Gegevensverwerving en verwerking
description
Transcript of Gegevensverwerving en verwerking
Gegevensverwerving en verwerking
Staalname Bibliotheek
- aantal stalen/replicaten- grootte staal- apparatuur - beschrijvend
- variantie-analyse- correlatie- regressie- ordinatie- classificatie
Experimentele setup
Statistiek
ANOVA (ANALYSIS OF VARIANCE)
Statistische test gebruikt om na te gaan of groepen vanwaarnemingen significant van elkaar verschillen
Voorbeeld 1
Staalnameplaats = station herhaling staalname: minimum 3 replicaten/station
Verschillende stations worden bemonsterd langs een gradient
Waarnemingen : Tellingen/densiteiten Biomassa Pigmentconcentraties Diversiteit …..
Veranderingen in : Saliniteit Licht Temperatuur Diepte …….
ANOVA (ANALYSIS OF VARIANCE)
Statistische test gebruikt om na te gaan of groepen vanwaarnemingen significant van elkaar verschillen
Voorbeeld 2
- effect van verschillende behandelingenExperiment
- effect op verschillende populaties
ReplicatieWaarnemingen : - concentraties - densiteiten ……….
ANOVA (ANALYSIS OF VARIANCE)
Statistische test gebruikt om na te gaan of groepen vanwaarnemingen significant van elkaar verschillen
Doel : vergelijking van groepen van waarnemingen
Groepen aanduiden dmv ‘groeperende variabele’
HONulhypothese “ groepen verschillen niet”
Voorbeeld 1 : stalen afkomstig van dezelfde populatie geen verschillen over omgevingsgradient
Voorbeeld 2 : geen effect van behandeling geen verschil in gevoeligheid van verschillende populaties of organismen
ANOVA (ANALYSIS OF VARIANCE)
Statistische test gebruikt om na te gaan of groepen vanwaarnemingen significant van elkaar verschillen
HONulhypothese “ groepen verschillen niet”
Hoe testen ?
Natuurlijke variatieNatuurlijke variatie Variatie t.g.v. gradientVariatie t.g.v. gradient behandelingbehandeling
Variatie binnen groepen tussen groepen
HO
Aanvaard (P > 0.05) ===Verworpen <<< Significant
verschil
2 mogelijke verklaringen voor het verschil tussen 2 gemiddelden :
Beide groepen van 4 waarnemingen zijn afkomstig van 2 verschillende populaties
Beide groepen zijn afkomstig van de extreme zijden van dezelfde populatie
Parametrisch of niet-parametrische testen
2 groepen t - testF - test
Mann- Withney U testWilcoxon test
> 2 groepen ANOVA Kruskal-Wallis test
Als een gekende distributie (normale of Poisson)als model voor data frequentie distributie kan gebruiktworden
Voorwaarden : - willekeurige en onafhankelijke verzameling van gegevens(‘randomness and independence’ ingebouwd in staalname)
- waarnemingen of data moeten normaal verdeeld zijn(eventueel na transformatie)
-homogeniteit van de varianties (transformatie)Bartlett’s test, Fmax test (gevoelig voor afwijkingen van normaliteit)
Levene’s test
- variantie onafhankelijk van het gemiddelde (transformatie) BELANGRIJKSTE ASSUMPTIE
Als een gekende distributie (normale of Poisson)als model voor data frequentie distributie kan gebruiktworden
- waarnemingen of data moeten normaal verdeeld zijn(eventueel na transformatie)
A B C D LOGA LOGB LOGC LOGD10 51 456 1789 1.000 1.708 2.659 3.2539 45 567 2589 0.954 1.653 2.754 3.413
11 67 745 2354 1.041 1.826 2.872 3.3727 54 345 1897 0.845 1.732 2.538 3.278
13 89 546 1578 1.114 1.949 2.737 3.198
GEMID. 10 61.2 531.8 2041.4 0.991 1.774 2.712 3.303VAR. 5 306.2 21883.7 174220.3 0.010 0.014 0.015 0.008
0
50000
100000
150000
200000
0 1000 2000 3000
gemiddelde
vari
anti
e
0.000
0.005
0.010
0.015
0.020
0.000 1.000 2.000 3.000 4.000
gemiddelde
vari
anti
e
Als een gekende distributie (normale of Poisson)als model voor data frequentie distributie kan gebruiktworden
- homogeniteit van de varianties
- variantie onafhankelijk van het gemiddelde
Relatie gemiddelde - variantie
Voor transformatie Na transformatie
Parametrisch of niet-parametrische testen
2 groepen t - testF - test
t-test : vergelijking van gemiddelden van 2 stalen
21
21
²²
n
s
n
s
yyt
pp
t waarde vergelijken met getabelleerde waardeVan students T distributie voor bepaald aantalvrijheidsgraden
waarbij wordt uitgegaan van gelijke varianties
Met s²p = SS1 + SS2 n1 + n2
= variantie over beide groepen heents = schatting – hypothese SD van verschil
Indien groepen even groot zijn,is t-test ongevoelig voor heterogeniteit van varianties
Nulhypothese : gemiddelde van beide groepen verschillen niet (2 zijdig)
(xi- µ)2 σ ² = _______ Nvariantie
Parametrisch of niet-parametrische testen
2 groepen t - testF - test
t-test : vergelijking van gemiddelden van 2 stalen
2
2
1
1
21
²²ns
ns
yyt
t waarde vergelijken met getabelleerde waarde
F- test : vergelijking van varianties van 2 grote stalen (n>50)
²
²
2
1
s
sF
F waarde vergelijken met getabelleerde waardevoor n1-1 en n2-1vrijheidsgraden
(*grootste variantie in teller) zie ook ANOVA
waarbij niet wordt uitgegaan van gelijke varianties
*
Natuurlijke variatieNatuurlijke variatie Variatie t.g.v. gradientVariatie t.g.v. gradient behandelingbehandeling
Variatie binnen groepen tussen groepen
HO
Aanvaard ===Verworpen <<< Significant
verschil
Parametrisch of niet-parametrische testen
> 2 groepen ANOVA
ANOVA - tabel Voor k groepen en n waarnemingen in totaal
groepsgemiddelde
Totale gemiddelde
Y
Y
Totale variatie Variatie tussen groepen (effect)
Variatie binnen groepen (error)
groep 1 2 …. k
data y1
yn/k yn
Som van de kwadraten (SS) = )²( Yy
Variantie s² = MS = df
Yy
df
SS )²(
groepsgemiddelde
Totale gemiddelde
Y
Y
Totale variatie Variatie tussen groepen (effect)
Variatie binnen groepen (error)
groep 1 2 …. k
data y1
yn/k yn
SS = )²( Yy
Variantie s² = MS = SS / df ANOVA - tabel
Bron vanvariatie
Vrijheidsgraden (df)
Som kwadraten SS
Gemiddelde kwadraten MS = SS/df
Totaal n-1
Tussen k-1
Binnen n-k
)²( Yy
)²( YY
)²( Yy
SS / n-1
SS / k-1
SS / n-k
Bron vanvariatie
Vrijheidsgraden (df)
Som kwadraten SS
Gemiddelde kwadraten MS = SS/df
Totaal n-1
Tussen k-1
Binnen n-k
)²( Yy
)²( YY
)²( Yy
SS / n-1
SS / k-1
SS / n-k
x n/k
Totaal n-1 totale variantie over n waarnemingenTussen k-1 variantie van groepsgemiddelden (x n/k)Binnen n-k gemiddelde van de groepsvarianties
0. HFMS
MSF tab
tussen
binnen
Getabelleerde F distributie met k-1 en n-k vrijheidsgraden
Staalgrootte waarop gemiddelden zijn gebaseerd
F -ratio
- F ratio is dus ratio van gemiddelde kwadraten tussen groepen en de gemiddelde kwadraten binnen groepen.
- De F-ratio volgt een verwachte distributie volgens een bepaaldefunctie met 2 types vrijheidsgraden.
- De F-distributie is dus een theoretische waarschijnlijkheidsdistributie
- Er wordt steeds een F-distributie bekomen wanneer de varianties gelijk zijn.
Gebruikte voorbeelden steeds groepen met gelijk aantal waarnemingen (n/k)
Indien k groepen van verschillende grootte, wordt MS tussen groepen
Tussen k-1 )²( YY x n/k
vervangen door:
)²( wii YYn
met
i
iiw w
YwY
Wi = aantal waarnemingen in groep i
df ipv Wi
Totaal n-1 totale variantie over n waarnemingen
Tussen k-1 variantie van groepsgemiddelden (x n/k)
Binnen n-k gemiddelde van de groepsvariantiesbinnenMS
MSF
tussen
A B C A+B+C37.5 11.6 24.816.8 24.7 27.722.7 12.0 5.9
Gemiddelde 25.7 16.1 19.5 20.4 var(gemiddelden) 23.55Variantie 113.7 55.5 140.1 95.0 gem(varianties) 103.1
Voorbeeld 1 Vergelijking van de inhoud van 3 pipetten (in ml)3 groepen (k), 9 waarnemingen (n)
Totale variatie (df = 8)Variatie tussen pipetten (effect) (df = 2)
Natuurlijke variatie binnen groepen (error) (df = 6)
A B C A+B+C37.5 11.6 24.816.8 24.7 27.722.7 12.0 5.9
Gemiddelde 25.7 16.1 19.5 20.4 var(gemiddelden) 23.55Variantie 113.7 55.5 140.1 95.0 gem(varianties) 103.1
Voorbeeld 1 Vergelijking van de inhoud van 3 pipetten (in ml)3 groepen (k), 9 waarnemingen (n)
Totale variatie (df = 8)Variatie tussen pipetten (effect) (df = 2)
Natuurlijke variatie binnen groepen (error) (df = 6)
Bron vanvariatie
Vrijheidsgraden (df)
Som kwadraten SS
Gemiddelde kwadraten MS = SS/df
Totaal n-1
Tussen k-1
Binnen n-k
)²( Yy
)²( YY
)²( Yy
x n/k
95
23.55 x 3 = 70.6
103.1
Voorbeeld 1 Vergelijking van de inhoud van 3 pipetten (in ml)3 groepen (k), 9 waarnemingen (n)
Bron vanvariatie
Vrijheidsgraden (df)
Som kwadraten SS
Gemiddelde kwadraten MS = SS/df
Totaal n-1
Tussen k-1
Binnen n-k
)²( Yy
)²( YY
)²( Yy
x n/k
95
23.55 x 3 = 70.6
103.1
binnenMS
MSF
tussen = 70.6 / 103.1 = 0.68
Getabelleerde F waarde voor 6 en 2 vrijheidsgraden = 19.33=> geen significant verschil tussen pipetten
Voorbeeld 1 Vergelijking van de inhoud van 3 pipetten (in ml)3 groepen (k), 9 waarnemingen (n)
binnenMS
MSF
tussen = 70.6 / 103.1 = 0.68
Getabelleerde F waarde voor 2 en 6 vrijheidsgraden = 5.14=> geen significant verschil tussen pipetten
Variatie binnen groepen = Variatie tussen groepen
HOaanvaard
HO
Stalen afkomstig van dezelfde populatie ofverschillen tussen pipetten liggen binnen te verwachten foutmarges.
H 0 wordt verworpen als de probabiliteit of waarschijnlijkheid kleiner is dan 5 % (of 0.05)
H 0 wordt aanvaard als de probabiliteit of waarschijnlijkheid groter is dan 5 % (of 0.05)
Hypothese testen nulhypothese verwerpen of aanvaarden
Type I error Nulhypothese verwerpen terwijl ze waar is kans zo klein mogelijk houden
Beslissingsregel ingevoerd om de kans om een type I error te maken zo kleinmogelijk te houden (kleiner dan 1% of 5 % ) = Significantie niveau
df teller
df noemer
Totaal n-1 totale variantie over n waarnemingen
Tussen k-1 variantie van groepsgemiddelden (x n/k)
Binnen n-k gemiddelde van de groepsvariantiesbinnenMS
MSF
tussen
Voorbeeld 2 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 4 verschillende farmaceutische behandelingen (k);6 muizen per behandeling => 24 waarnemingen(n)
Totale variatie (df =23)Variatie tussen behandelingen (effect) (df = 3)
Natuurlijke variatie binnen groepen (error) (df =20)A B C D A+B+C
221.0 94.0 330.0 163.0200.0 109.0 302.0 157.0233.0 146.0 283.0 177.0180.0 141.0 273.0 139.0198.0 124.0 307.0 148.0213.0 114.0 279.0 144.0
Gem. 207.5 121.3 295.7 154.7 194.8 var(gem) 5781.14Var. 353.1 391.1 459.9 195.5 4828.6 gem(var) 349.9
Voorbeeld 2 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 4 verschillende farmaceutische behandelingen (k);6 muizen per behandeling => 24 waarnemingen(n)
A B C D A+B+C221.0 94.0 330.0 163.0200.0 109.0 302.0 157.0233.0 146.0 283.0 177.0180.0 141.0 273.0 139.0198.0 124.0 307.0 148.0213.0 114.0 279.0 144.0
Gem. 207.5 121.3 295.7 154.7 194.8 var(gem) 5781.14Var. 353.1 391.1 459.9 195.5 4828.6 gem(var) 349.9
Bron vanvariatie
Vrijheidsgraden (df)
Som kwadraten SS
Gemiddelde kwadraten MS = SS/df
Totaal n-1 = 23 111057.9 4828.6Tussen k-1 = 3 104060.45 5781.14 X 6 = 34686.8 Binnen n-k = 20 6977.5 349.9
binnenMS
MSF
tussen = 99.14
Getabelleerde F waarde (df =3 en 20 en p = 5%) = 3.1
HOVerworpen => significante verschillen tussen behandelingen
ANOVA (ANALYSIS OF VARIANCE)Parametrische testen
one way ANOVA
two way ANOVA
Totale variatie Variatie tussen groepen (effect)
Variatie binnen groepen (error)
Totale variatie
Variatie tussen groepen (effect)
Variatie binnen groepen (error)
1 effect of behandeling
2 effecten of behandelingen
Variatie effect 1Variatie effect 2Var. effect 1 en 2
Voorbeeld 1 en 2 : één groeperende variabele : 3 pipetten, 4 behandelingen
= one way ANOVA
two way ANOVA 2 groeperende variabelen
slechts 1 effect
om effect van twee variabelen (behandelingen, gradienten) tegelijk na te gaan
Voorbeeld 3 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen :behandeling 1 : toedienen van adrenaline op dag 14behandeling 2 : infectie met Bordetella pertussis bacteriën
Zelfde data als in voorbeeld 2 maar nu isgroep A : controle (geen behandeling)groep B: infectie met pertussisgroep C: toedienen van adrenalinegroep D: beide behandelingen (adrenaline + pertussis)
Voorbeeld 3 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen :behandeling 1 : toedienen van adrenaline op dag 14behandeling 2 : infectie met pertussis bacteriën
groep A : controle (geen behandeling)groep B: infectie met pertussisgroep C: toedienen van adrenalinegroep D: beide behandelingen (adrenaline + pertussis)
Totale variatie df = 23
Variatie tussen groepen (effect) tgv behandeling
Variatie binnen groepen (error)of natuurlijke variatie (residueel)
Pertussis effectAdrenaline effectAdre + Pert
n = 24k = 4
df = 3
df = 1df = 1df = 1
df = 20
Bron vanvariatie (df) SS MS = SS/df
Totaal 23 111057.9 4828.6Tussen 3 104060.45 34686.8
Binnen 20 6977.5 349.9
Voorbeeld 3
n = 24k = 4
totaaltussen
Binnen
PertussisadrenalinePert x Adre
Pertus 1 77407.04 77407.04 * 221Adren 1 22143.4 22143.4 * 63.3In teractie 1 4510.04 4510.04 12.9
F ratio
A B C Deffect 1effect 2
* variantie van groepsgemiddelden A+C en B+D x 12 (n/2)* variantie van groepsgemiddelden A+B en C+D x 12 (n/2)
Voorbeeld 3 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen :behandeling 1 : toedienen van adrenaline op dag 14behandeling 2 : infectie met pertussis bacteriën
n = 24k = 4
Drie nulhypothesen :
(1) geen verschil in glucose tussen geinfecteerde en niet-geinfecteerde muizen
(2) geen verschil in glucose met of zonder toevoeging van adrenaline
(3) er is geen interactie tussen beide types behandelingen
Getabelleerde F-waarde voor 1 en 20 vrijheidsgraden voor p = 0.05 is 4.35
HO Alle verworpen => significante verschillen tgv beide behandelingen en interactie tussen beide
Niet- geinfecteerdGeinfecteerd met Pertussis
0
100
200
300
400
0 1.0
adrenaline
Gluc
ose niet-geinf.
pertussis
Besluit : - Met Pertussis geinfecteerde muizen hebben een significant lagerglucose gehalte dan niet geïnfecteerde muizen.- Toediening van adrenaline verhoogt significant de glucose spiegel in hetserum van alle muizen- Toediening van adrenaline verhoogt de glucose spiegel meer bij niet geïnfecteerde muizen dan bij met Pertussis geïnfecteerde muizen.
saline saline adrenaline adrenalinepertussis pertussis
A B C D bloktotaalI 221 94 330 163I 200 109 302 157 1576
II 233 146 283 177II 180 141 273 139 1572
III 198 124 307 148III 213 114 279 144 1527
totaal 1245 728 1774 928
Voorbeeld 4 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen :behandeling 1 : toedienen van adrenaline op dag 14behandeling 2 : infectie met pertussis bacteriën
n = 24k = 4
Randomized blocks with nesting : 3 blokken van 2 waarnemingen
totaaltussen
Binnen
PertussisadrenalinePert x Adre
saline saline adrenaline adrenalinepertussis pertussis
A B C D bloktotaalI 221 94 330 163I 200 109 302 157 1576
II 233 146 283 177II 180 141 273 139 1572
III 198 124 307 148III 213 114 279 144 1527
totaal 1245 728 1774 928
Voorbeeld 4 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen :behandeling 1 : toedienen van adrenaline op dag 14behandeling 2 : infectie met pertussis bacteriën
n = 24k = 4
Randomized blocks with nesting : 3 blokken van 2 waarnemingen
totaalTussen (11)
Binnen (12)
PertussisadrenalinePert x Adre
Blokken (2)Behandelingen (3)blok x behand (6)
Voorbeeld 5 Vergelijking van de glucose concentratie (mg/l) in serum van muizen na 2 types van behandelingen :behandeling 1 : toedienen van adrenaline op dag 14behandeling 2 : infectie met pertussis bacteriën
n = 24k = 4
Blocks without nesting (lower order effect) :
totaal Tussen (23)
PertussisadrenalinePert x Adre
Blokken (5)Behandelingen (3)blok x behand (15)
saline saline adrenaline adrenalinepertussis pertussis
A B C D bloktotaalI 221 94 330 163 808II 200 109 302 157 768III 233 146 283 177 839IV 180 141 273 139 733V 198 124 307 148 777VI 213 114 279 144 750
totaal 1245 728 1774 928 4675
residuele
Vergelijkingen van gemiddelden
Stel H0 wordt verworpen bij ANOVA => er zijn significante verschillen tussen groepen
Tussen welke ????
Vergelijking tussen paren en groepen van gemiddelden
Welke paren of groepen men vergelijkt hangt af van wat men wil testen
Indien onafhankelijk van het resultaat op voorhand is uitgemaakt welke groepen metelkaar worden vergeleken spreken we van GEPLANDE of A PRIORI vergelijkingen
Vb testen van controle tov gemiddelde van verschillende experimentele behandelingen
Indien afhankelijk van het resultaat bepaalde groepen met elkaar worden vergeleken spreken we van ONGEPLANDE of A POSTERIORI vergelijkingen.
Deze testen omvatten de vergelijking van alle mogelijke paren van vergelijkingena groepen => (a (a-1)/2 combinaties)
±Std. Dev.
±Std. Err.
Mean
Categorized Plot for Variable: B
A
B
80
120
160
200
240
280
320
360
A B C D
Tukey HSD test; Probabilities for Post Hoc TestsMAIN EFFECT: {1} {2} {3} {4} A {1} .000176 .000176 .000615B {2} .000176 .000175 .027491C {3} .000176 .000175 .000175D {4} .000615 .027491 .000175
Voorbeeld 2
Parametrisch of niet-parametrische testen
2 groepen t - testF - test
Man Withney U test
> 2 groepen ANOVAKruskal Wallis testFriedman’s test
In een parametrische test wordt er bij de nulhypothese uitgegaan van een bepaalde distributie en moeten de parameters (gemiddelde en variantie) van die distributie hetzelfde zijn voor elke groep (staal of experiment).
Niet-parametrische testen die niet uitgaan van deze voorwaarden, zijn minder krachtig doordat ze niet alle aanwezige informatie gebruiken => RANKING In het geval van kleine stalen en geen normale distributie van de data zijn ze echter krachtiger dan parametrische testen.
one waytwo way
Mann Withney U test
HO
Twee onafhankelijke willekeurige stalen komen van dezelfdepopulatie met gelijke distributie en mediaan.(geen assumpties over vorm van distributie)
Werkwijze (voor kleine groepen) :
1. Gooi alle waarnemingen van beide groepen samen en orden ze van laag naar hoog.2. Vervang elke waarneming door zijn rankingsnummer
3. In het geval van gelijke waarnemingen wordt het gemiddelde berekend van de overeen- stemmende rankingsgetallen en dit aan de betreffende overlappende waarnemingen toegekend.
4. Beide groepen worden terug uit elkaar gehaald en de rankingsnummers per groep gesommeerd.
5. Vervolgens wordt per groep de U- coëfficient berekend.
6. De kleinste U coefficient wordt vergeleken met getabelleerde waarde voor welbepaalde n’s en p waarden.Indien kleinste U waarde kleiner dan U tabel bij een probaliteit groter dan 0.05 => H0 is verworpen
Voorbeeld 6 Twee ongelijke, onafhankelijke stalen van Mysidaceeën met grootte broed in marsupium of broedbuidel.
Staal 1n1 = 5
data245712
Staal 2n2 = 10
data458141415192836
rank12.54.568
rank2.54.579.59.511.5131415
22, 11 nrankR
98, 22 nrankR
222
211 2
)1(R
nnnnU
1
11212 2
)1(R
nnnnU
U1 = 7 U2 = 43
U waarde bij 5 %en 5 en 10 vrijheidsgradenis gelijk aan 8 =>H0 verworpen
Parametrisch of niet-parametrische testen
> 2 groepen ANOVAKruskal Wallis testone way
Kruskall Wallis test Voor meerdere groepen van ongelijke grootte
)1(3²)(
)1(
12
N
n
R
NNtcoëfficienK
i
i
inNi = aantal groepenRi = som van ranks in staal ini = aantal waarnemingen in staal i
K is bij benadering verdeeld als een chi-kwadraat distributie met i-1 df=> H0 wordt verworpen indien K > met i-1 df en bij p = 0.05²
Ook voor de niet-parametrische Kruskal Wallis test wordt er geen uitsluitselgegeven over welke stalen-groepen significant van elkaar verschillen
=> methode om na te gaan welke paren significant van elkaar verschillen.
De groepen i en j verschillen van elkaar indien :
21
21
111²%)(
jij
j
i
i
nnkN
TNSpt
n
R
n
R
Ri = som van ranks in staal It = twaarde (distributie) voor N-k df en bepaalde probaliliteit
alleranksijN
NNXRS
4
)²1()²(² 1
1
k
i i
i NN
N
R
ST
1 4
)²1(²
²
1
Met R(Xij) het rankingsnummer van de waarneming Xij gesommeerd over alle ranks
Parametrisch of niet-parametrische testen
> 2 groepen ANOVAFriedman’s testtwo way
met randomized blocks
Friedman’s test - alleen voor n groepen met gelijk aantal waarnemingen- elke groep kan ingedeeld worden in aantal blokken(b)- bepalen van rangorde in elke blok(in geval van 4 behandelingen (a) ranking van 1 tot 4)
saline saline adrenaline adrenalinepertussis pertussis
A B C D bloktotaalI 221 94 330 163 808II 200 109 302 157 768III 233 146 283 177 839IV 180 141 273 139 733V 198 124 307 148 777VI 213 114 279 144 750
totaal 1245 728 1774 928 4675
saline saline adrenaline adrenalinepertussis pertussis
A B C DI 3 1 4 2II 3 1 4 2III 3 1 4 2IV 3 2 4 1V 3 1 4 2VI 3 1 4 2
totaal 18 7 24 11
Voorbeeld 5
)1(3)1(
12²
2
abRaab
a b
ij )14(63²11²24²7²18)14(64
12
x
x
Friedman’s test
saline saline adrenaline adrenalinepertussis pertussis
A B C D bloktotaalI 221 94 330 163 808II 200 109 302 157 768III 233 146 283 177 839IV 180 141 273 139 733V 198 124 307 148 777VI 213 114 279 144 750
totaal 1245 728 1774 928 4675
saline saline adrenaline adrenalinepertussis pertussis
A B C DI 3 1 4 2II 3 1 4 2III 3 1 4 2IV 3 2 4 1V 3 1 4 2VI 3 1 4 2
totaal 18 7 24 11
Voorbeeld 5
)1(3)1(
12²
2
abRaab
a b
ij )14(63²11²24²7²18)14(64
12
x
x
17² Deze waarde wordt vergeleken met de chi kwadraatwaarde voor a-1 of 3 vrijheidsgraden en p< 0.05= 7.815 => Indien groter H0 wordt verworpenEr is een significant verschil
Niet parametrische test kan alleen verschillen tussen groepen aantonen;de test zegt niets over interacties tussen behandelingen.