Documentos de Académico
Documentos de Profesional
Documentos de Cultura
STATISTIKA
IR
JOS TAIKYMAI
V.ekanaviius, G.Murauskas
V. ekanaviius, G. Murauskas
Pastaba:
V. ekanaviius, G. Murauskas
Duomen rinkimas
V. ekanaviius, G. Murauskas
Populiacija
Imtis
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
Kintamojo svoka
Matuojam
pasirinkt poym!
V. ekanaviius, G. Murauskas
10
Parenkama
Matuojama
Matavim skals:
Pavadinim
Rang
Interval - Santyki
Populiacija
Imtis
V. ekanaviius, G. Murauskas
Duomenys
11
V. ekanaviius, G. Murauskas
12
Pavadinim skal
Pavadinim skal
Optimistai
13
Neapsisprend
V. ekanaviius, G. Murauskas
14
Rang skal
Rang skal
V. ekanaviius, G. Murauskas
Pesimistai
Nekenia
15
Kenia
Ignoruoja
Mgsta
Myli
V. ekanaviius, G. Murauskas
16
Interval-santyki skal
Interval-santyki skal
Kalendorinis laikas.
prie 4000m
Biblin pradia
Krikionybs pradia
VII a.
V. ekanaviius, G. Murauskas
17
V. ekanaviius, G. Murauskas
Islamo pradia
18
V. ekanaviius, G. Murauskas
Apraomoji statistika
19
Reikm
x1
Santykinis
danis
Sukauptasis
santykinis
danis
xk
f1/n f2/n
...
...
f1/n (f1+f2)/n
...
(f1+f2 +
...+fk)/n
21
x2
fk/n
V. ekanaviius, G. Murauskas
Duomen grupavimas
Duomen
grupavimas
22
Nustatoma:
Grupavimo interval skaiius.
Grupavimo interval plotis.
Interval kratiniai takai.
Palyginkime
Darb.sk.
[30,35)
[25,30)
[20,25)
[15, 20)
[10,15)
[5,10)
20
Dani lentels
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
Danis
1
4
6
9
3
2
= 25
23
Intervalin
Skaiius
30
29
25
20
19
18
17
15
14
13
5
V. ekanaviius, G. Murauskas
Danis
1
1
3
6
1
2
1
5
2
1
2
Paprastoji
24
10
Count
0
[5,10)
[10,15)
[15,20)
[20,25)
[25,30)
[30,35)
VAR00002
Cases weighted by VAR00003
V. ekanaviius, G. Murauskas
25
Vidurkis
Vidurkis
V. ekanaviius, G. Murauskas
26
Pavyzdys
x + x 2 + ... + x n
x = 1
n
Populiacijos vidurkis (populiacijos didumas N)
x 1 + x 2 + ... + x N
N
V. ekanaviius, G. Murauskas
27
Dispersijos
Imties dispersija
s2 =
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
29
28
savybs
V. ekanaviius, G. Murauskas
30
Standartinis nuokrypis
s=
s2
= 2
Imties
Populiacijos
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
31
Pavyzdys
Normalioji kreiv
Imtis: 1000,2000,3000,5000,9000 Lt
Vidurkis 4000 Lt
Dispersija 9750000 Lt2
Std = 3122,4989... Lt
x ,s
V. ekanaviius, G. Murauskas
32
33
1
2 s 2
exp
(x - x ) 2
2s 2
grafik.
V. ekanaviius, G. Murauskas
34
Koreliacija
V. ekanaviius, G. Murauskas
35
Tiesin priklausomyb
1 (X, Y) 1
V. ekanaviius, G. Murauskas
37
38
Koreliacija
Vertinimas i akies
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
39
V. ekanaviius, G. Murauskas
40
V. ekanaviius, G. Murauskas
Statistins ivados
41
V. ekanaviius, G. Murauskas
42
Tyrimo schema
Statistins ivados
Tikslas, ityrus imtis, padaryti ivad
apie vis populiacija.
Daniausiai vertiname kakoki skaitin
charateristik:
Vidutin
Tyrimo hipotez
reikm (vidurk)
Statistin hipotez
Proporcij
Reikmi
isibarstym (dispersij)
priklausomyb (koreliacij)
Imties tyrimas
Kintamj
44
Statistin hipotez
Tyrimo hipotez
46
H 0 : = 180
H1 : 180
H 0 : 180
H1 : > 180
47
dvipus alternatyva
vienpus alternatyva
48
Pavyzdys
Tyrimo hipotez: Firma diskriminuoja vyresnio
amiaus darbuotojus.
Duomenys: Tarkime, kad vyresni nei 60m
darbuotojai sudaro a dal vis darbuotoj.
Takime p yra vyresenij dalis tarp
atleistj.
Statistin hipotez:
H 0 : = 180
H 1 : > 180
: 180
H 1 : > 180
o ne H 0
H0: p=a
H1: p>a
49
Pavyzdys
50
Klaid klasifikacija
Kadangi imtis yra atisitktin, tai neivengiamai
galima padaryti tokias klaidas
Pirmos ries klaida. Atmetame H0 , o ji
teisinga.
Antros ries klaida. Priimame H0 , o ji
klaidinga.
H0: = 0
H1: < 0
Pavyzdys
= mot
52
Reikmingumo lygmuo
H 0 : vyr
54
Kriterijaus galia
P ( atmesti neteising H0 ) =
Kriterijaus galia i anksto nefiksuojama.
Galingesnis tas kriterijus, kurio didesnis.
V.ekanaviius, G.Murauskas
55
P-reikm
56
H0 atmetame, jeigu
p<
H0 neatmetame, jeigu
57
Pastabos:
V.ekanaviius, G.Murauskas
58
V.ekanaviius, G.Murauskas
V.ekanaviius, G.Murauskas
V.ekanaviius, G.Murauskas
60
10
Nota bene
Udavinio formulavimas.
Tikimybinio modelio parinkimas.
Statistins hipotezs uraymas.
Kriterijaus taikymas.
Ivad formulavimas.
61
V.ekanaviius, G.Murauskas
62
Duomenys
Hipotez apie vidurkio
lygyb skaiiui
V.ekanaviius, G.Murauskas
X~N(,
, 2 )
dispersija 2 neinoma.
63
V.ekanaviius, G.Murauskas
Statistin ivada
su p - reikme
Statistin hipotez:
: = a
: a
64
p<
ia
65
- reikmingumo lygmuo
V.ekanaviius, G.Murauskas
66
11
Pavyzdys
Statistin hipotez:
V.ekanaviius, G.Murauskas
67
: =1
: > 1
V.ekanaviius, G.Murauskas
68
Stjudento t kriterijus,
taikomas nepriklausomoms
imtims
69
Duomenys
Statistin hipotez:
70
H0: x = y
H1: x = y
ir
Y ~N(
Y, 2 ) , Vidurkiai X , Y ir
dispersija 2 neinomi.
71
72
12
Pavyzdys
Statistins ivados
su p - reikme
p<
p >=
ia
- reikmingumo lygmuo
73
74
Statistin hipotez:
Stjudento t kriterijus,
taikomas priklausomoms
imtims
(porinis t testas)
76
Tiriame:
Dvi imtys, gautos matuojant
priklausomus kintamuosius.
Imi didumai vienodi.
Galima sivaizduoti, kad kiekvienam
respondentui turime matavim
poras (x,y).
Danai duomenys gaunami dukart
imatavus t pat respondent.
78
13
Duomenys
Statistin hipotez:
H0: x = y
H1: x = y
ir
Y ~ N(
Y, Y2 ) , Vidurkiai X , Y ir
dispersijos X2 , Y2 neinomi.
80
Statistins ivados
su p - reikme
p<
Ar du kintamieji koreliuoja
p >=
ia
- reikmingumo lygmuo
81
V. ekanaviius, G. Murauskas
Duomenys
Pavyzdiai
Ar studentai tuo geriau mokosi, kuo
daugiau turi pinig?
Ar geresniais balais stoj, geriau ir po
to mokosi?
Ar IQ ir igeriamo alkoholio kiekis
susijs?
82
83
ir
Y ~ N(
Y, Y , Vidurkiai X , Y ir
dispersijos X2 , Y2 neinomi.
2)
V. ekanaviius, G. Murauskas
84
14
Statistin hipotez:
Statistin hipotez:
H 0 : = 0
H 1 : 0
H 0 : nekoreliuoja
H1 : koreliuoja
V. ekanaviius, G. Murauskas
85
V. ekanaviius, G. Murauskas
Statistin ivada
su p - reikme
86
ANOVA
Vienfaktorin
dispersin analiz
p<
ia
ANalysis Of VAriance
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
87
V. ekanaviius, G. Murauskas
88
PAVYZDIAI
89
90
15
I grup
V. ekanaviius, G. Murauskas
91
V. ekanaviius, G. Murauskas
92
Kintamieji:
Normals
Lygi dispersij
Nepriklausomi
V. ekanaviius, G. Murauskas
94
Statistin ivada
su p - reikme
Statistin hipotez:
H0: 1 = 2 == k
p<
ia
V. ekanaviius, G. Murauskas
III grup
ANOVA prielaidos
V. ekanaviius, G. Murauskas
I I grup
95
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
96
16
ANOVA lentel
Kvadrat suma
Grupi 64
Vidin 84.00
Visa
148
Pavyzdys
LL
2
12
Dispersijos v. F
32
4.5
7
df
k-1
N-k
N-1
Mean square
MSB
MSW
p
< .05
F
F
p
p
V. ekanaviius, G. Murauskas
97
V. ekanaviius, G. Murauskas
Pavyzdys
H0: 1 = 2 = 3
H1: ne visi lygs
Kvadrat suma
Grupi
39016,4
Vidin
10617
Visa
49633,4
LL Dispersijos v. F
2
19508,2
49,6
27
393,2
p
< .05
V. ekanaviius, G. Murauskas
99
V. ekanaviius, G. Murauskas
100
Keletas termin
Gali:
V. ekanaviius, G. Murauskas
98
101
V. ekanaviius, G. Murauskas
102
17
Statistin ivada
su p - reikme
p <
Vidurkiai stat. reikmingai, nesiskiria, jei
ia
V. ekanaviius, G. Murauskas
103
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
104
Blokuot duomen
dispersin analiz
V. ekanaviius, G. Murauskas
105
106
PAVYZDIAI
kraujospdis matuojamas po
mnesio, po pusmeio ir po met.
Iekoma skirtum.
V.ekanaviius, G.Murauskas
107
108
18
Blokuotieji duomenys
3 blokas
109
110
1 skirtumas
Kintamieji:
Normals
Lygi dispersij
Kintamj skirtum dispersijos lygios
(sferikumo prielaida)
V.ekanaviius, G.Murauskas
V.ekanaviius, G.Murauskas
1
matavi
mas
111
Statistin hipotez:
2 skirtumas
2
matavi
mas
3
matavi
mas
V.ekanaviius, G.Murauskas
112
Pavyzdiui:
V.ekanaviius, G.Murauskas
113
V.ekanaviius, G.Murauskas
114
19
Statistin ivada
su p - reikme
p <
Vidurkiai stat. reikmingai, nesiskiria, jei
ia
- reikmingumo lygmuo
V.ekanaviius, G.Murauskas
DANI LENTELS
115
V.ekanaviius, G.Murauskas
116
(chi-kvadrato)
kriterijus ir jo modifikacijos.
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
Suderinamumo kriterijus
(goodness of fit)
V. ekanaviius, G. Murauskas
20
Suderinamumo kriterijus
diskreiajam skirstiniui
Pavyzdys. 60 atsitiktinai parinkt irov
atsak klausim, kokia televizija geriausia.
Atsakymai:
TV kanalas
II III IV
Pasirinko
8 10
TV
II
III IV V
Pasirinko
10 12 12 13
VI
12 12 13
suderinamumo kriterijus
suderinamumo kriterijus
Statistin hipotez:
H0 : Spjimas teisingas.
H1 : Spjimas neteisingas.
stebime
Turi rinktis 10 10 10 10 10 10
tikims
Reikt tikrinti ar labai (t.y. ar statistikai
reikmingai) skiriasi 5 nuo 10; 8 nuo 10 ir t.t.
V. ekanaviius, G. Murauskas
VI
V. ekanaviius, G. Murauskas
suderinamumo kriterijus
Kriterijaus statistika
inome o m
- kiek imties
respondent pateko m-t kategorij;
suskaiiuojame, kiek imtyje turt bti
toki respondent, jei nulin hipotez
(spjamas santykis) bt teisingas:
e m = n p 0m
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
21
Statistin ivada
su
p - reikme
Pavyzdiai
p<
- reikmingumo lygmuo
ia
1.
2.
3.
4.
5.
6.
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
kriterijus. Poymi
nepriklausomumo tikrinimas
1 Male
2 Female
Total
Count
% within sex
Respondent's Sex
% within life Is Life
Exciting or Dull
Count
% within sex
Respondent's Sex
% within life Is Life
Exciting or Dull
Count
% within sex
Respondent's Sex
% within life Is Life
Exciting or Dull
Total
425
50,1%
47,1%
2,8%
100,0%
49,1%
39,6%
29,3%
43,4%
221
305
29
555
39,8%
55,0%
5,2%
100,0%
50,9%
60,4%
70,7%
56,6%
434
505
41
980
44,3%
51,5%
4,2%
100,0%
100,0%
100,0%
100,0%
100,0%
Duomenys
Du kategoriniai kintamieji.
inome kiekvieno repondento abiej
kintamj reikmes.
Kategorij gali bti keletas.
Pvz. Lytis (vyr., mot.); Tikyba (katal.,
protest., islamas) ir pan.
V. ekanaviius, G. Murauskas
Statistin hipotez:
H0 : poymiai nepriklausomi
H1 : poymiai priklausomi
V. ekanaviius, G. Murauskas
22
Statistin ivada
su p - reikme
H0 atmetame (poymiai stat. reikmingai
priklausomi), jei
p<
ia
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
homogenikumo kriterijus.
Pavyzdiai.
V. ekanaviius, G. Murauskas
Statistin ivada
su p - reikme
H0 atmetame (populiacijos stat.
reikmingai skiriasi), jei
p<
ia
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
kriterijus. Poymi
homogenikumo tikrinimas
Statistin hipotez:
H0 : pagal tiriam poym
populiacijos nesiskiria.
H1 : populiacijos skiriasi.
V. ekanaviius, G. Murauskas
Pastabos
2 kriterijus labai jautrus duomen
skaiiui.
negali bti daug pustui kategorij.
(nedaugiau 25%)
taikomas ir ranginiams duomenims, jei
rang maiau, nei 5.
nenusako prieastingumo.
V. ekanaviius, G. Murauskas
23
Tiesin regresija
V.ekanaviius, G.Murauskas
139
V.ekanaviius, G.Murauskas
PAVYZDIAI
PAVYZDIAI
ar poegzamininis dirglumas
priklauso nuo gauto paymio, nuo
egzamino trukms ir nuo ko labiau,
kaip antikvarins keramikos kaina
priklauso nuo jos senumo ir aukciono
dalyvi skaiiaus,
ar diplomo paymi vidurkis ir
komunikabilumas gali padti
prognozuoti bsim atlyginim.
V.ekanaviius, G.Murauskas
141
142
Pavyzdys:
140
143
V.ekanaviius, G.Murauskas
144
24
pajamos
ilaidos reklamai
V.ekanaviius, G.Murauskas
145
V.ekanaviius, G.Murauskas
146
Pavyzdiai:
nustatyti gio ir svorio priklausomyb,
rodyti mediagos kancerogenin
poveik,
nustatyti nusikaltim skaiiaus ir
gyventoj tankumo priklausomyb.
pajamos
Vaje!!!
Pelnas sumas!
ilaidos reklamai
V.ekanaviius, G.Murauskas
147
Duomenys
148
MODELIS
Y = 0 + 1X 1 + ... + n X n + e
V.ekanaviius, G.Murauskas
149
150
25
Modelis grafikai
* iskyrus pseudokintamuosius .
X-ai vienas kito neveikia,
X-ai veikia Y-.
vieno X-o per kitus neireiki.
X1
V.ekanaviius, G.Murauskas
151
Parametr vertinimas
V.ekanaviius, G.Murauskas
152
= ym - (a + b1x1m + + bkxkm)
Liekamosios paklaidos suskaiiuojamos
visiems duomenims
V.ekanaviius, G.Murauskas
154
y(x) = a + bx
(regresijos ties) bt kiek galima ariau
vis sklaidos diagramos tak.
bt maiausia.
V.ekanaviius, G.Murauskas
X3
Liekamoji paklaida
V.ekanaviius, G.Murauskas
X2
155
V.ekanaviius, G.Murauskas
156
26
V.ekanaviius, G.Murauskas
157
kaina = 1000+
4*Metai+ 200*Dalyviai
Modelio suderinamumas su
duomenimis
160
158
Prognozavimas
V.ekanaviius, G.Murauskas
V.ekanaviius, G.Murauskas
161
V.ekanaviius, G.Murauskas
162
27
Kenksminga iskirtis:
V.ekanaviius, G.Murauskas
163
Nekenksminga iskirtis:
V.ekanaviius, G.Murauskas
164
V.ekanaviius, G.Murauskas
165
V.ekanaviius, G.Murauskas
Determinacijos koeficientas
R2 =
R =
2
166
SSR
SST
V.ekanaviius, G.Murauskas
167
V.ekanaviius, G.Murauskas
168
28
2
adj
n -1
= 1
(1 - R 2 )
n - k -1
V.ekanaviius, G.Murauskas
R=
169
V.ekanaviius, G.Murauskas
170
Statistins ivados
su p- reikme:
ANOVA lentel:
Tikrina hipotez:
H0: visi bm = 0
H1: ne visi bm = 0.
p<
Kitais odiais:
p >=
R2
ia
171
- reikmingumo lygmuo
V.ekanaviius, G.Murauskas
172
Statistins ivados
su p- reikme:
t-testai koeficientams bm
Iekome nesvarbi x-.
Tikrina hipotez:
H0: bm = 0
H1: bm = 0
p<
p >=
ia
V.ekanaviius, G.Murauskas
173
- reikmingumo lygmuo
V.ekanaviius, G.Murauskas
174
29
Multikolinearumas
K daryti su tartinais
kintamaisiais?
pakartojame regresijos model be
tartino kintamojo.
jei R2 reikm nedaug sumajo,
kintamj i modelio paaliname,
jei R2 reikm daug sumajo, kintamj
modelyje paliekame.
V.ekanaviius, G.Murauskas
175
V.ekanaviius, G.Murauskas
X3
177
Pavyzdys: Gauname
R2 =
176
X2
V.ekanaviius, G.Murauskas
Pavyzdys
Multikolinearumas
X1
179
V.ekanaviius, G.Murauskas
178
Pavyzdys: Ivada
moterims skaityti sveika (ratingose
valstybse ilgiau gyvena),
o vyrams skaityti nesveika (ratingose
valstybse trumpiau gyvena).
Ivada neteisinga! Aiku, kad
isivysiusiose valstybse (taigi ir
ratingose) ir vyrai ir moterys gyvena
ilgai.
V.ekanaviius, G.Murauskas
180
30
V.ekanaviius, G.Murauskas
181
183
V.ekanaviius, G.Murauskas
182
Pseudokintamieji
V.ekanaviius, G.Murauskas
184
Pseudokintamj kodavimas:
Jei kintamasis dvireikmis, jo reikmes
koduojame 0 ir 1.
Jei kintamasis trireikmis, tai traukiame
du pseudokintamuosius- abu gyja tik
dvi reikmes 0 ir 1.
pvz. 0 ir 0 atitiks pirm rajon, 0 ir 1
atitiks antr rajon, o 1 ir 0 - trei.
pseudokintamj vienu maiau, nei
reikmi - nenaudojame 1 ir 1.
V.ekanaviius, G.Murauskas
185
V.ekanaviius, G.Murauskas
186
31
Pseudokintamj naudojimas
Standartinis tyrimas:
V.ekanaviius, G.Murauskas
187
V.ekanaviius, G.Murauskas
188
Pastabos:
Kai priklausomyb netiesin danai
naudojamos transformacijos (pvz. X2
paymime nauju kintamuoju X-u).
Yra ir specialus regresijos metodas ingsnin regresija (step-wise), kai
kintamieji traukiami funkcijos lygt po
vien, atsisakant maai taking.
V.ekanaviius, G.Murauskas
189
Neparametriniai kriterijai
32
Rangavimas
priskiriame imties elementui jo didum
atitinkani viet - rang.
H0 : X ir Y skirstiniai nesiskiria
H1 : X skirstinys links gyti maesnes
reikmes u Y.
Imtis 13 17 20 21 90
Eil.Nr . 1X 2 3Y 4 5
Rangas 1 2 3 4 5
Rangavimas
Rangavimas
2+3
= 2 .5
2
Mann-Whitney kriterijus
1. Stjudento t kriterijaus
nepriklausomoms imtims analogas;
2. bet nelygina vidurki;
3. lygina skirstinius;
4. kuris kintamasis links bti didesniu
parodo didesnis vidutinis rangas.
V. ekanaviius, G. Murauskas
197
V. ekanaviius, G. Murauskas
198
33
Duomenys
Statistin hipotez:
1.
2.
3.
V. ekanaviius, G. Murauskas
199
Kriterijaus idja:
V. ekanaviius, G. Murauskas
200
Kriterijaus idja:
X: 12,14; Y: 3,15,20
Y X X Y Y
3 12 14 15 20
1 2 3 4 5
Vidutiniai rangai:
2+3
1+ 4 + 5
X:
= 2.5, Y :
= 3.33
2
3
Y 'link bti didesniais' u X.
V. ekanaviius, G. Murauskas
201
Statistin ivada
su p - reikme
p<
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
202
Pavyzdys
ia
V. ekanaviius, G. Murauskas
203
204
34
Wilcoxon kriterijus
1.
Wilcoxon
kriterijus
2.
3.
4.
V. ekanaviius, G. Murauskas
205
Duomenys
1.
2.
3.
4.
207
Kriterijaus idja:
206
V. ekanaviius, G. Murauskas
208
Kriterijaus idja:
(12,13), (20,30), (5,3), (4,2), (15,17),
(25,30).
Skirtumai: -1, -10, 2, 2, -2, -5.
Moduliai:1(-), 2(-), 2(+),2(+),5(-),10(-).
Rangai: 1(-), 3(-), 3(+), 3(+), 5(-), 6(-).
Vidutiniai rangai: (+): 3, (-): 3.75
Suskaiiuojame reikmi
skirtumus kiekvienai porai.
Suranguojame skirtum
modulius.
Lyginame vidutinius teigiam ir
neigiam skirtum rangus.
V. ekanaviius, G. Murauskas
V. ekanaviius, G. Murauskas
Statistin hipotez:
209
V. ekanaviius, G. Murauskas
210
35
Statistin ivada
su p - reikme
Pavyzdys
Ar vyresni, nei 50 m. respondentai
vienodai palankiai vertina klasikin
muzik ir diaz?
rangini kintamj reikms: 1-labai
palankiai, 2-palankiai,.,5-labai
nepalankiai.
Tarkime, kad reikmingumo lygmuo yra
0,05.
p<
ia
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
211
V. ekanaviius, G. Murauskas
212
Spearmano kriterijus
1.
2.
Spearman koreliacija
3.
4.
V. ekanaviius, G. Murauskas
213
Duomenys
1.
2.
3.
V. ekanaviius, G. Murauskas
214
Statistin hipotez:
V. ekanaviius, G. Murauskas
H0 : kintamieji nekoreliuoja.
H1 : kintamieji koreliuoja.
215
V. ekanaviius, G. Murauskas
216
36
Statistin ivada
su p - reikme
Pavyzdys
Ar vyresni, nei 50 m. respondentai,
palankiau vertinantys miuziklus,
palankiau vertina ir klasikin muzik?
rangini kintamj reikms: 1-labai
palankiai, 2-palankiai,.,5-labai
nepalankiai.
Tarkime, kad reikmingumo lygmuo yra
0,05.
p<
ia
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
217
V. ekanaviius, G. Murauskas
SPSS
Correlations
Spearman's rho
CLASSICL
Correlation Coefficient
CLASSICL
Classical
Music
1.000
Sig. (2-tailed)
MUSICAL
S
218
MUSICALS
Broadway
Musicals
.399**
1.
.000
504
Correlation Coefficient
.399**
Sig. (2-tailed)
.000
489
499
489
1.000
2.
3.
4.
219
V. ekanaviius, G. Murauskas
220
SPSS
Statistin hipotez:
Pirma: A,B,C,D,E,F,
G,H,I,J,K,L
Antra: B, C, A,D,
H,E, F,G,K,I,J,L.
H0 : nuomons nekoreliuoja.
H1 : nuomons koreliuoja.
is stulpelis
nebtinas
V. ekanaviius, G. Murauskas
221
V. ekanaviius, G. Murauskas
222
37
SPSS
Correlations
Spearman's rho
MOKYT1
Correlation Coefficient
MOKYT1
1.000
Sig. (2-tailed)
N
MOKYT2
MOKYT2
.916**
.
12
12
Correlation Coefficient
.916**
Sig. (2-tailed)
.000
12
12
.000
1.000
223
V. ekanaviius, G. Murauskas
Kruskal-Wallis kriterijus
1.
2.
3.
4.
5.
Duomenys
V. ekanaviius, G. Murauskas
224
1.
2.
225
V. ekanaviius, G. Murauskas
226
Statistin ivada
su p - reikme
Statistin hipotez:
p<
ia
V. ekanaviius, G. Murauskas
227
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
228
38
Pavyzdys
Ar tarp prasimokiusi nemaiau 13m.
respondent vis rasi atstovai
vienodai vertina rap?
rangini kintamj reikms: 1-labai
palankiai, 2-palankiai,.,5-labai
nepalankiai.
Tarkime, kad reikmingumo lygmuo yra
0,05.
V. ekanaviius, G. Murauskas
Friedman kriterijus
229
V. ekanaviius, G. Murauskas
Friedmano kriterijus
1.
2.
3.
4.
5.
Rang interpretacija
1.
2.
3.
231
Duomenys
1.
2.
3.
V. ekanaviius, G. Murauskas
232
Statistin hipotez:
230
233
V. ekanaviius, G. Murauskas
234
39
Statistin ivada
su p - reikme
Pavyzdys
Ar prasimok daugiau nei 15 m.
respondentai, vienodai palankiai
vertina miuziklus, klasik ir bigbendus?
rangini kintamj reikms: 1-labai
palankiai, 2-palankiai,.,5-labai
nepalankiai.
Tarkime, kad reikmingumo lygmuo yra
0,05.
p<
ia
- reikmingumo lygmuo
V. ekanaviius, G. Murauskas
235
V. ekanaviius, G. Murauskas
SPSS
SPSS
Test
Ranks
236
Mean Rank
1.87
2.05
df
2.08
Asymp. Sig.
MUSICALS Broadway
Musicals
BIGBAND Bigband Music
p-reikm
Statisticsa
343
Chi-Square
14.286
2
.001
a. Friedman Test
237
V. ekanaviius, G. Murauskas
SPSS
238
rangai!
is stulpelis
nebtinas
239
rys
V. ekanaviius, G. Murauskas
240
40
SPSS
SPSS
Test Statisticsa
Ranks
Mean Rank
2.10
1.60
2.30
1.368
df
Asymp. Sig.
.504
a. Friedman Test
populiariausias B alus
V. ekanaviius, G. Murauskas
Chi-Square
V. ekanaviius, G. Murauskas
242
41