Analiza mocy
Analiza mocy odgrywa kluczową rolę w planowaniu, projektowaniu i realizacji badania. Moc oblicza się zwykle przed zebraniem jakichkolwiek danych z prób, z wyjątkiem niektórych małych badań pilotażowych. Precyzyjne oszacowanie może dostarczyć badaczowi informacji o tym, jak prawdopodobne jest, że w oparciu o skończoną wielkość próby w warunkach prawdziwości hipotezy alternatywnej zostanie wykryta statystycznie istotna różnica. Jeśli moc jest zbyt mała, istnieje niewielka szansa na wykrycie znaczącej różnicy, a wyniki będą prawdopodobnie nieznaczące, nawet jeśli prawdziwe różnice faktycznie istnieją.
- Test T dla jednej próby
- W analizie dla jednej próby zaobserwowane dane są gromadzone jako pojedyncza próba losowa. Zakłada się, że dane próby są niezależnie i identycznie zgodne z rozkładem normalnym ze stałą średnią i wariancją, a wnioskowanie statystyczne dotyczy parametru średniej.
- Test T dla prób zależnych
- W analizie dla prób zależnych obserwowane dane zawierają dwie skorelowane próby, a każda obserwacja ma dwa pomiary. Zakłada się, że dane w każdej próbie są niezależnie i identycznie zgodne z rozkładem normalnym o stałej średniej i wariancji; taka analiza umożliwia wnioskowanie statystyczne dotyczące różnicy między dwiema średnimi.
- Test T dla prób niezależnych
- W analizie dla prób niezależnych dane zaobserwowane zawierają dwie niezależne próby. Zakłada się, że dane w każdej próbie są niezależnie i identycznie zgodne z rozkładem normalnym o stałej średniej i wariancji; taka analiza umożliwia wnioskowanie statystyczne dotyczące różnicy między dwiema średnimi.
- Jednoczynnikowa ANOVA
- Analiza wariancji (ANOVA) to metoda statystyczna szacowania średnich kilku populacji, co do których często zakłada się, że mają rozkład normalny. Jednoczynnikowa ANOVA, często stosowany rodzaj analizy ANOVA, jest rozszerzeniem testu t dla dwóch prób.
Przykład. Moc testu hipotezy wykrywającego właściwą hipotezę alternatywną jest prawdopodobieństwem, że test odrzuci hipotezę testową. Ponieważ prawdopodobieństwo wystąpienia błędu typu II jest prawdopodobieństwem przyjęcia hipotezy zerowej, gdy hipoteza alternatywna jest prawdziwa, moc może być wyrażona jako (1-prawdopodobieństwo błędu typu II), czyli prawdopodobieństwo odrzucenia hipotezy zerowej, gdy hipoteza alternatywna jest prawdziwa.
Statystyki i wykresy. Test jednostronny, test dwustronny, poziom istotności, wskaźnik błędów typu I, założenia testu, odchylenie standardowe populacji, testowanie średniej populacyjnej, wartość hipotetyczna, moc dwuwymiarowa wobec wielkości próby, moc dwuwymiarowa wobec wielkości efektu, trójwymiarowy mocy wobec wielkości próby, trójwymiarowy mocy wobec wielkości efektu, kąt obrotu, pary grup, korelacja momentu iloczynowego Pearsona, średnia różnica, zakres wykresu wielkości efektu, sumaryczne odchylenie standardowe populacji, kontrasty i różnice parami, współczynniki kontrastu, test kontrastu, BONFERRONI, SIDAK, LSD, moc wobec łącznej wielkości próby, dwuwymiarowy mocy wobec sumarycznego odchylenia standardowego, trójwymiarowy mocy wobec całej próby, moc trójwymiarowa wobec łącznej wielkości próby, sumaryczne odchylenie standardowe, rozkład t Studenta, niecentralny rozkład t,
Wymagania dotyczące danych do analizy mocy
- danych
- W analizie dla jednej próby zaobserwowane dane są gromadzone jako pojedyncza próba losowa.
- Założenia
- W analizie dla jednej próby zakłada się, że dane próby są niezależnie i identycznie zgodne z rozkładem normalnym ze stałą średnią i wariancją; taka analiza umożliwia wnioskowanie statystyczne dotyczące parametru średniej.
Uzyskiwanie analizy mocy
Ta zmienna wymaga opcji Statistics Base.
- Z menu wybierz:
Test T-Test dla prób zależnychlub Test T-Test dla prób niezależnychlub Jednoczynnikowa ANOVA
lub - Zdefiniuj wymagane założenia testu.
- Kliknij przycisk OK.