Statistilise analüüsi meetodid
  • Avaleht
  • Õpiväljundid
  • Õpijuhend
  • Sissejuhatus
  • Hüpoteesid nii ja naa
  • Väheste väärtustega diskreetsed ja nominaalsed tunnused ja faktorid
    • Sagedustabeli analüüs
    • ANOVA (Näide1)
  • Pidev tunnus ja pidev faktor
    • Pidev_tun_test
    • Regressioonanalüüs
    • Aegrea analüüs
  • Pidev tunnus, binaarne või diskreetne faktor
    • T-test
    • ANOVA näiteid
  • Binaarsed tunnused
    • 2 X 2 sagedustabeli analüüs
    • Logistiline mudel 1
  • Üldistatud lineaarne mudel
    • Näide
  • Mitteparameetrilised testid
  • Andmefailid
  • Tagasiside "Analüüsimeetodid"

Pidevad tunnused ja faktorid

Pidevad tunnused on sellised, mille kohta teooria ütleb, et iga üksiku väärtuse saamise tõenäosus on 0. See tähendab, et tunnuse  väärtus saadakse mõõtmise teel, aga teoreetiliselt võiks iga kahe väärtuse vahele mõõtmistäpsust  suurendades või mõne muu nipiga ikka veel ühe väärtuse "sokutada". Kõige lihtsam näide-pikkus ja kaal, mistahes objektil.
Looduses, eriti hüdrobioloogias on sellisteks tunnusteks igasugused vee näitajate sisaldused (kontsentratsioonid-keemilised näitajad), biomassid ja ka arvukused (plankton, bentos).
Siia alla kuuluvad tegelikult ka sellised diskreetsed tunnused, millel ei ole tavapärast pideva tunnuse omadust, et iga kahe väärtuse vahele 1 ikka mahub, aga millel on palju võimalikke  täisarvulisi väärtusi (tüüpilised loendamistulemused, mis on saadud mingi anumaga proove võttes ja siis arvutatud ruutmeetrile, kuupmeetrile vms). Isegi proovianumasse sattunud isendite arv võib tavapäraselt olla suurem kui 10.
Selliste tunnuste, milledel on palju väärtusi, jaotused võivad olla väga erinevad, klassikaliste jaotuste kohta uuri loengumaterjalidest järele! Järgnevalt tutvustatavad regressioonanalüüs ja dispersioonanalüüs  eeldavad tunnuste normaaljaotust.
Kontrolltest
Kontrolli, kas tunned ära pideva tunnuse ja faktori



Kõigepealt siis regressioonanalüüs

Powered by Create your own unique website with customizable templates.