20. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
7
36 42 48 54
0
5
10
15
20
25
30
35
40
P
e
r
c
e
n
t
w
The SAS System 18:45 Thursday, July 3, 2014
The UNIVARIATE Procedure
Variable: w
Moments
N 8 Sum Weights 8
Mean 44.75 Sum Observations 358
Std Deviation 6.06512278 Variance 36.7857143
Skewness -0.5897158 Kurtosis 0.15590687
Uncorrected SS 16278 Corrected SS 257.5
Coeff Variation 13.553347 Std Error Mean 2.14434472
Basic Statistical Measures
Location Variability
Mean 44.75000 Std Deviation 6.06512
Median 45.00000 Variance 36.78571
Mode 44.00000 Range 19.00000
Interquartile Range 7.50000
Tests for Location: Mu0=0
Test -Statistic- -----p Value------
Student's t t 20.86885 Pr > |t| <.0001
Sign M 4 Pr >= |M| 0.0078
Signed Rank S 18 Pr >= |S| 0.0078
Tests for Normality
Test --Statistic--- -----p Value------
Shapiro-Wilk W 0.968113 Pr < W 0.8828
Kolmogorov-Smirnov D 0.200793 Pr > D >0.1500
Cramer-von Mises W-Sq 0.031831 Pr > W-Sq >0.2500
Anderson-Darling A-Sq 0.1982 Pr > A-Sq >0.2500
24. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
11
هابى ٔعل ًئشاNormalityنContinueحص الٌت ةتظِا
Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk
Statisti
c
df Sig. Statistic df Sig.
A .201 8 .200
*
.968 8 .883
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
QQ plot
26. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
13
. ٘ ٘طم ٗءْا ٗتْا الوتغ٘ا اى ءئ اّة ْْلو ر اختم حص ًت
د-اخزجبسادGraphpad Prism
ر ًختColumnن ٘الاح٘س ةي ال هيCreateنٔعل غم ًAnalyzeر ًختد دن
Column statisticsةْار هابى ة٘ظِار اختم ٔعل َ٘ة ًئشاShapiro
Variable A
Sample size 8
Lowest value 34.0000
Highest value 53.0000
Arithmetic mean 44.7500
95% CI for the mean 39.6794 to 49.8206
Median 45.0000
95% CI for the median 35.4039 to 52.1577
Variance 36.7857
Standard deviation 6.0651
Relative standard deviation 0.1355 (13.55%)
Standard error of the mean 2.1443
Coefficient of Skewness -0.5897 (P=0.4271)
Coefficient of Kurtosis 0.1559 (P=0.7788)
Kolmogorov-Smirnov test
for Normal distribution
accept Normality (P=0.865)
27. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
14
ت الواب ٔعل ًّئشا. ًٗا ٖالت
Number of values 8
Minimum 34.00
25% Percentile 40.25
Median 45.00
75% Percentile 49.50
Maximum 53.00
Mean 44.75
Std. Deviation 6.065
Std. Error 2.144
Lower 95% CI of mean 39.68
Upper 95% CI of mean 49.82
KS normality test
KS distance 0.2008
P value > 0.10
Passed normality test (alpha=0.05)? Yes
P value summary ns
Shapiro-Wilk normality test
W 0.9681
P value 0.8828
Passed normality test (alpha=0.05)? Yes
P value summary
29. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
16
أ-اخزجبسادSAS
هة2دوي ءت ءيابد حص ًتد ءوةب ٍ ًاع ت ً ٘الم :د الّ هالت د هبْاقدى12لندب هندار
هالت؟ الو ب٘ي ٗي التم ًس ءي ر اختم الورلْع هل ه
data one;
input trt g ;
cards;
1 7
1 26
1 33
1 50
1 4
2 66
2 59
2 63
2 65
2 64
3 3
3 5
3 4
3 5
3 4
proc GLM data=ONE; class TRT;
model G = TRT / ss1;
means TRT / hovtest=levene hovtest=BF hovtest=obrien;
run;
proc GLM data=ONE; class TRT;
model G = TRT / ss1;
means TRT / hovtest=levene(type=ABS);
run;
proc glm data=one;
CLASS TRT;
model G = TRT;
means TRT / hovtest=bartlett;
run;
The GLM Procedure
Levene's Test for Homogeneity of g Variance
ANOVA of Squared Deviations from Group Means
Sum of Mean
Source DF Squares Square F Value Pr > F
trt 2 274250 137125 5.74 0.0178
Error 12 286832 23902.7
O'Brien's Test for Homogeneity of g Variance
ANOVA of O'Brien's Spread Variable, W = 0.5
Sum of Mean
Source DF Squares Square F Value Pr > F
trt 2 428516 214258 4.21 0.0411
Error 12 610016 50834.7
30. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
17
Brown and Forsythe's Test for Homogeneity of g Variance
ANOVA of Absolute Deviations from Group Medians
Sum of Mean
Source DF Squares Square F Value Pr > F
trt 2 584.4 292.2 7.81 0.0067
Error 12 449.2 37.4333
The GLM Procedure
Levene's Test for Homogeneity of g Variance
ANOVA of Absolute Deviations from Group Means
Sum of Mean
Source DF Squares Square F Value Pr > F
trt 2 613.4 306.7 10.05 0.0027
Error 12 366.3 30.5267
The GLM Procedure
Bartlett's Test for Homogeneity of g Variance
Source DF Chi-Square Pr > ChiSq
trt 2 24.9282 <.0001
حص الٌت هي ح ٗتهص ًبا اىSASً اعتود ّْلد ٗي التمد ًس لتيد رات اختم ي ع َ٘ة ءتْةا
ر اختم ًت٘يLevenًي مْط الوق٘و اىP=0.0027٘ةاضد ًداةض اًٌد ٌٖ ٗ هو
ال ّٕ ددءسهالت دد الو بدد٘ي ًس تيددهددب ال ًْيدد بددؤى ت ددً ٘للم ءيْٗددب دداا ا ّٗوندديg
ٔددالS=log(g)هص ددًالما دخدًٌّةدمحد ٗ ه ددٌّعددٌْٗ ه داد٘ا د٘يدل٘ة ر دداختمدؤىدةر دداختمt
س٘نْى. صي٘ي
وب ًست التيْٗب ًٕيا اى قمب ّاWelch's anovaق٘ود اى ل ة ّٖةPٌْٗد ه ٔسدتمق
ددداه ت دددً ٘للم ددبدْٗالتي ٕددادًيدد٘يدب دددًر هق ددااد أل ددد ة ددالدة دددٌْٗ ه دداد٘ا ددلدً اكا
.ت الوتْسر
PROC GLM DATA=one;
CLASS trt;
MODEL g = trt / ss3;
MEANS trt / HOVTEST=levene(TYPE=abs) welch;
OUTPUT OUT=rsd(keep=trt g pred resid) P=pred R=resid;
RUN;
ة-اخزجبسادSPSS
ٔددعل دغمد ًAnalyzeدندCompare meansدندOne way ANOVAدادِة٘ظ
ٔال الوتغ٘ا ًٌقب ةْار هابىDependent listّالوتغ٘اgroupٔالfactorغم ً ن
31. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
18
ارoptionsٔعلد َة٘د ًئشدا ةدْار هابدى ة٘ظِداHomogeneity of Varianceدن
continueنok.
group w
1. 7.
1. 26.
1. 33.
1. 50.
1. 4.
2. 66.
2. 59.
2. 63.
2. 65.
2. 64.
3. 3.
3. 5.
3. 4.
3. 5.
3. 4.
Test of Homogeneity of Variances
G
Levene Statistic df1 df2 Sig.
10.047 2 12 .003
ط-اخزجبسادMedCalc
ٔعل غم ًStatisticsنOne wayنANOVAOne way
Levene's Test for Equality of Variances
Levene statistic 10.047
DF 1 2
DF 2 12
Significance level P = 0.003
د-اخزجبسادGraphpad prism
ر ًختanalyzeنcolumn statisticsنokالوابدى ٔعلد ًئشا ةْار هابى ة٘ظِا
Kolmogrove-Sminovنok.:ٖٙء ٗنْى ت ً ٘الم ءاء٘ب اى ٔال ري ايش هى
A B C
7. 66. 3.
26. 59. 5.
33. 63. 4.
50. 65. 5.
4. 64. 4.
32. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
19
A B C
Number of values 5 5 5
Mean 24.00 63.40 4.200
Std. Deviation 19.04 2.702 0.8367
Std. Error 8.515 1.208 0.3742
KS normality test
KS distance 0.2140 0.2412 0.2305
P value > 0.10 > 0.10 > 0.10
Passed normality test (alpha=0.05)? Yes Yes Yes
P value summary ns ns ns
Sum 120.0 317.0 21.00
ر اختمدد ع عتودد ب ٗي التمدد ًس ءيدد ر اختمدد ٗونددي وددBartlett's test for equal
variances
دؤىدب دددّكلٔددعل دغمد ًanalyzeدندone way ANOVAَدد٘ة دْاردة دىدًاب دادِة٘ظ
هابىtest nameٌَه ر ًختone way ANOVAٖةد اخا ر ٘اخت ًّيPost hoc
ٌَه ر ًختtest for linear trendنok.
Bartlett's test for equal variances
Bartlett's statistic (corrected) 24.93
P value < 0.0001
P value summary ***
Do the variances differ signif. (P < 0.05) Yes
.ٗي التم ًس ءي ْص بخ م ال ٘ةاض رةض ٔال ءا٘ا ر ايختم حص ًت اى ّٗالةظ
ه-انًمبسَخٍَثشكمانًزغَشاد روصٍغ
الوتغ٘اات هي ًْع٘ي لتْاٗى ً٘ ٘الم ًر الوق اىءْض٘ح ٖة ا ٘هة ٗنْى ةا ا ّا
.ت ٗالتْا ب٘ي ت ايختالة
هة3ضغم لخةض ٘ي ه ر عق و است حص ًت ءوةب ٖالت ٘ل الت ت ً ٘الم ٌٗ ل ًل ْل :
خال هي سٌالةظ الس٘راي هيوْع حص ًت هى َرًت ّهق م الٖة ت ايختالة الاسْم
.حص الٌت
data BPChange;
input Treatment $ BPchange;
datalines;
33. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
20
Placebo -1.0
Active -8.0
Active -23.0
Placebo 2.5
Active -15.5
Placebo -1.0
Placebo 1.0
Active -9.0
Active -20.0
Placebo 3.5
Active -15.5
Placebo 3.0
Placebo 6.0
Active -11.0
Active -26.0
Placebo 3.5
Active -18.5
Placebo -1.0
;
run;
proc univariate data=BPChange;
class Treatment;
histogram BPChange
/ normal
midpoints = -50 to 50 by 5
cfill = cx153e7e
cframeside = cxeeeeee;
run;
proc univariate data=BPChange noprint;
class Treatment;
var BPChange;
histogram BPChange
/ normal
midpoints = -50 to 50 by 5
href = 0
chref = cx888888
vscale = count
intertile = 1
cframeside = cxeeeeee;
inset n="N" (5.0)
mean="Mean" (5.1)
std="Std Dev" (5.1)
/ pos=ne height=3;
run;
34. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
21
0
10
20
30
40
50
60
70
80
90
P
e
r
c
e
n
t
A
c
t
i
v
e
-50 -45 -40 -35 -30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
0
10
20
30
40
50
60
70
80
90
P
e
r
c
e
n
t
P
l
a
c
e
b
o
BPchange
0
1
2
3
4
5
6
7
8
C
o
u
n
t
A
c
t
i
v
e
-50 -45 -40 -35 -30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30 35 40 45 50
0
1
2
3
4
5
6
7
8
C
o
u
n
t
P
l
a
c
e
b
o
BPchange
اى هى لِ٘و ٖة ٖ ٘طم ءْاٗى كات ًل ب ايستي ءْاٗى اى الاسو٘ي هي ح ٗت
عي عل٘ال ٗ هو الس٘راي هيوْع ر ٗس ٔال هٌياة هل الو هيوْع ٖة ب ايستي
.الس٘راي بويوْع ًر هق ب اة ب استي ْ ة
د-نهجَبَبد روصٍغ أفعم رؾذٍذ
شن ٔعل اة الت ا الوِن هيهص ًبا ٖة ّءتْةا ت ً ٘الم ءْاٗى بSASاات ٗا
.ت ٗءْا ي ل ّةق ت ً ٘الم ءْاٗى ر يختمهص ًبا ٔال ري ايش هي ّيبEasy 5.5
هص ًالما ُخا ْٗةا اك ت ً ٘الم ءْاٗى ٔعل اة الت لغا ة الم ٍ تو ٗ اى ٗوني ٕالخ
ٖةْال ٔال ب ء ت ٗالتْا هي م٘ا ع ع60ءت و ءْاٗىهص ًالما ُخا حص ًت وي
ءسلسب ٗ ءيت ٗللتْاعق ةسب.ت ً ٘الم ّصف ٖة ت ٗالتْا ءلد
35. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
22
هة4:
data Plates;
label Gap = 'Plate Gap in cm';
input Gap @@;
datalines;
0.746 0.357 0.376 0.327 0.485 1.741 0.241 0.777 0.768 0.409
0.252 0.512 0.534 1.656 0.742 0.378 0.714 1.121 0.597 0.231
0.541 0.805 0.682 0.418 0.506 0.501 0.247 0.922 0.880 0.344
0.519 1.302 0.275 0.601 0.388 0.450 0.845 0.319 0.486 0.529
1.547 0.690 0.676 0.314 0.736 0.643 0.483 0.352 0.636 1.080
;
run;
title 'Distribution of Plate Gaps';
ods select ParameterEstimates GoodnessOfFit FitQuantiles MyHist;
proc univariate data=Plates;
var Gap;
histogram / midpoints=0.2 to 1.8 by 0.2
lognormal
weibull
gamma
normal
kernel
exponintial
vaxis = axis1
name = 'MyHist';
inset n mean(5.3) std='Std Dev'(5.3) skewness(5.3)
/ pos = ne header = 'Summary Statistics';
axis1 label=(a=90 r=0);
run;
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
0
5
10
15
20
25
30
35
P
e
r
c
e
n
t
Plate Gap in cm
36. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
23
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
0
5
10
15
20
25
30
P
e
r
c
e
n
t
Plate Gap in cm
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
0
5
10
15
20
25
30
P
e
r
c
e
n
t
Plate Gap in cm
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
0
5
10
15
20
25
30
P
e
r
c
e
n
t
Plate Gap in cm
37. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
24
-0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
0
5
10
15
20
25
30
P
e
r
c
e
n
t
Plate Gap in cm
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
0
5
10
15
20
25
30
P
e
r
c
e
n
t
Plate Gap in cm
- 0 . 2 0 0 . 2 0 . 4 0 . 6 0 . 8 1 1 . 2 1 . 4 1 . 6 1 . 8 2 2 . 2
0
5
1 0
1 5
2 0
2 5
3 0
3 5
P
e
r
c
e
n
t
Pl a t e Ga p i n c m
38. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
25
ٌَانضب انفصم:انجَبَبد رؾهَمانًُبعت االخزجبس واخزَبس
2-1انجَبَبد رؾهَمAnalyses of data
ال ت ٌ٘ع هيوْع ّا ٌ٘ع ءوةب ٖالت ت ً ٘الم ى ءخٗوني ق ٘س ةسب ر ايختم ٔ
لاسن ب َءْض٘ي:ٍ ًاع
2 - 2انًُبعت االخزجبس أخزَبس
ر دد٘اخت ديدٗون ٍ ددًاع ّ ددالي ٔددعل ا ددٌبّ ددالي دبدّةس ت ددً ٘للم ددهالحو دادة اي ر ددايختم
:ٖاٙء
Type of Dat
Goal Measurement
(from
Gaussian
Population)
Rank, Score, or
Measurement
(from Non-
Gaussian
Population)
Binomial
(Two
Possible
Outcomes)
Survival
Time
Describe one
group
Mean, SD Median,
interquartile
range
Proportion Kaplan Meier
survival
curve
Compare one
group to a
hypothetical value
One-
sample ttest
Wilcoxon test Chi-square
or
Binomial test
39. انطجَخ انزشخَص واخزجبساد األؽصبءٌانغبيشائ د.فشاط
26
3- 2األخطبءاألؽصبئَخٌفانطجَخ انجؾوس
لغ ت راس ال هي ٗ لل ى خ ٘الرم ٘لو ال الويالت ٖة اية ٘ءرم اىا
َءرم٘ق صي هي التيقّالٌل ٔعل المي ت هيا هي ٕأ ٖة بي ٌه ب عوب ْل
ٔعل ءئ ٖالت الوٌاْري ْالمي هي م٘اا عا ع س٘يْع ّم٘ا ع عْالمي هي
ال ة ُر اختم ّا التياب و٘ن ء ّا التيل٘ب ٖة سْا ٘ح اة اخر وي ءت ٘الرم
ت ّ٘التْص ت ايستٌت عيُخا ّٖةع الأة المOlsen (2003)ْري ّب ًَا
ا اخر وي ءت ًل الوٌاْري ٘لو ال ْالمي ف ً ايقب ٔعل اى ْالق ٗوني ه ع
و است ّا الوتم ٘ح اية الراٗق ا ك م ع ُٖ شْ٘ع ايخر ةا ّا ٘ح اة
ت ً ٘الم لتيل٘ب سم ٌه ا٘ا ٘ح اة طاٗق.عراس حص ًت هي ّءم٘يKlumpp(2013)
اى30-70اخر وي ءت الوينو ٘الرم الويالت ٖة الوٌاْري ْالمي هي %
٘ح اة،ّأستراعاى حال ق50ى َقمل هي للتق٘٘ن ل خ ٖالت ٘الرم ْالمي هي %
**
Compare two
unpaired groups
Unpaired t test Mann-Whitney
test
Fisher's test
(chi-square
for large
samples)
Log-rank test
or Mantel-
Haenszel*
Compare two
paired groups
Paired t test Wilcoxon test McNemar's
test
Conditional
proportional
hazards
regression*
Compare three or
more unmatched
groups
One-way
ANOVA
Kruskal-Wallis
test
Chi-square
test
Cox
proportional
hazard
regression**
Compare three or
more matched
groups
Repeated-
measures
ANOVA
Friedman test Cochrane
Q**
Conditional
proportional
hazards
regression**
Quantify
association
between two
variables
Pearson
correlation
Spearman
correlation
Contingency
coefficients**
Predict value from
another measured
variable
Simple linear
regression
or
Nonlinear
regression
Nonparametric
regression**
Simple
logistic
regression*
Cox
proportional
hazard
regression*
Predict value from
several measured
or binomial
variables
Multiple linear
regression*
or
Multiple
nonlinear
regression**
Multiple
logistic
regression*
Cox
proportional
hazard
regression*