Asumiré que "100% de supervivencia" significa que sus sitios solo contenían un solo organismo. entonces 30 significa que 30 organismos murieron, y 31 significa que 31 organismos no lo hicieron. En base a esto, el chi-cuadrado debería estar bien, pero solo indicará qué hipótesis no son compatibles con los datos; no le dirá si dos hipótesis razonables son mejores o no. Presento un análisis de probabilidad que extrae esta información: está de acuerdo con la prueba de ji al cuadrado, pero le brinda más información que la prueba de ji al cuadrado y una mejor manera de presentar los resultados.
El modelo es un modelo de Bernouli para el indicador de "muerte", ( i denota la celda de la tabla 2 × 3 , y j denota la unidad individual dentro de la celda) .Yij∼Bin(1,θij)i2×3j
Hay dos supuestos globales subyacentes a la prueba de chi-cuadrado:
- dentro de una celda dada de la tabla, los son todos iguales, es decir, θ i j = θ i k = θ iθijθij=θik=θi
- los son estadísticamente independientes, dado θ i . Esto significa que los parámetros de probabilidad le dicen todo acerca de Y i j ; toda otra información es irrelevante si sabe θ iYijθiYijθi
Denote como la suma de Y i j , (entonces X 1 = 30 , X 2 = 10 ,XiYij ) y sea N i el tamaño del grupo (entonces N 1 = 61 , N 2 = 30 , N 3 = 11 ). Ahora tenemos una hipótesis para probar:X1=30,X2=10,X3=1NiN1=61,N2=30,N3=11
HA:θ1=θ2,θ1=θ3,θ2=θ3
Pero cuales son las alternativas? Yo diría que las otras combinaciones posibles de igual o no igual.
H B 2 : θ 1 ≠ θ 2 , θ 1 = θ 3 , θ 2 ≠ θ 3 H B 3 : θ 1 = θ 2 , θ 1 ≠ θ 3 , θ 2 ≠
HB1:θ1≠θ2,θ1≠θ3,θ2=θ3
HB2:θ1≠θ2,θ1=θ3,θ2≠θ3
HB3:θ1=θ2,θ1≠θ3,θ2≠θ3
HC:θ1≠θ2,θ1≠θ3,θ2≠θ3
HAI0
P(X1,X2,X3|N1,N2,N3,HA,I0)=∫10P(X1,X2,X3,θ|N1,N2,N3,HA,I0)dθ
=(N1X1)(N2X2)(N3X3)∫10θX1+X2+X3(1−θ)N1+N2+N3−X1−X2−X3dθ
=(N1X1)(N2X2)(N3X3)(N1+N2+N3+1)(N1+N2+N3X1+X2+X3)
HB1
P(X1,X2,X3|N1,N2,N3,HB1,I0)=∫10P(X1,X2,X3,θ1θ2|N1,N2,N3,HB1,I0)dθ1dθ2
=(N2X2)(N3X3)(N1+1)(N2+N3+1)(N2+N3X2+X3)
HUNAv sHB 14 4HUNAHB 14 4
Hyp o t h e s i s( HUNAEl | D)( HB 1El | D)( HB 2El | D)( HB 3El | D)( HCEl | D)p r o b a b i l i t y0.0189822650.0047906690.0516200220.4841558740.440451171
UNA
Creo que podría usar los "intervalos de confianza simultáneos" para hacer comparaciones múltiples. La referencia es Agresti et al. 2008 Intervalos de confianza simultáneos para comparar parámetros binomiales. Biometría 64 1270-1275.
Puede encontrar el código R correspondiente en http://www.stat.ufl.edu/~aa/cda/software.html
fuente