2
Hallgattam egy előadást a számítógép teljesítményének mérésére, és a professzor analógiát adott a repülőgép teljesítményének mérésére. Megmutatta a különböző repülőgépek különböző paramétereit, például:
Repülőgépek: Utas capcity Speed \u200b\u200bConcord 132 1350 MPH DC9 146 544 MPH
aztán megkérdezte a kérdéseket a diákoktól " Milyen gyorsabban a Concord a DC9-hez képest? ". Ezután több mint 2-szer magyarázta. Kérdésem: Miért használta a felosztást, hogy összehasonlítsa a két értéket, és ne kivonja? Ismerem a nagyon alapvető kérdést, de kérem, sajnálom, hogy az én inkompetenciám.
0
Néha meg kell használni az arányt, hogy leírja a jelenségeket, például a játék megnyerésének valószínűségét. Néha opcionális, mint az Ön esetében. Érdekes: https: //en.wikipedia.org/wiki/Relative_CHANGE_AND_DIFFERY - Semmi esély. 06 Mar. 16 2016-03-06 17:40:56.
2 válasz
Válogató:
Tevékenység
0
Ugyanezt a kérdést írtam le dr.maths-ről, és megkaptam a következő választ, amely véleményem szerint pontosabb és részletesebb.
Kérdezd meg magadtól, hogy értelmesebb lenne neked: a Concord 806 mph gyorsabb, mint a DC9. A Concord 2,5-szer annyi, mint a DC9. Ha fogalmad sincs, milyen gyorsan lehet közel értelmetlen - tudod megmondani, hogy csak egy kis javulás (100 000 mph-ig 100,806 mph!) Vagy hatalmas javulást (10 mph-tól 816 mph-ig). I "M" túlzásba hozom egy pontot: A szám aláírása értelmezése a kapcsolódó számok számának függésétől függ. Az arány másrészt nem igényel ilyen ismereteket. Továbbá, és talán még fontosabb, az arány is Ugyanaz, függetlenül az alkalmazott egységektől függetlenül. Nem kell tudni, hogy a sebességet MPH-ben vagy KPH-ban vagy másodpercenként mérték-e. Valójában az arány a DC9-ot a mérési egységként használja - a Concord 2,5 DC9-es "-nál" -nél halad. Az ugyanaz, mint a számítógép sebességének összehasonlításában. Ki tudja, hogy ezekben a napokban mi van a jó sebesség? Meg tudja mondani, hogy kétszer olyan gyorsan, mint sokkal jobb. Ez valami, amit sokkal jobban láthatunk, mint a nanosekundumok vagy a gigabájtok!
1
Fontolja meg a helyzetet - 1000 $ $ almát ettem. A barátom 1050 dollárt evett.
Két kijelentés A barátom 50 $ almát evett, mint én a különbségtől Barátom 1,05 $ pm almát evett, mint én Az aránytól.
Tekintsünk egy másik helyzetet, amikor 100 dolláros $ almát és barátom 105 $
Két állítás lesz Barátom ettem $ 5 $ almát, mint én és
A barátom 1,05-szer annyi almát evett, mint én
A harmadik ettem a helyzeteknél $ 1 $ Apple, barátom, aki 51 dollárt eszik
két kijelentés - A barátom 50 $ $ almát ettem - és
A barátom 51 dollárt evett ma, mint én
Következtetés - Szükségünk van a különbségre és a hozzáállásra, hogy ismerje meg a helyzetet. Azonban különböző dolgokat használunk különböző forgatókönyvekben, amelyek remélem, a fenti példákból kitűnik.
Technológiai kártyaosztályok №35
| Színpadszám | Az osztályok szakaszai | Idő | Tevékenységi tanár | Diák tevékenysége | Alkalmazások |
| Rendszereződő | 2 perc. | Üdvözli a diákokat, ellenőrzi a leckét | Üdvözli a tanárt, előkészíti a leckét | ||
| Üzenet terv lecke | 1 perc. | Jelentette be a lecke tervet | |||
| Tudásszabályozás | 20 perc. | Felmérést végez az előző témáról | Válaszok. Hallgat. Kiegészítések. | ||
| 4. | Új téma, célok, motiváció, terv bemutatása új téma bemutatása | 3 perc. | Jelentette az előadások, a célok témáját, motiválja a téma felfedezésének szükségességét. Jelentése egy új téma bemutatására vonatkozó tervet. | Hallgat. | |
| 5. | Új anyag kimutatása. | 30 perc. | Új téma bemutatása multimédiás bemutatóval | Hallgat. Írja. | |
| 6. | A téma rögzítése | 20 perc. | Feladat teljesítménye | Válaszok. Kiegészítések. | |
| 7. | Összefoglaló | 2 perc. | Megjegyzések és becslések. | ||
| 8. | Házi feladat | 2 perc. | Jelentések házi feladatok |
Lecke "üzleti grafika.
Épület, szerkesztés, formázás diagramok "
Az Excel programban diagram A numerikus adatok grafikai ábrázolásának kijelölésére szolgál. A grafikus kép építése számos adat alapja. Úgynevezett cellák csoportja egy külön sorban vagy oszlopon belül. Ugyanazon a diagramon több adatsorozatot is megjeleníthet.
A diagram egy plug-in-objektum, amely az egyik munkafüzetbe ágyazódik. Ugyanazon a lapon található, amelyen az adatok találhatók, vagy bármely más lapon (gyakran külön lap eltávolításra kerül a diagramok megjelenítéséhez). A diagram megtartja az adatokkal való kommunikációt, amely alapján épült, és amikor ezeket az adatokat frissítik, azonnal megváltoztatja a megjelenését.
A diagramok építése általában használható FődiagramFutó gomb a gombon Fődiagram A szabvány eszköztár, gyakran kényelmesen kényelmes a terület adatait tartalmazó, amely megjelenik a diagram, de megadhatja ezt az információt a munka során a mester
A diagram típusa. A varázsló munkájában a varázslót választott formában. Elérhető űrlapok ᴨȇKattintson a lapon található típuslistában Alapértelmezett. A jobb oldali kiválasztott típusú diagramhoz több adatrögzítés van megadva (paletta) Kilátás), Amelyből választania kell a legmegfelelőbbet. A lapon Nem szabványos Megjelenik egy teljesen kialakított formázású ábrák készítése. A diagram űrlap beállítása után kattintson a gombra. További.
Adatok kiválasztása. A varázsló második szakaszát a diagram beépítésének adatainak kiválasztására használják. Ha az adatok tartományát előre választották, akkor a jövőbeli diagram hozzávetőleges megjelenítése megjelenik az előnézeti területen a varázsló ablak tetején. Ha az adatok egyetlen téglalap alakú tartományt alkotnak, akkor kényelmes választani őket a lapon Hatótávolság adat. Ha az adatok nem alkotnak egyetlen csoportot, akkor az Outromnning egyedi adatsorok információi vannak megadva a lapon. Sor. A diagram előnézete automatikusan frissül, ha az adatkészlet tárcsázása megváltozik.
Regisztrációs ábra. A varázsló harmadik szakasza (a gombra kattintva) További) A diagram kialakításának kiválasztása. A Master Ablak lapokon:
* Diagram neve, tengelyek aláírása (fül Főcímek);
* A koordináták megjelenítése és jelölése (fül Tengely);
* A vonalak rácsának megjelenítése párhuzamos a koordináták tengelyével (fül Hálóvonalak);
* Az épített grafikonok leírása (lap Legenda);
* A táblázatban szereplő egyedi adatelemeknek megfelelő feliratok megjelenítése (fül Adatjelek);
* Az ütemterv építése során használt adatok bemutatása táblázat formájában (fül Adattábla).
A diagram típusától függően az opcionális lapok közül néhány hiányozhat.
Elhelyezési diagram. Az utolsó, a varázsló munkája (a gombra kattintva) További) Jelzi, hogy egy új munkalapot vagy az egyik rendelkezésre álló diagramot kell használni a diagram elhelyezéséhez. Jellemzően ez a nagyon kiválasztás fontos a diagramot tartalmazó későbbi ᴨȇchody dokumentumhoz. A gombra kattintva Kész A diagram automatikusan épül és be van helyezve a megadott munkalapba.
A diagram szerkesztése. A kész diagram megváltoztatható. Ez egy egyedi elemekből áll, mint például a grafika (adatsorok), a koordináták tengelye, a diagram fejléc, az építési terület, és így tovább, amikor szerepel a diagramelemen, megjelent a markerek által, és amikor az egérmutatót lebegnek - az előugró hegy írja le Nyisd ki A diagram elem formázásához párbeszédpanel lehet a menüben Formátum (a kiválasztott elemhez) vagy a helyi menüben (parancs) Formátum) Az Open párbeszédpanel különböző fülei lehetővé teszik a kiválasztott adatelem megjelenítési beállításainak módosítását. Ha jelentős változásokat kell tennie a diagramban, akkor újra kell használnia a diagrammestert. Ehhez nyissa meg a munkalapot egy diagrammal, vagy válassza ki a munkalapra végrehajtott diagramot az adatokkal. Dob fődiagram, Módosíthatja az aktuális paramétereket, amelyeket a varázsló ablakokban láthatunk, alapértelmezettként.
A diagram eltávolításához eltávolíthatja a levelet, amelyen található ( A lap eltávolítása), vagy válasszon egy diagramot a munkalapba beágyazott adatokkal, és nyomja meg a gombot Töröl.
Építési diagramok
Gyakorlatilag minden modern asztalon "processzorok vannak beépítettek Üzleti grafika.Létezik erre grafikus mód Működik táblázatos processzor. A grafikus módban a különböző típusú diagramok épülhetnek, ami a numerikus függőség vizualitását adja.
Diagram - Ez egy olyan eszköz, amely vizuális grafikus kép, amelynek célja, hogy összehasonlítsák, hogy nem hány érték vagy több érték egy érték, nyomon követi az értékük változását stb.
A legtöbb diagram egy téglalap alakú koordináta-rendszerben épül fel. Az X vízszintes tengely szerint a független (argumentum) értékeit elhalasztják, és az Y függőleges tengely az eltartott (függvény) értékei. Néhány diagram egyidejűleg jeleníthető meg egy képen.
A számszerű információk grafikus feldolgozásával az asztali processzor segítségével következik be:
1) Adja meg az adatterületet (a sejtek blokkját), amellyel a diagram épül;
2) Határozza meg az adatszekvencia sorrendjét (vonalakon vagy oszlopokkal) a kiválasztott sejtblokkból.
Ha úgy dönt, hogy az oszlopok X - koordinátákat kell venni a bal szélső oszlop a kijelölt blokk sejteket. A fennmaradó oszlopok tartalmazzák a diagramok Y koordinátáit. Az oszlopok számát az építés alatt álló diagramok száma határozza meg. A húrok kiválasztásakor a dedikált sejtegység felső sora egy X-koordináta karakterlánc, a fennmaradó húrok tartalmazzák a diagramok y-koordinátáit.
Tekintsük 5 különböző típusú ábrákat. Különböző könyvekben különböző neveket viselnek. Hívjuk őket: körkörös diagramok, oszlopos, hosszú távú, lineáris és regionális (vagy területi grafikonok). Valójában a diagramok típusai sokkal nagyobbak, de ezek a leggyakoribbak.
I. körkörös diagram Az egy ponton több mennyiséget is összehasonlít. Különösen hasznos, ha az összeg összege alkot valamit (100%).
1. példa. Dunno Trades Írószerek: Notebookok, ceruzák és notebookok. Feltételezzük, hogy a nap folyamán 2 notepad, 13 ceruza és 45 notebook.
Építsen egy kör alakú diagramot, amely bemutatja, hogy mely árukat a nap folyamán leggyakrabban vásárolták.
Tekintsük az asztali processzor cselekvéseinek sorrendjét, amikor körkörös diagramot építenek. A körkörös diagram, a címből, a körön található. Kör - 360 fok. Az eladott áruk teljes száma 60 darab. Ez azt jelenti, hogy 1 darab áru 360: 60 \u003d B fok. A "terméket fokozatosan" újratervezzük: 13 notebook 2 * 6 \u003d 12 fok; 13 ceruza - 13*6 \u003d 78 fok; 45 notebook - 45 * 6 \u003d 270 fok. Az EST Elk osztja a kört három ágazatba - 12, 78 és 270 fok.
Döntés. Kiemeljük az A1: VZ sejtegységet a grafikus feldolgozáshoz. Az adatok oszlopokban találhatók. Az első A1: az izolált blokk oszlopa az ágazatok nevei; A második B1 oszlop: A dedikált blokk numerikus ábrát tartalmaz. A körkörös diagram így fog kinézni:
A kördiagram nem mindig befolyásolja az információk megjelenítésének szükséges láthatóságát. Az egyik körben túl sok ágazat lehet. Másodszor, minden ágazat megközelítőleg azonos méretű lehet. Együtt, ez a két ok a pala körkörös diagramját teszi ki.
II. A bárdiagram többféle mennyiségben is összehasonlítható. Tehát szükség van egy másik eszközre, egy másik típusú diagramra. Ez egy kirabolt diagram.
| DE | BAN BEN | TÓL TŐL | D. | E. | F. | G. | ||
| Pn | T. | Cp | Th | Pt. | Ült | IDŐSZÁMÍTÁSUNK ELŐTT. | ||
Csillagdiagramok (a névből a következők szerint) oszlopok. Az oszlopok magasságát az összehasonlító értékek értékei határozzák meg. Esetünkben az oszlop magasságát az újságok száma határozza meg, amelyet a Dunno a napra értékesít. Minden oszlop néhányra van kötve hivatkozási pont. A mi esetünkben a referenciapont megfelel a hét egy napjának.
Döntés. Kiemeljük az A1-G2 sejtblokkot, amely adatokat tartalmaz a grafikus feldolgozáshoz. Az adatok vonalakban találhatók. A dedikált blokk első A1: G1 vonala egy X vonal koordináták (referenciapontok); A dedikált blokk A2.g2 második vonala Y koordinátákat (oszlopmagasságú) diagramokat tartalmaz.
Adja meg a diagram fejlécét: "A Dunno újságokat értékesít." A sávdiagram így fog kinézni:
3. példa. A TEUR összetettebb feladatot tart, hogy megoldja, hogy a körkörös diagram elvben nem használható. Ez olyan feladat, amelyben többször is össze kell hasonlítani több mennyiséget. Hagyja, hogy a ragasztó és a fánk együttesen kereskedjen a kisebb újságokkal. Az ízületek tükröződnek az alábbi táblázatban (a kényelemért, Add ide és Minor):
| DE | BAN BEN | TÓL TŐL | D. | E. | F. | G. | N. | ||
| Pn | T. | Vö. | Th | Pt. | Ült | BS. | |||
| Nemtom | |||||||||
| Toropany | |||||||||
| Fánk | |||||||||
Építsen egy oszlopdiagramot, amelyen az adatok azonnal megjelennek az összes három eladóról. Mégis, az oszlop magassága szimbolizálja az újságok mennyiségét. A hét minden napján 7 referenciapontot kapunk. Az előző diagramdal való különbség az, hogy minden referenciapontban nincsenek egy oszlop, és három - az egyes eladó számára. Az egyik eladó minden oszlopát egyformán festjük.
Döntés. Kiválasztjuk az A1 sejtegységet: H4, amely adatokat tartalmaz a grafikus feldolgozáshoz. Az adatok vonalakban találhatók. A dedikált blokk első sora egy vonalú X koordináták (referenciapontok); A kiválasztott blokk következő három sora Y koordinátákat (oszlopmagasságú) diagramot tartalmaz. Adja meg a diagram fejlécét: "Újságok kereskedelme".
III. Lineáris diagram nyomon követi a változás mögött Többszörös mennyiséget egy ponton a másikra.
4. példa. Építsen egy lineáris diagramot, amely tükrözi a hét folyamán eladott újságok számát (lásd a 3. példát). A lineáris diagram kialakítása hasonló az oszlop építéséhez. De az oszlopok helyett a magasságuk egyszerűen megjegyzendő (pontok, kötőjelek, keresztek - nem számít), és a kapott markerek egyenes vonalakkal vannak összekötve (a diagram lineáris). Az oszlopok különböző keltetése (mag) helyett különböző jelek (rombusz, háromszögek, kereszt stb.), Különböző vastagság és sorok (szilárd, pontozott stb.), Különböző színűek.
IV. Kis diagram Lehetővé teszi, hogy több ponton több mennyiségű mennyiségeket is összehasonlíthassa, ugyanakkor az egyes értékek hozzájárulását mutatja a teljes összegben.
5. példa. Az újságok (és egy bár és lineáris) értékesítésének grafikonja érdekes az újságok eladók számára, mutassa be az eladóknak, bemutatja munkájukat. De más arcok érdekelnek az újságok kereskedelmében. Például az újság kiadójának nemcsak az újság minden másolatát meg kell ismernie az eladóknak, de mennyire értékesítették az összeset. Ugyanakkor az érdeklődés és a teljes összeget alkotó egyedi mennyiségekre. Vegye ki az újságok értékesítési tábláját (lásd a 3. példát), és építsen rá egy hosszen tartó diagramot.
A Longline diagram létrehozásának sorrendje nagyon hasonlít az oszlop diagramjának megteremtésére. A különbség az, hogy a Longline diagram oszlopai nem kerülnek egymás mellé, hanem egy másikra. Ennek megfelelően a diagram függőleges és vízszintes méretének kiszámítására vonatkozó szabályok megváltoznak. A függőleges méret nem lesz a legmagasabb érték, de a legmagasabb érték. De az oszlopok száma mindig megegyezik a referenciapontok számával: Minden referenciapontban mindig pontosan egy többszintű oszlop lesz.
A könyv a Macintosh számítógépen végzett munka fő technikáit tárgyalja. A funkciók munka a Mac OS X operációs rendszer jelenik meg: a felhasználói felület, telepítése / eltávolítása programok, égő CD / DVD, dokumentumokat nyomtat, internetkapcsolat stb leírja a fő alkalmazás tartalmazza az OS: Mail levelezőkliens ; Web böngésző szafari; Naptár-naplófájás; Az alkalmazás vezérlése widgetek, műszerfal; Photo Booth program egy beépített digitális fényképezőgéppel; Zenei szerkesztő GarageBand; Time Machine Action for Backups, stb. Az Iw Work Integrált Közepes alkalmazásokkal foglalkozik: szövegszerkesztő oldalak, számok táblázatok, program létrehozásához kulcsfontosságú bemutatók. A Macintosh billentyűzet jellemzői megjelennek, és az IBM PC számítógép billentyűzetének analógjait végzik. A CD független munkavégzési feladatokkal rendelkezik Mac OS X és Iwwork alkalmazásokkal, feladatok elvégzésére szolgáló anyagok, bemutató példák.
Az újonc felhasználók számára.
Könyv:
Az oldalon található szakaszok:
Diagram - Az adatok grafikus bemutatása a kiválasztott tartományból.
A diagramok létrehozásához kövesse a következő algoritmust
1. Hozzon létre egy települési értékeket.
2. Válassza ki a kívánt tartományt (lehet, nem szomszédos téglalap alakú tartományokból).
3. Válassza ki a kívánt diagramot a gomb által szervezett listából Ábrák.(Diagramok):
Vagy a menü listájából Betét.(Betét)? Diagram(Diagram).
4. Hozzon létre beállítást a létrehozott diagramhoz az Inspector ablakban a lapon Diagram(Diagram).
Részletesen fontolja meg a diagram paramétereinek beállításait ebben a szakaszban nem fogjuk, mivel ez a kérdés korábban az alkalmazásban érthető Oldalak (Lásd: 5.1.14. Szakasz), És a grafikonokkal való együttműködés gyakorlata leszerelés lesz szakasz. 6.2.8.
A diagramok és a felhasználás példái
Alkalmazás Számok.ugyanazt a táblázatok listáját kínálja Oldalak.Diagramokkal való munka Oldalakfigyelembe vették szakasz. 5.1.14, Milyen figyelmet fordítottak csak a különböző diagramok beállításaira, de a különböző fajok összehasonlító jellemzője nem volt. Ebben a részben több példát fogunk elemezni bizonyos típusú diagramok használatára, amelyek egyértelműen bemutatják a hatókörüket.
Körkörös diagram
Kör alakú diagram (PITE)és a volumetrikus verziója (3d pie)több értéket egy ponton vagy több részből áll. Amint a név követi, a diagram egy olyan kör, amely ágazatokra oszlik. A kör megfelel az összes adat teljes összegének, és 100%, az egyes ágazatok megfelelnek egy adottnak, ami a teljes részét (százalékát) képviseli.
1. példa.Egy nap, Fedor nagybátyja elment az erdőbe a gombákon, és összegyűlt: 24 Chanterelles, 9 Mokhovikov, 15 hullám, 5 fehér. Építsen egy kör alakú gomba gyűjtési rajzot, amely bemutatja, melyik mennyiségű mennyiségű mennyiségű fehérgombot alkot.
Előre kell előkészíteni egy olyan értéktáblákat, amelyekre a diagram épül. A táblázatot a gombák és a numerikus adatok nevéhez kell hozzáadni, majd jelölje ki az A1: D2 tartományt (5.86. Ábra), és válassza ki a diagram típusát Pite (Kör alakú). A kiválasztott tartomány első sorának sejtjei a körágazat neve, a második karakterlánc sejtjei numerikus ábrák adatokat tartalmaznak. Az egész kör az összegyűjtött gombák teljes száma - 45, minden szektor tükrözi az egyes gomba nevének százalékos arányát a teljes mennyiségből, 1. ábra. 5.86.).
A körkörös diagram használata nem mindig kényelmes és egyértelműen, például az összegyűjtött gombák számának növekedése az ágazatok növekedéséhez vezet, amelyek összpontosítanak a diagram informativitását. Ebben az esetben más típusokat kell használni.
Oszlopdiagramok
Számok. Az oszlopdiagram számos változatát kínálja: Oszlop. (Oszlop) - függőleges oszlopok, Rúd. (Hisztogram) - vízszintes oszlopok, 3D-s oszlop. (Háromdimenziós oszlop), 3D sáv. (Háromdimenziós hisztogram).
Oszlop A diagramot és a különböző lehetőségeket több mennyiségben több ponton hasonlítják össze, de több értéket is összehasonlíthatunk egy ponton, mint az előző példában (lásd 5.86 ábra).
Amint az a név követi, az oszlopdiagram oszlopokból áll, amelyek magassága megfelel az összehasonlító értékek értékeinek, az 1. példában az oszlopok magasságát az összegyűjtött gombák mennyiségével határozzák meg. Minden oszlop egy bizonyos referenciapontra van kötve. Az 1. példában a referenciapont megfelel a gomba nevének, hány elem (4), annyi oszlop (lásd 5.86 ábra).
Tekintsük azt a feladatot, amelyre a körkörös diagram nem alkalmas megoldásra. 2. példában többször kell összehasonlítani többször.
2. példa. Tegyük fel, hogy barátai csatlakoztak Fedor bácsihoz a gombák gyűjteményéért: Matroskin macska és a kutya, az adatok megjelennek az asztalon (5.87. Ábra). Építsen egy diagramot, amelyben az összes gyűjtő eredményei tükröződnek.
Az oszlopmagasság az 1. példában leírtak szerint az összegyűjtött gombák száma továbbra is 4 referenciapont marad, de ellentétben az 1. példában, minden referenciapontban nem egy oszlop, hanem három (egy oszlop minden egyes gyűjtő esetében). Az egyik kollektor összes oszlopát egy színben festjük. A diagram kialakításához az A1: E4 tartományt izolálni kell (lásd 5.87 ábra), az 1. ábrán. 5.87 A diagram típusa Oszlop. (Oszlop).
Lineáris diagram
Lineáris diagram ( Vonal) A változásokat több mennyiségben nyomon követi, ha egy pontról a másikra költözik.
3. példa.Építsen egy lineáris diagramot a 2. példában leírt táblázat alapján, ami tükrözi az összegyűjtött gombák számát a típusuktól függően.
A referenciapontok még mindig négy a gombafajok számában maradnak. Az összegyűjtött gomba számát az egymáshoz kapcsolódó címkék grafikonján jelölik. Ennek eredményeképpen a grafikon több szegmensből álló törött vonal, így az ilyen típusú diagramokat - lineárisnak nevezik. Az 1. ábrán bemutatott ábra. 5.88, három vonalat tartalmaz, amelyek mindegyike megfelel egy kollektornak. A vonalak különböznek egymástól: színes, vastag, löket típusú jelzők.
A tér diagramja
Diagram négyzet A lineáris és oszlopdiagramok hibridje egyértelműen tükrözi a több érték összehasonlítását egy ponton.
4. példa.Építsen egy négyzet diagramját az 1. példa táblázat alapján, amely tükrözi a Fedor bácsi gyűjteményét.
Ha az 1. ábrán bemutatott oszlopok tetején található. 5.86, Mark Pontok, csatlakoztassa őket szegmensekkel és a kapott területet bármilyen színben festeni, majd az 1. ábrán bemutatott terület területét. 5.88. Több gyűjtő megjelenítéséhez ez a fajta diagram nem tájékoztató jellegű.
Számok. A diagramterület két lehetőségeit kínálja: Terület (Négyzet) és ömlesztett verziója 3D-s Terület (háromdimenziós négyzet).
Többszintű diagramok
Többszintű A diagram lehetővé teszi, hogy vizuálisan összehasonlítsa a több érték összegeit több ponton, ugyanakkor az egyes értékek hozzájárulása a teljes összegben.
5. példa.Építsen többszintű diagramokat a 2. példa táblázat alapján.
Számok.a többszintű diagram hat változata kínálja: Halmozott oszlop.(Többszintű oszlopok) és ömlesztett verziója 3D halmozott oszlop(Háromdimenziós többszintű oszlopok), Halmozott bár.(Többszintű hisztogram) és 3D halmozott bár.(Háromdimenziós többszintű hisztogram), Halmozott terület(Többszintű terület) és 3d halmozott terület(Háromdimenziós többszintű terület).
Az adatelemzés csoportosítással és leíró statisztikák csoportosításával és kiszámításával kezdődik csoportokban, például a közepes és standard eltérések kiszámításával.
Ha két adatcsoport van, természetes, hogy összehasonlítsa az átlagot ezen csoportokban. Ez a fajta probléma a gyakorlatban a gyakorlatban felmerül, például az emberek két csoportjának átlagos jövedelmét is összehasonlíthatja: felsőoktatással és felsőoktatással rendelkezik.
Ebben a fejezetben a folyamatos skálán mért változókkal foglalkozunk, az ilyen változók például jövedelem vagy vérnyomás. A gyenge mérlegekben mért változókat speciális módszerekkel vizsgáljuk. Különösen a kategorikus változókat konjugációs táblázatokkal vizsgálták (lásd fejezetelemzés és táblázatszerelés). Az ordinális mérlegekben mért változóit nem parametrikus statisztikák vizsgálják (lásd a nem parametrikus statisztikákat).
Tekintsünk egy tipikus feladatot. Tegyük fel, hogy a konkrét előállításában jött létre néhány új összetevővel, és úgy véli, hogy ez növeli a konkrét erőt. A feltételezések teszteléséhez és a fogyasztójuk igazolásához több mintát vettél az adalékanyaggal és több mintával adalék nélkül, és mérte az egyes minták szilárdságát.
Így két oszlopot (két csoportot) kaptunk: a minták szilárdsága a minták hozzáadásával és szilárdságával adalék nélkül. Hogyan lehet összehasonlítani ezeket a csoportokat ésszerű?
A nyilvánvaló megközelítés az, hogy összehasonlítsa a leíró statisztikákat, például az átlagos két csoportot. Természetesen összehasonlíthatod a mediánokat vagy más leíró statisztikákat, de természetesen az átlagos értékek összehasonlításával kezdődhet. Tehát két közepes: másodlagos az első csoport és a második csoport átlaga.
Lehetőség van arra, hogy formálisan kivonják a másik átlagát és a különbség értékét a hatás jelenlétével kapcsolatban. Azonban ajánlatos figyelembe venni az átlagok változását, azaz a változat (lásd az Elementary Concepts fejezetet). Nyilvánvaló, hogy az ésszerű eljárásnak figyelembe kell vennie a változást. Az első dolog, ami a fejhöz jön, hogy megfeleljen az átlagos két minta (adatcsoport) különbségének megfelelő normalizálása, például egy szóráshoz (négyzetgyökérből származó négyzetgyökér).
Pontosan ez volt az V. Gosset indokoltan - angol statisztikák, az álnév hallgató alatt, aki feltalálta a T-kritériumot, hogy összehasonlítsa az átlagos két mintát.
Tegyük fel, hogy ellenőrizzük azt a hipotézist, hogy az adalékanyag hatástalan (vagy ahogy azt mondják a szleneles adatelemzésen: NO feldolgozási hatás), más szóval, az átlag két csoportban egyenlő. Ez a rendelkezés olyan alternatívának felel meg, amely szerint hatás van - a konkrét erősségének erőssége, amikor az új komponens hozzáadódik hozzá.
Figyelmeztetésünk lesz, az alternatíva más módon fejezhető ki, például az átlag nem egyenlő, vagy a minták átlagos szilárdsága nőtt (az adalékanyag a betonerősség növekedéséhez vezetett).
Ha véletlenszerűen megszakította a mintát két részre, és összehasonlítja az első és a második csoport mutatóit, akkor valószínűleg független csoportokkal foglalkozik.
Statisztikaban. A T-kritérium mindkét opcióban elérhető az adatok szervezéséhez.
A telek összehasonlító összehasonlításának természetes fejlődése a T-kritérium általánosítja három vagy több adatcsoportba, amely varianciaanalízishez vezet (ANOVA angol terminológiájában - a variációs diszperziós analízis elemzésének csökkentése) is Multidimenziós válaszként. Ha többdimenziós válaszokkal foglalkozunk, manova módszereket használunk. Tehát a diszperziós analízis módszerei ésszerű módja annak, hogy összehasonlítsák a csoportos médiát, ha a csoportok száma több mint kettő. Például, ha összehasonlítani szeretné a több régió lakosainak jövedelmét, használhat egy diszperziós elemzést. Ha két régiót fedez fel, akkor használja a T-kritériumot.
Egy olyan esetet írunk le, amely nem illeszkedik az általános rendszerbe. Képzeld el, hogy egy kategorikus változót tanulmányoz, amelynek két értéke 0 és 1, és szeretné összehasonlítani a különbséget a két csoportban lévő egységek megjelenésének frekvenciájában. Például összehasonlítani szeretné a jelölthez benyújtott relatív számú szavazatok számát két választókerületen. A relatív szám kifejezés azt jelenti, hogy a jelölt számára benyújtott szavazatok száma osztva a szavazás teljes számával. A frekvenciák összehasonlítására szolgáló statisztikai kritérium (részvények, arányok ...) A modulban az alapstatisztikák és táblázatok a párbeszéd más kritériumaiban szerepelnek.
T-kritérium független mintákhoz
a T-kritérium a leggyakoribb módszer, amely lehetővé teszi az átlagos két minta közötti különbséget. Emlékezzünk ismét, a változókat kellően gazdag skálán kell mérni, például kvantitatív módon.
Természetesen a T-kritérium használata azonban nagyon gyenge.
Elméletileg a T-kritérium is alkalmazható, még akkor is, ha a minta mérete nagyon kicsi (például 10, egyes kutatók azt állítják, hogy kisebb minták vizsgálhatók), és ha a változókat általában elosztják (belső csoportok) és a diszperzió A csoportokban megfigyelt megfigyelések nem túl különbözőek. Ismeretes, hogy a T-kritérium ellenáll a normalitás eltéréseinek.
A normalitás feltételezését ellenőrizheti az eloszlás (például vizuálisan hisztogramok használata) vagy a normális kritérium alkalmazásával. Meg kell jegyeznünk, hogy hatékonyan tesztelhető a normalitás hipotézisének hatékonyan nagy mennyiségű adattól (lásd a Fisher megjegyzését az adatok elemzési koncepcióinak fejezetében szereplő normalitás érvényességéről).
Óvatosan kell megközelíteni az összehasonlított csoportok szétoszlásainak különbségét. Két csoportban lévő diszperziók egyenlősége, és ez az egyik feltételezés F-kritériumok, ellenőrizheted F-kritérium (amely a kimeneti táblázatban szerepel T-kritériumok statisztika). Ön is kihasználhatja a fenntarthatóbb LEVENA kritériumot is.
A közeg összehasonlításakor, mint az adatelemzésben, a vizuális módszerek rendkívül hasznosak. Például a férfiak és nők átlagos értékének jelentős különbsége látható a hatókör kategorizált kisülési diagramján. A diagram pontok átlagokat mutatnak, valamint a szokásos eltéréseket (téglalapokat) és szabványos hibákat (egyenes vonalak szegmenseket), amelyeket a férfiak és a nők számára külön számítottak ki.
A grafikon észrevehetően a diszperziók közötti különbség a csoportokban - a téglalap magassága nagyobb, mint a hím téglalap magassága.
Ha az alkalmazhatósági feltételek A T-kritérium nem teljesül, akkor meg lehet becsülni a két adatcsoport közötti különbséget, megfelelő nem parametrikus alternatívát a ^ -criteriára (lásd a nem parametrikus statisztikák fejezetét, ahol megvitatják az alternatív eljárások alkalmazását) .
Az F-kritérium jelentőségének R-szintje megegyezik azzal, hogy tévesen elutasítja az átlagos minták közötti megkülönböztetés hiányát, ha igaz (azaz az átlag ténylegesen egyenlő).
Néhány kutatót abban az esetben javasoljuk, amikor a különbségeket ugyanabban az irányban (például az X változó nagyobb (kevesebb) az első csoportban, mint a másodikban), tekintse meg az egyoldalú t elosztást, és ossza meg a kapott kétoldalú t- kritérium P-szint fél alatt. Mások mindig felajánlják a szokásos kétoldalas T-kritériumot.
A T-kritérium alkalmazása független mintákra, legalább egy független (csoportos) változó és egy függő változó (például egy bizonyos mutató vizsgálati értéke, amelyet két csoportban hasonlítanak össze).
Először is, egy csoportos változó értékek, például egy férfi és egy nő segítségével, ha a csoportosító változó a padló, vagy felsőoktatása van, és nincs felsőoktatása, ha a csoportosító változó oktatása, az adatok két csoportra oszlik. Ezután minden csoportban a függő változó átlagos értékét kiszámítják, például vérnyomás vagy jövedelem. Ezeket a szelektív átlagokat összehasonlítjuk egymással.
Természetesen, amikor alkalmazza T-kritérium, valamint az adatelemzés egyéb kritériumának alkalmazása során a józan ész fenntartása szükséges. Alkalmazás A T-kritériumok nem indokoltak, ha két változó értéke nem kompatibilis. Ha például a kezelés előtti és utáni betegek mintájában egy bizonyos mutató átlagos értékét összehasonlítja, de különböző számítási módszereket használjon
a második dimenzióban lévő mennyiségi mutató vagy más egységek, a T-kritérium nagy értékű értékei mesterségesen nyerhetők a mérőegységek változásai miatt. Hasonlóképpen, nincs értelme összehasonlítani a rubelben kifejezett bevételeket, többszöri leértékeléssel vagy magas inflációval.
A következő rész a hallgatói kritériumának statisztikáinak kiszámítására szolgál az átlagos két minta egyenlőségének ellenőrzésére vonatkozó statisztikák számítására. Ha csak gyakorlati alkalmazásra érdekel, kihagyhatja ezt a szakaszt.
A T-kritérium hivatalos meghatározása
Hivatalosan két csoport esetében (k \u003d 2) statisztikák A T-kritériumok formája:
ahol x¯ 1 (n 1) m x¯ 2 (n 2) az első és a második minta szelektív átlaga, a diszperzió S-2-kimenetei, amelyek az egyes adatcsoportokhoz hasonló diszperziós becslésekből állnak:
Ha a hipotézis: "Az átlag két csoportban egyenlő" - helyes, a T ^ (N 1 + N 2 -2) statisztikák a hallgatók (N 1 + N2 -2) szabadságfokmal rendelkeznek (lásd, Például Ivazian referencia-kiadása. A., Yenyukov I. S., Meshalkin L. D., Alkalmazott statisztikák., M.: Finanszírozás és statisztika, 1983. P. 395-397).
Nagy a T ^ (N 1 + N 2 - 2 statisztikai érték abszolút értékében) az átlagos értékek egyenlőségéről szóló hipotézist jelöli.
A Probabilistic Calculator használatával a Statistica a hallgatói elosztási pont 100a / 2% -át (N 1 + N 2 - 2) a szabadság fokozásával találjuk meg.
Jelölje meg a talált pontot ×
Ha | T ^ (n 1 + n 2 -2) | \u003e T (A / 2), a hipotézist elutasítják.
Ne feledje, hogy a T ^ (N 1 + N 2 -2) hallgatói statisztikák nagy abszolút értékei mind az átlagos, mind az összehasonlító csoportok diszperziójának jelentős különbsége miatt következnek be.
A két normál minta diszperziójának egyenlőségének vagy egységességének statisztikai kritériuma statisztikákon alapul:
ami hipotézis alatt: "A két csoportban lévő diszperziók egyenlőek" az F (N 1 -1, N 2 -1) eloszlással.
Adjuk meg a jelentőségét a.
Probabilisztikus kalkulátor segítségével számítjuk ki az F (N 1 -1, N 2 -1) eloszlási pont 100 (1-2)% -át és 100 (A / 2)% -át.
Ha 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.
T-kritérium függő mintákhoz
A két csoport átlagai közötti különbség mértéke a változók intagulroup variációjától (diszperzió) függ.
Attól függően, hogy ezek az értékek hogyan vannak minden egyes csoport esetében, a csoport átlag közötti "durva különbség" a független (csoport) és a függő változók közötti függőség erősebb vagy gyengébb mértékű függőségét mutatja.
Például, ha a vizsgálatban, az átlagos értéke a WCC (a leukociták) volt 102 a férfiak és a 104 a nők számára, akkor a különbség csak a értéke 2 közötti csoporton belüli média rendkívül fontos lesz, ha az összes WCC férfiak vannak A 101-103 közötti tartomány, és a WCC-nők összes értéke 103-105 tartományban van. Ezután előfordulhat, hogy előfordulhat a WCC (a függő változó értéke) a téma padlóján (független változó) alapján. Ha azonban ugyanolyan különbség van 2, nagyon szétszórt adatokból (például változó 0-tól 200-ig), akkor a különbség meglehetősen elhanyagolható.
Így világos, hogy a szabálytalanul változatosság csökkenése növeli a kritérium érzékenységét.
A függő minták esetében a T-kritérium előnye abban az esetben, ha az intagulroup variáció (vagy hibák) fontos forrása könnyen meghatározható és kizárható az elemzésből. Különösen olyan kísérletekre utal, amelyekben két összehasonlító megfigyelési csoport ugyanazon a megfigyelési mintán alapul, amelyeket kétszer (például a kezelés előtti és utáni betegeknél) teszteltek.
Ilyen kísérletekben mindkét csoportban az intagragroup variabilitásának (változatai) jelentős része az egyes tárgyak egyedi különbségeivel magyarázható. Ne feledje, hogy valójában ez a helyzet nem túl különbözik attól, hogy az összehasonlító csoportok teljesen függetlenek (lásd a független minták T-kritériumát), ahol az egyes különbségek szintén hozzájárulnak a hiba diszperzióhoz. A független minták esetében azonban nem tudsz semmit tenni vele, mivel nem tudja meghatározni (vagy "törölni") az egyéni különbségekhez kapcsolódó változatok egy részét. Ha ugyanazt a mintát kétszer teszteljük, akkor könnyedén kizárhatja a variáció ezen részét.
Az egyes csoportok tanulmányozása helyett külön-külön és elemzésével a kezdeti értékek egyszerűen a két dimenzió (például a teszt "és a teszt után") közötti különbségnek tekinthetők. A második (minden egyes témakörök) első értékeinek összefoglalása és csak a "tiszta (párosított) különbségek" elemzésével megszünteti a variáció részét, amely az egyének kezdeti szintjének különbségének eredménye.
A független minták T-kritériumához képest ez a megközelítés mindig megadja a "legjobb" eredményt, mivel a kritérium érzékenyebbé válik.
Elméleti feltételezések ^ -criteria független mintákra is alkalmazhatók a függő minták kritériumára. Ez azt jelenti, hogy a páros különbségeket általában el kell osztani. Ha ez nincs végrehajtva, használhatja az alternatív, nem parametrikus kritériumok egyikét (lásd a nem parametrikus statisztikákat).
A STATISTICALA ^ -CRITERIA A függő mintákhoz a változók listájára kiszámítható, és később mátrixként tekinthető. A kimaradt adatokat párosan vagy a vonallal feldolgozzák.
Ugyanakkor a "tisztán" jelentős eredmények megjelenése lehetséges. Ha sok független kísérleted van, akkor a "tisztán véletlenül" talál egy vagy több kísérletet, amelyek eredményei jelentősek.
Amint már említettük, az átlagok összehasonlítása több mint két csoportban diszperziós analízis alkalmazásával történik (angol rövidítés - ANOVA).
Ha több mint két "függő minta" (például a kezelés előtt, a kezelés után, az 1. és a testtartás-2), akkor ismételt mérésekkel diszperziós analízist használhat. A diszperziós analízisben való újbóli mérések a függő minták f-kritériumának általánosításának tekinthetők, amely lehetővé teszi az elemzés érzékenységének növelését.
Például egy diszperziós analízis lehetővé teszi, hogy egyszerre ellenőrizze a függő változó alapszintjét, hanem más tényezőket is, és a kísérleti tervben több függő változót tartalmazzon.
Érdekes a következő felvételi felvétel a több T-Fritti-EB eredményeinek kombinálására. Ez a technika más kritériumok eredményeinek kombinálására is használható (lásd: Az alkalmazott statisztikákról / szerkesztve E. Lloyd és W. Leremman, t. 1. M.: Pénzügy és statisztika, 1989. P. 274). Számunkra ez a példa is érdekes ahhoz, hogy bemutassuk a statisztika új jellemzőit.
1. példa.
Tegyük fel, hogy független kísérletek segítségével megkaptad a (1), A (2) ... A (M) szignifikanciát. Tegyük fel, hogy ezek a szintek nem elég meggyőzőek. Ha a szignifikancia szintje nem meggyőző, akkor érdemes összeilleszteni az adatokat, és figyelembe vesszük őket egyetlen kísérlet eredményeként.
A nulla hipotézissel a véletlenszerű változóknak tekintett fontossági szintek egyenletes eloszlással rendelkeznek. Következésképpen az érték
L \u003d -2 × (LN (A (L)) + LN (A (2)) + ... + LN (A (M))
a Chi-Square eloszlással rendelkezik a 2m-es szabadságfok számával.
Például ha 0,047, 0,054, 0,042 szintű, 0,042 szintet kapunk a beton szilárdságához, a kombinált kísérlet jelentőségének szintje 0,005547, és az adalékanyag hatékonyságának hipotézisét egyértelműen elutasítjuk.
Ennek megértéséhez használjuk a statisztikai rendszer eszközeit. Először kiszámítsa az L értéket, például a táblázatkezelő formátumának beállításával.
Fájl létrehozása és az első sorban adja meg a rekordot:
A VAR7 változó a képlet által kiszámított L értéket tartalmazza.
Ezután nyissa meg a statisztikai rendszer probabilisztikus számológépét, válassza ki a CHI-négyzet eloszlását, írja be a szabadság fokainak számát, és adja meg a Chi-négyzetmezőben 18.29 összegét.
Ennek eredményeként a mező r 0,005547-et kaptunk.
Így a három T-kritérium kombinációjának kombinált szintjét (összehasonlítjuk az alkalmazott statisztikai könyvtárban megadott eredményekkel, amelyeket E. Lloyd és W. Leremmanna, t. 1. M.: Pénzügy és statisztika, 1989. P . 275). Ez egyértelműen magas jelentőségű, így a nulla hipotézist elutasítják.
2. példa.
Itt dolgozunk az Intemet2000.sta fájlban. Az Ad.Study.sta fájlt is használhatja a példák mappájából.
Az Intemet2000.STA fájl több felhasználó felmérésének eredményeit tartalmazza az Ennui és az öntőhelyek észlelésével kapcsolatban.
Ez az adatok könnyen elérhetők az internet segítségével. Például kérdőívet küldhetsz a webhelyre, amelyet a látogatók fognak kitölteni.
Ebben a modellben a felhasználók például értékelték oldalak különböző nagyságrendű (a teljesség, a technológiai teljesítmény, informativitást, design, stb) mind a mérleg, a válaszadók adtak egy értékelést ezenkívül egy évtizede bika skála, 0-9 pont.
A kérdés érdekes: a férfiak és a nők helyszínek észlelése?
A férfiak nagyobb vagy alacsony becslést adhatnak bizonyos mérlegekben a nőkhöz képest.
A feladat megoldásához használhatja a független minták T-kritériumait. A változó padlószalagok két csoportba ütköznek. A férfiak és a nők kiválasztása az egyes skálák átlagbecsléséhez viszonyítva lesz. Vissza a kezdőpultra, és kattintson a T-kritériumok független mintákra a T párbeszédpanel megnyitásához - független mintákhoz (csoportok).
Kattintson a gombra VáltozókA szabványos párbeszédpanel megnyitásához a változók kiválasztásához. Itt választhat és független (csoportosít) és függő változók.
Példánkban válassza ki a nemi változót, mint független változó és változó 3-25 (tartalmazza a válaszokat) függő változóként.
Kattintás rendben Ebben a párbeszédpanelen visszatérhet a párbeszédpanelhez, ahol a választás megjelenik.
A párbeszédpanelen T-kritérium független mintákhoz (csoportok) Számos egyéb eljárás is rendelkezésre áll.
Kattintás rendben Az eredménytáblázat megjelenítéséhez.
A táblázat felfedezésének leggyorsabb módja az, hogy megtekinthesse az ötödik oszlopot (a p-szintektől), és a P-értékek meghatározása kevesebb, mint a megállapított szignifikancia szint 0,05.
A legtöbb függő változó esetében a közeg két csoportban (férfiak és nők - nők) nagyon közel vannak.
Az egyetlen változó, amelyhez az F-kritérium megfelel a megállapított szignifikancia szintnek, 0,05, a 7 mérés, az IT P-szintek esetében 0,0087. Az átlagos értékeket tartalmazó oszlopok (lásd a két első hangszórót), a férfiak számára, ez a változó átlagosan jelentősen nagy értékeket vesz igénybe - a kiválasztott mérési skála a férfiak esetében 5,46, és a nőknél - 3.63. Ugyanakkor lehetetlen kizárni annak valószínűségét, hogy a padló a tudós különbség valójában hiányzik, és csak véletlen egybeesés következtében (lásd alább), bár valószínűtlennek tűnik.
Ezeknek az eredménytábláknak az alapértelmezett ütemezése egy hatókör diagram. A diagram felépítéséhez kattintson jobb gombbal a függő változónak megfelelő karakterláncban (például átlagosan a 7 méréshez).
A megnyíló helyi menüben válassza az Építési grafika lehetőséget A hatókör diagramja Az almenüből Gyors statisztikai grafikonok. Ezután válassza ki az opciót Átlagos / st .osh. / St.. ablak. A hatókör diagramja és nyomja meg RENDBEN. Ütemterv készítése.
A diagram átlagának közötti különbség jelentősebbnek tűnik, és nem magyarázható csak a forrásadatok változékonyságának alapján.
A diagram azonban észrevehető egy másik váratlan különbség miatt. A nők egy csoportjának diszperziója sokkal több diszperzió a férfiak csoportjához (nézd meg a téglalapokat, amelyek a változatból származó gyökér négyzetnek megegyező szórásait ábrázolják).
Ha a két csoportban lévő diszperziók jelentősen eltérnek, a G-kritérium használatának egyik követelménye zavart, és az átlagos különbséget különösen óvatosan kell tekinteni.
Ezenkívül a diszperzió általában korrelál egy átlagos értékkel, azaz átlagosabb, annál nagyobb a diszperzió.
Ebben az esetben azonban valami ellentétes. Ilyen helyzetben egy tapasztalt kutató azt sugallja, hogy a mérés 7 változó eloszlása \u200b\u200bnem lehet normális (férfiak, nők vagy mások számára).
Ezért figyelembe vesszük a diszperziós különbség kritériumait annak ellenőrzése érdekében, hogy a diagramon megfigyelt különbség valóban méltó-e.
Menjünk vissza az eredménytáblához és srinkjéhez, meglátjuk az F-kritérium eredményeit. Az érték a F-kritérium valóban megfelel a megadott szignifikancia szinten 0,05, ami azt jelenti, jelentős különbség változó diszperziók a mé 7 csoportokban férfiak - A hímek és nők - nők.
A diszperziók megfigyelt különbségeinek jelentősége azonban közel áll a szignifikanciahatárhoz (P-szintje 0,029).
A legtöbb kutató azt veszi figyelembe, hogy az átlagos különbség érvénytelen T-kritériumának elismerése, amely magas szintű jelentőséggel bír ez a különbség (P - 0,0087).
Többszörös összehasonlítás
A médium összehasonlítása során három és több csoportban többszörös összehasonlító eljárást használhat. Maga a kifejezés többszörös összehasonlítások egyszerűen több összehasonlítás.
A probléma a következő: N\u003e 2 független adatcsoportunk van, és szeretnénk összehasonlítani az átlagos intelligens módon. Tegyük fel, hogy alkalmaztuk az F-kritériumokat, és elutasítottuk a hipotézist: "Az összes csoport átlaga egyenlő." Természetes vágyunk homogén csoportok megtalálása, az átlagok egyenlőek egymással.
Természetesen összehasonlíthatjuk a T-kritériumok használatával kapcsolatos csoportokat, és több összehasonlítással találhatunk egységes csoportokat. De kiderült, hogy nehéz kiszámítani a hibát végrehajtott eljárás, vagy ahogy ők mondják, összetett feltétel, onnan egy adott szint jelentőségét minden T-kritériumot.
A finomság az, hogy a T-kritériummal rendelkező csoportot összehasonlítjuk a T-kritériummal, véletlenszerűen érzékelheti a hatást. Képzeld el, hogy az 1000 klinikában új gyógyszeres vizsgálatot végeztek, összehasonlítva egy olyan betegek csoportját, akiket minden klinikán szenvedő klinikánál, placebo-betegek csoportjával. Természetesen egy tisztán esély egy klinika megtalálható, ahol megtalálja a hatást. Azonban nagyfokú valószínűséggel művészeti hatás lehet.
Az ilyen balesetekből való védelem érdekében külön kritériumokat használnak többszörös vagy többszörös összehasonlításra.
A STATISTICA rendszerben a modulban a többszörös összehasonlítási eljárásokat hajtják végre Alapvető statisztikák és táblázatok párbeszédben
A többszörös összehasonlítási eljárások leírása például a könyvben: Kendayal M. J. és a Statruart A. Statisztikai következtetések és kapcsolatok. M.: Tudomány, 1973. P. 71-79.
Vegye figyelembe, hogy több csoport legáltalánosabb összehasonlító módszerei az általános diszperziós analízis modulban valósulnak meg.
A modulban egyfaktoros diszperziós analízis végezhető el Alapvető statisztikák és táblázatok.
Egyfaktoros diszperziós analízis és egy poszteri összehasonlítás a közepes
Tehát, ha azt szeretnénk, hogy előre a tanulmány a különbség több csoportban, akkor további elemzést kell elvégezni az egyesülés és az egyetlen tényező, diszperziós analízis (ANOVA). Az Adustudy.sta fájlban található adatokkal dolgozunk (Példák mappájában).
Tegye a következő beállításokat számunkra.
Kezdetben szabványos módon válassza ki a csoportosítási és függő változókat az adatfájlban.
Ezután válassza ki a változók csoportosításához szükséges kódokat. Ezen megfigyelési kódok használata a fájlban több csoportra oszlik, akiknek összehasonlítása végzünk.
A változók kiválasztása után elemzésre és csoportos változó kódok vannak megadva, nyomja meg a gombot. rendben És futtassa a számítástechnikai eljárást.
A megjelenő ablakban átfogóan megtekintheti az elemzés eredményeit.
Nézze meg figyelmesen a párbeszédpanelt. Az eredmények táblázatokként és grafikonokként jelennek meg. Például az eljárás alkalmazásával ellenőrizheti a különbségek jelentőségét. Diszperziós analízis.
Kattintson a gombra Diszperziós elemzésÉs látni fogja az egyes függő változók egyfaktoros diszperziós elemzésének eredményeit.
Ne feledje, hogy a diszperziós analízis táblázatban már foglalkozunk az F-Critterrel.
Az eredményekből az eredményekből, az 5-es változók méréséhez, a 7 méréshez és a 9 méréshez egyfaktoros diszperziós elemzés statisztikailag szignifikáns eredményeket adott a szinten<0,05.
Ezek az eredmények azt mutatják, hogy az átlag közötti különbség jelentősen. Tehát, segítségével az F-kritérium (ez a kritérium összefoglalja a T-kritérium a csoportok száma több mint kettő) elvetjük a hipotézist a homogenitása képest csoportok.
Visszatérés az eredmények párbeszédpanelen és kattintson A közepes összehasonlítások ellen A közepes specifikus csoportok közötti különbségek fontosságának felmérése érdekében. Először is ki kell választania a függő változót. Ebben a példában válassza ki a Measur 7 változót.
A kattintás után rendben A Változó kiválasztó ablakban megjelenik egy párbeszédpanel a képernyőn. Egy posteriori összehasonlítás a közepes.
Ebben az ablakban több posteriori kritériumot választhat.
Például kiválasztjuk a legkisebb jelentős különbség (NZR) kritériumát.
Az NZR kritériuma megegyezik a független minták T-kritériumával az N Compawable csoportok alapján.
a T-kritérium egymástól független minta mutatja (ellenőrizze a statisztika A!) Hogy van egy jelentős különbség a választ az emberek - férfiak és a válaszokat a nők - Nők a mé 7 változó.
Az eljárás használata Csoportosítás és egyszeri ANOVA, Látjuk (lásd az eredménytáblázatot), hogy az értelmes különbség csak olyan személyek számára érhető el, akik választják a gyümölcslét.
Az eredmények grafikus ábrázolása. Középkülönbség látható a párbeszédpanelen elérhető táblázatokon. A csoporton belüli csoport leíró statisztikák és korrelációk - eredmények.
Például ahhoz, hogy összehasonlítsuk a felosztott kiválasztott változók belső csoportok, kattintson a kategóriába körét diagramok gombot, és válasszuk ki. Median / Quarter / Swipe A párbeszédpanelen Hatálydiagram.
A kattintás után RENDBEN.A Statistica létrehoz egy kaszkádat a hatókörei.
A grafikonon látható, amit láthatunk, - a női csoport között - a gyümölcslé és a férfi férfi - a gyümölcslé kifejezett különbség van.
Ez a fajta elemzés a következetesen bonyolult csoportosulással és a médiumok összehasonlításával a kapott csoportokban, különösen gyakran használt tömeges felmérésekben, sikeresen megvalósítható a Statistiában.
A következő típusú relatív értékek a relatív összehasonlító érték, vagy hogyan nevezik a relatív összehasonlító ráta. Állapotának megfelelően az összehasonlítás összege elfoglalja, valószínűleg az ötödik hely az összes relatív érték között, és utána. De a használat gyakoriságában talán az első. Ezenkívül ebben a részben két további relatív értéket veszünk figyelembe, amelyek analitikai célokra is használhatók.
Relatív összehasonlító érték
Az a tény, hogy a relatív összehasonlító értéket egy másik jelzővel hasonlítjuk össze. Azt kapjuk, hogy az összehasonlító jelző maga ez a relatív érték. Mi a relatív értékek és azok kiszámításának megtekinthetők.
A relatív összehasonlító érték jellemzi
Különböző tárgyak vagy abszolút értékek összehasonlító mérete, de ugyanolyan jelenségnek tulajdonítható. Például egy 1 literes tejcsomag egy áruházban 50 rubel, és további 60 rubel, akkor összehasonlíthatjuk költségeit, és feltárja, hogy hányszor sokszor drágább, mint a másik. 60: 50 \u003d 1.2. Vagyis a második áruházban lévő tejcsomag 1,2-szer drágább.
Az ilyen egyszerű hatást és a relatív összehasonlító értékeket kiszámítják, és a számítási folyamat nem tartalmazhat egy műveletet, hanem azonnal több. Ha összehasonlítva több objektumot használnak, és az összehasonlító bázis természetesen egyedül lesz.
Tekintettel arra, hogy a fentiek meghatározzák az összehasonlítás relatív mennyiségét (OVSR) alkalmazhatjuk a következő képlet szerint
Ebben az esetben, mint bármely relatív értékben a számlálóban (felülről) van egy kompatibilis érték, és a nevezőben (alább) az alapérték. Az alapérték a számítás feladatától és célkitűzéseitől függően változhat. Például adata van a moszkvai régióban, a Tula régióban, a Bryansk régióban, a Smolensk régióban. Ha Moszkva területét az összehasonlító alapon veszi, akkor minden más területre vonatkozó adatokat megosztjuk a moszkvai régióra vonatkozó adatokat. Ha Tula összehasonlító bázisát veszünk, akkor az összes többi területre vonatkozó adatok megosztjuk az adatokat a Tula régióra.
Példa. A négy területen a tej előállítására feltételes adatok vannak. Számítsuk ki a relatív összehasonlítás sebességét azáltal, hogy az adatokat a Moszkva régióban az összehasonlító bázis, majd az adatokat a Tula régió.
Más lehetőségek lehetségesek, például az 1 és így tovább.
A fejlődés intenzitásának relatív értéke
Az intenzitás nagysága
Bizonyos indikátorok kifejlesztésének mértéke bizonyos környezetben. A klasszikus intenzitás intenzitásának kiszámításának módja hasonló az összehasonlító érték kiszámításához.
Gyakran az intenzitás nagyságát százalékban kiszámítjuk, ppm.
Általában a népességstatisztikában a demográfiai mutatók jellemzésére használják. Például születési szintek.
A városban született számú szám 15 embert jelentett ezer élő dolgon. Ez egy példa a fejlődés intenzitásának nagyságára.
Ezenkívül ezt a számítási módszert is a szervezet gazdaságában is használják. FROOLECKING jelző, amely a munkavállaló munkavállalónkénti alkalmazottak értékét jellemzi.
Az előadások listájához való visszatéréshez.
