Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Aldo Reichle Geändert vor über 10 Jahren
1
SStotal SStotal SStreat SSerror SStreat SSerror Biomasse (g) wenig
viel Dünger SStreat SSerror Biomasse (g) Biomasse (g) wenig viel wenig viel MStreat MSerror F = R2 = SStreat SStotal % der vom Modell erklärten Varianz
2
Schlussfolgerungen beim prüfen von Nullhypothesen
Test ist signifikant: die Gruppen gehören mit Irrtumswahrscheinlichkeit p zu unterschiedlichen Grundgesamtheiten (solchen mit unterschiedlichen Mittelwerten) Test nicht signifikant: kein Beweis, dass Gruppen gleich sind! The absence of a proof is not proof for an absence! Situation Wahre Statistische Schlussfolgerung H0 abgelehnt H0 nicht abgelehnt Unterschiede vorhanden nicht type II error type I error
3
Statistische Macht (statistical power)
Wahrscheinlichkeit mit der eine Nullhypothese, die effektiv falsch ist, abgelehnt werden kann. Abhängig von: • Grösse der Unterschiede zwischen Gruppen (effect size) • Stichprobenumfang (sample size) • Ausmass der Streuung innerhalb der Gruppen (error variance)
4
Hilfe meine Daten sind nicht normalverteilt!
Annahmen der ANOVA • Residuen sind normalverteilt • gleiche Streuung in jeder Gruppe • Datenpunkte sind unabhängig bes. bei kontinuierlichen Daten bes. bei Zähldaten bes. bei Prozentwerten Datentransformation Hilfe meine Daten sind nicht normalverteilt!
5
Beispiel: one-way ANOVA with 3 levels (fertilizer)
1 2 3 4 5 6 Biomasse 1 2 3 Dünger Nullhypothese: ALLE Gruppen haben den gleichen Mittelwert Alternativhypothese: einer oder mehrere dieser Mittelwerte sind unterschiedlich
6
Linearer Zusammenhang zwischen kontinuierlichen Variablen
Regression: Linearer Zusammenhang zwischen kontinuierlichen Variablen variable 2 variable 2 variable 1 variable 1 variable 2 variable 1 Geradengleichung: y = a + bx
7
Geradengleichung: y = a + bx
Nullhypothese: b=0 y x Alternativhypothese: b≠0 y x MSregression MSerror F = R2 = SSregression SStotal % der vom Regressionsmodell erklärten Varianz
8
Regression: Interpretation
Seedling size = seed mass
9
ANCOVA (analysis of covariance)
Prüfen von Hypothesen bei ANOVA und Regression: ANOVA: Gruppen haben unterschiedliche Mittelwerte? Regression: Steigung der Gerade ist ungleich null? ANOVA und Regression können kombiniert werden: ANCOVA (analysis of covariance) Kontinuierlicher Faktor nennt man dann Kovariable (covariate) Mehr als ein Faktor im Modell: multi-way ANOVA
10
Faktoren werden kombiniert
Factorial ANOVA Faktoren werden kombiniert Faktor A 1 2 1 Faktor B 2
11
* * ns ns photoperiod Scenario 1 ANOVA: Photoperiod Fertilizer
long short Biomass control fertilised Scenario 1 ANOVA: Photoperiod Fertilizer Photoperiod x Fertilizer * ns photoperiod long short fertilised control ANOVA: Photoperiod Fertilizer Photoperiod x Fertilizer Biomass Scenario 2 * ns
12
* * ns Scenario 3 photoperiod ANOVA: Photoperiod Fertilizer
long short Biomass control fertilised ANOVA: Photoperiod Fertilizer Photoperiod x Fertilizer * Scenario 4 photoperiod long short fertilised control ANOVA: Photoperiod Fertilizer Photoperiod x Fertilizer Biomass ns *
13
Experimentelles Design
Wichtigeste Punkte zu beachten: • Zufällige Zuordnung zu Behandlungen! • Zufällige räumliche Anordnung der Behandlungsgruppen! • Keine Pseudoreplikation! Wichtigste experimentelle Designs: • Completely randomised design • Randomised complete block design • Split-plot design
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.