ANOVA Часть IV: Поправка Бонферрони | Учебник по статистике №28 | MarinStatsLectures

Описание: Дисперсионный анализ и поправка Бонферрони для множественных сравнений: что такое поправка Бонферрони и когда её используют? 👉🏼 Учебное пособие по дисперсионному анализу с R: (https://goo.gl/kY4kyE); Полные видеоуроки по дисперсионному анализу (https://bit.ly/2zBwjgL); 👍🏼 Лучшие уроки статистики и языка программирования R: ( https://goo.gl/4vDQzT )

►► Хотите поддержать нас? Вы можете сделать пожертвование (https://bit.ly/2CWxnP2), поделиться нашими видео, оставить комментарий, поставить лайк или написать отзыв! В любом случае, мы будем вам благодарны.

В этом видеоуроке по дисперсионному анализу мы изучим поправку Бонферрони для множественных сравнений (поправку Бонферрони) для дисперсионного анализа (ANOVA). При сравнении нескольких групп, если нулевая гипотеза отвергается (с малым p-значением), делается вывод о наличии доказательств того, что хотя бы одно из средних значений отличается от остальных, но нет указаний на то, какое из них отличается от других. Чтобы определить, какие из них, по нашему мнению, отличаются, можно провести «множественные сравнения» всех парных наборов средних значений.

При рассмотрении примера с множественными сравнениями мы увидим, что из-за одновременного проведения нескольких сравнений увеличивается вероятность ошибки первого рода (ложноположительного результата). Этот показатель также называется семейным коэффициентом ошибок (FWER) и представляет собой вероятность хотя бы одной ошибки первого рода (хотя бы одного ложноположительного результата) при проверке нескольких гипотез.

Бонферрони предложил метод коррекции завышенного коэффициента ошибок первого рода. Бонферрони предполагает, что все парные тесты независимы. Это может быть не так, но, как мы увидим в этом видео, независимость упрощает вычисления и, кроме того, является немного более консервативным. Подход Бонферрони заключается в использовании скорректированного уровня альфа. Поправка Бонферрони устанавливает порог значимости для каждого теста на уровне (α/число тестов), чтобы общий уровень ошибок первого рода был приблизительно равен α (альфа).

Хотя метод Бонферрони не обязательно является «оптимальным» методом коррекции, он прост для понимания и является консервативным. Существуют и другие методы коррекции множественных сравнений, например, метод Тьюки или метод Даннетта. Все они основаны на одной и той же концепции, поэтому, поняв поправку Бонферрони, вы сможете понять принципы, лежащие в основе других методов.

▶︎ Назначение дисперсионного анализа (ANOVA): однофакторный дисперсионный анализ (ANOVA) используется для сравнения средних значений трёх или более независимых групп.

▶︎ Предположения теста ANOVA: Тест ANOVA предполагает независимость наблюдений, независимость групп, приблизительное равенство дисперсий (или стандартного отклонения) двух сравниваемых групп или большой размер выборки для каждой группы.

▶︎▶︎ Смотрите также

▶︎ Дисперсионный анализ ANOVA в R, Множественные сравнения в R, Краскела-Уоллиса в R https://goo.gl/kY4kyE
▶︎ANOVA: Применение и предположения    • One Way ANOVA (Analysis of Variance): Intr...  
▶︎ ANOVA: Понимание суммы квадратов    • ANOVA (Analysis of Variance) and Sum of Sq...  
▶︎ ANOVA: Поправка Бонферрони для множественных сравнений    • ANOVA Part IV: Bonferroni Correction | Sta...  
▶︎ Двухвыборочный t-тест для независимых группы    • Two Sample t-test for Independent Groups |...  
▶︎ Парный t-тест    • Paired t Test | Statistics Tutorial #21| M...  
► Введение в курс статистики: https://bit.ly/2SQOxDH
► Наука о данных в R https://bit.ly/1A1Pixc
► Начало работы с R (серия 1): https://bit.ly/2PkTneg
► Графики и описательная статистика в R (серия 2): https://bit.ly/2PkTneg
► Распределения вероятностей в R (серия 3): https://bit.ly/2AT3wpI
► Двумерный анализ в R (серия 4): https://bit.ly/2SXvcRi
► Линейная регрессия в R (серия 5): https://bit.ly/1iytAtm
► Гипотеза Тестирование: https://bit.ly/2Ff3J9e
►Концепция линейной регрессии и лекции по R: https://bit.ly/2z8fXg1

Подпишитесь на MarinStatsLectures

Подпишитесь: https://goo.gl/4vDQzT
Сайт: https://statslectures.com
Facebook: https://goo.gl/qYQavS
Twitter: https://goo.gl/393AQG
Instagram: https://goo.gl/fdPiDn

Наша команда:
Автор контента: Майк Марин (бакалавр наук, магистр наук), старший преподаватель Университета Британской Колумбии.
Продюсер и креативный менеджер: Ладан Хамадани (бакалавр наук, бакалавр гуманитарных наук, магистр общественного здравоохранения)

Эти видео созданы #marinstatslectures для поддержки некоторых курсов в Университете Британской Колумбии (UBC) (#IntroductoryStatistics и #RVideoTutorials for Health Science Research), хотя мы предоставляем все видео бесплатно всем желающим.

Спасибо за просмотр! Получайте удовольствие и помните, что статистика почти так же прекрасна, как единорог!