Data
Příklad z molekulární biologie:
Expresní úrovně genu BRCA1 (ng/ml) v kontrolních vzorcích vs. vzorcích s mutací
Formát: Podporuje desetinnou tečku i čárku (23.5 nebo 23,5)
Formát: Podporuje desetinnou tečku i čárku (23.5 nebo 23,5)
Nastavení testu
Dvou-výběrový: Porovnání dvou skupin (např. control vs. treatment).
Jedno-výběrový: Test, zda průměr skupiny odpovídá teoretické hodnotě.
Jedno-výběrový: Test, zda průměr skupiny odpovídá teoretické hodnotě.
T-test: Parametrický test. Automaticky používá Welchovu verzi (nepředpokládá rovnost rozptylů). Robustní i při mírném porušení normality, zejména při větším n.
Dvoustranný: H₁: μ₁ ≠ μ₂ (standardní volba)
Greater: H₁: μ₁ > μ₂ (např. "Je výnos A větší?")
Less: H₁: μ₁ < μ₂ (např. "Je toxicita A nižší?")
Greater: H₁: μ₁ > μ₂ (např. "Je výnos A větší?")
Less: H₁: μ₁ < μ₂ (např. "Je toxicita A nižší?")
Příklady použití
Molekulární biologie:
- Nepárový: Expresní úrovně genů control vs. treatment
- Párový: Koncentrace proteinů před/po intervenci (stejní pacienti)
- Jedno-výběrový: Odpovídá expresní úroveň referenční hodnotě?
Zemědělství:
- Nepárový: Výnosy dvou odrůd (různé parcely)
- Párový: Výnos před/po aplikaci (stejné parcely)
- Jednostranný: Je nová odrůda výnosnější? (H₁: μ_new > μ_standard)
⚠️ Důležité: Párovost není volba uživatele, ale vlastnost experimentálního designu. Data musí být správně spárována v pořadí řádků.
📚 Volba testu:
Volba testu není čistě technická! Neparametrické testy nejsou "automatickou náhradou" při porušení normality:
• T-test je robustní i při mírné ne-normalitě (průměry velkých vzorků mají normální rozdělení i když data ne)
• Mann-Whitney testuje stochastickou dominanci, ne rozdíl mediánů
• Wilcoxon vyžaduje symetrické rozdělení rozdílů
• Normalita ≠ automatický přepínač mezi testy
→ Zvažte design experimentu, předpoklady testů a věcnou interpretaci
Volba testu není čistě technická! Neparametrické testy nejsou "automatickou náhradou" při porušení normality:
• T-test je robustní i při mírné ne-normalitě (průměry velkých vzorků mají normální rozdělení i když data ne)
• Mann-Whitney testuje stochastickou dominanci, ne rozdíl mediánů
• Wilcoxon vyžaduje symetrické rozdělení rozdílů
• Normalita ≠ automatický přepínač mezi testy
→ Zvažte design experimentu, předpoklady testů a věcnou interpretaci
Výsledky analýzy
📊 Vizualizace dat
📈 Distribuce dat
🔍 Test normality (Shapiro-Wilk)
Interpretace: p > 0.05 naznačuje, že data jsou kompatibilní s normálním rozdělením
(nelze zamítnout hypotézu normality). Pozor: Při velkém n jsou normalitní testy přecitlivělé na malé odchylky.
T-test je robustní vůči mírným porušením normality, zejména při větším n. Q-Q plot poskytuje vizuální kontrolu.
🔢 Deskriptivní statistiky
✨ Výsledky testu
📏 Velikost efektu (Effect Size)
Hedges' g: Standardizovaná velikost efektu pro Welch t-test (korekce na malý vzorek). |g| < 0.2 = malý, 0.5 = střední, 0.8 = velký efekt.
Cohen's d: Pro párové testy (d = průměr rozdílů / SD rozdílů).
Confidence Interval: 95% CI pro rozdíl průměrů. Pokud obsahuje 0, rozdíl není signifikantní na α = 0.05.
Pro neparametrické testy: CI není k dispozici (nelze parametricky odhadnout).
Cohen's d: Pro párové testy (d = průměr rozdílů / SD rozdílů).
Confidence Interval: 95% CI pro rozdíl průměrů. Pokud obsahuje 0, rozdíl není signifikantní na α = 0.05.
Pro neparametrické testy: CI není k dispozici (nelze parametricky odhadnout).