1 / 14

SKÚMANIE ASOCIÁCIÍ

SKÚMANIE ASOCIÁCIÍ. PREDNÁŠKA 7. Meranie asociácií – závislosť medzi kvalitatívnymi znakmi Hypotézy pri c 2 teste štvorcovej kontingencie Teoretické početnosti Výpočet testovacej charakteristiky a rozhodnutia Meranie tesnosti závislosti. Meranie asociácií.

Download Presentation

SKÚMANIE ASOCIÁCIÍ

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. SKÚMANIE ASOCIÁCIÍ

  2. PREDNÁŠKA 7 • Meranie asociácií – závislosť medzi kvalitatívnymi znakmi • Hypotézy pri c2teste štvorcovej kontingencie • Teoretické početnosti • Výpočet testovacej charakteristiky a rozhodnutia • Meranie tesnosti závislosti

  3. Meranie asociácií • závislosť medzi kvalitatívnymi znakmi • asociačné, resp. kontingenčné tabuľky • test: 2 - štvorcová kontingencia H0: dva znaky A a B sú nezávislé H1: znaky A a B sú závislé A znak má m - úrovní (obmien) B znak má k - úrovní (obmien)

  4. Formulácia hypotéz • Závislosť znakov sa prejaví v rozdielnych početnostiach • napr. Denník o hospodárstve skúmal štruktúru svojich čitateľov z hľadiska pohlavia a vzdelania. • Ho : medzi pohlavím a vzdelaním čitateľov nie je asociácia. • H1 : medzi pohlavím a vzdelaním čitateľov je závislosť. • test spočíva v porovnávaní empirickýchpočetností a teoretických, (hovoria, aké by mali empirické početnosti, aby znaky A a B boli nezávislé)

  5. Príklad • vychádzame z nasledovnej kontingenčnej tabuľky

  6. Určovanie teoretických početností Vychádza sa z vety o nezávislosti náhodných javov A a B: P(AB) = P(A) . P(B), teda, ak znaky A a B sú nezávislé potom platí: P(aibj) = P(ai) .P(bj) P(AB) = P(A) . P(B) – vyjadruje pravdepodobnosť, že štatistická jednotka bude mať i-tý variant znaku A a súčasne j-tý variant znaku B za predpokladu nezávislosti znakov A a B rovný súčinu pravdepodobnosti i-tého variantu znaku A a pravdepodobnosti nadobudnutia j-tého variantu znaku B. Odhadom pravdepodobnosti P(A=ai), P(B=bi) sú relatívne početnosti : (aibj)o/n= (ai)/n . (bj)/n  (aibj)o = (ai) .(bj)/n Teoreticképočetnosti

  7. Postup • empirické početnosti • teoretické početnosti

  8. Výpočet teoretických početností • teoretické početnosti

  9. Testovacia charakteristika • testovacia charakteristika má c2 rozdelenie • stupne voľnosti = (m-1)*(k-1) • Ak 2 vypočítané  2 pre hladinu významnosti  pre a stupne voľnosti (m-1).(k-1),  Ho zamietame, tzn. znaky A a B sú závislé

  10. Výpočet + záver • testovacia charakteristika • tabuľková hodnota =2(, (m-1).(k-1) 2(0,05, (3-1).(2-1)) = 5,99 7,031 > 5,99  H0 o nezávislosti zamietame.

  11. Miery asociácie • ak potvrdíme asociáciu medzi znakmi A a B, má význam merať jej intenzitu • pri alternatívnych znakoch používame: • koeficient asociácie • koeficient korelácie kvalitatívnych znakov • Dané miery nadobúdajú hodnoty z intervalu <-1, 1>.

  12. Miery asociácie pri množných znakoch používame: • Pearsonov koeficient • Čuprovov koeficient • Cramerov koeficient • Pearsonov koeficient nadobúda hodnota z intervalu <0, 1) • Čuprovov a Cramerov koeficient nadobúdajú hodnoty z <0, 1>.

  13. Miery asociácie - výpočet Príklad: pohlavie – frekvencia pitia • Pearsonov koeficient • Čuprovov koeficient • Cramerov koeficient • závislosť je mierna, z hľadiska ZS štatisticky nevýznamná

  14. ĎAKUJEM ZA POZORNOSŤ

More Related