Biomeetria eksamiks valmistumine (0)

Biomeetria eksamiks

• Konstrueerige sagedustabel tunnusele“hommik“ ---- insert PivotTable , joonise tegemisel copy andmed kõrvale (ilma grand total lahtrita)
  
• Diagrammi kujundamine - kustutada legend ja joonise pealkiri; y-telje põhikoordinaatjooned helehallid katkendlikud; y-teljele nimetus ' Tudengite arv'; x-teljele nimetus 'Mida te tavaliselt hommikul sööte?' ja tõstke see joonise sisse; telgede ühikute kirjasuurus 10 ja nimetustel 12 punkti; y-telje maksimum 29 ja miinimum 0 ühikut ning ühikute vahe ( major unit) 5; tulpade vahe 120%; jooniseala ( Chart Area) ümbert hall kastijoon kustutada; hall kastijoon teha ümber jooniseala ( Plot Area)
  
• Suhteline sagedus – grupi vaatluste arv/kõigi vaatluste arv. Home sakil saab teha protsendiks
  
• Pidevate arvtunnuste jaoks on vaja klasse. Klasside arvu leiab võttes vaatluste arvust ruutjuure, klassid peavad olema ühepikkused. Klasside intervalli leidmiseks (max-min)/vaatluste arv. Tuleb teha abitabel , kus on klasside ülempiirid, kuid viimase klassi ülempiiri ei pane.
  
• Klassidele sagedustabeli moodustamiseks vali Data Analysis ….. Histogram. Input range: vaadeldavad andmed. Bin range: ülempiirid. Diagrammi tegemiseks kirjuta välja klassid.
  
• Kas kehamass sõltub pudru söömisest? Pivottable – puder läheb row labelisse, kehamass values . Field settings, kui tahad muuta summa nt tudengite arvuks.
  
• Keskmised, standardhälbed ja standardvead ümardada ühe kohani peale koma
  
• Data analysis - Descriptive statistics annab kõik keskmised, min, max .. jne
  
• Alumine ja ülemine usalduspiir - = keskmine -+ usalduspiir
  
• T-test näited: kas autot omavate ja mitteomavate tudengite keskmised kehamassid on erinevad? Kas hinge kinni pidamise võime on meestel ja naistel erinev? Kas spordiga tegelevate ja mitte tegelevate tudengite keskmised kehamassid on erinevad?
  
• T- test läbi viimine: lisa vt PRAKS 4
  
• Kõige pealt kopeeri vajalikud grupid eraldi ja kõrvuti, seejärel sorteeri, et sarnased oleks järjest. Seejärel pane paika hüpoteesid: H0: ...... on sarnased; H1: .....on erinevad. Seejärel teha F-testi hüpoteesipaar, kui on tegemist sõltumatute gruppidega.H0: ...varieeruvus on sarnane; H1: varieeruvus on erinev. Kui F-testi tulemus on suurem kui 0,05=H0 ja tuleb teha võrdsete dispersioonide t-test T-test(aray1;array2;2;2). Kui ebavõrdsete dispersioonide test, siis viimase numbri asemel 3 ja p on väiksem kui 0,05. T-testi abil saabki teada, kas kehtima jääb H0 või H1. Järeldus: Spordiga tegelevate ja mittetegelevate tudengite kehamassid ei ole statistiliselt oluliselt erinevad.
  
• Regressioonanalüüs: vt lisa PRAKS 6
  
• Kõige pealt tee nendele prognoositavatele tunnustele Scatter diagramm, kindlasti peab see tunnus, mille alusel prognoositakse jääma x teljele. Telgede muutmiseks – Select data-Edit. Nimeta teljed, võta pealkiri ära, eemalda jooned, muuda suurused telgedel, muuda punktid selgemaks. Regressioonisirge lisamiseks Chart Layout – Trendline – Linear trendline. Andmete lisamiseks graafikult, parem klõps – Format trendline ja kaks alumist ticki teha. Tee regressioonanalüüs: Data analysis: regression. Seejärel pane paika võrrand, a+b*otsitav; a ja b saad regressioonitabelist. a=intercept ja b on selle all. Seejärel püstita hüpoteesid: H0: regressioonivõrrand ei ole statistiliselt oluline; H1: regressioonivõrrand on statistiliselt oluline. P väärtus on ANOVA all, significance F.
  

NÄITED: Prognoosige hinge kinni pidamise võimet kehalise võimekuse testi abil, Prognoosige tudengite massi nende pikkuse abil. Kui palju võiks keskmiselt kaaluda 170 cm pikkune tudeng? Prognoosige pikkust jalanumbri alusel.
Hiiruut-test: Vt ka PRAKS 7
Kõige pealt tee kahemõõtmeline Pivottable, kus columni tunnuse panen ka value alla. Et saada rea ja veeruprotsente, lisa value alla veel kaks