2
Estaba escuchando una conferencia sobre la medición del rendimiento de la computadora y el profesor dio una analogía con la medición del rendimiento de los aviones. Mostró una tabla que contenía varios parámetros de varios aviones, tales como:
Aviones: Pasajero Capcity Velocidad Concord 132 1350 mph DC9 146544 mph
luego hizo preguntas a los estudiantes que " Cuánto más rápido Concorde en comparación con DC9? ". Luego explicó esto más de 2 veces. Mi pregunta es, ¿por qué usó División para comparar dos valores y no restar? Sé que es una pregunta muy fundamental, pero disculpe mi incompetencia por esto.
0
A veces tienes que usar una proporción para describir fenómenos, como la probabilidad de ganar un juego. A veces esto no es necesario, como en tu caso. Puede encontrar esto interesante: https: //en.wikipedia.org/wiki/Relative_change_and_difference - Ninguna posibilidad 06 mar 16 2016-03-06 17:40:56
2 respuestas
Clasificación:
Actividad
0
Publiqué la misma pregunta en Dr. Maths y obtuve la siguiente respuesta, que es más precisa y detallada en mi opinión.
Pregúntese qué sería más significativo para usted: el Concord es 806 mph más rápido que el DC9. El Concord es 2,5 veces más rápido que el DC9. Si no tiene idea de lo rápido que es el DC9, la primera afirmación sería casi insignificante: no puede decir si es solo una pequeña mejora (¡de, digamos, 100,000 mph a 100,806 mph!) O una gran mejora (de 10 mph a 816 mph). Estoy exagerando para hacer un punto: interpretar el significado del número depende de tener al menos algún conocimiento de los números relacionados. La razón, por otro lado, no requiere tal conocimiento. Además, y quizás aún más importante, la razón será sean las mismas independientemente de las unidades utilizadas. No es necesario que sepamos si las velocidades se midieron en mph, kph o pulgadas por segundo. En efecto, la proporción equivale a usar el DC9 en sí mismo como unidad de medida: el Concord vuela a 2.5 DC9 "s. Lo mismo es probablemente cierto al comparar velocidades de computadora. Quién sabe, en estos días, ¿qué es una buena velocidad? puedo decir que dos veces más rápido es mucho mejor. ¡Esto es algo que podemos visualizar mucho mejor que nanosegundos o gigabytes!
1
Considere la situación: me comí $ 1000 de manzanas. Un amigo mío se comió manzanas por valor de $ 1050.
Dos declaraciones- Mi amigo comió $ 50 más manzanas que yo de la diferencia, Mi amigo se comió $ 1.05 $ veces la cantidad de manzanas como yo. de la relación.
Considere otra situación en la que comí manzanas de $ 100 $ y mi amigo $ 105 $
Dos declaraciones Mi amigo comió $ 5 más manzanas que yo y
Mi amigo comió $ 1.05 veces más manzanas como yo
En tercer lugar comí con situaciones de $ 1 $ una manzana, mi amigo se comió $ 51 $
dos declaraciones - Mi amigo comió manzanas de $ 50 $ más que yo y
Mi amigo se comió $ 51 $ veces la cantidad de manzanas, como yo
Conclusión - Necesitamos conocer la situación con claridad como diferencia y actitud. Sin embargo, usamos cosas diferentes en diferentes escenarios, que espero que estén claros en el ejemplo anterior.
TARJETA TECNOLÓGICA LECCIÓN N ° 35
| Etapa No. | Etapas de la lección | Hora | Actividades del profesor | Actividades estudiantiles | Aplicaciones |
| Organizando el tiempo | 2 minutos. | Saluda a los estudiantes, verifica su preparación para la lección. | Saluda al maestro, se prepara para la lección. | ||
| Mensaje del plan de lección | 1 minuto. | Cuenta el plan de la lección | |||
| Control del conocimiento | 20 minutos. | Realiza una encuesta sobre un tema anterior. | Respuestas. Escucha. Complementos. | ||
| 4. | Comunicación de un tema nuevo, metas, motivación, esquema de un tema nuevo. | 3 min. | Cuenta el tema de la conferencia, metas, motiva la necesidad de estudiar este tema. Cuenta el esquema de un tema nuevo. | Escucha. | |
| 5. | Presentación de material nuevo. | 30 minutos. | Presentar un tema nuevo mediante una presentación multimedia | Escucha. Lo escribe. | |
| 6. | Fijar un tema | 20 minutos. | Completando asignaciones | Respuestas. Complementos. | |
| 7. | Resumiendo | 2 minutos. | Comentarios y marcas. | ||
| 8. | Tarea | 2 minutos. | Dice la tarea |
Lección "Gráficos comerciales.
Creación, edición y formato de diagramas "
En Excel, el término diagrama se utiliza para hacer referencia a todo tipo de representaciones gráficas de datos numéricos. La construcción de una imagen gráfica se realiza sobre basado en una serie de datos. Este es el nombre de un grupo de celdas con datos dentro de una sola fila o columna. Se pueden mostrar varias series de datos en un gráfico.
Un gráfico es un objeto de complemento incrustado en una de las hojas de un libro de trabajo. Puede ubicarse en la misma hoja que los datos, o en cualquier otra hoja (a menudo se toma una hoja separada para mostrar el gráfico). El gráfico mantiene una conexión con los datos sobre cuya base se construyó, y cuando estos datos se actualizan, inmediatamente cambia su apariencia.
Para construir un diagrama, usualmente use Asistente para gráficosbotón pulsado Asistente para gráficos en la barra de herramientas estándar A menudo es conveniente preseleccionar el área que contiene los datos que se mostrarán en el gráfico, pero también puede especificar esta información durante el asistente
Tipo de gráfico. En la primera etapa, los artesanos eligen la forma del diagrama. Formularios disponibles ᴨȇ enumerados en la lista Tipo en la pestaña Estándar... Para el tipo de gráfico seleccionado, varias opciones para presentar datos se indican a la derecha (la paleta Vista), de la que debe elegir la más adecuada. En la pestaña No estándar Se muestra un conjunto de tipos de gráficos completamente formados con formato listo. Después de definir la forma del diagrama, haga clic en el botón Más lejos.
Selección de datos. La segunda etapa del asistente se utiliza para seleccionar los datos sobre los que se construirá el diagrama. Si el rango de datos se ha seleccionado previamente, aparecerá una vista previa aproximada del gráfico futuro en el área de vista previa en la parte superior de la ventana del asistente. Si los datos forman un solo rango rectangular, entonces es conveniente seleccionarlos usando la pestaña Abarcar datos. Si los datos no forman un solo grupo, entonces la información para dibujar series de datos individuales se establece en la pestaña Fila... La vista previa del gráfico se actualiza automáticamente cuando cambia el conjunto de datos mostrados.
Diseño gráfico. La tercera etapa del asistente (después de hacer clic en el botón Más lejos) consiste en elegir el diseño del diagrama. En las pestañas de la ventana del asistente, puede configurar:
* título del gráfico, etiquetas de eje (pestaña Encabezados);
* visualización y etiquetado de ejes de coordenadas (pestaña Ejes);
* visualización de una cuadrícula de líneas paralelas a los ejes de coordenadas (pestaña Líneas de cuadrícula);
* descripción de los gráficos trazados (pestaña Leyenda);
* visualización de etiquetas correspondientes a elementos de datos individuales en el gráfico (pestaña Firmas de datos);
* presentación de los datos utilizados en la construcción del gráfico, en forma de tabla (pestaña Tabla de datos).
Es posible que falten algunas de las pestañas enumeradas según el tipo de gráfico.
Colocación del gráfico. En la última etapa del trabajo del asistente (después de hacer clic en el Más lejos) especifica si se debe utilizar una hoja de trabajo nueva o una de las hojas de trabajo existentes para colocar el diagrama. Por lo general, esta misma elección es importante solo para la parte posterior del documento que contiene el diagrama. Después de hacer clic en el botón Hecho el diagrama se crea automáticamente y se inserta en la hoja de trabajo especificada.
Editando el diagrama. Puede cambiar el diagrama terminado. Consiste en un conjunto de elementos individuales, como los gráficos en sí mismos (serie de datos), ejes de coordenadas, título del gráfico, área del gráfico, etc., cuando hace clic en un elemento del gráfico, se resalta con marcadores y cuando pasa el mouse puntero sobre él, se describe mediante una información sobre herramientas. Abierto se puede acceder a un cuadro de diálogo para formatear un elemento de gráfico desde Formato (para el elemento seleccionado) oa través del menú contextual (comando Formato) Varias pestañas del cuadro de diálogo que se abre le permiten cambiar los parámetros de visualización del elemento de datos seleccionado. Si necesita realizar cambios significativos en el diagrama, debe volver a utilizar el asistente de diagramas. Para hacer esto, abra una hoja de trabajo con un gráfico o seleccione un gráfico incrustado en una hoja de trabajo con datos. Mediante la ejecución asistente de diagrama, puede cambiar la configuración actual, que se considera de forma predeterminada en las ventanas del asistente.
Para eliminar un gráfico, puede eliminar la hoja de trabajo en la que se encuentra ( Editar Eliminar hoja), o seleccione un gráfico incrustado en la hoja de trabajo de datos y presione la tecla ELIMINAR
Diagramas de construcción
Casi todos los procesadores de mesa modernos tienen herramientas integradas. gráficos comerciales.Para esto hay modo de gráficos trabajo del procesador de mesa. En el modo gráfico, puede crear diagramas de varios tipos, lo que aclara las dependencias numéricas.
Diagrama es un medio de visualización gráfica visual de información destinada a comparar varios valores o varios valores del mismo valor, rastrear el cambio en sus valores, etc.
La mayoría de los gráficos se trazan en un sistema de coordenadas rectangular. El eje X horizontal muestra los valores del tiempo independiente (argumento) y el eje Y vertical, los valores del tiempo dependiente (función). Se pueden mostrar varios diagramas simultáneamente en una figura.
Al procesar gráficamente información numérica con un procesador de hojas de cálculo, debe:
1) indicar el área de datos (bloque de celdas), según el cual se construirá el diagrama;
2) determinar la secuencia de selección de datos (por filas o columnas) del bloque de celdas seleccionado.
Al seleccionar por columnas, las coordenadas X se toman de la columna más a la izquierda del bloque de celdas seleccionado. El resto de las columnas contienen las coordenadas Y de los gráficos. El número de gráficos que se están creando está determinado por el número de columnas. Al seleccionar por líneas, la línea superior del bloque de celdas seleccionado es la línea de coordenadas X, el resto de las líneas contienen coordenadas Y de los diagramas.
Considere 5 tipos diferentes de gráficos. Tienen diferentes nombres en diferentes libros. Llamémoslos: gráficos circulares, gráficos de barras, gráficos escalonados, gráficos de líneas y gráficos de áreas (o gráficos de áreas). De hecho, existen muchos más tipos de gráficos, pero estos son los más comunes.
I. Gráfico circular sirve para comparar varios valores en un punto. Es especialmente útil si las cantidades suman algo completo (100%).
Ejemplo 1. Dunno vende material de oficina: cuadernos, lápices y cuadernos. Supongamos que vendió 2 cuadernos, 13 lápices y 45 cuadernos en un día.
Construya un gráfico circular que muestre qué artículo se compró más durante el día.
Considere la secuencia de acciones de un procesador de hojas de cálculo al crear un gráfico circular. Un gráfico circular, como su nombre indica, se encuentra en un círculo. El círculo es de 360 \u200b\u200bgrados. El número total de productos vendidos es de 60 piezas. Esto significa que hay 360: 60 \u003d 6 grados para 1 pieza de mercancía. Recalculemos “bienes en grados”: 13 cuadernos corresponderán a 2 * 6 \u003d 12 grados; 13 lápices - 13*6 \u003d 78 grados; 45 cuadernos - 45 * 6 \u003d 270 grados. Queda por romper el círculo en tres sectores: 12, 78 y 270 grados.
Decisión. Seleccionemos el bloque de celdas A1: B3 que contiene datos para el procesamiento gráfico. Los datos están organizados en columnas. La primera columna A1: AZ del bloque seleccionado es la columna de nombres de sector; la segunda columna B1: OT del bloque seleccionado contiene los datos numéricos del diagrama. El gráfico circular se verá así:
Un gráfico circular no siempre proporciona la claridad necesaria para presentar la información. Primero, puede haber demasiados sectores en un círculo. En segundo lugar, todos los sectores pueden tener aproximadamente el mismo tamaño. Juntas, estas dos razones hacen que un gráfico circular sea de poca utilidad.
II. Se utiliza un gráfico de barras para comparar múltiples valores en múltiples puntos. Esto significa que se necesita otra herramienta, un diagrama de otro tipo. Estos son gráficos de barras.
| Y | EN | DESDE | D | mi | F | GRAMO | ||
| Lun | W | casarse | Th | Vie | Se sentó | Antes de Cristo | ||
Los gráficos de columnas (como sugiere el nombre) se componen de columnas. La altura de las barras está determinada por los valores de los valores comparados. En nuestro caso, la altura de la columna vendrá determinada por la cantidad de periódicos que Dunno vendió por día. Cada columna está ligada a algunos punto de referencia. En nuestro caso, el punto de pivote corresponderá a un día de la semana.
Decisión. Seleccionemos el bloque de celdas A1-G2 que contiene datos para el procesamiento gráfico. Los datos están ordenados en líneas. La primera línea A1: G1 del bloque seleccionado es la línea de coordenadas X (puntos de control); la segunda línea A2.G2 del bloque seleccionado contiene las coordenadas Y (alturas de barra) del diagrama.
Indique el título del diagrama: “No sé vende periódicos”. El gráfico de barras se verá así:
Ejemplo 3. Ahora consideremos un problema más complejo, para cuya solución, en principio, no se puede utilizar un gráfico circular. Ésta es una tarea en la que se deben comparar varios valores varias veces. Supongamos que Toropyzhka y Donut vendieran periódicos junto con Dunno. Sus fallas en el comercio se reflejan en la siguiente tabla (por conveniencia, agregaremos Dunno aquí):
| Y | EN | DESDE | D | mi | F | GRAMO | H | ||
| Lun | W | casarse | Th | Vie | Se sentó | Bs | |||
| No sé | |||||||||
| Toropyzhka | |||||||||
| Rosquilla | |||||||||
Cree un gráfico de barras que muestre los datos de los tres vendedores a la vez. Como antes, la altura de la columna representará el número de periódicos. Como antes, tendremos 7 puntos de anclaje, uno para cada día de la semana. La diferencia con el diagrama anterior será que en cada punto de referencia no habrá una barra, sino tres, una para cada vendedor. Todas las columnas de un vendedor se pintarán de la misma manera.
Decisión. Seleccionemos el bloque de celdas A1: H4 que contiene datos para el procesamiento gráfico. Los datos están ordenados en líneas. La primera línea del bloque seleccionado es la línea de coordenadas X (puntos de control); las siguientes tres líneas del bloque seleccionado contienen las coordenadas Y (alturas de las barras) del gráfico. Indique el título del diagrama: “Comercio de periódicos”.
III. Gráfico de linea sirve para rastrear detrás del cambio varios valores al pasar de un punto a otro.
Ejemplo 4. Construya un gráfico de líneas que muestre el cambio en la cantidad de periódicos vendidos durante la semana (consulte el Ejemplo 3). La creación de un gráfico de líneas es similar a la creación de un gráfico de barras. Pero en lugar de columnas, simplemente se marca su altura (con puntos, guiones, cruces, no importa) y las marcas resultantes están conectadas por líneas rectas (el diagrama es lineal). En lugar de diferentes sombreados (sombreados) de las columnas, se utilizan diferentes marcas (rombos, triángulos, cruces, etc.), diferentes espesores y tipos de línea (sólido, discontinuo, etc.), diferentes colores.
IV. Gráfico escalonado le permite comparar visualmente las sumas de varias cantidades en varios puntos, y al mismo tiempo mostrar la contribución de cada cantidad al total.
Ejemplo 5. Nuestros diagramas “Comercio de periódicos” (tanto en columnas como lineales) son de interés para los vendedores de periódicos, en primer lugar, y demuestran el fracaso de su trabajo. Pero además de los vendedores, otras personas también están interesadas en el comercio de periódicos. Por ejemplo, el editor de un periódico necesita saber no solo cuántos ejemplares del periódico vendió cada vendedor, sino también cuánto vendieron todos juntos. Al mismo tiempo, todavía hay interés en los valores individuales que componen el monto total. Tome una tabla de ventas de periódicos (vea el Ejemplo 3) y trace un gráfico escalonado para ella.
El orden de trazado de un gráfico escalonado es muy similar al orden de un gráfico de columnas. La diferencia es que las barras en un gráfico escalonado no están apiladas una al lado de la otra, sino una encima de la otra. Las reglas para calcular el tamaño vertical y horizontal del gráfico cambian en consecuencia. La dimensión vertical no estará determinada por el valor más grande, sino por la mayor suma de valores. Pero el número de columnas siempre será igual al número de puntos de anclaje: siempre habrá exactamente una columna de varios niveles en cada punto de anclaje.
Este libro cubre las técnicas básicas para trabajar en una computadora Macintosh. Se muestran las características de trabajo en el sistema operativo Mac OS X: interfaz de usuario, instalación / eliminación de programas, grabación de CD / DVD, impresión de documentos, conexión a Internet, etc. Se describen las principales aplicaciones incluidas en el SO: cliente de correo Correo; Navegador web Safari; calendario-diario de iCal; aplicación que gestiona widgets, Dashboard; Software Photo Booth para trabajar con la cámara digital incorporada; Editor de música GarageBand; Aplicación Time Machine para copia de seguridad, etc. Se planteó trabajar con aplicaciones del entorno integrado iWork: editor de texto Pages, hojas de cálculo Numbers, software de presentación Keynote. Se muestran las características del teclado Macintosh y se dibujan analogías con el teclado del IBM PC. El CD contiene asignaciones para el autoaprendizaje con aplicaciones de Mac OS X e iWork, materiales para completar las asignaciones y presentaciones de muestra.
Para usuarios novatos.
Libro:
Secciones en esta página:
Diagrama - presentación gráfica de datos del rango seleccionado.
Para construir un diagrama, siga el siguiente algoritmo
1. Cree una tabla de valores calculados.
2. Seleccione el rango requerido (puede consistir en rangos rectangulares no contiguos).
3. Seleccione el tipo de diagrama requerido de la lista organizada por el botón Gráficos(Diagramas):
O de la lista del menú Insertar(Propaganda)? Gráfico(Diagrama).
4. Configure los parámetros del diagrama creado en la ventana del inspector en la pestaña Gráfico(Diagrama).
No consideraremos en detalle la configuración de los parámetros del gráfico en esta sección, ya que este tema se discutió anteriormente en el apéndice. Paginas (ver sección 5.1.14), y la práctica de trabajar con diagramas se desmontará en secta. 6.2.8.
Tipos de diagramas y ejemplos de su uso.
solicitud Númerosofrece la misma lista de gráficos que Páginas.Trabajar con gráficos en Paginasfue considerado en secta. 5.1.14, que prestó atención solo a los diferentes ajustes de los gráficos, pero no proporcionó una característica comparativa de los diferentes tipos. En este apartado analizaremos varios ejemplos del uso de algunos tipos de diagramas, que demuestran claramente su área de aplicación.
Gráfico circular
Circular diagrama (Tarta)y su voluminosa versión (Pastel 3D)se utilizan para comparar varios valores en un punto o varias partes de un todo. Como sugiere el nombre, un gráfico es un círculo que se divide en sectores. El círculo corresponde a la cantidad total de todos los datos y es 100%, cada sector corresponde a uno dado, que es una parte (porcentaje) del total.
Ejemplo 1.Una vez, el tío Fyodor fue al bosque a recoger setas y recogió: 24 rebozuelos, 9 musgos, 15 volushki, 5 blancos. Construya un gráfico circular de la recolección de hongos que muestre qué porcentaje del total son hongos porcini.
Previamente, debe preparar una tabla de valores mediante la cual se construirá el diagrama. Es necesario ingresar los nombres de los hongos y los datos numéricos en la tabla, luego seleccionar el rango A1: D2 (Fig.5.86) y seleccionar el tipo de diagrama Tarta (Circular). Las celdas de la primera fila del rango seleccionado son los nombres de los sectores del círculo, las celdas de la segunda fila contienen los datos numéricos del gráfico. El círculo completo constituye el número total de hongos recolectados: 45, cada sector refleja el porcentaje de cada nombre de hongo del total, Fig. 5,86).
El uso de un gráfico circular no siempre es conveniente y claro, por ejemplo, un aumento en la cantidad de hongos recolectados conducirá a un aumento en los sectores, lo que afectará negativamente el contenido de información del gráfico. En este caso, se deben utilizar otros tipos.
Gráficos de columnas
Números ofrece varias opciones para un gráfico de barras: Columna (Columnar) - columnas verticales, Bar (Histograma) - barras horizontales, Columna 3D (Columna tridimensional), Barra 3D (Histograma tridimensional).
De columna el diagrama y sus diversas variantes sirven para comparar varios valores en varios puntos, pero también se pueden utilizar para comparar varios valores en un punto, como en el ejemplo anterior (ver Fig. 5.86).
Como sugiere el nombre, un gráfico de barras consta de barras, cuya altura corresponde a los valores de los valores comparados; en el ejemplo 1, la altura de las barras está determinada por el número de hongos recolectados. Cada columna está vinculada a algún punto de referencia. En el ejemplo 1, el punto de pivote corresponde al nombre del hongo, tantos nombres (4), tantas columnas (ver figura 5.86).
Considere un problema para el que un gráfico circular no es adecuado. El ejemplo 2 requiere múltiples comparaciones de varios valores.
Ejemplo 2. Supongamos que sus amigos se unieron al tío Fedor en la recolección de hongos: el gato Matroskin y el perro Sharik, los datos se dan en la tabla (figura 5.87). Cree un gráfico que muestre los resultados de todos los recopiladores.
La altura de la columna refleja, como en el ejemplo 1, la cantidad de hongos recolectados, todavía hay 4 puntos de anclaje, pero a diferencia del ejemplo 1, en cada punto de anclaje no hay una columna, sino tres (una columna para cada recolector). Todas las columnas de un colector se llenarán con el mismo color. Para construir un diagrama, seleccione el rango A1: E4 (vea la Fig. 5.87), en la Fig. 5.87 tipo de gráfico utilizado Columna (De columna).
Gráfico de linea
Lineal diagrama Línea) está diseñado para realizar un seguimiento de los cambios en varias cantidades a medida que se mueve de un punto a otro.
Ejemplo 3.Construya un gráfico de líneas basado en la tabla del ejemplo 2, que muestre el cambio en la cantidad de hongos recolectados según su especie.
Todavía hay cuatro puntos de anclaje en cuanto al número de variedades de hongos. El número de hongos cosechados está marcado en el gráfico con etiquetas conectadas entre sí por segmentos de línea. Como resultado, el gráfico es una línea discontinua que consta de varios segmentos, por lo que este tipo de diagrama se llama lineal. El diagrama que se muestra en la Fig. 5.88 contiene tres líneas, cada una de las cuales corresponde a un colector. Las líneas se diferencian entre sí: color, grosor, tipo de trazo, marcadores.
Gráfico de área
Diagrama cuadrícula representa un híbrido de gráficos de líneas y barras, refleja más claramente la comparación de varios valores en un punto.
Ejemplo 4.Construya un gráfico de áreas basado en la tabla del Ejemplo 1 que muestre la colección del tío Fyodor.
Si en la parte superior de las columnas que se muestran en la Fig. 5.86, marque los puntos, conéctelos con segmentos y llene el área resultante con cualquier color, luego obtendrá el diagrama de área que se muestra en la Fig. 5.88. Para mostrar varios colectores, este tipo de gráfico no es informativo.
Números ofrece dos opciones para el gráfico de áreas: Área (Área) y su versión volumétrica 3D Área.
Gráficos en capas
De varios niveles el diagrama le permite comparar visualmente las sumas de varias cantidades en varios puntos y, al mismo tiempo, mostrar la contribución de cada cantidad al total.
Ejemplo 5.Cree gráficos escalonados a partir de la tabla del Ejemplo 2.
Númerosofrece seis opciones de gráficos en capas: Columna apilada(Columnas escalonadas) y su versión volumétrica Columna apilada 3D(Columnas escalonadas 3D), Barra apilada(Histograma escalonado) y Barra apilada 3D(Histograma 3D de varios niveles), Área apilada(Plaza de varios pisos) y Área apilada 3D(Área tridimensional de varios niveles).
El análisis de datos comienza con la agrupación y el cálculo de estadísticas descriptivas en grupos, como el cálculo de medias y desviaciones estándar.
Si tiene dos grupos de datos, es natural comparar las medias en estos grupos. Muchos de estos tipos de problemas surgen en la práctica, por ejemplo, es posible que desee comparar el ingreso promedio de dos grupos de personas: aquellos con educación superior y aquellos sin educación superior.
En este capítulo trataremos variables medidas en una escala continua como los ingresos o la presión arterial. Las variables medidas en escalas deficientes se investigan utilizando métodos especiales. En particular, las variables categóricas se exploran mediante tablas de contingencia (consulte el capítulo sobre Análisis y creación de tablas). Las variables medidas en escalas ordinales se investigan mediante métodos de estadística no paramétrica (consulte el capítulo Estadísticas no paramétricas).
Consideremos una tarea típica. Supongamos que, en la producción de hormigón, se le ocurre la idea de añadirle algún componente nuevo y cree que aumentará la resistencia del hormigón. Para probar sus suposiciones y probárselas al consumidor, tomó algunas muestras de concreto mezclado y algunas muestras de concreto horneado y midió la resistencia de cada muestra.
Así, se obtuvieron dos columnas (dos grupos) de números: la fuerza de las muestras con la adición y la fuerza de las muestras sin la adición. ¿Cómo se pueden comparar razonablemente estos grupos?
Un enfoque obvio es comparar estadísticas descriptivas como las medias de dos grupos. Por supuesto, se pueden comparar medianas u otras estadísticas descriptivas, pero es natural comenzar comparando promedios. Entonces, tiene dos promedios: el promedio del primer grupo y el promedio del segundo grupo.
Se puede restar formalmente un promedio del otro y, por la magnitud de la diferencia, concluir que hay un efecto. Sin embargo, es aconsejable tener en cuenta la dispersión de los datos en relación con las medias, es decir, la variación (ver capítulo Conceptos básicos). Obviamente, un procedimiento sensato debería tener en cuenta la variación. Lo primero que me viene a la mente es normalizar adecuadamente la diferencia entre las medias de dos muestras (grupos de datos), dividiéndola, por ejemplo, por la desviación estándar (raíz cuadrada de la variación).
Esto es exactamente lo que pensó W. Gosset, un estadístico inglés conocido con el seudónimo de Student, quien inventó una prueba t para comparar las medias de dos muestras.
Digamos que estamos probando la hipótesis de que el suplemento es ineficaz (o como dicen en la jerga del análisis de datos: sin efecto de tratamiento), en otras palabras, las medias en los dos grupos son iguales. Esta disposición corresponde a la alternativa, según la cual hay un efecto: la resistencia del hormigón aumenta cuando se le agrega un nuevo componente.
Tenga en cuenta que la alternativa se puede expresar de otra manera, por ejemplo, los promedios no son iguales o la resistencia promedio de las muestras ha aumentado (la adición llevó a un aumento en la resistencia del hormigón).
Si divide al azar la muestra en dos partes y compara los indicadores del primer y segundo grupo, lo más probable es que se trate de grupos independientes.
EN ESTADÍSTICA La prueba t está disponible en ambas opciones de organización de datos.
El desarrollo natural del gráfico de comparación de medias es la generalización de la prueba t para tres o más grupos de datos, lo que conduce al análisis de varianza (en la terminología inglesa ANOVA es una abreviatura de Análisis de variación), así como a una respuesta multivariante. Si estamos tratando con una respuesta multidimensional, entonces usamos los métodos MANOVA. Por tanto, los métodos de análisis de varianza permiten una comparación razonable de las medias de los grupos si el número de grupos es superior a dos. Por ejemplo, si desea comparar los ingresos de los residentes de varias regiones, puede utilizar el análisis de varianza. Si está examinando dos regiones, utilice la prueba t.
Describamos un caso que no encaja en el esquema general. Imagine que está estudiando una variable categórica que toma dos valores, 0 y 1, y desea comparar la diferencia en la frecuencia de aparición de unos en dos grupos. Por ejemplo, desea comparar el número relativo de votos emitidos para un candidato en dos distritos electorales. El término número relativo significa el número de votos emitidos por un candidato dividido por el número total de votantes. Un criterio estadístico para comparar frecuencias (porcentajes, proporciones ...) se implementa en el módulo de Tablas y Estadísticas Básicas en el cuadro de diálogo Otros Criterios de Significación.
Prueba t para muestras independientes
la prueba t es el método más utilizado para distinguir entre las medias de dos muestras. Permítanos recordarle una vez más que las variables deben medirse en una escala bastante rica, por ejemplo, cuantitativa.
Por supuesto, la aplicación de la prueba t tiene algunas limitaciones, sin embargo, muy débiles.
En teoría, la prueba t se puede aplicar incluso si el tamaño de la muestra es muy pequeño (por ejemplo, 10; algunos investigadores sostienen que se pueden examinar muestras más pequeñas) y si las variables están distribuidas normalmente (dentro de los grupos) y las variaciones de las observaciones. en grupos no son muy diferentes. Se sabe que la prueba t es resistente a desviaciones de la normalidad.
El supuesto de normalidad se puede probar examinando la distribución (por ejemplo, visualmente usando histogramas) o aplicando una prueba de normalidad. Cabe señalar que es posible probar de manera efectiva la hipótesis de normalidad para una cantidad suficientemente grande de datos (ver la observación de Fisher sobre la prueba de normalidad, que citamos en el capítulo Conceptos básicos de análisis de datos).
Es necesario tener más cuidado con la diferencia en las variaciones de los grupos comparados. Igualdad de varianzas en dos grupos, y este es uno de los supuestos El criterio F se puede comprobar con Criterio F (que se incluye en la tabla de salida prueba t en STATISTICA). También puede utilizar la prueba de Lovaina más sólida.
Al comparar promedios, como siempre en el análisis de datos, las técnicas visuales son de gran utilidad. Por ejemplo, el gráfico de rango categorizado a continuación muestra una diferencia significativa en los valores medios para hombres y mujeres. En el gráfico, los puntos representan las medias, así como las desviaciones estándar (rectángulos) y los errores estándar (segmentos de líneas rectas), calculados por separado para hombres y mujeres.
El gráfico muestra la diferencia en las variaciones en los grupos: la altura del rectángulo FEMENINO es mayor que la altura del rectángulo MACHO.
Si las condiciones de aplicabilidad Si no se cumple la prueba t, entonces es posible evaluar la diferencia entre los dos grupos de datos utilizando una alternativa no paramétrica adecuada a la prueba ^ (consulte el capítulo Estadísticas no paramétricas para una discusión sobre el uso de procedimientos alternativos).
El nivel p de significancia de la prueba f es igual a la probabilidad de rechazar erróneamente la hipótesis de que no hay diferencia entre las medias de las muestras, cuando es correcta (es decir, cuando las medias son de hecho iguales).
Algunos investigadores sugieren, en el caso de que se consideren diferencias en una sola dirección (por ejemplo, la variable X es mayor (menor) en el primer grupo que en el segundo), considerar la distribución t de una cola y dividir la obtenida para la prueba t de dos colas nivel p a la mitad. Otros sugieren trabajar siempre con la prueba t estándar de dos colas.
Para aplicar una prueba t para muestras independientes, se requiere al menos una variable independiente (agrupación) y una variable dependiente (por ejemplo, un valor de prueba de algún indicador que se compara en dos grupos).
Primero, utilizando los valores de la variable de agrupación, por ejemplo, hombre y mujer, si la variable de agrupación es Género, o Tiene educación superior y Sin educación superior, si la variable de agrupación es Educación, los datos se dividen en dos grupos. A continuación, se calcula la media de la variable dependiente, como la presión arterial o los ingresos, para cada grupo. Estas medias muestrales se comparan entre sí.
Por supuesto, cuando se aplica prueba t, como con cualquier otro criterio en el análisis de datos, es necesario mantener el sentido común. Solicitud La prueba t difícilmente se justifica si los valores de dos variables no son comparables. Por ejemplo, si está comparando la media de algún indicador en una muestra de pacientes antes y después del tratamiento, pero utilizando diferentes métodos de cálculo
indicador cuantitativo u otras unidades en la segunda dimensión, entonces los valores altamente significativos del criterio t pueden obtenerse artificialmente, cambiando las unidades de medida. Del mismo modo, no tiene sentido comparar los ingresos denominados en rublos con múltiples devaluaciones o una inflación alta.
La siguiente sección proporciona fórmulas para calcular las estadísticas de la prueba de Student para verificar la igualdad de las medias de dos muestras. Si solo está interesado en aplicaciones prácticas, puede omitir esta sección.
Definición formal de la prueba t
Formalmente, en el caso de dos grupos (k \u003d 2), las estadísticas El criterio t tiene la forma:
donde x¯ 1 (n 1) m x¯ 2 (n 2) son las medias muestrales de la primera y segunda muestras, s ~ 2 es la estimación de la varianza, compuesta por estimaciones de la varianza para cada grupo de datos:
Si la hipótesis: "las medias en los dos grupos son iguales" es verdadera, entonces el estadístico t ^ (n 1 + n 2 -2) tiene una distribución de Student con (n 1 + n 2 -2) grados de libertad (ver , por ejemplo, la publicación de referencia Aivazyan S A., Enyukov I.S., Meshalkin L.D., Applied statistics., M.: Finance and statistics, 1983. S. 395-397).
Los grandes valores absolutos del estadístico t ^ (n 1 + n 2 - 2) testifican contra la hipótesis de igualdad de valores medios.
Usando la calculadora probabilística STATISTICA, encontramos el punto 100a / 2% de la distribución de Student con (n 1 + n 2 - 2) grados de libertad.
Denotamos el punto encontrado por ×
Si | t ^ (norte 1 + norte 2 -2) | \u003e t (a / 2), entonces se rechaza la hipótesis.
Tenga en cuenta que los valores absolutos grandes de las estadísticas de Student t ^ (n 1 + n 2 -2) pueden surgir debido a una diferencia significativa en las medias y debido a una diferencia significativa en las varianzas de los grupos comparados.
La prueba estadística para la igualdad u homogeneidad de la varianza de dos muestras normales se basa en estadísticas:
que bajo la hipótesis: "las varianzas en los dos grupos son iguales" tiene la distribución F (n 1 -1, n 2 -1).
Establezcamos el nivel de significancia a.
Usando la calculadora probabilística, calculamos 100 (1 - a / 2)% y 100 (a / 2)% del punto de distribución F (n 1 -1, n 2 -1).
Si F 1-a / 2 (n 1 -1, n 2 -1)< F(n 1 -1, n 2 -1) < F a/2 (n 1 -1, n 2 -1), то гипотеза об однородности дисперсии не отвергается.
Prueba t para muestras dependientes
El grado de diferencia entre las medias en los dos grupos depende de la variación (varianza) dentro del grupo de las variables.
Dependiendo de cuán diferentes sean estos valores para cada grupo, la “diferencia bruta” entre las medias del grupo indica un grado de relación más fuerte o más débil entre las variables independientes (agrupación) y dependientes.
Por ejemplo, si en el estudio la media de WCC (recuento de leucocitos) fue 102 para hombres y 104 para mujeres, entonces una diferencia de solo 2 entre las medias dentro del grupo será extremadamente importante si todos los valores de WCC para hombres están en la oscilan entre 101 y 103. y todos los valores de WCC para las mujeres se encuentran en el rango de 103-105. El WCC (valor de la variable dependiente) se puede predecir bastante bien a partir del género del sujeto (variable independiente). Sin embargo, si se obtiene la misma diferencia 2 a partir de datos muy dispersos (por ejemplo, que van de 0 a 200), entonces la diferencia puede despreciarse por completo.
Por lo tanto, está claro que una disminución en la variación dentro del grupo aumenta la sensibilidad de la prueba.
La prueba t para muestras dependientes es ventajosa cuando una fuente importante de variación (o error) dentro del grupo puede identificarse y excluirse fácilmente del análisis. En particular, esto se aplica a los experimentos en los que dos grupos de observaciones comparados se basan en la misma muestra de observaciones (sujetos) que se han probado dos veces (por ejemplo, pacientes antes y después del tratamiento).
En tales experimentos, gran parte de la variabilidad intragrupal (variación) en ambos grupos puede explicarse por las diferencias individuales de los sujetos. Tenga en cuenta que, en realidad, esta situación no es muy diferente de la situación en la que los grupos comparados son completamente independientes (consulte la prueba t para muestras independientes), donde las diferencias individuales también contribuyen a la varianza del error. Sin embargo, en el caso de muestras independientes, no hay nada que pueda hacer al respecto, ya que no puede identificar (o "eliminar") la parte de la variación asociada con las diferencias individuales entre sujetos. Si la misma muestra se analiza dos veces, esta parte de la variación se puede eliminar fácilmente.
En lugar de examinar cada grupo por separado y analizar los valores de la línea de base, uno puede simplemente mirar las diferencias entre dos mediciones (por ejemplo, “pre-test” y “post-test”) para cada sujeto. Al restar los primeros valores del segundo (para cada tema) y luego analizar solo estas "diferencias netas (pareadas)", excluirá la parte de la variación que es el resultado de diferencias en los niveles iniciales de los individuos.
En comparación con la prueba t para muestras independientes, este enfoque siempre da un resultado "mejor", ya que la prueba se vuelve más sensible.
Los supuestos teóricos de la prueba Q para muestras independientes también se aplican a la prueba para muestras dependientes. Esto significa que las diferencias pareadas deben distribuirse normalmente. Si este no es el caso, se puede utilizar una de las pruebas no paramétricas alternativas (consulte el capítulo sobre Estadísticas no paramétricas).
En el sistema STATISTICA, el criterio ^ para las selecciones dependientes puede calcularse para listas de variables y verse además como una matriz. En este caso, los datos faltantes se procesan en pares o línea por línea.
En este caso, es posible la aparición de resultados significativos "puramente accidentales". Si tiene muchos experimentos independientes, entonces "puramente por casualidad" puede encontrar uno o más experimentos, cuyos resultados son significativos.
Como ya se mencionó, la comparación de medias en más de dos grupos se realiza mediante análisis de varianza (abreviatura en inglés - ANOVA).
Si hay más de dos "muestras dependientes" (p. Ej., Pretratamiento, postratamiento-1 y postratamiento-2), entonces se puede usar ANOVA de medidas repetidas. Las medidas repetidas en el análisis de varianza se pueden ver como una generalización de la prueba f para muestras dependientes, lo que le permite aumentar la sensibilidad del análisis.
Por ejemplo, el análisis de varianza le permite controlar simultáneamente no solo el nivel base de la variable dependiente, sino también otros factores e incluir más de una variable dependiente en el diseño experimental.
Una técnica interesante es combinar los resultados de varias pruebas t. Esta técnica también se puede utilizar para combinar los resultados de otros criterios (ver: Handbook of Applied Statistics / Editado por E. Lloyd y W. Lederman, vol. 1. Moscú: Finance and Statistics, 1989. P. 274). Para nosotros, este ejemplo también es interesante porque podemos demostrar las nuevas capacidades de STATISTICA.
Ejemplo 1
Suponga que, utilizando experimentos independientes, obtuvo los niveles de significancia a (1), a (2) ... a (m). Digamos que estos niveles no son lo suficientemente convincentes. Si los niveles de significancia no son concluyentes, entonces podría tener sentido combinar los datos y considerarlos como el resultado de un experimento completo.
Bajo la hipótesis nula, los niveles de significancia considerados como variables aleatorias tienen una distribución uniforme. Por tanto, la cantidad
L \u003d -2 × (Ln (a (l)) + Ln (a (2)) + ... + Ln (a (m))
tiene una distribución de chi-cuadrado con 2m grados de libertad.
Por ejemplo, si se obtuvieron niveles insuficientemente convincentes de 0.047, 0.054, 0.042 en las pruebas de resistencia del concreto, entonces el nivel de significancia del experimento combinado es 0.005547 y la hipótesis de la ineficacia del aditivo se rechaza claramente.
Para comprender esto, utilizaremos las herramientas del sistema STATISTICA. Primero, calculemos el valor de L, por ejemplo, estableciendo una fórmula en una hoja de cálculo.
Cree un archivo y en la primera línea ingrese la entrada:
Var7 contiene el valor L calculado por la fórmula.
Luego abra la calculadora probabilística STATISTICA, seleccione la distribución chi-cuadrado en ella, ingrese el número de grados de libertad b, y en el campo chi-cuadrado ingrese el valor 18.29.
Como resultado, en el campo r obtuvimos 0.005547.
Así, se obtuvo el nivel combinado de significancia de las tres pruebas t (compárese con los resultados dados en el Handbook of Applied Statistics, editado por E. Lloyd y W. Lederman, vol. 1. Moscú: Finanzas y Estadística, 1989. pág.275) ... Este es claramente un alto nivel de significancia, por lo que se rechaza la hipótesis nula.
Ejemplo 2
Aquí trabajaremos con el archivo intemet2000.sta. También puede utilizar el archivo ad.study.sta de la carpeta Examples.
El archivo intemet2000.sta contiene los resultados de una encuesta a varios usuarios sobre su percepción de los sitios ENNUI y POURRITURE.
Este tipo de datos no es difícil de obtener a través de Internet. Puede, por ejemplo, publicar un cuestionario en el sitio, que los visitantes completarán.
En este ejemplo de modelo, los usuarios calificaron los sitios en diferentes escalas (integridad, capacidad de fabricación, contenido de información, diseño, etc.) En cada una de las escalas, los encuestados calificaron el sitio en una escala de diez puntos, de 0 a 9 puntos.
Una pregunta interesante: ¿difiere la percepción de los sitios por parte de hombres y mujeres?
Los hombres pueden dar puntuaciones más altas o más bajas en algunas escalas que las mujeres.
Para resolver este problema, puede utilizar la prueba t para muestras independientes. La variable de agrupación género divide los datos en dos grupos. Las muestras de hombres y mujeres se compararán con respecto al promedio de sus calificaciones en cada escala. Regrese a la plataforma de lanzamiento y haga clic en el procedimiento de prueba t de muestras independientes para abrir el cuadro de diálogo T -criterio para muestras independientes (grupos).
Haga clic en el botón Variablespara abrir un cuadro de diálogo estándar para seleccionar variables. Aquí puede seleccionar variables independientes (agrupación) y dependientes.
Para nuestro ejemplo, seleccione GÉNERO como variable independiente y las variables 3 a 25 (que contienen las respuestas) como variables dependientes.
Hacer clic OK en este cuadro de diálogo para volver al cuadro de diálogo donde se muestra su elección.
Desde el cuadro de diálogo Prueba t para muestras independientes (grupos) también están disponibles muchos otros procedimientos.
Hacer clic OK para mostrar la tabla de resultados.
La forma más rápida de estudiar la tabla es mirar la quinta columna (que contiene los niveles p) y determinar cuál de los valores p es menor que el nivel de significancia establecido de 0.05.
Para la mayoría de las variables dependientes, las medias de los dos grupos (HOMBRES - HOMBRES y MUJERES - MUJERES) son muy cercanas.
La única variable para la cual el criterio f corresponde al nivel de significancia establecido de 0.05 es la Medida 7, para la cual el nivel p es 0.0087. Como se muestra en las columnas que contienen los valores promedio (ver las dos primeras columnas), para los hombres esta variable toma en promedio valores significativamente mayores - en la escala de medición elegida es 5.46 para los hombres y 3.63 para las mujeres. Al mismo tiempo, no se puede descartar que la diferencia de género esté realmente ausente y se haya obtenido solo como resultado de una coincidencia accidental (ver más abajo), aunque esto parece poco probable.
El gráfico predeterminado para estas tablas de resultados es un gráfico de oscilación. Para trazar este gráfico, haga clic con el botón derecho en cualquier lugar de la línea correspondiente a la variable dependiente (por ejemplo, en el promedio de la Medida 7).
En el menú contextual que se abre, seleccione trazado Diagrama de tramo desde el submenú Gráficos estadísticos rápidos... A continuación, seleccione la opción Promedio / st.osh./ st.dev... ventana. Diagrama de tramo y presione OK para construir un gráfico.
La diferencia en las medias en el gráfico parece más significativa y no se puede explicar únicamente en función de la variabilidad de los datos originales.
Sin embargo, otra diferencia inesperada se nota en el gráfico. La varianza para el grupo de mujeres es mucho mayor que la varianza para el grupo de hombres (observe los rectángulos que representan la raíz cuadrada de la variación).
Si las variaciones en los dos grupos difieren significativamente, entonces se infringe uno de los requisitos para usar la prueba z, y la diferencia en las medias debe considerarse con especial cuidado.
Además, la varianza suele estar correlacionada con la media, es decir, cuanto mayor es la media, mayor es la varianza.
Sin embargo, en este caso se observa algo contrario. En tal situación, un investigador experimentado sugeriría que la distribución de Measur 7 puede no ser normal (para hombres, mujeres o ambos).
Por tanto, consideraremos el criterio de diferencia de varianzas para comprobar si la diferencia observada en el gráfico es realmente notable.
Regresemos a la tabla de resultados y desplácese hacia la derecha para ver los resultados de la prueba F. El valor del criterio F corresponde realmente al nivel de significancia indicado de 0.05, lo que significa una diferencia significativa en las varianzas de la variable de Medida 7 en los grupos HOMBRES - HOMBRES y MUJERES - MUJERES.
Sin embargo, la significancia de la diferencia observada en las varianzas está cerca del nivel de significancia de los límites (su nivel p es 0.029).
La mayoría de los investigadores considerarían este hecho por sí solo insuficiente para invalidar la prueba t de la diferencia de medias, lo que da un alto nivel de significancia para esta diferencia (p - 0,0087).
Varias comparaciones
Al hacer comparaciones de medias en tres o más grupos, se pueden utilizar múltiples procedimientos de comparación. El término comparaciones múltiples en sí mismo simplemente significa comparaciones múltiples.
El problema es este: tenemos n\u003e 2 grupos de datos independientes y queremos comparar sus medias de una manera razonable. Supongamos que aplicamos la prueba F y rechazamos la hipótesis: "las medias de todos los grupos son iguales". Nuestro deseo natural es encontrar grupos homogéneos, cuyo promedio sea igual entre sí.
Por supuesto, podemos comparar grupos usando la prueba t y encontrar grupos homogéneos a través de comparaciones repetidas. Pero resulta que es difícil calcular el error del procedimiento realizado o, como dicen, del criterio compuesto, partiendo de un determinado nivel de significancia de cada t-criterio.
La sutileza es que al comparar muchos grupos usando la prueba t, puede encontrar un efecto accidentalmente. Imagínese que en 1000 clínicas probara un nuevo medicamento, comparando el grupo de pacientes que toma el medicamento en cada clínica con el grupo de pacientes que toma un placebo. Por supuesto, se puede encontrar una clínica por pura casualidad donde encontrará el efecto. Sin embargo, con un alto grado de probabilidad, esto puede ser un efecto artístico.
Para protegerse de este tipo de accidentes, se utilizan criterios especiales para comparaciones múltiples o múltiples.
En el sistema STATISTICA, se implementan múltiples procedimientos de comparación en el módulo Tablas y estadísticas básicas en dialogo
Se puede encontrar una descripción de múltiples procedimientos de comparación, por ejemplo, en Kendaal, M.J. y Stewart, A. Statistical Inference and Relationships. Moscú: Nauka, 1973 S. 71-79.
Tenga en cuenta que los métodos más comunes para comparar varios grupos se implementan en el módulo Análisis general de varianza.
Se puede realizar un ANOVA unidireccional en el módulo Tablas y estadísticas básicas.
Comparaciones de medias ANOVA unidireccionales y post-hoc
Entonces, si se quiere avanzar en el estudio de las diferencias entre varios grupos, entonces se debe realizar un análisis adicional en el diálogo de agrupamiento y análisis de varianza unidireccional (ANOVA). Estamos trabajando con los datos que se encuentran en el archivo adstudy.sta (carpeta de ejemplos).
Realice los siguientes ajustes después de nosotros.
Primero, seleccione la agrupación y las variables dependientes en el archivo de datos de la forma estándar.
Luego seleccione códigos para agrupar variables. Con la ayuda de estos códigos, las observaciones del archivo se dividen en varios grupos, que compararemos.
Una vez que haya seleccionado las variables para el análisis y definido los códigos de las variables de agrupación, haga clic en el botón OK y ejecute la rutina computacional.
En la ventana que aparece, puede ver de forma completa los resultados del análisis.
Mire de cerca el cuadro de diálogo. Los resultados se pueden mostrar en forma de tablas y gráficos. Por ejemplo, puede probar la importancia de las diferencias en las medias utilizando el procedimiento Análisis de variación.
Haga clic en el botón ANOVAy verá los resultados del ANOVA unidireccional para cada variable dependiente.
Tenga en cuenta que en la tabla ANOVA ya estamos tratando con el criterio F.
Como se desprende de los resultados, para las variables Medir 5, Medir 7 y Medir 9, el procedimiento aNOVA unidireccional dio resultados estadísticamente significativos en el nivel p<0,05.
Estos resultados muestran que la diferencia de medias es significativa. Entonces, usando la prueba F (esta prueba generaliza la prueba t para el número de grupos más de dos), rechazamos la hipótesis sobre la homogeneidad de los grupos comparados.
Regrese al cuadro de diálogo de resultados y haga clic en el botón Comparaciones post hoc de medias con el fin de evaluar la importancia de las diferencias entre las medias de grupos específicos. El primer paso es seleccionar una variable dependiente. En este ejemplo, seleccionaremos la variable Measur 7.
Después de hacer clic OK en la ventana de selección de variables, aparecerá un cuadro de diálogo en la pantalla Comparaciones post hoc de medias.
En esta ventana se pueden seleccionar varios criterios posteriores.
Elijamos, por ejemplo, el Criterio de diferencia mínima significativa (LSD).
La prueba NID es equivalente a una prueba t de muestra independiente basada en los N grupos comparados.
la prueba t para muestras independientes muestra (¡verifique la ESTADÍSTICA A!) Que hay una diferencia significativa entre las respuestas MASCULINAS y las respuestas FEMENINAS para la variable de Medida 7.
Usando el procedimiento ANOVA de agrupamiento y unidireccional, vemos (ver tabla de resultados) que hay una diferencia significativa en las medias solo para quienes eligieron SOKE.
Presentación gráfica de resultados... Las diferencias en las medias se pueden ver en los gráficos disponibles en el cuadro de diálogo. Estadísticas descriptivas intragrupo y correlaciones - Resultados.
Por ejemplo, para comparar las distribuciones de las variables seleccionadas dentro de los grupos, haga clic en el botón Gráficos de gráficos categorizados y seleccione la opción Mediana / cuarto / lapso desde el cuadro de diálogo Diagrama de tramo.
Después de hacer clic OK, STATISTICA construirá una cascada de parcelas.
El gráfico muestra que existe una clara diferencia entre el grupo FEMALE - SOKE y el grupo MALE - SOKE.
Este tipo de análisis con agrupaciones progresivamente más complejas y comparación de las medias en los grupos resultantes, especialmente utilizados en encuestas masivas, se puede realizar con éxito en STATISTICA.
El siguiente tipo de valores relativos es el valor relativo de comparación, o como también se le llama indicador relativo de comparación. Según su estado, lo más probable es que el valor de comparación sea el quinto entre todos los valores relativos, después de y. Pero en términos de frecuencia de uso, quizás el primero. Además, en esta parte consideraremos dos cantidades relativas más que también pueden usarse con fines analíticos.
Valor de comparación relativo
El punto es que el valor relativo de comparación compara un indicador con otro. Obtenemos que el indicador de comparación es el valor muy relativo. Se puede ver cuál es el valor relativo y cómo se calcula.
El valor relativo de la comparación caracteriza
tamaños comparativos de diferentes objetos o valores absolutos, pero atribuidos al mismo fenómeno. Por ejemplo, un paquete de leche con un volumen de 1 litro en una tienda cuesta 50 rublos, y en otros 60 rublos, luego podemos comparar su costo y averiguar cuántas veces uno es más caro que el otro. 60: 50 \u003d 1,2. Es decir, un cartón de leche en la segunda tienda cuesta 1,2 veces más.
Es una acción tan simple que se calculan los valores relativos de comparación, y el proceso de cálculo puede consistir no en una acción, sino en varias a la vez. Si se utilizarán varios objetos como valores comparados, la base de comparación será naturalmente una.
Teniendo en cuenta lo anterior, determine el valor de comparación relativo (RVSr) puede ser por la siguiente fórmula
En este caso, como en cualquier valor relativo, el numerador (arriba) contiene el valor comparado y el denominador (abajo) contiene el valor básico. El valor base puede variar según la asignación y el propósito del cálculo. Por ejemplo, tiene datos sobre la producción de carne en la región de Moscú, la región de Tula, la región de Bryansk, la región de Smolensk. Si tomamos la región de Moscú como base de comparación, dividiremos todos los datos de otras regiones entre los datos de la región de Moscú. Si tomamos la región de Tula como base de comparación, entonces, dividimos los datos de todas las demás regiones por los datos de la región de Tula.
Ejemplo. Hay datos provisionales sobre la producción de leche en cuatro regiones. Calcule el indicador relativo de comparación, tomando los datos de la región de Moscú como base de comparación y luego los datos de la región de Tula.
Son posibles otras opciones para las piezas, por ejemplo, 3 con 1 y así sucesivamente.
El valor relativo de la intensidad del desarrollo.
El valor de intensidad muestra
el grado de desarrollo de un determinado indicador en un determinado entorno. El método de cálculo del índice de intensidad es clásico y es similar al cálculo del valor de comparación.
A menudo, el valor de intensidad se calcula como un porcentaje, ppm.
Suele utilizarse en estadísticas de población para caracterizar indicadores demográficos. Por ejemplo, tasas de natalidad.
El número de personas nacidas en la ciudad fue de 15 personas por cada mil personas que viven. Este es un ejemplo de la magnitud de la intensidad del desarrollo.
Además, este método de cálculo se utiliza en la economía de la organización. La relación capital-trabajo es un indicador que caracteriza la cantidad de activos fijos por empleado.
Para volver a la lista de conferencias.
