Was ist der grundlegende Unterschied zwischen Linearkombinationskontrasten und Mehrfachvergleichen?
Was ist der grundlegende Unterschied zwischen Linearkombinationskontrasten und Mehrfachvergleichen?

Video: Was ist der grundlegende Unterschied zwischen Linearkombinationskontrasten und Mehrfachvergleichen?

Video: Was ist der grundlegende Unterschied zwischen Linearkombinationskontrasten und Mehrfachvergleichen?
Video: (7) T-Statistiken 2024, April
Anonim

6. (2 Punkte) Was ist der grundlegende Unterschied zwischen Linearkombinationen? ( Kontraste) und Mehrfachvergleiche ? Linearkombinationen sind geplant Vergleiche ; das heißt, bestimmte Mittel werden kombiniert in unterschiedlich Wege und im Gegensatz zu anderen Kombinationen von Mitteln.

Was ist davon ein linearer Kontrast?

In der Statistik, insbesondere in der Varianzanalyse und linear Rückschritt, a Kontrast ist ein linear Kombination von Variablen (Parameter oder Statistiken), deren Koeffizienten sich zu Null addieren, wodurch ein Vergleich verschiedener Behandlungen ermöglicht wird.

Und wie können in einem einzigen Experiment mehrere Vergleiche entstehen? Es ergeben sich mehrere Vergleiche wenn eine statistische Analyse mehrere simultane statistische Tests, von denen jeder ein Potenzial hat zu eine "Entdeckung" desselben Datensatzes oder abhängiger Datensätze erzeugen.

Zweitens, was ist ein Mehrfachvergleichsverfahren?

Mehrfachvergleich Prüfung Verfahren wird gebraucht. Eine beliebte Methode, um die Ursache für die Ablehnung der Nullhypothese zu untersuchen, ist a Mehrfachvergleichsverfahren . Dies sind Methoden, die mehr als ein Paar von Mittelwerten oder Proportionen gleichzeitig untersuchen oder vergleichen.

Was ist der Unterschied zwischen einem Post-hoc-Test und geplanten Vergleichen?

Post-hoc-Tests werden normalerweise verwendet, um Gruppenpaare zu bewerten, um zu sehen, ob sie statistisch signifikant voneinander sind. nicht wie geplante Vergleiche , diese Bewertungen sind nicht geplant in voraus, sondern stellen eine Suche "nach der Tatsache" dar, um zu sehen, wo die statistisch signifikanten Unterschiede existieren.

Empfohlen: