Musselmatematik eller Stormusselstatistik

Relevanta dokument
FÖRELÄSNINGSMATERIAL. diff SE. SE x x. Grundläggande statistik 2: KORRELATION OCH HYPOTESTESTNING. Påbyggnadskurs T1. Odontologisk profylaktik

Viktiga dimensioner vid val av test (och även val av deskriptiv statistik) Biostatistik II - Hypotesprövning i teori och praktik.

7.3.3 Nonparametric Mann-Whitney test

I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska

OBS! Vi har nya rutiner.

Parade och oparade test

Analytisk statistik. Mattias Nilsson Benfatto, PhD.

ST-fredag i Biostatistik & Epidemiologi När ska jag använda vilket test?

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Gamla tentor (forts) ( x. x ) ) 2 x1

Hypotestestning och repetition

Statistiskt säkerställande av skillnader

Föreläsning 11: Mer om jämförelser och inferens

Datorövning Power curve 0,0305 0, Kvantiler, kritiska regioner

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

Repetitionsföreläsning

Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta. Tentamensresultaten anslås med hjälp av kodnummer.

FACIT (korrekta svar i röd fetstil)

Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8

Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta. Tentamensresultaten anslås med hjälp av kodnummer.

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

7.5 Experiment with a single factor having more than two levels

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT

Tentamen MVE302 Sannolikhet och statistik

Grundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4.

Innehåll. Steg 4 Statistisk analys. Skillnader mellan grupper. Skillnader inom samma grupp över tid. Samband mellan variabler

Tentamen består av 12 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 32 poäng för att få väl godkänt.

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Följande resultat erhålls (enhet: 1000psi):

Korrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION

Tentamen MVE301 Sannolikhet, statistik och risk

Att välja statistisk metod

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen består av 12 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 32 poäng för att få väl godkänt.

Mälardalens Högskola. Formelsamling. Statistik, grundkurs

Multipel Regressionsmodellen

Medicinsk statistik II

OBS! Vi har nya rutiner.

Uppgift a b c d e f (vet ej) Poäng

Repetitionsföreläsning

LTH: Fastighetsekonomi sep Enkel och multipel linjär regressionsanalys HYPOTESPRÖVNING

TMS136. Föreläsning 10

Statistisk försöksplanering

Medicinsk statistik II

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

Tentan består av 10 frågor, totalt 30 poäng. Det krävs 20 poäng för att få godkänt på tentan, varav 50 % inom respektive moment.

Tentamen består av 9 frågor, totalt 34 poäng. Det krävs minst 17 poäng för att få godkänt och minst 26 poäng för att få väl godkänt.

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland

Föreläsning 12: Regression

ANOVA Mellangruppsdesign

Matematiska Institutionen Silvelyn Zwanzig 13 mar, 2006

1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell

Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

Regressions- och Tidsserieanalys - F4

Tentan består av 15 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 33 poäng för att få välgodkänt.

Disraeli, England, 1860 talet: Det finns tre grader av osanning. Går ej att mäta hela populationen. Deskriptiv statistik

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

Tentan består av 10 frågor, totalt 28 poäng. Det krävs 18 poäng för att få godkänt på tentan, varav 50 % inom respektive moment.

Kent W. Nilsson. Falun

Standard Normal Quantiles. Vilken av följande slutsatser kan man dra från qq-plotten?

Analytisk statistik. Tony Pansell, optiker Universitetslektor

Statistik 1/18/2013. Det finns tre slags lögn: lögn, förbannad lögn och statistik. - vad, varför, hur, vem, när och jaså

Föreläsning 6. NDAB01 Statistik; teori och tillämpning i biologi

Statistiska analyser C2 Inferensstatistik. Wieland Wermke

732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet

Idag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment

Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) Statistiska institutionen, Uppsala universitet

Tentamen består av 14 frågor, totalt 40 poäng. Det krävs minst 24 poäng för att få godkänt och minst 32 poäng för att få väl godkänt.

F16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data

HÖGSKOLAN I BORÅS. FORSKNINGSMETODER I OFFENTLIG FÖRVALTNING 15 Högskolepoäng

Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 4

Övningstenta för MSG830

Tentamen MVE302 Sannolikhet och statistik

Föreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3

Lösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015

Statistik för teknologer, 5 poäng Skrivtid:

Idag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid

π = proportionen plustecken i populationen. Det numeriska värdet på π är okänt.

Tentamen MVE301 Sannolikhet, statistik och risk

Standardfel (Standard error, SE) SD eller SE. Intervallskattning MSG Staffan Nilsson, Chalmers 1

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

TMS136. Föreläsning 11

Skriv tydligt. Besvara inte frågor med lösryckta ord, utan sammanhängande och tydligt. Visa även dina beräkningar.

7.5 Experiment with a single factor having more than two levels

Kvantitativ metod och grundläggande statistik. Introduktion

STATISTISK ANALYS AV KOMPLEXA DATA

Ledtrådar till utvalda uppgifter för NDAB01, vt2011, 17 januari 2011.

Thomas Önskog 28/

Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA

Tentamen MVE300 Sannolikhet, statistik och risk

2. Test av hypotes rörande medianen i en population.

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

Tentamen MVE301 Sannolikhet, statistik och risk

Del A: Schema för ifyllande av svar nns på sista sidan

1/31 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet

Användning. Fixed & Random. Centrering. Multilevel Modeling (MLM) Var sak på sin nivå

Transkript:

Musselmatematik eller Stormusselstatistik

.Allmänt 2.Analys av förändringar (före efter) 3.Analys av förekomst och täthet vs omgivningsfaktorer

.Allmänt

Jämförelse av populationstäthet och minsta mussla mellan två vattendrag: Mann-Whitney U-test (Kruskal-Wallis test)

Jämförelse av populationstäthet och minsta mussla mellan tre eller fler vattendrag: Kruskal-Wallis test Nackdel: Man kan inte göra parvisa jämförelser

Jämförelse av populationstäthet och minsta mussla mellan tre eller fler vattendrag: Variansanalys (ANOVA) Fördel: Man kan göra parvisa jämförelser (SNK, Tukey, Duncan o.dyl.) Nackdel: Data är inte normalfördelat.

Normalfördelning är bra, men.. Det är inte rådata som ska vara normalfördelat, utan residualerna. Täthet blir bättre om det är log-transformerat. ANOVA är mer okänslig än man tror.

För att testa om andelen små musslor stämmer överens med den förväntade används chitvå-test (eller G-test, log likelihood). OBS. Signifikans innebär att det inte stämmer överens.

För att testa förändringar i ett vattendrag (före efter) används: Wilcoxon parade t-test???? Sign test Wilcoxon matched-pair signed-rank test Parad t-test

2. Analys av förändringar (före efter)

. Analys av förändringar (före efter) Parad t-test Fördelar: Kraftfull statistisk test ( hittar faktiska förändringar) Går att göra i Excel Nackdelar: Önskvärt med lika tidsspann mellan mätningarna Kan flippa ur om det är stor skillnad mellan par

. Analys av förändringar (före efter) Utgå från tabell tblstandmusseldata i Stormusseldatabasen Exportera tabellen till Excel Rensa bort de lokaler som endast har ett inventeringstillfälle Lägg inventeringarna från samma lokal på samma rad (i par) och fixa lite Räkna

. Analys av förändringar (före efter)

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde 24 8.6422 999 8.7757 Medelvärden Varians 259.75 227.363 Observationer 9 9 Pearson-korrelation.997732 Antagen medelvärdesskillnad fg 8 t-kvot -.2699 P(T<=t) ensidig.489565 t-kritisk ensidig.859548 P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde Varians Observationer Pearson-korrelation 8.6422 259.75 9.997732 8.7757 227.363 9 Varians, vill man ha standardavvikelse istället tar man bara roten ur dessa värden. Värdena bör vara ganska lika Antagen medelvärdesskillnad fg 8 t-kvot -.2699 P(T<=t) ensidig.489565 t-kritisk ensidig.859548 P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians Observationer 259.75 9 227.363 9 Antal obsar (= lokaler) Pearson-korrelation.997732 Antagen medelvärdesskillnad fg 8 t-kvot -.2699 P(T<=t) ensidig.489565 t-kritisk ensidig.859548 P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians Observationer Pearson-korrelation Antagen medelvärdesskillnad fg 259.75 9.997732 8 227.363 9 Korrelationskoefficient, säger hur pass lika ( i genomsnitt) antal musslor är mellan inventeringstillfällena ( är totalt missmasch, är skrämmande perfekt) t-kvot -.2699 P(T<=t) ensidig.489565 t-kritisk ensidig.859548 P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians 259.75 227.363 Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg t-kvot.997732 8 -.2699 Det s.k. H, det man testar är sannolikheten att det inte är skillnad P(T<=t) ensidig.489565 t-kritisk ensidig.859548 P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians 259.75 227.363 Observationer 9 9 Pearson-korrelation.997732 Antagen medelvärdesskillnad fg t-kvot P(T<=t) ensidig 8 -.2699.489565 Antalet frihetsgrader (på engelska degrees of freedom; d.f.) t-kritisk ensidig.859548 P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians 259.75 227.363 Observationer 9 9 Pearson-korrelation.997732 Antagen medelvärdesskillnad fg t-kvot P(T<=t) ensidig t-kritisk ensidig 8 -.2699.489565.859548 T-värdet, detta är testvärdet, det bör anges vid redovisning tillsammans med antal obs och/eller frihetsgrader P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians 259.75 227.363 Observationer 9 9 Pearson-korrelation.997732 Antagen medelvärdesskillnad fg 8 t-kvot -.2699 P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig.489565.859548.9793 Specialfall, överkurs, kan man glatt strunta i t-kritisk tvåsidig 2.366

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians 259.75 227.363 Observationer 9 9 Pearson-korrelation.997732 Antagen medelvärdesskillnad fg 8 t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig t-kritisk tvåsidig -.2699.489565.859548.9793 2.366 Detta är p-värdet, signifikansen, bör anges tillsammans med t-värdet och antalet obsar och/eller frihetsgrader

. Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande 24 999 Medelvärde 8.6422 8.7757 Varians 259.75 227.363 Observationer 9 9 Pearson-korrelation.997732 Antagen medelvärdesskillnad fg 8 t-kvot -.2699 P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig t-kritisk tvåsidig.489565.859548.9793 2.366 Om det skulle vara signifikant skillnad ska t- värdet vara lika med eller större än detta värde

. Analys av förändringar (före efter) t-test: p =.979 Sign test: p =.84 Wilcoxon matched-pair sign-rank test: p =.98

3. Analys av förekomst och täthet vs omgivningsfaktorer

Längddata 95.22 4.27 4.99 Medelvärde Standardavvikelse Varianskoefficient

Längddata 95.22 4.27 9.43 52.6 Medelvärde Standardavvikelse Varianskoefficient

Vad är noll och vad är saknat värde?

Vad är noll och vad är saknat värde? Noll () innebär att man veta att det inte finns (finns ingen myr, inga lövträd, etc. )

Vad är noll och vad är saknat värde? Saknat värde (t.ex. tom cell) innebär att man inte vet om det finns eller inte

Vad är noll och vad är saknat värde? Saknat värde kan uppkomma på flera olika sätt; man har glömt att kolla, mäta eller tappat anteckningarna eller det är slumpartad information (ibland hittar man utterspillning, men att man inte hittat utterspillning innebär inte att det inte finns utter)

5 4 3 2 r s =.72, p=.52 2 3 BeskrBlSkog Täthet levande (antal / m 2 )

5 4 3 2 r=.45 2 3 BeskrBlSkog Täthet levande (antal / m 2 )

5 4 3 2 r 2 =.38 2 3 4 BeskrBlSkog Täthet levande (antal/m 2 )

5 4 3 2 r s =.72, p=.52 2 3 BeskrBlSkog Täthet levande (antal / m 2 )

5 4 3 2 r=.34 2 3 BeskrBlSkog Täthet levande (antal / m 2 )

5 4 3 2 r s =.72, p=.52 2 3 BeskrBlSkog Täthet levande (antal / m 2 )

Täthet levande (antal / m 2 ) 5 rs=.297; p=.58 4 3 2 2 4 6 8 2 Vattendragsbredd (m)

3 rs=.23, p=.2 BeskrPavAlger 2 2 3 BeskrBlSkog

Storlek minsta (mm) 2 8 6 4 2 r s =-.263, p=.7 2 3 4 5 Täthet levande (antal/m 2 )

Storlek minsta (mm) 2 8 6 4 2 rs=.277 p=.8 2 3 BeskrVHast

3. Analys av förekomst och täthet vs omgivningsfaktorer Ordinationsanalys (canonical correspondens analysis) Hur förekomst och täthet är kopplat till olika omgivningsfaktorer

28 melength 28 BeskrBebyggVag 6 BeskrSubHel 9 BeskrBerg 27 BeskrFlBlVaxt 4 BeskrKFjall 54 BeskrOvVaxt 25 BeskrAker 6 BeskrHall 8 BeskrMyr 76 BeskrGrBlock 28 BeskrKalHyg 83 BeskrFBlock 63 BeskrBlSkog 86 BeskrGrSten 78 BeskrBaSkog 9 BeskrFSten 73 BeskrLskog 96 BeskrGrus 78 bredd 92 BeskrSand 79 length 59 BeskrMjLer 25 minst 9 BeskrFinDet 26 dod 9 BeskrGrDet 27 lev 29 BeskrVHast 29 day 88 BeskrLokDjupMax 29 mon 93 BeskrPavAlger 29 year 85 BeskrBuskar 29 lokal N Variable N Variable

Täthet Omgivningsfaktor t.ex ph

Finns Finns inte Omgivningsfaktor t.ex ph

Täthet Utan gran Med gran

Finns Finns inte Utan gran Med gran

<. 2.67 -.326 BeskrGrBlock <. 96.38.8873 BeskrGrus.59 2.6 -.289 BeskrVHast <. 32.2.427 BeskrPavAlger.4 8.3.552 BeskrBlSkog.734 3.2 -.857 BeskrBaSkog.34 2.28 -.67 BeskrLskog.2 5.33.544 bredd <. 8.4.279 year tidigt mon2.2.45.4238 sent mon2 <. 8.88-54.958 Intercept P Chi-Square Estimate DF Parameter Wald Standard Poisson Distribution Täthet levande

.2498.32.2885 BeskrGrBlock.2 2.69.4473 BeskrGrus.85.79 -.4788 BeskrVHast.656.2 -.46 BeskrPavAlger.4889.48.384 BeskrBlSkog.727.4 -.737 BeskrBaSkog.5574.34 -.59 BeskrLskog.4692.52 -.736 bredd.2467.34.347 year tidigt mon2.558.42.375 sent mon2.2452.35-27.63 Intercept Pr Chi-Square Estimate DF Parameter Wald Standard Poisson Distribution Täthet döda

.35 2.65 5.57 BeskrGrBlock.422.65 2.937 BeskrGrus.2 5.32 -.549 BeskrVHast.75 3.7-6.923 BeskrPavAlger.793.3.878 BeskrBlSkog.3934.73 -.932 BeskrBaSkog.553.35 -.283 BeskrLskog.5432.37 -.696 bredd.5388.38 -.84 year tidigt mon2.442.59 5.998 sent mon2.5248.4 2246.3 Intercept Pr Chi-Square Estimate DF Parameter Wald Normal Distribution Längd minsta

.393 4.25 4.9 BeskrGrBlock.768.4.873 BeskrGrus.5775.3.632 BeskrVHast.7847.7.68 BeskrPavAlger.2732.2 -.688 BeskrBlSkog.7683.9 -.42 BeskrBaSkog.6 5.79 3.329 BeskrLskog.6846.7 -.293 bredd.93 5.47 2.62 year tidigt mon2.2347.4-5.93 sent mon2.25 5.29-54.4 Intercept Pr Chi-Square Estimate DF Parameter Wald Normal Distribution Medellängd

Logistisk analys Eget litet fuskantagande: Reproducerande bestånd: Antal levande / kvadratmeter > 6 Minsta<5;

.3.25.2.5..5. p=.43 2 3 BeskrGrus Sannolikhet för reproduktion

Hela databasen: Vattentemp Latitud, longitud (x, y) och höjd över havet