MS Excel - příklad 9
A) Statistické vyhodnocení rozdílů v účinnosti přípravků:
1. Zadání hodnot výběrových souborů do tabulky (buňky B3:E12), editace kompletní tabulky:
2. Výpočet průměrů výběrových souborů: Do buněk B13-E13 vložit funkci - Statistické - Průměr:
3. Výpočet směrodatných odchylek (SD) výběrových souborů: Do buněk B14-E14 vložit funkci - Statistické - SMODCH.VÝBĚR:
4. V dialogovém okně zadat do pole Číslo1 rozsah buněk výběrového souboru např.: B3:B12
5. Otestování rozdílů mezi rozptyly výběrových souborů pomocí F-test: Do buňky C16 (příp. D16, E16) vložit funkci - Statistické - FTEST:
6. Výsledek F-testu: p=0.24059 představuje pravděpodobnost nulové hypotézy o shodě rozptylů obou souborů (pravděpodobnost chyby a), tzn. že mezi rozptyly souborů byl zjištěn statisticky nevýznamný rozdíl. Výpočet nepárového t-testu pro otestování rozdílu průměrů obou souborů: v buňce C17 vyvolat menu Vložit funkci - Statistické - TTEST:
7. V dialogovém okně zadat do Pole1 (příp.Matice1 - podle verze MS Excel) rozsah buněk výběrového souboru Kontrola - B3:B12 a do Pole2 (Matice2) rozsah buněk výběrového souboru s přípravkem A - C3:C12 (lze označit pomocí myši v tabulce). Do řádku Strany (příp. Chvosty - podle verze MS Excel) zadat 2 (dvojstranný t-test) a do řádku Typ zadat 2 (podle výsledku předchozího F-testu: dva výběry se shodným rozptylem). Výsledek je zobrazen po stisku tlačítka OK:
8. Výsledky t-testů: hodnoty v buňkách C17 - E17 představují pravděpodobnosti nulových hypotéz o shodě průměrů kontrolního souboru a průměrů souborů s přípravkem A, B a C (pravděpodobnost chyby a), tzn.:
Přípravek A (p=0.70985): statisticky nevýznamný rozdíl mezi průměry
Přípravek B (p=0.00685): statisticky vysoce významný rozdíl mezi průměry
Přípravek C (p=0.042101): statisticky významný rozdíl mezi průměry
9. Závěr: Přípravek A není účinný (p>0.05), přípravek B je statisticky vysoce významně účinný (p<0.01) a přípravek C je účinný (p<0.05) na zvyšování hladiny Mg v krevním séru dojnic.
Poznámka:
Použití t-testu v tomto příkladu je pouze orientační. Pro přesnější testování rozdílů průměrů mezi několika soubory jsou určeny jiné speciální metody - tzv. multikomparativní testy navazující na analýzu variance (ANOVA), která zamítá globální hypotézu m1=m2=m3....=mm. Tyto multikomparativní testy ošetřují nechtěné zvětšování chyby prvního druhu a při mnohonásobném porovnávání: pro udržení hladiny 0.05 v celém experimentu, který porovnává všechny možné dvojice souborů, je nutno provádět každý test na hladině významnosti a / počet testů. Obecně je tedy významnost rozdílů zjištěná mezi dvojicemi souborů při multikomparativním testování nižší než při klasickém dvojvýběrovém t-testu. Pro řešení tohoto příkladu by byl typicky vhodný např. Dunnett test (porovnání několika souborů vůči jedné kontrole), který pro tento příklad dává přesnější výsledky: A x K (p=0.9705), B x K (p=0,0020), C x K (p=0,1227). Použití metody ANOVA a navazujících multikomparativních testů vyžaduje speciální statistický software.
B) Grafická prezentace dat:
1. Označení 2 bloků buněk B2:E2 a B13:E13 (nesouvislé bloky - pomocí Ctrl) a vyvolání nabídky Průvodce grafem:
2. Volba Typu grafu: Sloupcový, znázornění náhledu v 2. dialogovém okně:
3. Zadání Názvu grafu a popisků osy X a osy Y (3. dialogové okno):
4. Volba umístění grafu (Jako objekt do: aktuální list):
5. Dokončení tvorba grafu tlačítkem Dokončit (další vlastnosti grafu lze následně upravovat po označení jednotlivých objektů v grafu pomocí kontextových menu pravého tlačítka myši nebo nabídkového řádku):
Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky