Statistiques

L’application Stats Advisor pose une série de questions, puis suggère l’outil ou l’application approprié pour analyser vos données.

La tabulation croisée (également connue sous le nom de tableau de contingence) est un tableau pour révéler la distribution de fréquence des variables. Le graphique en mosaïque peut être tracé dans le rapport.

La fréquence compte

L’outil consiste à mesurer le nombre de fois qu’une valeur est rencontrée dans chaque casier pour une plage de données. Ensuite, les résultats peuvent être utilisés pour générer un histogramme qui permet plus de personnalisation, comme une étiquette au-dessus des barres ou une taille de bac inégale, etc.

L’outil Comptages de fréquences 2D / Binning est similaire aux comptes de fréquences, mais pour les variables à deux dimensions. Avec l’outil, nous pouvons générer un histogramme 2D pour détecter visuellement la distribution des données 2D.

Utilisez le test de normalité pour déterminer si les données ont été tirées d’une population normalement distribuée (dans une certaine tolérance). Origin prend en charge six méthodes pour le test de normalité, Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors, Anderson-Darling, K-Squared D’Agostino et Chen-Shapiro

L’outil Distribution Fit aide les utilisateurs à examiner la distribution de leurs données et à estimer les paramètres de la distribution

L’outil de corrélation partielle mesure la relation linéaire entre deux variables aléatoires, après avoir exclu les effets d’une ou plusieurs variables de contrôle.

L’image affiche l’outil Boîte de dialogue du coefficient de corrélation dans Origin. L’outil prend en charge trois tests, Corrélation r de Pearson, Corrélation de l’ordre de rang de Spearman et Corrélation Tau de Kendall. Et l’utilisateur peut choisir de marquer les corrélations significatives dans le résultat

Deux outils dans Origin peuvent être utilisés pour détecter les valeurs aberrantes dans les données, le test de Grubb et le test Q de Dixon. Le graphique des valeurs aberrantes dans les outils peut aider l’utilisateur à juger visuellement à quel point la valeur aberrante est éloignée des autres observations.

Le graphique affiche le tracé Moyenne + SE et le tracé de comparaison des moyennes en anova unidirectionnel. Ils aident à comparer visuellement plusieurs groupes, à déterminer si leurs moyennes sont différentes.

L’image affiche les résultats obtenus dans l’outil anova unidirectionnel. le ANOVA globale Le tableau indique une valeur de p inférieure à 0,05, par conséquent au moins deux des quatre groupes ont des moyennes significativement différentes. Il existe également des Test d’homogénéité de variance et Comparaisons de moyens tableau des résultats qui aide à juger si les groupes ont une variance égale et fournit une comparaison par paires.

L’ANOVA à mesures répétées est utilisée pour comparer trois moyennes ou plus lorsque tous les sujets sont mesurés dans un certain nombre de conditions différentes.

Une feuille de rapport d’analyse de l’origine, celle-ci créée par l’outil ANOVA à mesures répétées unidirectionnelles. L’image montre deux des graphiques intégrés ouverts pour une édition ultérieure. Modifiez un graphique intégré en double-cliquant sur l’image miniature dans le rapport. Une fois les personnalisations effectuées, replacez les graphiques dans le rapport et visualisez vos modifications.

Origin prend en charge différents modes d’entrée pour les tests d’hypothèse. L’utilisateur n’a pas besoin de transformer ses données avant d’utiliser les outils.

L’exemple montre les résultats du test t à deux échantillons, une note de bas de page est fournie dans le (s) tableau (s) pour aider à tirer des conclusions. Origin prend également en charge Test de Welch pour le cas où la variance n’est pas égale.

Le test de classement signé de Wilcoxon à un échantillon dans Origin permet à l’utilisateur d’examiner la médiane de la population par rapport à une valeur spécifiée. Dans les résultats, une note de bas de page est fournie dans le (s) tableau (s) pour aider à tirer des conclusions.

Les graphiques montrent les données et les résultats de Friedman ANOVA. L’outil d’Origin peut être utilisé pour comparer au moins trois échantillons associés. C’est une alternative non paramétrique à l’ANOVA à mesure répétée unidirectionnelle.

Les moindres carrés partiels dans l’origine sont utilisés pour construire des modèles prédictifs lorsqu’il existe de nombreux facteurs hautement colinéaires. le Diagramme d’importance variable peut aider à juger de l’importance de chaque variable.

L’outil d’analyse en composantes principales (ACP) est utilisé pour expliquer la structure de variance-covariance d’un ensemble de variables au moyen de combinaisons linéaires. le parcelle d’éboulis est une aide visuelle utile pour déterminer un nombre approprié de composants principaux. Et le Graphique de chargement et de score peut être utilisé pour interpréter les relations entre les observations et les variables.

Un tracé de dendrogramme créé par l’outil d’analyse de cluster hiérarchique, qui peut être utilisé pour lister tous les échantillons et indique à quel niveau de similitude deux clusters ont été joints

Un graphique de score canonique créé par l’outil d’analyse discriminante dans OriginPro. Ce graphique peut être utilisé pour classer les observations entre les groupes.

Le graphique affiche le tracé de la fonction de survie dans l’estimateur Kaplan-Meier. Un test de log-rank est effectué pour comparer les deux fonctions de survie.

L’image affiche une partie des rapports de la régression proportionnelle des risques de Cox, qui est une méthode semi-paramétrique pour prévoir les changements dans le taux de risque avec une variété de covariables fixes.

Le Weibull Fit est une méthode de paramètres pour analyser la relation entre la fonction de survie et le temps de défaillance. L’utilisateur peut voir l’estimation des paramètres du modèle de Weibull à partir du tableau de résultats et décider visuellement si les données sont supprimées de la distribution de Weibull de la Diagramme de probabilité de Weibull

L’analyse de la puissance et de la taille de l’échantillon comprend à la fois l’analyse de la taille de l’échantillon et l’analyse de la puissance. L’analyse de la taille de l’échantillon est utilisée pour déterminer si une expérience est susceptible de fournir des informations utiles avec une taille d’échantillon donnée. Inversement, l’analyse de puissance peut être utile pour déterminer la taille minimale de l’échantillon nécessaire pour produire une expérience statistiquement significative. Le graphique affiche le courbe de puissance pour le test des deux variances.

L’analyse de la courbe ROC peut être utilisée pour tester un diagnostic afin de déterminer si un incident s’est produit ou pour comparer la précision de deux méthodes utilisées pour distinguer les cas malades par rapport aux cas sains.

L’application de parcelle de comparaison appariée est utilisée pour créer des parcelles de variance avec une marque de différences significatives pour une comparaison par paire. Les options de marque significative comprennent les lettres en haut, l’astérisque avec support et la valeur P avec support. L’application prend en charge ces types de tracé: barre, points de données, diagramme en boîte et dispersion avec barre d’erreur.