Skriptá ke Statistickým metódam
		
		
		
		Popis:
		
Cílem průzkumové analýzy dat (také známé pod zkratkou EDA - z anglického názvu exploratory data analysis) je nalezení zvláštností statistického chování dat a ověření jejich předpokladů pro následné statistické zpracování (MELOUN - MILIT-KÝ 1994). 
Proč tyto vlastnosti potřebujeme zkoumat? Většina běžně používaných statistic-kých metod předpokládá určité vlastnosti zpracovávaných souborů nebo výběrů, nej-důležitější z nich jsou následující: 
• minimální rozsah výběru, 
• normalita (tj. splnění předpokladu, že výběr pochází ze základního souboru s normálním rozdělením),
• absenci silně vychýlených hodnot, 
• vzájemná nezávislost prvků výběru.
		
        
    
    Klíčová slova:
		
		  		  statistika
		  		  analýza
		  		  soubor
		  		  průzkum
		  		  analýza
		  		
		
				
		
		Obsah:
		
				- 8 Průzkumová analýza dat 1
 8.1 Základní grafické metody průzkumové analýzy dat 3
 8.1.1 Graf rozptýlení 4
 8.1.2 Krabicový graf 5
 8.1.3 Vrubový krabicový graf 5
 8.1.4 Graf rozptýlení s kvantily 6
 8.1.5 Kvantil - kvantilový graf (q-q graf) 7
 8.1.6 Graf hustoty pravděpodobnosti 8
 8.2 Ověření předpokladů o datech 18
 8.2.1 Určení minimální velikosti výběru 18
 8.2.2 Ověření normality výběru 18
 8.2.3 Ověření předpokladu nezávislosti prvků výběru 21
 8.2.4 Ověření homogenity výběru 21
 8.3 Transformace dat 28
 9 Analýza rozptylu (anova) 33
 9.1 Jednofaktorová analýza rozptylu 35
 9.1.1 Základní model a výpočet tabulky analýzy rozptylu 35
 9.1.2 Mnohonásobná porovnání 37
 9.1.2.1 Tukeyho metoda mnohonásobného porovnání 39
 9.1.2.2 Scheffeho metoda mnohonásobného porovnání 40
 9.1.2.3 Dunnettova metoda mnohonásobného porovnání s kontrolou 40
 9.2 Dvoufaktorová analýza rozptylu 46
 9.2.1 Základní model dvoufaktorové analýzy rozptylu a její varianty 46
 9.2.2 Dvoufaktorová anova s opakováním a vyváženým modelem 47
 9.2.3 Dvoufaktorová anova s opakováním a nevyváženým modelem 54
 9.2.4 Dvoufaktorová anova bez opakování měření 54
 9.2.5 Využití analýzy rozptylu v plánování pokusů 58
 9.2.5.1 Uspořádání základních pokusných plánů 58
 9.2.5.2 Vyhodnocení základních pokusných plánů 60
 9.3 Neparametrická anova 63
 9.3.1 Kruskal-wallisův test (k-w test) 63
 9.3.2 Dvoufaktorová neparametrická anova 67
 10 Korelační a regresní analýza 71
 10.1 Vícerozměrný statistický soubor 71
 10.2 Statistická závislost a korelace 72
 10.3 Formulace korelačních a regresních modelů 75
 10.3.1 Korelační modely 76
 10.3.2 Regresní modely 76
 10.4 Korelační analýza lineárního modelu 78
 10.4.1 Korelační koeficient 78
 10.4.1.1 Párový korelační koeficient 80
 10.4.1.2 Mnohonásobný korelační koeficient 85
 10.4.1.3 Parciální korelační koeficient 86
 10.5 Regresní analýza lineárního modelu 90
 10.5.1 Základní tvar lineárního regresního modelu 90
 10.5.2 Metoda nejmenších čtverců (mnč) 92
 10.5.2.1 Princip mnč 92
 10.5.2.2 Předpoklady metody nejmenších čtverců 97
 10.6 Intervalové odhady parametrů korelace a regrese 99
 10.6.1 Intervalový odhad korelačního koeficientu 100
 10.6.2 Intervalové odhady regresních koeficientů 102
 10.6.3 Intervalový odhad regresního modelu 104
 10.6.4 Intervalový odhad měřených hodnot (pás spolehlivosti) 104
 10.7 Testování statistických hypotéz v korelační a regresní analýze 106
 10.7.1 Test významnosti korelačního koeficientu 107
 10.7.2 Test významnosti regresního modelu jako celku 107
 10.7.3 Test významnosti jednotlivých regresních koeficientů 108
 10.7.4 Testy shody jednoho, dvou a více korelačních koeficientů 112
 10.7.4.1 Test shody korelačního koeficientu se zadanou hodnotou (normou) 112
 10.7.4.2 Test shody dvou korelačních koeficientů 112
 10.7.4.3 Test shody více korelačních koeficientů 113
 10.7.5 Testy shody regresních modelů 115
 10.7.5.1 Test shody empirického a teoretického modelu přímky 115
 10.7.6 Test shody dvou lineárních modelů 118
 10.7.7 Test vhodnosti lineárního modelu 121
 10.7.8 Test závažnosti multikolinearity 123
 10.8 Regresní diagnostika 125
 10.8.1 Analýza reziduí 125
 10.8.2 Posouzení kvality dat 126
 10.8.2.1 Analýza prvků projekční matice 127
 10.8.2.2 Grafy identifikace vlivných bodů 127
 10.8.3 Posouzení kvality navrženého regresního modelu 130
 10.8.3.1 Parciální regresní grafy 130
 10.8.3.2 Parciální reziduální grafy 132
 10.8.4 Ověření předpokladů mnč 132
 10.8.4.1 Heteroskedasticita 133
 10.8.4.2 Autokorelace 133
 10.8.4.3 Normalita chyb 134
 10.8.5 Stanovení vhodného regresního modelu na příkladu 134
 10.9 Nelineární regrese 138
 11 Použitá a doporučená literatura (pro i. i ii.díl) 143
Zdroje:
		    
		    		    - ANDĚL, J., 1978: Matematická statistika. Praha, SNTL -Alfa .
- BENEDÍK, J., 1989: Biostatistika. Brno, UJEP, 233 s.
- CIPRA, T., 1986: Analýza časových řad s aplikacemi v ekonomii. Praha, SNTL-Alfa 
- CYHELSKÝ, L., NOVÁK,I., 1967: Statistika. Praha, SNTL, 288 s.
- ČERMÁK, V., 1968: Statistika. Praha, SNTL, 208 s.
- DRÁPELA, K., ZACH, J., 1995: Dendrometrie (dendrochronologie). Skriptum MZLU Brno, 152 s.
- DRÁPELA, K. ZACH, J., 1996: Biometrie (biostatistika) - vybrané části, Skriptum MZLU Brno, 153 s.
- GROFÍK, R. a kol., 1987: Štatistika. Bratislava, Príroda, 520 s.
- HALD, A., 1956: Matematičeskaja statistika s techničeskimi priloženijami. Moskva, Izdavatělstvo inostrannoj litertury, 664 s. 
- HÁTLE, J., LIKEŠ, J., 1972: Základy počtu pravděpodobnosti a matematické statistiky, Praha, SNTL, 464 s.
- HAVRÁNEK, T. 1993: Statistika pro biologické a lékařské vědy. Academia, Praha.
- HEBÁK, P., KAHOUNOVÁ, J., 1988: Počet pravděpodobnosti v příkladech. SNTL, Praha, 312 s.
- CHAMBERS. J.M. a kol., 1983: Graphical Methods for Data Analysis. Belmont, Duxburry Press.
- CHATFIELD, C., 1984: The Analysis of Time Series. An Introduction. London, Chapman and Hall, 286 s.
- KENDALL, M. G., STUART, A. 1966: The Advanced Theory of Statistics. New York.
- KUBÁČEK, L., PÁZMAN, A., 1979: Štatistické metódy v meraní. Bratislava, Veda, 148 s.
- LAAR, A., 1979: Biometrische Methoden in der Forstwissenschaft. München, 633 s.
- LEPORSKÝ, A., 1953: Statistické metody. Učební texty vysokých škol. Lesnická fakulta VŠZ Brno, SPN, Praha 
- MEAD, R. 1988: The design of experiments. Statistical pronciples for practical application. Cambridge Uneversity Press, Cambridge.
- MELOUN, M., MILITKÝ, J., 1994: Statistické zpracování experimentálních dat. Praha, Plus, 839 s.
 
 
 
 
 
  O souborech cookie na této stránce
  Soubory cookie používáme pro funkční účely, pro shromažďování a analýzu informací o výkonu a používání stránky.