. Antallet beregnes efter formlen: df = (rækker-1) x (kolonner-1)=(2-1) x (3-1) = 2. P findes ved opslag i Excel. På dansk hedder funktionen CHI2.FORD.RT. Denne returnerer sandsynligheden i den højre hale (RT=right tail). Dvs. P(X 2 >obs.værdi), ssh. for den observerede værdi af teststørrelse eller større. Test of Independence Medier \ FangradLilleMiddelStor Antal Mange 46%43%11%131 Få medier 59%35%6%49 Total49%41%10%180

9 5.Konklusion: Med P værdi på 24% opretholdes H 0. Det vil sige, at fangraden ikke kan formodes at afhænge af medieforbruget. Forskellene i fordelingerne kan skyldes tilfældigheder som følge af stikprøven. Store værdier af χ 2 giver små P-værdier. Små P-værdier er beviser mod nul-hypotesen H 0. Med en χ 2 på 2,87 og 2 frihedsgrader bliver P-værdien 24%. Vi afviser H 0, når P er mindre end 5%. I dette tilfælde opretholder vi derfor H 0. Test of Independence Billeder \ BVLavMiddelHøjAntal Mange billeder46%43%11%131 Få billeder59%35%6%49 Total49%41%10%180

10 Opgave i Test of Independence Afhænger fan-graden af medietypen? Eller med andre ord, påvirker medietype graden af fan? Opgaver 1.Beregn de betingede fordelinger og beskriv i ord, hvad du ser. 2.Undersøg om der er en afhængighed. 3.Skriv en konklusion Kilde: (opgave 10.11, løsning i bunden af siden) Fan Medier JaNej Total Offline medier Sociale medier Andre online m