2
Saya mendengarkan ceramah tentang mengukur kinerja komputer dan profesor memberikan analogi untuk mengukur kinerja pesawat. Ia menunjukkan tabel yang berisi berbagai parameter untuk berbagai pesawat, seperti:
Pesawat Udara: Kecepatan Kapasitas Penumpang Concord 132 1350 mph DC9 146 544 mph
kemudian dia mengajukan pertanyaan dari siswa bahwa " Betapa lebih cepat Concorde dibandingkan dengan DC9? ". Dia kemudian menjelaskan ini lebih dari 2 kali. Pertanyaan saya adalah, mengapa dia menggunakan Pembagian untuk membandingkan dua nilai dan tidak mengurangi? Saya tahu ini pertanyaan yang sangat mendasar, tapi mohon maafkan ketidakmampuan saya untuk ini.
0
Terkadang Anda harus menggunakan rasio untuk menggambarkan fenomena, seperti kemungkinan memenangkan permainan. Terkadang ini opsional, seperti dalam kasus Anda. Anda mungkin menganggap ini menarik: https: //en.wikipedia.org/wiki/Relative_change_and_difference - Tidak ada kesempatan 06 Mar 16 2016-03-06 17:40:56
2 jawaban
Penyortiran:
Aktivitas
0
Saya memposting pertanyaan yang sama di Dr. Maths dan mendapatkan jawaban berikut, yang menurut saya lebih akurat dan terperinci.
Tanyakan pada diri Anda sendiri mana yang lebih berarti bagi Anda: Concord 806 mph lebih cepat dari DC9. Concord adalah 2,5 kali lebih cepat dari DC9. Jika Anda tidak tahu seberapa cepat DC9, pernyataan pertama hampir tidak ada artinya - Anda tidak dapat mengatakan apakah itu hanya peningkatan kecil (dari, katakanlah 100.000 mph hingga 100.806 mph!) Atau peningkatan besar (dari 10 mph sampai 816 mph). Saya melebih-lebihkan untuk membuat satu poin: menafsirkan signifikansi angka bergantung pada memiliki setidaknya beberapa pengetahuan tentang angka terkait. Rasio, di sisi lain, tidak memerlukan pengetahuan seperti itu. Juga, dan mungkin yang lebih penting, rasio akan menjadi sama terlepas dari satuan yang digunakan. Kami tidak perlu mengetahui apakah kecepatan diukur dalam mph atau kph atau inci per detik. Akibatnya, rasio tersebut sama dengan menggunakan DC9 itu sendiri sebagai unit pengukuran - Concord terbang pada 2,5 DC9 "s. Hal yang sama mungkin berlaku dalam membandingkan kecepatan komputer. Siapa tahu, sekarang ini, apa kecepatan yang baik? Tapi siapa pun dapat mengatakan bahwa dua kali lebih cepat jauh lebih baik. Ini adalah sesuatu yang dapat kami visualisasikan jauh lebih baik daripada nanodetik atau gigabyte!
1
Pertimbangkan situasinya - Saya makan apel seharga $ 1000. Teman saya makan apel senilai $ 1050.
Dua pernyataan- Teman saya makan apel $ 50 lebih banyak dari saya dari perbedaan, Teman saya makan $ 1,05 $ kali lipat jumlah apel seperti saya dari rasio.
Pertimbangkan situasi lain di mana saya makan apel $ 100 $ dan teman saya $ 105 $
Dua pernyataan akan Teman saya makan apel $ 5 lebih banyak dari saya dan
Teman saya makan apel $ 1,05 kali lebih banyak seperti saya
Ketiga, saya makan $ 1 $ per apel, teman saya makan $ 51 $
dua pernyataan - Teman saya makan apel $ 50 $ lebih banyak dari saya dan
Teman saya makan $ 51 $ kali lipat jumlah apel seperti saya
Kesimpulan - Kita perlu mengetahui situasi dengan jelas sebagai perbedaan dan sikap. Namun, kami menggunakan hal yang berbeda dalam skenario berbeda yang saya harap jelas dari contoh di atas.
KARTU TEKNOLOGI PELAJARAN No.35
| Nomor Panggung | Tahapan pelajaran | Waktu | Kegiatan guru | Kegiatan kemahasiswaan | Aplikasi |
| Mengatur waktu | 2 menit. | Sapa siswa, periksa kesiapan mereka untuk pelajaran | Salam guru, bersiap untuk pelajaran | ||
| Pesan rencana pelajaran | 1 menit. | Menceritakan rencana pelajaran | |||
| Kontrol pengetahuan | 20 menit. | Melakukan survei tentang topik sebelumnya | Jawaban. Mendengarkan. Pelengkap. | ||
| 4. | Komunikasi topik baru, tujuan, motivasi, garis besar topik baru | 3 menit | Menceritakan topik kuliah, tujuan, memotivasi kebutuhan untuk mempelajari topik ini. Menceritakan garis besar topik baru. | Mendengarkan. | |
| 5. | Presentasi materi baru. | 30 menit. | Mempresentasikan topik baru menggunakan presentasi multimedia | Mendengarkan. Menuliskannya. | |
| 6. | Menyematkan topik | 20 menit. | Menyelesaikan tugas | Jawaban. Pelengkap. | |
| 7. | Meringkas | 2 menit. | Komentar dan tanda. | ||
| 8. | Pekerjaan rumah | 2 menit. | Memberitahu pekerjaan rumah |
Pelajaran "Grafik bisnis.
Membangun, mengedit, memformat diagram "
Di Excel, istilah diagram digunakan untuk merujuk pada semua jenis representasi grafis dari data numerik. Konstruksi gambar grafis dilakukan berdasarkan serangkaian data. Ini adalah nama untuk sekelompok sel dengan data dalam satu baris atau kolom. Beberapa seri data dapat ditampilkan dalam satu grafik.
Bagan adalah objek plug-in yang disematkan di salah satu lembar buku kerja. Ini dapat ditempatkan pada lembar yang sama dengan data, atau pada lembar lainnya (seringkali lembar terpisah diambil untuk menampilkan bagan). Bagan tetap terhubung ke data yang digunakan untuk membuatnya, dan saat data ini diperbarui, tampilannya akan segera berubah.
Untuk membangun diagram, biasanya digunakan Chart Wizardtombol diklik Chart Wizard pada toolbar standar Seringkali lebih mudah untuk memilih area yang berisi data yang akan ditampilkan pada grafik, tetapi Anda dapat menentukan informasi ini selama wizard
Jenis grafik. Pada tahap pertama, pengrajin memilih bentuk diagram. Formulir yang Tersedia ᴨȇtercantum dalam daftar Jenis pada tab Standar... Untuk jenis grafik yang dipilih, beberapa opsi untuk menyajikan data ditunjukkan di sebelah kanan (palet Melihat), dari situ Anda harus memilih salah satu yang paling sesuai. Di tab Tidak standar satu set tipe bagan yang terbentuk sepenuhnya dengan format siap ditampilkan. Setelah menentukan bentuk diagram, klik tombolnya Lebih lanjut.
Pemilihan data. Tahap kedua dari wizard digunakan untuk memilih data dimana diagram akan dibangun. Jika rentang data telah dipilih sebelumnya, pratinjau kasar dari bagan masa depan akan muncul di area pratinjau di bagian atas wizard. Jika data membentuk rentang persegi panjang tunggal, maka akan lebih mudah untuk memilihnya menggunakan tab Jarak data. Jika data tidak membentuk satu grup, maka informasi untuk menggambarkan rangkaian data individu diatur di tab Baris... Pratinjau grafik secara otomatis disegarkan ketika kumpulan data yang ditampilkan berubah.
Desain grafik. Tahap ketiga dari wizard (setelah mengklik tombol Lebih lanjut) Terdiri dalam memilih desain diagram. Di tab jendela wizard, Anda dapat mengatur:
* judul bagan, label sumbu (tab Judul);
* Menampilkan dan memberi label sumbu koordinat (tab As);
* Tampilan grid garis sejajar dengan sumbu koordinat (tab Garis kisi);
* deskripsi grafik yang diplot (tab Legenda);
* Tampilan label yang sesuai dengan elemen data individu pada bagan (tab Tanda tangan data);
* Penyajian data yang digunakan dalam pembangunan grafik, dalam bentuk tabel (tab Tabel data).
Beberapa tab yang terdaftar mungkin hilang tergantung pada jenis bagan.
Penempatan grafik. Pada tahap terakhir dari pekerjaan wizard (setelah mengklik Lebih lanjut) menunjukkan apakah akan menggunakan lembar kerja baru atau salah satu lembar kerja yang sudah ada untuk menempatkan diagram. Biasanya pilihan ini sangat penting hanya untuk bagian selanjutnya dari dokumen yang berisi diagram. Setelah mengklik tombol Selesai diagram dibuat secara otomatis dan dimasukkan ke dalam lembar kerja yang ditentukan.
Mengedit diagram. Diagram yang sudah selesai dapat dimodifikasi. Ini terdiri dari sekumpulan elemen individu, seperti grafik itu sendiri (seri data), sumbu koordinat, judul grafik, area plot, dll. Buka kotak dialog untuk memformat elemen bagan dapat diakses dari Format (untuk item yang dipilih) atau melalui menu konteks (perintah Format) Berbagai tab kotak dialog yang terbuka memungkinkan Anda untuk mengubah parameter tampilan item data yang dipilih. Jika Anda perlu membuat perubahan signifikan pada bagan, Anda harus menggunakan kembali Panduan Bagan. Untuk melakukan ini, buka lembar kerja dengan bagan atau pilih bagan yang disematkan di lembar kerja dengan data. Dengan berlari diagram wizard, Anda dapat mengubah opsi saat ini, yang dianggap secara default di jendela wizard.
Untuk menghapus bagan, Anda dapat menghapus lembar kerja tempatnya ( Edit Hapus lembar), atau pilih bagan yang disematkan di lembar kerja data dan tekan tombol MENGHAPUS
Membangun diagram
Hampir semua pengolah meja modern memiliki alat bawaan grafik bisnis.Untuk ini ada mode grafis pekerjaan prosesor meja. Dalam mode grafis, Anda dapat membuat diagram dari berbagai jenis, yang memperjelas dependensi numerik.
Diagram adalah sarana tampilan grafik visual informasi yang dimaksudkan untuk membandingkan beberapa kuantitas atau beberapa nilai dari satu kuantitas, melacak perubahan nilainya, dll.
Kebanyakan bagan diplot dalam sistem koordinat persegi panjang. Sumbu X horizontal menunjukkan nilai waktu independen (argumen), dan sumbu Y vertikal - nilai waktu dependen (fungsi). Beberapa diagram dapat ditampilkan secara bersamaan dalam satu gambar.
Saat memproses informasi numerik secara grafis menggunakan prosesor spreadsheet, Anda harus:
1) menunjukkan area data (blok sel) di mana diagram akan dibangun;
2) menentukan urutan pemilihan data (menurut baris atau kolom) dari blok sel yang dipilih.
Saat memilih menurut kolom X - koordinat diambil dari kolom paling kiri dari blok sel yang dipilih. Kolom lainnya berisi koordinat Y dari bagan. Jumlah grafik yang dibangun ditentukan oleh jumlah kolom. Saat memilih berdasarkan baris, baris paling atas dari blok sel yang dipilih adalah baris koordinat X, sisa baris lainnya berisi koordinat Y dari diagram.
Pertimbangkan 5 jenis grafik. Mereka memiliki nama yang berbeda di buku yang berbeda. Sebut saja mereka: diagram lingkaran, diagram batang, diagram berjenjang, diagram garis, dan diagram area (atau diagram area). Sebenarnya, ada lebih banyak jenis bagan, tetapi ini yang paling umum.
I. Diagram lingkaran berfungsi untuk membandingkan beberapa nilai pada satu titik. Ini sangat berguna jika jumlahnya berjumlah sesuatu yang utuh (100%).
Contoh 1. Entahlah menjual perlengkapan kantor: notebook, pensil dan notebook. Mari kita asumsikan bahwa dia menjual 2 buku catatan, 13 pensil dan 45 buku catatan dalam sehari.
Buat diagram lingkaran yang menunjukkan item mana yang paling banyak dibeli sepanjang hari.
Pertimbangkan urutan tindakan prosesor spreadsheet saat membuat diagram lingkaran. Sebuah diagram lingkaran, seperti namanya, terletak di atas lingkaran. Lingkarannya 360 derajat. Jumlah produk yang terjual adalah 60 buah. Artinya ada 360: 60 \u003d 6 derajat untuk 1 buah barang. Mari kita hitung ulang "barang dalam derajat": 13 buku catatan akan sesuai dengan 2 * 6 \u003d 12 derajat; 13 pensil - 13*6 \u003d 78 derajat; 45 buku catatan - 45 * 6 \u003d 270 derajat. Tetap memecah lingkaran menjadi tiga sektor - 12, 78 dan 270 derajat.
Keputusan. Mari pilih blok sel A1: B3, yang berisi data untuk pemrosesan grafik. Data tersebut disusun dalam kolom. Kolom pertama A1: AZ dari blok yang dipilih adalah kolom nama sektor; kolom kedua B1: OT dari blok yang dipilih berisi data numerik diagram. Diagram lingkaran akan terlihat seperti ini:
Diagram lingkaran tidak selalu memberikan kejelasan yang diperlukan untuk menyajikan informasi. Pertama, mungkin ada terlalu banyak sektor dalam satu lingkaran. Kedua, semua sektor bisa berukuran kira-kira sama. Bersama-sama, kedua alasan ini membuat diagram lingkaran jarang digunakan.
II. Diagram batang digunakan untuk membandingkan beberapa nilai di beberapa titik. Ini berarti bahwa alat lain diperlukan, diagram dari jenis yang berbeda. Ini adalah diagram batang.
| SEBUAH | DI | DARI | D | E | F | G | ||
| Sen | W | Mengawinkan | Th | Jum | Duduk | Bc | ||
Bagan kolom (seperti namanya) terdiri dari kolom. Ketinggian batang ditentukan oleh nilai kuantitas yang dibandingkan. Dalam kasus kami, ketinggian kolom akan ditentukan oleh jumlah surat kabar yang Entah terjual per hari. Setiap kolom diikat ke beberapa titik acuan. Dalam kasus kami, titik pivot akan sesuai dengan satu hari dalam seminggu.
Keputusan. Mari pilih blok sel A1-G2, yang berisi data untuk pemrosesan grafik. Data tersebut disusun dalam beberapa baris. Baris pertama A1: G1 dari blok yang dipilih adalah garis koordinat X (titik kontrol); baris kedua A2.G2 dari blok yang dipilih berisi koordinat Y (tinggi batang) dari diagram.
Tunjukkan judul diagram: “Entahlah menjual koran”. Bagan batang akan terlihat seperti ini:
Contoh 3. Sekarang mari kita pertimbangkan masalah yang lebih kompleks, untuk solusi yang pada prinsipnya diagram lingkaran tidak dapat digunakan. Ini adalah tugas di mana beberapa nilai akan dibandingkan beberapa kali. Misalkan Toropyzhka dan Donut menjual koran bersama dengan Dunno. Kegagalan mereka dalam perdagangan tercermin dalam tabel berikut (untuk kenyamanan, kami akan menambahkan Entah di sini):
| SEBUAH | DI | DARI | D | E | F | G | H. | ||
| Sen | W | Mengawinkan | Th | Jum | Duduk | Bs | |||
| Entahlah | |||||||||
| Toropyzhka | |||||||||
| Donat | |||||||||
Buat diagram batang yang akan menampilkan data untuk ketiga penjual sekaligus. Tinggi kolom tetap mewakili jumlah surat kabar. Seperti sebelumnya, kami akan memiliki 7 titik kontrol - satu untuk setiap hari dalam seminggu. Perbedaan dengan diagram sebelumnya adalah bahwa di setiap titik referensi tidak akan ada satu batang, tetapi tiga batang - satu batang untuk setiap penjual. Semua kolom dari satu penjual akan dicat dengan cara yang sama.
Keputusan. Mari pilih satu blok sel A1: H4 yang berisi data untuk pemrosesan grafik. Data tersebut disusun dalam beberapa baris. Baris pertama dari blok yang dipilih adalah garis koordinat X (titik kontrol); tiga baris berikutnya dari blok yang dipilih berisi koordinat Y (tinggi batang) dari grafik. Tunjukkan judul diagram: "Tukar Tambah Koran".
AKU AKU AKU. Bagan garis berfungsi untuk melacak dibalik perubahan itu beberapa nilai saat berpindah dari satu titik ke titik lainnya.
Contoh 4. Buat diagram garis yang menunjukkan perubahan jumlah surat kabar yang terjual selama seminggu (lihat Contoh 3). Membangun diagram garis mirip dengan membuat diagram batang. Tetapi alih-alih kolom, tingginya hanya ditandai (dengan titik, garis, salib - tidak masalah) dan tanda yang dihasilkan dihubungkan dengan garis lurus (diagramnya linier). Alih-alih bayangan berbeda (bayangan) kolom, tanda yang berbeda digunakan (berlian, segitiga, salib, dll.), Ketebalan dan jenis garis yang berbeda (padat, putus-putus, dll.), Warna berbeda.
IV. Grafik berjenjang memungkinkan Anda untuk membandingkan secara visual jumlah beberapa kuantitas pada beberapa titik, dan pada saat yang sama menunjukkan kontribusi setiap kuantitas terhadap total.
Contoh 5. Diagram kami "Perdagangan di Surat Kabar" (baik kolom maupun linier) menarik bagi penjual surat kabar, pertama-tama, dan menunjukkan kegagalan pekerjaan mereka. Tapi selain penjual, orang lain juga tertarik dengan perdagangan koran. Misalnya, penerbit surat kabar perlu mengetahui tidak hanya berapa banyak eksemplar surat kabar yang dijual setiap penjual, tetapi juga berapa banyak mereka semua dijual bersama. Pada saat yang sama, masih ada minat pada nilai-nilai individu yang membentuk jumlah total. Ambil tabel penjualan surat kabar (lihat Contoh 3) dan buat bagan berjenjang untuknya.
Urutan plot bagan bertingkat sangat mirip dengan urutan bagan kolom. Perbedaannya adalah bahwa batang dalam grafik bertingkat tidak ditumpuk di samping satu sama lain, tetapi satu di atas yang lain. Aturan untuk menghitung ukuran vertikal dan horizontal dari grafik berubah sesuai. Dimensi vertikal tidak akan ditentukan oleh nilai terbesar, tetapi oleh jumlah nilai terbesar. Tetapi jumlah kolom akan selalu sama dengan jumlah titik jangkar: akan selalu ada tepat satu kolom bertingkat di setiap titik jangkar.
Buku ini membahas teknik dasar bekerja pada komputer Macintosh. Fitur kerja dalam sistem operasi Mac OS X ditunjukkan: antarmuka pengguna, menambah / menghapus program, membakar CD / DVD, mencetak dokumen, menyambung ke Internet, dll. Menjelaskan aplikasi utama yang disertakan dalam OS: klien email Mail; Browser web Safari; iCal calendar-diary; aplikasi yang mengelola widget, Dashboard; Perangkat lunak Photo Booth untuk bekerja dengan kamera digital built-in; Editor musik GarageBand; Aplikasi Time Machine untuk pencadangan, dll. Dianggap bekerja dengan aplikasi lingkungan terintegrasi iWork: Editor teks halaman, spreadsheet Numbers, perangkat lunak presentasi Keynote. Fitur dari keyboard Macintosh ditampilkan dan analogi dengan keyboard dari IBM PC digambar. CD berisi tugas untuk belajar mandiri dengan aplikasi Mac OS X dan iWork, materi untuk menyelesaikan tugas, dan contoh presentasi.
Untuk pengguna pemula.
Book:
Bagian di halaman ini:
Diagram - Penyajian data secara grafis dari kisaran yang dipilih.
Untuk membuat grafik, ikuti algoritme berikut
1. Buat tabel nilai terhitung.
2. Pilih rentang yang diinginkan (dapat terdiri dari rentang persegi panjang yang tidak berdekatan).
3. Pilih jenis diagram yang diinginkan dari daftar yang diatur oleh tombol Grafik(Diagram):
Atau dari daftar menu Memasukkan(Blurb)? Grafik(Diagram).
4. Konfigurasikan parameter dari diagram yang dibuat di jendela inspektur pada tab Grafik(Diagram).
Kami tidak akan mempertimbangkan secara rinci pengaturan parameter bagan di bagian ini, karena masalah ini telah dibahas sebelumnya dalam aplikasi. Halaman (lihat bagian 5.1.14), dan praktik bekerja dengan diagram akan dibahas di sekte. 6.2.8.
Jenis diagram dan contoh penggunaannya
aplikasi Angkamenawarkan daftar grafik yang sama seperti Halaman.Bekerja dengan grafik dalam Halamandianggap di sekte. 5.1.14, di mana perhatian hanya diberikan pada pengaturan yang berbeda dari grafik, tetapi karakteristik komparatif dari jenis yang berbeda tidak diberikan. Pada bagian ini, kita akan menganalisis beberapa contoh penggunaan beberapa jenis diagram, yang secara jelas menunjukkan ruang lingkupnya.
Pie chart
Bundar diagram (Pai)dan versinya yang sangat banyak (Pai 3D)digunakan untuk membandingkan beberapa nilai pada satu titik atau beberapa bagian dari satu kesatuan. Seperti namanya, chart adalah lingkaran yang dibagi menjadi beberapa sektor. Lingkaran sesuai dengan jumlah total semua data dan 100%, setiap sektor sesuai dengan satu yang diberikan, yang merupakan bagian (persentase) dari total.
Contoh 1.Suatu ketika Paman Fyodor pergi ke hutan untuk memetik jamur dan mengumpulkan: 24 chanterelles, 9 lumut, 15 gelombang, 5 yang putih. Buat diagram lingkaran pemetikan jamur yang menampilkan persentase jamur porcini.
Sebelumnya, Anda harus menyiapkan tabel nilai yang digunakan untuk membuat diagram. Anda harus memasukkan nama jamur dan data numerik ke dalam tabel, kemudian pilih kisaran A1: D2 (Gbr.5.86) dan pilih jenis diagram Pai (Bundar). Sel baris pertama dari rentang yang dipilih adalah nama-nama sektor lingkaran, sel baris kedua berisi data numerik bagan. Seluruh lingkaran membentuk jumlah jamur yang dikumpulkan - 45, setiap sektor mencerminkan persentase masing-masing nama jamur dari total, Gbr. 5.86).
Penggunaan diagram lingkaran tidak selalu mudah dan jelas, misalnya, peningkatan jumlah jamur yang dikumpulkan akan menyebabkan peningkatan sektor, yang akan berdampak negatif pada konten informasi diagram. Dalam hal ini, jenis lain harus digunakan.
Bagan kolom
Angka menawarkan beberapa opsi untuk diagram batang: Kolom (Columnar) - kolom vertikal, Batang (Histogram) - batang horizontal, Kolom 3D (Kolom tiga dimensi), Bilah 3D (Histogram 3D).
Kolom diagram dan berbagai variannya berfungsi untuk membandingkan beberapa nilai pada beberapa titik, tetapi mereka juga dapat digunakan untuk membandingkan beberapa nilai pada satu titik, seperti pada contoh sebelumnya (lihat Gambar 5.86).
Seperti namanya, diagram batang terdiri dari batang, yang tingginya sesuai dengan nilai nilai yang dibandingkan; dalam contoh 1, tinggi batang ditentukan oleh jumlah jamur yang dipanen. Setiap kolom diikat ke beberapa titik referensi. Pada contoh 1, titik pivot sesuai dengan nama jamur, berapa banyak nama (4), sebanyak kolom (lihat Gbr.5.86).
Pertimbangkan masalah yang tidak cocok dengan diagram lingkaran. Contoh 2 membutuhkan banyak perbandingan dari beberapa nilai.
Contoh 2. Misalkan teman-temannya bergabung dengan Paman Fedor dalam memetik jamur: kucing Matroskin dan anjing Sharik, datanya diberikan dalam tabel (Gbr.5.87). Buat bagan yang menunjukkan hasil semua kolektor.
Tinggi kolom mencerminkan, seperti pada contoh 1 jumlah jamur yang terkumpul masih ada 4 anchor point, namun berbeda dengan contoh 1, pada setiap anchor point tidak terdapat satu kolom, melainkan tiga (satu kolom untuk setiap kolektor). Semua kolom dari satu kolektor akan diisi dengan warna yang sama. Untuk membuat grafik, pilih rentang A1: E4 (lihat Gbr.5.87), di Gbr. Jenis grafik 5.87 digunakan Kolom (Kolom).
Bagan garis
Linear diagram ( Garis) dirancang untuk melacak perubahan dalam beberapa nilai saat Anda berpindah dari satu titik ke titik lainnya.
Contoh 3.Buat diagram garis berdasarkan tabel dari contoh 2, yang menunjukkan perubahan jumlah jamur yang dipanen bergantung pada spesiesnya.
Masih ada empat titik jangkar dalam hal jumlah varietas jamur. Jumlah jamur yang dipanen ditandai pada grafik dengan label yang dihubungkan satu sama lain dengan segmen. Akibatnya, grafik menjadi garis putus-putus, terdiri dari beberapa segmen, oleh karena itu diagram jenis ini disebut linier. Diagram yang ditunjukkan pada gbr. 5.88 berisi tiga baris, masing-masing berhubungan dengan satu kolektor. Garis berbeda satu sama lain: warna, ketebalan, jenis guratan, penanda.
Bagan area
Diagram daerah mewakili gabungan diagram garis dan batang, lebih jelas mencerminkan perbandingan beberapa nilai pada satu titik.
Contoh 4.Buat diagram area berdasarkan tabel di Contoh 1 yang menunjukkan koleksi Paman Fedor.
Jika di bagian atas kolom ditunjukkan pada Gbr. 5.86, tandai titik-titiknya, hubungkan dengan segmen dan isi area yang dihasilkan dengan beberapa warna, lalu Anda mendapatkan diagram area yang ditunjukkan pada Gambar. 5.88. Untuk menampilkan banyak kolektor, jenis bagan ini tidak informatif.
Angka menawarkan dua opsi untuk bagan area: Daerah (Area) dan versi volumetriknya 3D Daerah.
Bagan berlapis
Bertingkat diagram memungkinkan Anda untuk membandingkan secara visual jumlah beberapa kuantitas pada beberapa titik, dan pada saat yang sama menunjukkan kontribusi setiap kuantitas terhadap total.
Contoh 5.Buat bagan bertingkat berdasarkan tabel di Contoh 2.
Angkamenawarkan enam opsi bagan berlapis: Kolom Bertumpuk(Kolom berjenjang) dan versi volumetriknya Kolom Bertumpuk 3D(Kolom bertingkat 3D), Batang Bertumpuk(Histogram berjenjang) dan Batang Bertumpuk 3D(Histogram multi-tingkat 3D), Area Bertumpuk(Kotak bertingkat) dan Area Bertumpuk 3D(Area bertingkat tiga dimensi).
Analisis data dimulai dengan pengelompokan dan penghitungan statistik deskriptif dalam kelompok, seperti menghitung sarana dan standar deviasi.
Jika Anda memiliki dua kelompok data, maka wajar untuk membandingkan rata-rata dalam kelompok ini. Ada banyak masalah dalam praktiknya, misalnya, Anda mungkin ingin membandingkan pendapatan rata-rata dua kelompok: mereka yang berpendidikan tinggi dan mereka yang tidak berpendidikan tinggi.
Dalam bab ini, kita akan membahas variabel yang diukur dalam skala berkelanjutan, seperti pendapatan atau tekanan darah. Variabel yang diukur pada skala yang buruk diselidiki menggunakan metode khusus. Secara khusus, variabel kategori diperiksa menggunakan tabel kontingensi (lihat bab tentang Menganalisis dan Menyusun Tabel). Variabel yang diukur dalam skala ordinal diselidiki dengan metode statistik nonparametrik (lihat bab Statistik nonparametrik).
Mari pertimbangkan tugas tipikal. Misalkan, saat membuat beton, Anda mendapatkan ide untuk menambahkan beberapa komponen baru ke dalamnya dan Anda yakin itu akan meningkatkan kekuatan beton. Untuk menguji asumsi Anda dan membuktikannya kepada konsumen, Anda mengambil beberapa sampel beton campuran dan beberapa sampel beton yang dipanggang dan mengukur kekuatan setiap sampel.
Dengan demikian, diperoleh dua kolom (dua kelompok) angka: kekuatan sampel dengan penambahan dan kekuatan sampel tanpa penambahan. Bagaimana kelompok-kelompok ini dapat dibandingkan?
Pendekatan yang jelas adalah membandingkan statistik deskriptif seperti sarana dua kelompok. Tentu saja, seseorang dapat membandingkan median atau statistik deskriptif lainnya, tetapi wajar untuk memulai dengan membandingkan rata-rata. Jadi, Anda memiliki dua rata-rata: rata-rata untuk kelompok pertama dan rata-rata untuk kelompok kedua.
Dimungkinkan untuk secara resmi mengurangi satu rata-rata dari yang lain dan, dengan besarnya perbedaan, menyimpulkan bahwa ada efek. Namun demikian, disarankan untuk memperhitungkan penyebaran data relatif terhadap sarana, yaitu variasinya (lihat bab Konsep dasar). Jelas, prosedur yang masuk akal harus mempertimbangkan variasi. Hal pertama yang terlintas dalam pikiran adalah menormalkan dengan tepat perbedaan antara mean dari dua sampel (grup data), membaginya, misalnya, dengan deviasi standar (akar kuadrat dari variasi).
Inilah yang dipikirkan oleh W. Gosset, seorang ahli statistik Inggris yang dikenal dengan nama samaran Student, yang menemukan uji-t untuk membandingkan mean dari dua sampel.
Katakanlah kita sedang menguji hipotesis bahwa suplemen tersebut tidak efektif (atau seperti yang mereka katakan dalam bahasa gaul analisis data: tidak ada efek perlakuan), dengan kata lain, rata-rata dalam kedua kelompok adalah sama. Ketentuan ini sesuai dengan alternatifnya, yang menurutnya ada efek - kekuatan beton meningkat ketika komponen baru ditambahkan ke dalamnya.
Perhatikan bahwa alternatif dapat dinyatakan dengan cara lain, misalnya rata-rata tidak sama atau kekuatan rata-rata sampel meningkat (penambahan menyebabkan peningkatan kekuatan beton).
Jika Anda membagi sampel secara acak menjadi dua bagian dan membandingkan indikator pada kelompok pertama dan kedua, kemungkinan besar Anda berurusan dengan kelompok independen.
DI STATISTIKA Uji-t tersedia di kedua opsi organisasi data.
Perkembangan alami dari plot perbandingan sarana adalah generalisasi uji-t untuk tiga atau lebih kelompok data, yang mengarah pada analisis varians (dalam terminologi bahasa Inggris ANOVA adalah singkatan dari Analysis of Variation), serta respons multivariat. Jika kita berurusan dengan respon multidimensi, maka kita menggunakan metode MANOVA. Jadi, metode analisis varians memungkinkan perbandingan yang wajar dari rata-rata kelompok jika jumlah kelompok lebih dari dua. Misalnya, jika ingin membandingkan pendapatan penduduk di beberapa daerah, maka Anda bisa menggunakan analisis varians. Jika Anda memeriksa dua wilayah, gunakan uji-t.
Mari kita gambarkan satu kasus yang tidak sesuai dengan skema umum. Bayangkan Anda mempelajari variabel kategori yang mengambil dua nilai, 0 dan 1, dan Anda ingin membandingkan perbedaan frekuensi kemunculannya dalam dua kelompok. Misalnya, Anda mungkin ingin membandingkan jumlah relatif suara yang diberikan untuk seorang kandidat di dua daerah pemilihan. Istilah angka relatif berarti jumlah suara yang diberikan untuk seorang calon dibagi dengan jumlah total pemilih. Kriteria statistik untuk membandingkan frekuensi (proporsi, proporsi ...) diimplementasikan dalam modul Statistik Dasar dan Tabel dalam dialog Kriteria Signifikansi Lainnya.
Uji-T untuk sampel independen
uji-t adalah metode yang paling umum digunakan untuk mendeteksi perbedaan antara mean dari dua sampel. Mari kita ingatkan sekali lagi bahwa variabel harus diukur pada skala yang cukup kaya, misalnya kuantitatif.
Tentu saja, penerapan uji-t memiliki beberapa keterbatasan, namun sangat lemah.
Secara teori, uji-t dapat diterapkan meskipun ukuran sampel sangat kecil (misalnya, 10; beberapa peneliti berpendapat bahwa sampel yang lebih kecil dapat diperiksa) dan jika variabel terdistribusi normal (dalam kelompok) dan varians pengamatan dalam kelompok tidak terlalu berbeda. Diketahui bahwa uji-t tahan terhadap penyimpangan dari normalitas.
Asumsi normalitas dapat diuji dengan memeriksa sebaran (misalnya secara visual menggunakan histogram) atau dengan menerapkan uji normalitas. Perlu dicatat bahwa adalah mungkin untuk menguji hipotesis normalitas secara efektif untuk sejumlah besar data (lihat komentar Fisher tentang uji normalitas, yang kami kutip dalam bab Konsep dasar analisis data).
Perlu lebih berhati-hati dengan perbedaan varians dari kelompok yang dibandingkan. Kesetaraan varian dalam dua kelompok, dan ini adalah salah satu asumsi Kriteria-F dapat diperiksa dengan Kriteria-F (yang disertakan dalam tabel keluaran uji-t di STATISTICA). Anda juga dapat menggunakan tes Leuven yang lebih stabil.
Saat membandingkan rata-rata, seperti biasa dalam analisis data, teknik visual sangat berguna. Misalnya, bagan rentang yang dikategorikan di bawah ini menunjukkan perbedaan yang signifikan dalam nilai rata-rata untuk pria dan wanita. Dalam bagan, titik-titik mewakili sarana, serta deviasi standar (persegi panjang) dan kesalahan standar (segmen garis lurus), dihitung secara terpisah untuk pria dan wanita.
Grafik menunjukkan perbedaan dalam varians dalam kelompok - tinggi persegi panjang WANITA lebih besar daripada tinggi persegi panjang PRIA.
Jika kondisi penerapan Uji-t tidak terpenuhi, perbedaan antara kedua kelompok data dapat dinilai dengan menggunakan alternatif nonparametrik yang sesuai dengan uji-^ (lihat bab Statistik nonparametrik untuk pembahasan tentang penggunaan prosedur alternatif).
Tingkat signifikansi p dari uji-f sama dengan probabilitas penolakan yang salah terhadap hipotesis bahwa tidak ada perbedaan antara mean sampel ketika benar (yaitu, jika mean sebenarnya sama).
Beberapa peneliti mengusulkan, dalam kasus ketika perbedaan hanya dalam satu arah yang dipertimbangkan (misalnya, variabel X lebih besar (lebih sedikit) pada kelompok pertama daripada di kelompok kedua), pertimbangkan distribusi-t satu arah dan bagi yang diperoleh untuk uji-t dua arah p-level menjadi dua. Yang lain menyarankan untuk selalu bekerja dengan uji-t dua sisi standar.
Untuk menerapkan uji-t untuk sampel independen, diperlukan minimal satu variabel independen (pengelompokan) dan satu variabel dependen (misalnya, nilai uji beberapa indikator yang dibandingkan dalam dua kelompok).
Pertama, menggunakan nilai-nilai dari variabel pengelompokan, misalnya laki-laki dan perempuan, jika variabel pengelompokannya adalah Jenis Kelamin, atau Berpendidikan tinggi dan Tidak ada pendidikan tinggi, jika variabel pengelompokannya adalah Pendidikan, data dibagi menjadi dua kelompok. Rata-rata variabel dependen, seperti tekanan darah atau pendapatan, kemudian dihitung untuk setiap kelompok. Rata-rata sampel ini dibandingkan satu sama lain.
Tentunya saat diterapkan Uji-t, seperti halnya kriteria lain dalam analisis data, Anda perlu mempertahankan akal sehat. Aplikasi Uji-t hampir tidak dapat dibenarkan jika nilai dua variabel tidak sebanding. Misalnya, jika Anda membandingkan mean dari beberapa indikator dalam sampel pasien sebelum dan sesudah perawatan, tetapi menggunakan metode kalkulasi yang berbeda
indikator kuantitatif atau unit lain dalam dimensi kedua, maka nilai yang sangat signifikan dari kriteria-t dapat diperoleh secara artifisial, dengan mengubah unit pengukuran. Demikian pula, tidak masuk akal untuk membandingkan pendapatan dalam mata uang rubel dengan beberapa devaluasi atau inflasi tinggi.
Bagian selanjutnya memberikan rumus untuk menghitung statistik Tes Siswa untuk memeriksa kesetaraan sarana dua sampel. Jika Anda hanya tertarik pada aplikasi praktis, Anda dapat melewati bagian ini.
Definisi formal uji-t
Secara formal, dalam kasus dua kelompok (k \u003d 2), statistik t-criterion berbentuk:
di mana x¯ 1 (n 1) m x¯ 2 (n 2) adalah rata-rata sampel dari sampel pertama dan kedua, s ~ 2 adalah estimasi varians, yang terdiri dari estimasi varians untuk setiap grup data:
Jika hipotesis “rata-rata dalam dua kelompok sama” adalah benar, maka statistik t ^ (n 1 + n 2 -2) memiliki distribusi Student dengan (n 1 + n 2 -2) derajat kebebasan (lihat, misalnya, buku referensi Aivazyan S A., Enyukov I. S., Meshalkin L. D., Statistik Terapan., M .: Keuangan dan statistik, 1983. S. 395-397).
Nilai absolut yang besar dari statistik t ^ (n 1 + n 2 - 2) bersaksi melawan hipotesis persamaan nilai rata-rata.
Menggunakan kalkulator probabilistik STATISTICA, kita menemukan titik 100a / 2% dari distribusi Student dengan (n 1 + n 2 - 2) derajat kebebasan.
Kami menunjukkan titik yang ditemukan dengan ×
Jika | t ^ (n 1 + n 2 -2) | \u003e t (a / 2), maka hipotesis ditolak.
Perhatikan bahwa nilai absolut yang besar dari statistik t ^ (n 1 + n 2 -2) Student dapat muncul baik karena perbedaan yang signifikan dalam sarana dan karena perbedaan yang signifikan dalam varians dari kelompok yang dibandingkan.
Uji statistik untuk persamaan atau homogenitas varians dari dua sampel normal didasarkan pada statistik:
yang menurut hipotesis: "varians dalam dua kelompok sama" memiliki distribusi F (n 1 -1, n 2 -1).
Mari kita tentukan tingkat signifikansi a.
Dengan menggunakan kalkulator probabilistik, kami menghitung 100 (1 - a / 2)% dan 100 (a / 2)% dari titik distribusi F (n 1 -1, n 2 -1).
Jika 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.
Uji-T untuk sampel dependen
Derajat perbedaan antara rata-rata dalam kedua kelompok tergantung pada variasi (varians) dalam kelompok variabel.
Bergantung pada seberapa berbedanya nilai-nilai ini untuk setiap kelompok, “perbedaan besar” antara sarana kelompok menunjukkan hubungan yang lebih kuat atau lebih lemah antara variabel bebas (pengelompokan) dan variabel terikat.
Misalnya, jika dalam penelitian WCC rata-rata (jumlah leukosit) adalah 102 untuk pria dan 104 untuk wanita, maka perbedaan hanya 2 antara rata-rata dalam grup akan sangat penting jika semua nilai WCC untuk pria berada dalam kisaran 101 hingga 103. dan semua nilai WCC untuk wanita berada pada kisaran 103-105. WCC (nilai variabel terikat) kemudian dapat diprediksi dengan cukup baik dari jenis kelamin subjek (variabel bebas). Namun, jika perbedaan yang sama 2 diperoleh dari data yang sangat tersebar (misalnya, berkisar dari 0 hingga 200), maka perbedaan tersebut dapat diabaikan sepenuhnya.
Jadi, jelas bahwa penurunan variasi dalam kelompok meningkatkan sensitivitas tes.
Uji-t untuk sampel dependen menguntungkan ketika sumber penting variasi (atau kesalahan) dalam kelompok dapat dengan mudah diidentifikasi dan dikeluarkan dari analisis. Secara khusus, ini berlaku untuk eksperimen di mana dua kelompok pengamatan yang dibandingkan didasarkan pada sampel pengamatan yang sama (subjek) yang diuji dua kali (misalnya, pasien sebelum dan sesudah perawatan).
Dalam eksperimen semacam itu, sebagian besar variabilitas (variasi) intragroup pada kedua kelompok dapat dijelaskan oleh perbedaan individu pada subjek. Perhatikan bahwa dalam kenyataannya situasi ini tidak terlalu berbeda dari situasi ketika kelompok yang dibandingkan benar-benar independen (lihat uji-t untuk sampel independen), di mana perbedaan individu juga berkontribusi pada varians kesalahan. Namun, dalam kasus sampel independen, tidak ada yang dapat Anda lakukan tentang hal ini, karena Anda tidak dapat mengidentifikasi (atau "menghapus") bagian variasi yang terkait dengan perbedaan individu di antara subjek. Jika sampel yang sama diuji dua kali, bagian variasi ini dapat dengan mudah dihilangkan.
Daripada memeriksa setiap kelompok secara terpisah dan menganalisis nilai dasar, seseorang dapat dengan mudah melihat perbedaan antara dua pengukuran (misalnya, "pre-test" dan "post-test") untuk setiap subjek. Dengan mengurangi nilai pertama dari nilai kedua (untuk setiap subjek) dan kemudian hanya menganalisis "perbedaan bersih (berpasangan)" ini, Anda akan mengecualikan bagian variasi yang merupakan hasil perbedaan pada tingkat awal individu.
Dibandingkan dengan uji-t untuk sampel independen, pendekatan ini selalu memberikan hasil yang "lebih baik", karena pengujian menjadi lebih sensitif.
Asumsi teoritis uji-Q untuk sampel independen juga berlaku untuk pengujian sampel dependen. Ini berarti bahwa perbedaan berpasangan harus terdistribusi secara normal. Jika tidak demikian, salah satu alternatif kriteria nonparametrik dapat digunakan (lihat bab tentang Statistik Nonparametrik).
Dalam sistem STATISTICA, ^ -test untuk pilihan dependen dapat dihitung untuk daftar variabel dan dilihat lebih lanjut sebagai matriks. Dalam hal ini, data yang hilang diproses secara berpasangan atau baris demi baris.
Dalam kasus ini, hasil yang signifikan mungkin muncul "murni kebetulan". Jika Anda memiliki banyak eksperimen independen, maka "murni kebetulan" Anda dapat menemukan satu atau lebih eksperimen, yang hasilnya signifikan.
Seperti yang telah disebutkan, perbandingan rata-rata di lebih dari dua kelompok dilakukan dengan menggunakan analisis varian (singkatan bahasa Inggris - ANOVA).
Jika ada lebih dari dua "sampel dependen" (misalnya, pra-perawatan, pasca-perawatan-1, dan pasca-perawatan-2), maka tindakan ANOVA berulang dapat digunakan. Pengukuran berulang dalam analisis varians dapat dipandang sebagai generalisasi uji-f untuk sampel dependen, yang memungkinkan Anda meningkatkan sensitivitas analisis.
Misalnya, analisis varians memungkinkan Anda untuk secara bersamaan mengontrol tidak hanya tingkat dasar variabel dependen, tetapi juga faktor-faktor lain dan menyertakan lebih dari satu variabel dependen dalam desain eksperimental.
Teknik yang menarik adalah menggabungkan hasil dari beberapa uji-t. Teknik ini juga dapat digunakan untuk menggabungkan hasil dari kriteria lain (lihat: Buku Pegangan Statistik Terapan / Diedit oleh E. Lloyd dan W. Lederman, vol. 1. Moscow: Finance and Statistics, 1989. P. 274). Bagi kami, contoh ini juga menarik karena kami dapat mendemonstrasikan kapabilitas baru STATISTICA.
Contoh 1
Misalkan, dengan menggunakan eksperimen independen, Anda memperoleh tingkat signifikansi a (1), a (2) ... a (m). Katakanlah level ini tidak cukup meyakinkan. Jika tingkat signifikansi tidak meyakinkan, mungkin masuk akal untuk menggabungkan data dan menganggapnya sebagai hasil dari satu percobaan keseluruhan.
Di bawah hipotesis nol, tingkat signifikansi yang dianggap sebagai variabel acak didistribusikan secara seragam. Oleh karena itu, kuantitasnya
L \u003d -2 × (Ln (a (l)) + Ln (a (2)) + ... + Ln (a (m))
memiliki distribusi chi-kuadrat dengan derajat kebebasan 2m.
Misalnya, jika tingkat 0,047, 0,054, 0,042 yang diperoleh dalam pengujian kekuatan beton tidak cukup meyakinkan, maka tingkat signifikansi percobaan gabungan adalah 0,005547 dan hipotesis tentang ketidakefektifan aditif ditolak dengan jelas.
Untuk memahami ini, kami akan menggunakan alat dari sistem STATISTICA. Pertama-tama mari kita hitung nilai L, misalnya dengan mengatur rumus dalam spreadsheet.
Buat file dan di baris pertama masukkan entri:
Var7 berisi nilai L yang dihitung dengan rumus.
Kemudian buka kalkulator probabilistik STATISTICA, pilih distribusi chi-kuadrat, masukkan angka derajat kebebasan b, dan masukkan nilai 18,29 di bidang chi-kuadrat.
Alhasil, di lapangan r kami mendapat 0,005547.
Dengan demikian, tingkat signifikansi gabungan dari tiga uji-t diperoleh (bandingkan dengan hasil yang diberikan dalam Buku Pegangan Statistik Terapan, diedit oleh E. Lloyd dan W. Lederman, vol. 1. M .: Keuangan dan Statistik, 1989. p. 275) ... Ini jelas merupakan tingkat signifikansi yang tinggi, sehingga hipotesis nol ditolak.
Contoh 2
Di sini kita akan bekerja dengan file intemet2000.sta. Anda juga dapat menggunakan file ad.study.sta dari folder Contoh.
File intemet2000.sta berisi hasil survey beberapa pengguna mengenai persepsi mereka terhadap situs ENNUI dan POURRITURE.
Jenis data ini tidak sulit didapat dengan menggunakan Internet. Anda bisa, misalnya memposting kuisioner di situs yang akan diisi oleh pengunjung.
Dalam contoh model ini, pengguna memberi peringkat situs pada skala yang berbeda (kelengkapan, manufakturabilitas, konten informasi, desain, dll.) Di setiap skala, responden menilai situs pada skala sepuluh poin, dari 0 hingga 9 poin.
Sebuah pertanyaan menarik: apakah perbedaan persepsi pria dan wanita tentang situs?
Pria mungkin memberikan skor yang lebih tinggi atau lebih rendah pada beberapa skala dibandingkan wanita.
Untuk mengatasi masalah ini, Anda dapat menggunakan uji-t untuk sampel independen. Variabel pengelompokan gender memecah data menjadi dua kelompok. Sampel laki-laki dan perempuan akan dibandingkan untuk rata-rata peringkat mereka di setiap skala. Kembali ke landasan peluncuran dan klik uji-T untuk prosedur sampel independen untuk membuka kotak dialog T. -kriteria untuk sampel independen (grup).
Klik tombol tersebut Variabeluntuk membuka dialog standar untuk memilih variabel. Di sini Anda dapat memilih variabel independen (pengelompokan) dan dependen.
Misalnya, pilih GENDER sebagai variabel bebas dan variabel 3 sampai 25 (yang mengandung tanggapan) sebagai variabel terikat.
Klik baik di kotak dialog ini untuk kembali ke kotak dialog tempat pilihan Anda ditampilkan.
Dari kotak dialog Uji-T untuk sampel independen (kelompok) banyak prosedur lain juga tersedia.
Klik baik untuk menampilkan tabel hasil.
Cara tercepat untuk mempelajari tabel ini adalah dengan melihat kolom kelima (yang berisi level-p) dan menentukan mana di antara nilai-p yang lebih kecil dari level signifikansi yang ditetapkan 0,05.
Untuk sebagian besar variabel dependen, rata-rata untuk dua kelompok (LAKI-LAKI - LAKI-LAKI dan PEREMPUAN - WANITA) sangat dekat.
Satu-satunya variabel yang kriteria-fnya sesuai dengan tingkat signifikansi yang ditetapkan 0,05 adalah Pengukuran 7, di mana tingkat-p adalah 0,0087. Seperti yang ditunjukkan oleh kolom yang berisi nilai rata-rata (lihat dua kolom pertama), untuk pria variabel ini memiliki nilai rata-rata yang jauh lebih besar - dalam skala pengukuran yang dipilih adalah 5,46 untuk pria, dan 3,63 untuk wanita. Pada saat yang sama, kemungkinan tidak dapat dikesampingkan bahwa perbedaan gender sebenarnya tidak ada dan diperoleh hanya sebagai akibat dari suatu kebetulan yang tidak disengaja (lihat di bawah), meskipun hal ini tampaknya tidak mungkin.
Plot default untuk tabel hasil ini adalah plot ayunan. Untuk memplot diagram ini, klik kanan di mana saja pada garis yang sesuai dengan variabel dependen (misalnya, rata-rata untuk Pengukuran 7).
Di menu konteks yang terbuka, pilih plot Diagram bentang dari submenu Grafik statistik cepat... Selanjutnya pilih opsi Rata-rata / st.osh./ st.dev... jendela. Diagram bentang dan tekan baik untuk membuat grafik.
Perbedaan mean pada grafik terlihat lebih signifikan dan tidak dapat dijelaskan hanya berdasarkan variabilitas data aslinya.
Namun, ada perbedaan tak terduga lainnya pada grafik. Varians untuk kelompok wanita jauh lebih besar daripada varians untuk grup pria (lihat persegi panjang yang mewakili akar kuadrat dari variasi).
Jika varians dalam dua kelompok berbeda secara signifikan, maka salah satu persyaratan untuk menggunakan uji-z dilanggar, dan perbedaan sarana harus dipertimbangkan secara cermat.
Selain itu, varians biasanya berkorelasi dengan mean, yaitu semakin besar mean, semakin besar variansnya.
Namun, dalam kasus ini, sesuatu yang berlawanan diamati. Dalam situasi seperti itu, seorang peneliti berpengalaman akan menyarankan bahwa distribusi Pengukuran 7 mungkin tidak normal (untuk pria, wanita, atau keduanya).
Oleh karena itu, kami akan mempertimbangkan kriteria perbedaan dalam varians untuk memeriksa apakah perbedaan yang diamati pada grafik benar-benar penting.
Mari kembali ke tabel hasil dan gulir ke kanan untuk melihat hasil uji-F. Nilai kriteria F benar-benar sesuai dengan tingkat signifikansi yang ditunjukkan sebesar 0,05 yang berarti terdapat perbedaan yang signifikan pada varians variabel Pengukuran 7 pada kelompok LAKI-LAKI - MALES dan PEREMPUAN - PEREMPUAN.
Namun, signifikansi perbedaan yang diamati dalam varians mendekati tingkat signifikansi batas (level p-nya adalah 0,029).
Sebagian besar peneliti akan menganggap fakta ini saja tidak cukup untuk membatalkan uji-t untuk perbedaan mean, yang memberikan tingkat signifikansi yang tinggi untuk perbedaan ini (p - 0,0087).
Perbandingan ganda
Prosedur perbandingan berganda dapat digunakan saat membuat perbandingan sarana dalam tiga kelompok atau lebih. Istilah banyak perbandingan itu sendiri berarti banyak perbandingan.
Masalahnya adalah ini: kami memiliki n\u003e 2 grup data independen dan ingin membandingkan nilai rata-ratanya dengan cara yang masuk akal. Misalkan kita menerapkan uji-F dan menolak hipotesis: "rata-rata semua kelompok adalah sama." Keinginan alami kami adalah menemukan kelompok yang homogen, yang rata-rata sama satu sama lain.
Tentu saja, kita dapat membandingkan kelompok menggunakan uji-t dan menemukan kelompok homogen melalui perbandingan berulang. Tetapi ternyata sulit untuk menghitung kesalahan dari prosedur yang dilakukan atau, seperti yang mereka katakan, dari kriteria komposit, dimulai dari tingkat signifikansi tertentu dari setiap kriteria-t.
Kehalusannya adalah bahwa dengan membandingkan banyak kelompok menggunakan uji-t, Anda dapat menemukan efeknya secara tidak sengaja. Bayangkan bahwa di 1.000 klinik Anda menguji obat baru, membandingkan kelompok pasien yang menggunakan obat di setiap klinik dengan kelompok pasien yang menggunakan plasebo. Tentu saja, sebuah klinik dapat ditemukan secara kebetulan di mana Anda akan menemukan efeknya. Namun, dengan probabilitas tingkat tinggi, ini bisa menjadi efek seni.
Untuk melindungi diri Anda dari kecelakaan semacam ini, kriteria khusus digunakan untuk beberapa atau beberapa perbandingan.
Dalam sistem STATISTICA, beberapa prosedur perbandingan diterapkan dalam modul Statistik dan tabel dasar dalam dialog
Penjelasan tentang prosedur perbandingan ganda dapat ditemukan, misalnya, dalam buku: Kendaal, M.J. dan Stewart, A. Inferensi Statistik dan Hubungan. Moskow: Nauka, 1973.S. 71-79.
Perhatikan bahwa metode paling umum untuk membandingkan beberapa kelompok diterapkan dalam modul Analisis Umum Varians.
ANOVA satu arah dapat dilakukan di modul Statistik dan tabel dasar.
ANOVA satu arah dan Perbandingan Sarana Pasca-hoc
Jadi, jika Anda ingin memajukan studi tentang perbedaan antara beberapa kelompok, maka analisis lebih lanjut harus dilakukan dalam dialog pengelompokan dan analisis varian satu arah (ANOVA). Kami sedang mengerjakan data yang ada di file adstudy.sta (folder Contoh).
Lakukan pengaturan berikut setelah kita.
Pertama, pilih pengelompokan dan variabel dependen di file data dengan cara standar.
Kemudian pilih kode untuk mengelompokkan variabel. Dengan bantuan kode-kode ini, pengamatan dalam file tersebut dibagi menjadi beberapa kelompok, yang akan kami bandingkan.
Setelah Anda memilih variabel untuk dianalisis dan menentukan kode variabel pengelompokan, klik tombol baik dan menjalankan rutinitas komputasi.
Di jendela yang muncul, Anda dapat melihat hasil analisis secara komprehensif.
Perhatikan baik-baik kotak dialog. Hasilnya dapat ditampilkan dalam bentuk tabel dan grafik. Misalnya, Anda dapat menguji signifikansi perbedaan sarana menggunakan prosedur Analisis varians.
Klik pada tombol tersebut Analisis variansdan Anda akan melihat hasil ANOVA satu arah untuk setiap variabel dependen.
Perhatikan bahwa dalam tabel ANOVA kita sudah berurusan dengan kriteria-F.
Sebagai berikut dari hasil, untuk variabel Pengukuran 5, Pengukuran 7 dan Pengukuran 9, prosedurnya aNOVA satu arah memberikan hasil yang signifikan secara statistik pada tingkat p<0,05.
Hasil ini menunjukkan bahwa perbedaan rata-rata signifikan. Jadi, dengan menggunakan uji-F (uji ini menggeneralisasi uji-t untuk jumlah kelompok lebih dari dua), kami menolak hipotesis tentang homogenitas kelompok yang dibandingkan.
Kembali ke dialog hasil dan klik tombol Perbandingan post hoc sarana untuk menilai signifikansi perbedaan antara sarana kelompok tertentu. Langkah pertama adalah memilih variabel dependen. Dalam contoh ini kita akan memilih variabel Measur 7.
Setelah Anda klik baik di jendela pemilihan variabel, kotak dialog akan muncul di layar Perbandingan post hoc sarana.
Beberapa kriteria a posteriori dapat dipilih di jendela ini.
Mari kita pilih, misalnya, kriteria perbedaan paling tidak signifikan (LDS).
Uji NID setara dengan uji t sampel independen berdasarkan kelompok pembanding N.
uji-t untuk sampel independen menunjukkan (periksa STATISTIK A!) Bahwa terdapat perbedaan yang signifikan antara respons MALES dan respons FEMALES untuk variabel Measur 7.
Menggunakan prosedur Pengelompokan dan ANOVA satu arah, kami melihat (lihat tabel hasil) bahwa ada perbedaan yang signifikan dalam sarana hanya untuk mereka yang memilih SOKE.
Presentasi hasil secara grafis... Perbedaan cara dapat dilihat pada grafik yang tersedia di kotak dialog. Statistik deskriptif dan korelasi intra-grup - Hasil.
Misalnya, untuk membandingkan distribusi variabel yang dipilih dalam grup, klik tombol Bagan Plot Dikategorikan dan pilih opsi Median / Quarter / Span dari kotak dialog Diagram bentang.
Setelah Anda klik baik, STATISTICA akan membangun serangkaian plot.
Grafik menunjukkan bahwa ada perbedaan yang jelas antara kelompok WANITA - SOKE dan kelompok LAKI-LAKI - SOKE.
Analisis semacam ini dengan pengelompokan dan perbandingan cara yang semakin kompleks dalam hasil kelompok, terutama yang sering digunakan dalam survei massal, dapat berhasil dilakukan di STATISTICA.
Jenis nilai relatif berikutnya adalah nilai relatif perbandingan atau disebut juga dengan indikator perbandingan relatif. Dalam hal statusnya, nilai perbandingan kemungkinan besar adalah yang kelima di antara semua nilai relatif, setelah, dan. Tapi dari segi frekuensi penggunaan, mungkin yang pertama. Selain itu, pada bagian ini kita akan membahas dua kuantitas relatif lagi yang juga dapat digunakan untuk tujuan analitis.
Nilai perbandingan relatif
Intinya adalah bahwa nilai perbandingan relatif membandingkan satu indikator dengan yang lain. Kami mendapatkan bahwa indikator perbandingan adalah nilai yang sangat relatif. Apa nilai relatif dan bagaimana menghitungnya dapat dilihat.
Nilai relatif dari perbandingan mencirikan
ukuran komparatif dari objek yang berbeda atau nilai absolut, tetapi dikaitkan dengan fenomena yang sama. Misalnya, satu paket susu dengan volume 1 liter di satu toko harganya 50 rubel, dan di 60 rubel lainnya, kemudian kita dapat membandingkan biayanya dan mencari tahu berapa kali satu lebih mahal dari yang lain. 60: 50 \u003d 1.2. Artinya, sekotak susu di toko kedua harganya 1,2 kali lebih mahal.
Ini adalah tindakan sederhana sehingga nilai perbandingan relatif dihitung, dan proses penghitungan tidak dapat terdiri dari satu tindakan, tetapi beberapa sekaligus. Jika beberapa objek digunakan sebagai nilai pembanding, dan basis perbandingan secara alami akan menjadi satu.
Mempertimbangkan hal di atas, tentukan nilai perbandingan relatif (RVSr) bisa dengan rumus berikut
Dalam kasus ini, seperti pada nilai relatif lainnya, pembilang (atas) berisi nilai yang dibandingkan, dan penyebut (bawah) berisi nilai dasar. Nilai dasar dapat bervariasi tergantung pada tugas dan tujuan penghitungan. Misalnya, memiliki data tentang produksi daging di wilayah Moskow, wilayah Tula, wilayah Bryansk, wilayah Smolensk. Jika kami mengambil wilayah Moskow sebagai basis perbandingan, maka kami akan membagi semua data di wilayah lain dengan data di wilayah Moskow. Jika kita mengambil wilayah Tula sebagai basis perbandingan, maka, oleh karena itu, kami membagi data untuk semua wilayah lainnya dengan data untuk wilayah Tula.
Contoh. Ada data sementara produksi susu di empat wilayah. Hitung indikator perbandingan relatif, ambil data untuk wilayah Moskow sebagai basis perbandingan, lalu data untuk wilayah Tula.
Varian suku cadang lain dimungkinkan, misalnya 3 dengan 1 dan seterusnya.
Nilai relatif intensitas pembangunan
Nilai intensitas menunjukkan
tingkat perkembangan indikator tertentu di lingkungan tertentu. Metode penghitungan indeks intensitas adalah klasik, dan mirip dengan penghitungan nilai perbandingan.
Seringkali nilai intensitas dihitung sebagai persentase, ppm.
Biasanya digunakan dalam statistik kependudukan untuk mengkarakterisasi indikator demografis. Misalnya angka kelahiran.
Jumlah orang yang lahir di kota itu 15 orang untuk setiap seribu orang. Ini adalah contoh besarnya intensitas pembangunan.
Selain itu, metode perhitungan ini digunakan dalam perekonomian organisasi. Rasio modal-tenaga kerja adalah indikator yang mencirikan jumlah aset tetap per karyawan.
Untuk kembali ke daftar kuliah.
