Základy biostatistiky LS 2004/2005
5. cvičení: normální rozdělení, histogram
distribuční funkce normálního rozdělení
- Analysis | Other | Probability
calculator
(puntíky vpravo - distibuční funkce,
vlevo - kvantilová funkce, kritické hodnoty)
ověřit hodnoty distribuční funkce N(0,1) v několika známých bodech (0,
-1, 1, 1.96 a podobně)
podobně po změně směr. odchylky z 1 např. na 10
Když předpokládáme, že v ideální populaci má IQ rozdělení N(100,15),
kolik osob má mít IQ nad 100, nad 120, nad 130, nad 140, v mezích 90 až
110 (a podobně)
data: Kojeni.S0
Data pocházejí z diplomky obhájené v
roce 1995 na PřF, budeme je používat častěji. Práce se týkala chování
matek v období porodu a nějakou dobu po něm.
popisné statistiky pro vys_matka
- Descriptive Statistics | Descriptive
Stats
- Reports: Summary, Means, Variation, Skewness,
Histogram,
Probability Plot (pozor, u histogramu se nekreslí Gaussova
křivka)
- zhodnotit
(pokud
spustíte Normality-Test, pak jen jejich slovní vyjádření, všímat se
zejména prvního a posledních)
histogram pro vys_matka (upravit histogram, aby kreslil
odhadnutou hustotu normálního rozdělení)
- Density Trace | Display Type: Omit
- Normal Line | Disply Type: Outline Only
- spustit, zhodnotit
- uložit
pro příště:
- Template
- (dolů
Template Id): Základy
biostatistiky
- File Name: biostat
- Save
Template (i
přepsat)
- uložit
pro použití jinde:
- File | Save Style File
- Selected File: biostat
histogram pro vys_matka, vek_matka
- k histogramu
lze dolů
připojit krabicový diagram
- Box Plot | Shape: Rectangle,
zaškrtnout
Show Outliers
popisné statistiky pro vys_matka,
vek_matka, vek_otec
- Histogram | Plot Style File: biostat
jak vlastně
vypadají "opravdová"
normální data?
- simulovat rozdělení N(180,6.9^2)
- Name:
n1 |
Transformation: RANDOMNORMAL(číslo)*6.9+180 (vysvětlit proč)
- podobně
ještě n2 až n9
- spočítat
popisné statistiky (lze uvést n2-n9)
- Descriptive
Statistics | Descriptive Tables | Variables: n1-n9
- Reports | 1
Combined Stats No By's | Means, medians, Std Dev's
- jak
vychází výběrové
průměry?
- jak vychází
odhad
směrodatné odchylky?
- Descroptive
Statistics |Descriptive Stats | Variables: n1-n9
- Reports: Means,
Normality-Test, Histogram, Probability Plot
- hodnotit
zejména
intervaly spolehlivosti, patří tam
180?
- komentovat
histogramy a normální diagramy
jak se bude
chovat průměr takových
veličin?
- vytvořit novou
veličinu
prumer pomocí transformace
AVERAGE(n1:n9) - spočítat popisné statistiky
(Descriptive Tables), přidat k n1-n9 take prumer
- případně znovu generovat (Recalc All)
- Descriptive Stats
- zhodnotit interval spolehlivosti pro střední hodnotu,
srovnat
směrodatnou odchylku s číslem 6.9/3 (proč?)
spočítat
kvartily pro n1:n9, prumer a
porovnat je s teoretickými kvantily (percentily)
- Analysis | Other | Probability
Calculator
- levé
tlačítko pro
Normal
- Mean: 180 | Sigma: 6.9 |
Calculate …
srovnat s kvartily n1:n9, prumer
- Mean: 180 | Sigma: 2.3 | Calculate …. srovnat s
kvartily n1:n9,
prumer
případně ještě:
ukázat
fungování centrální limitní věty
- vytvořit novou
veličinu r1
pomocí transformace UNIFORM(číslo)*12
- podobně veličiny r2 až r12
- odhadnout
směr. odchylky (rozptyly) a zhodnotit tyto
odhady, nakreslit histogram
- vytvořit
soucet
pomocí SUM(r1:r12)
- spočítat popisné statistiky, nakreslit
histogram a
pravděpodobnostní diagram
Zbude-li
dost času, dokumentovat na
reálných datech
- data: DRIS.S0,
která
popisují chemické složení nadzemní části rostlin během vegetačního
období a výsledné výnosy
040120, 040315, 050317 - KZv.