Neparametrické testy jsou vhodné pro i ordinální znaky, jenž jsou hodnoceny subjektivní stupnicí hodnot, která představuje v podstatě pořadová čísla (např. bodování v chovatelských soutěžích, školní klasifikace, známky při bonitacích, degustačních soutěžích, stupnice pro chování zvířete v experimentu apod.).5) F-test se používá k testování:

shody výběrových rozptylů u dvou nezávislých skupin.Hladina významnosti je pravděpodobnost, že se zamítne nulová hypotéza, ačkoliv ona platí. Pochopitelně se tato hodnota volí velmi malá, jak již bylo řečeno, nejčastěji 0,05 nebo 0,01.

Jak interpretovat Anovu : Obecný model analýzy rozptylu

ANOVA je založena na předpokladu, že každý z m výběrů pochází z populace s normálním rozdělením se stejnou směrodatnou odchylkou. Zajímá nás, zda střední hodnoty (průměry) skupin jsou všechny shodné, nebo zda se navzájem liší. xij je i-té pozorování z j-té skupiny.

Co je Neparametrický test

Pod pojmem neparametrický test budeme zahrnovat statistický test, jenž zkoumá jiné vlastnosti neznámé populace či základního souboru než ty vlastnosti, které se týkají přímo parametrů této populace.

Kdy použít parametrické testy : Mezi parametrické testy se řadí především Studentův t-test pro testování rozdílu dvou středních hodnot a F-test pro testování rozdílu dvou rozptylů. Testem rozhodujeme, zda pokusný zásah má vliv na proměnlivost (rozptyl s2) zkoumané náhodné veličiny v populaci.

Mezi parametrické testy se řadí především Studentův t-test pro testování rozdílu dvou středních hodnot a F-test pro testování rozdílu dvou rozptylů. Testem rozhodujeme, zda pokusný zásah má vliv na proměnlivost (rozptyl s2) zkoumané náhodné veličiny v populaci.

Běžné použití

Mezi běžné příklady použití F-testů patří následující případy: Hypotéza, že se sobě rovnají střední hodnoty dané množiny normálně rozdělených populací, všech se stejnou směrodatnou odchylkou. To je asi nejznámější F- test a hraje důležitou roli v analýze rozptylu (ANOVA).

Kdy Zamítám nulovou hypotézu

. Nulovou hypotézu zamítáme, pokud je hodnota testové statistiky větší nebo rovna kritické hodnotě, tj. snadno určíme z tabulky A.Jinak řečeno, nulová hypotéza odráží fakt, že se něco nestalo nebo neprojevilo, a je tedy stanovena jako opak toho, co chceme experimentem prokázat. Důvodem, proč nulovou hypotézu formulujeme právě takto, je skutečnost, že ji chceme pomocí pozorovaných hodnot vyvrátit.ANOVA se používá tam, kde končí možnosti t-testu. ANOVA použijeme, máme-li více než dva vzorky a více než jednu nezávislou proměnnou. Z důvodu zachování úrovně statistické významnosti není vhodné použít více t-testů a testovat vždy dva vzorky proti sobě.

(analýza rozptylu jednoduchého třídění, one-way ANOVA)

představuje nejjednodušší případ analýzy rozptylu, kdy analyzujeme účinek jednoho faktoru na zkoumanou závisle proměnnou. V podstatě se jedná o zobecněnou analogii případu zjišťování rozdílu průměrů mezi dvěma nezávislými skupinami pomocí nepárového t-testu.

Jak interpretovat Mann Whitney U test : V případě Mann-Whitney testu jsou nejprve čísla obou souborů sloučena a je vytvořeno jejich pořadí v tomto sloučeném souboru, pak jsou hodnoty vráceny do původních souborů a nadále se pracuje již jen s jejich pořadím.

Kdy pouzit Parovy t-test : Párový t-test se používá k porovnání středních hodnot dvou populací. Porovnáváme dva vzorky, přičemž vzorky z jednoho pozorování mohou být spárovány se vzorky z druhého pozorování. Jedná se například o: pozorování před a po na stejném objektu (například testy studentů před a po absolvování kurzu);

Kdy zamítáme nulovou hypotézu

Nulovou hypotézu zamítáme, pokud je hodnota testové statistiky větší nebo rovna kritické hodnotě, tj. snadno určíme z tabulky A. 4.

F-test. Při analýze experimentálních dat v oblasti biostatistiky provádíme nejčastěji testování rozdílů mezi výběrovými soubory za účelem zjištění, zda existuje rozdíl mezi populacemi, z kterých výběry pocházejí.K samotnému testování se využívá tzv. testová statistika T. Jedná se o vzorec, funkci dat, která udává, jak pravděpodobná jsou naměřená data, pokud platí nulová hypotéza. U testování hypotéz nelze testovou statistiku interpretovat jako pravděpodobnost, s níž platí nulová hypotéza na základě naměřených dat.

Jak ověřit hypotézu : Platnost nulové hypotézy ověřujeme pomocí statistického testu, kdy na základě pozorovaných dat počítáme realizaci testové statistiky, která má za platnosti nulové hypotézy známé rozdělení pravděpodobnosti.