Icke-parametriska metoder Flashcards
När använda parametrisk statisikt?
parametrar är egenskaper hos populationen, parametrisk analysmetod förutsätter att vi känner till eller vill uppskatta parametrar dvs medelvärde eller standardavvikelse i populationen.
Vad är kraven för att använda parametrisk statistik?
- Datan ska vara normalfördelad.
- Hög skalnivå - intervall eller kvot
- Homogen varians.
Paramtriska metoder är bra för det ger högre power dvs. minskar risken för typ-II fel.
Vad är för- och nackdelar med parametriska test?
Fördel: Ju oftare du kan använda parametriska test ju bättre är det eftersom parametriska test ger högre power (risken för typ-II, att H0 behålls när resultatet egentligen är sant).
Nackdel: Hårdare krav (kraven för när man ska använda det måste dvs. vara uppfyllda) på när man kan använda dvs. kan inte användas lika ofta som icke-parametriska test. Datan får inte vara snedfördelad, extremvärden eller får låg skalnivå.
Vad är icke-parametriska test?
används när data är på nominal (kategori) eller ordinal (rang) skala. Används när det inte är meningsfullt att räkna medelvärde eller standardavvikelse (dessa finns inte i denna typ av data).
Används om komplement eller när man inte kan göra parametriska test (dvs. kraven är inte uppfyllda).
Om man är osäker på vilket av parametriskt eller icke-parametrisk test som ska göras, då kan man göra båda och jämföra.
Vad är för- och nackdelar med icke-parametriska test?
Fördelar: större tillämpningsområde och tål snedfördelning och extremvärden bättre.
Nackdel: läger power (power anger risken för risken för typ-II, att H0 behålls fast den är felaktig).
Vad ger median ett mått på?
mått på den centrala tendensen.
Vad är kvartilavvikelse?
mått på spridning, tas fram genom att dela upp datan i 4 lika stora delar efter att observationerna rangordnas. (Q3- Q1)/2 = kvartilavvikelse. Används vid analys av ordinalskala.
Vad är Bayesfaktorn (BF)?
Ett alternativ till klassisk hypotestestning, ett alternativ till p-värdet. Det används för att bestämma betingade sannolikheter, sannolikheten för ett utfall givet ett annat utfall dvs. sannolikheten för att B inträffas om det redan är känt att A har inträffat.
”you can express Bayes Factors as support for H0 over H1 (BF01) or as support for H1 over H0 (BF10)”
BF10 = 7 talar om för oss att H1 är 7 gånger större sannolikhet för än H0.
BF talar om hur du bör uppdatera din tidigare ståndpunkt (prior odds – lika stor sannolikhet för H0 som H1) i skenet av ett erhållet resultat.
Posterior odds – efter.
Vad finns det för fördelar med Bayesfaktorn (BF) jmf med p-värdet?
- Jämlik behandling av H0 och H1, (evidens för H0 likaväl som H1)
- BF är ett kvantitativt mått på relativ bevisstyrka mellan H0 och H1 – hur starkt stöd för de olika hypoteserna är relaterade till varandra.
