Freie Genetics-Workshop Nummer drei der Chi-Quadrat
Bevor wir beginnen, abholen und eine Kopie Ihres Chi-Quadrat-Arbeitsblatt ausdrucken. Füllen Sie es in, wie wir zusammen und arbeiten, wenn Sie jeden Teil fertig sind, überprüfen Sie Ihre Antworten mit mir. (Der Link für den Antwortbogen befindet sich am Ende dieser Seite.) Es gibt ein einzelnes Arbeitsblatt für diese ganze (dreiteiliger) Werkstatt und einem einzigen Antwortbogen zu. Tun Sie es einfach ein Abschnitt zu einem Zeitpunkt.
Nach diesem Workshop werden Sie auch bereit, die SBF aus dem Chi-Quadrat-Unterricht zu tun.
Chi-Quadrat eines monohybrid Kreuz als ein „Spaziergang durch“
Mendels Daten aus einem Experiment waren.
P = glatten Samen mit faltigen Samen gekreuzt
F1 = alle glatten Samen (so glatt ist dominant und faltig ist rezessiv)
F2 = 5.474 glatten Samen und Samen 1,850 faltig
1. Welches Verhältnis hat er beobachtet?
5474/1850 = 2,9589189. 1 = 2,96. 1
2. Welches Verhältnis hat er erwartet?
Sie sollten verstehen, dass die Chi-Quadrat-Nummer (nicht-Verhältnis) auf die Zahl beobachtet vergleichen (nicht-Verhältnis) zu erwarten. Sie sind die beobachteten Zahlen und von diesen Daten gegeben Sie sich vorstellen, was das Verhältnis sein sollte. Sie verwenden dann das „erraten“ Verhältnis zu berechnen, was die erwarteten Zahlen würden durch von dem Verhältnis geraten.
die erwartete Anzahl der Berechnung ist entscheidend, um die Chi-Quadrat und viele Studenten Schwierigkeiten zu tun mit diesem ersten Schritt haben - sie vergessen, wie es zu tun, verwenden Sie es nach hinten oder tun es überhaupt nicht!
Lassen Sie uns gemeinsam durch diesen wichtigen Schritt arbeiten, so dass Sie diese Logik verstehen.
Sie wissen bereits, die Zahl beobachtet.
Glatte Oberfläche = 5474
Faltig = 1850
3. Wie hoch ist die Gesamtzahl der Samen?
4. Welche Anzahl von faltig wird erwartet.
5. Welche Anzahl von glatten erwartet.
1831 X 3 = 5493 oder 7324 x 3/4 = 5493
OK, haben Sie jetzt die erwarteten Zahlen aus dem erwarteten Verhältnis berechnet.
Die beste (am einfachsten) Art und Weise zwei Werte zu vergleichen, ist ihre Differenz (subtraktiv) zu finden.
6. Was ist der Unterschied zwischen dem beobachteten und glatt zu erwarten?
7. Was ist der Unterschied zwischen dem beobachteten und faltig zu erwarten?
Für „statistische Vergrößerung“ Wir steigern diese Unterschiede von ihnen quadriert.
8. Was ist das Quadrat der Differenz zwischen dem beobachteten und erwarteten glatt?
-19 2 = 361 oder -19 -19 X = 361
9. Was ist das Quadrat der Differenz zwischen dem beobachteten und erwarteten zerknittert?
19 2 = 361 oder 19 x 19 = 361
Dieses „Quadrat der Differenzen“ ist zu groß und muß „NORMALIZED“ von jeweils durch die Anzahl ERWARTET (nicht die Anzahl beobachtet) geteilt wird. Dies könnte die „squared Unterschiede je erwartet“ bezeichnet werden.
10. Was ist das Quadrat der Differenz zwischen dem beobachteten und glatt erwartet, dividiert durch die erwartete Anzahl von glatt?
361/5493 = 0,06572 = 0,066
11. Was ist das Quadrat der Differenz zwischen der beobachteten und erwarteten faltig, dividiert durch die erwartete Anzahl von zerknitterten?
361/1831 = 0,19716 = 0,197
Schließlich fügen wir gemeinsam diese „squared Unterschiede je erwartet“ geben uns die TOTAL „squared Unterschiede je erwartet“.
12. Was ist die Summe der „squared Unterschiede je erwartet“?
0,066 + 0,197 = 0,263 die 2 = 0,263
Daher ist das Chi-Quadrat für dieses Experiment 2 = 0,263.
In Ordnung und jetzt?
Statistiker haben Chi-Quadrat-Tabellen, basierend auf den Wahrscheinlichkeiten, dass ein bestimmte Chi-Quadrat-Wert wird kommen rein zufällig entwickelt. Es gibt zwei „Features“ zu betrachten.
A. Signifikanzniveau # 133 ;.
Wir (Wissenschaftler), wie das Niveau von 5% als unser signifikanten „cut-off“ zu verwenden. All Chi-Quadrat größer als der Wert aus der 5% Tabelle zeigt einen Versuch, bei dem die beobachteten Verhältnisse sind so weit weg von den Verhältnissen zu erwarten, dass wir zu dem Schluss kommen, dass die erwarteten Verhältnisse sind falsch!
B. Freiheitsgrade # 133;
Je mehr „Klassen“ (Kategorien) desto wahrscheinlicher, dass ein statistischer „Blip“ wird die zulässigen Grenzwerte des Chi-Quadrat zu erhöhen. Die „Freiheitsgrade“ sind eins kleiner als die Anzahl der Klassen.
13. Name alle verschiedenen Klassen im Experiment (früher) # 133 ;.
Glatte und faltig
14. Wie viele Freiheitsgrade waren in diesem Experiment?
2 - 1 = 1
Ein Freiheitsgrad.
Hier ist ein Teil der Chi-Quadrat Bedeutung Tabelle.
15. Ist der Chi-Quadrat Sie innerhalb der Grenze von „die mögliche“ berechnet?
Ist der Chi-Quadrat berechnet man hier innerhalb der Grenze von „das möglich?“
(Um dies zu beantworten, zuerst die Chi-Quadrat Bedeutung Tabelle zurück zuvor gesehen hast. Dann Seite zurück nach hier.)
NEIN! 2 = 12,32, aber mit einem Freiheitsgrad wir ein beliebiges Verhältnis kann nicht akzeptieren, die uns einen Chi-Quadrat größer als 3,84 gibt.
wir annehmen, dass diese Ergebnisse in einem akzeptablen Bereich eines 3. 1-Verhältnis sind?
Nein! Wir müssen das 3. 1-Verhältnis ablehnen. Diese Daten sind weit weg vom 3. 1-Verhältnis.
Chi-Quadrat eines dihybrid Kreuz als schneller Tisch
Betrachten Sie diese Ergebnisse aus einem dihybrid Kreuz
30 rot groß
65 weiß groß
83 rot kurz
206 weiße kurze
Bevor wir in das Chi-Quadrat tauchen müssen wir zunächst feststellen, welches Verhältnis prüfen wir und welche Kategorie (Klasse) paßt mit jedem Teil des Verhältnisses.
Auf der Grundlage dieser Zahlen, die Phänotypen sind dominant und rezessiv für die beiden Loci? (Denken Sie daran, dies sind die F2-s von einem dihybrid Kreuz, so dass sie zu einem bestimmten Verhältnis in der Nähe sein sollte, die Sie zuvor gelernt haben. Und Sie haben auch gelernt, welche Züge in jedem Teil dieses Verhältnis am Ende.)
Auch, wie am besten können Sie ordnen Genotypen zu diesen Phänotypen.
Nun, da Sie jede Kategorie identifiziert und es das Verhältnis zugewiesen, können wir das Chi-Quadrat beginnen, um zu bestimmen, ob sie paßt.
Beginnen wir die durch erste unserer Berechnungstabelle anzuordnen. Es wird doppelt so groß wie die vorherigen Tabelle sein. Es könnte helfen, sie in der Tabelle in absteigender Reihenfolge das 9. 3. 3. 1-Verhältnis darstellen zu arrangieren. Zeichnen Sie die entsprechende Tabelle mit den beobachteten Zahlen.
Haben Sie bekommen 4.325 für die Antwort?
Wenn Sie nicht die, Blick über meine Antwort und herauszufinden, wo Sie schief gelaufen ist - und versuchen, aus dem Fehler zu lernen, so dass Sie es richtig, beim nächsten Mal tun. [Ein häufiger Fehler tritt in der letzten Spalte - viele Schüler entweder durch die beobachtete oder durch eine andere zu erwartenden Zahl teilen. Denken Sie daran, immer zu teilen, indem er die erwartete Anzahl für diese Kategorie.]
OK, Sie haben das Chi-Quadrat berechnet und es ist nun an der Zeit, etwas damit zu tun.
Hier ist ein Teil der Chi-Quadrat Bedeutung Tabelle.
Wie viele „Klassen“ (Kategorien, Gruppen) sind in diesem Experiment?
Freiheitsgrade
5% Signifikanzniveau
Vier (rot und groß, weiß und groß, rot und kurz, Weiß und kurz)
Nun, wie viele Freiheitsgrade sind in diesem Experiment?
Hat das 9. 3. 3. 1-Verhältnis zu den Daten passen?
Freiheitsgrade
5% Signifikanzniveau
Ja! Mit drei Freiheitsgraden können Sie ein Chi-Quadrat so groß wie 7,81, bevor wir über unsere 5% Bedeutung sein würden.
Das Chi-Quadrat kann verwendet werden, wenn es ein erwartetes Verhältnis
Was ist das erwartete Verhältnis von Jungen zu Mädchen?
Was ist die Freiheitsgrade in diesem Beispiel?
Es gibt zwei Kategorien (Klassen), so gibt es einen Freiheitsgrad.
Es gibt in-vitro-Fertilisation (IVF) Methoden, die die Chancen erhöhen, dass ein Mädchen geboren wird oder ein Junge geboren werden. Sie können das Chi-Quadrat, um zu bestimmen, ob eine bestimmte IVF-Klinik wirklich die Chancen zu erhöhen ist einen Jungen oder ein Mädchen zu haben. Sie könnten auf die Anzahl der Mädchen schauen und Jungen geboren, um Frauen, die Mädchen oder Jungen und berechnen Sie die Chi-Quadrat wollte.
Wenn eine bestimmte IVF-Klinik kann, in der Tat, um die Chancen zu erhöhen, würde man erwarten, die Chi-Quadrat über oder unter dem Wert von 3,84 zu sein (was ich aus der obigen Tabelle vor)?
Ich hoffe, Sie verstehen, dass wir hier „in der Hoffnung“ werden, dass das Verhältnis NICHT 1. 1. wird (In der Tat, Wissenschaftler sind nicht für die Ergebnisse „Hoffnung“ soll aber die Tatsache bleibt, dass sie oft viel Hoffnung!)
Lassen Sie sich eine andere Situation betrachten.
Sie sind der Bezirksleiter von drei Fast-Food-Restaurants und Sie über die Einnahmen suchen. Sie sehen, dass Speicher A $ 5.000.000 $ 1.000.000, Speicher B gemacht $ 3.000.000 und speichern C gebracht gemacht. Sie fragen sich, ob das nur eine statistisch Blip ist. Wie würden Sie die Chi-Quadrat verwenden, um die Idee zu prüfen, dass diese Geschäfte unterschiedlich sind - jenseits Glück? (Tun Sie das nicht das Chi-Quadrat -. Nur mir sagen, wie Sie es einrichten würden)
Sie würden „erwarten“ ein 1. 1. 1-Verhältnis in den Einnahmen, wenn sie alle gleich sind. Mit anderen Worten, würden die Gesamteinnahmen von $ 9.000.000 gleichmäßig verteilt werden. Sie erwarten würden.
Shop A = $ 3.000.000
Shop B = $ 3.000.000
Shop C = $ 3.000.000
Sie könnten nun, für jedes Geschäft, die Differenz zwischen dem erwarteten und beobachteten Umsatz, quadratisch, den Unterschied finden, Kluft, die durch die erwarteten und dann all drei fügt zusammen einen Chi-Quadrat-Wert zu erhalten.
Angenommen, der Manager des Speichers A beschwert sich, dass Sie nicht fair werden, weil Sie nicht zu berücksichtigen, die Unterschiede in der lokalen Bevölkerung um jedes Geschäft genommen haben. Sein Speicher dient eine kleinere Gemeinde. Also, gehen Sie auf die Bevölkerung Aufzeichnungen und entdecken, dass Speicher A eine Bevölkerung dient, die nur ein Viertel der Größe der von Geschäften B und C. serviert Gemeinden Können Sie die Chi-Quadrat-Redo? Wie?
Die Informationen über die Bevölkerung sagt Ihnen, dass es viermal gibt so viele potenzielle Kunden für Geschäfte B und C als A. Sie, dass als Verhältnis von 1. 4. 4. ausdrücken Wenn Einnahmen auf Bevölkerung abhängig sind, würden Sie erwarten ( "erwarten "ist das Zauberwort, das bedeutet‚hier kommt eine Chi-Quadrat‘)
Shop A = $ 1.000.000
Shop B = $ 4.000.000
Shop C = $ 4.000.000
Die beobachteten Umsätze waren
Shop A = $ 1.000.000
Shop B = $ 3.000.000
Shop C = $ 5.000.000
Nun würden Sie einen anderen Chi-Quadrat tun, um festzustellen, ob diese Zahlen passen ein 1. 4. 4-Verhältnis (was zeigt, dass der Umsatz bei Bevölkerung wahrscheinlich abhängig sind).
Und schließlich, was ist der Freiheitsgrad für diese drei-Speicher Problem?
Es gibt drei Kategorien (Stores, A, B und C), so gibt es zwei Freiheitsgrade.
Diese letzten Rätsel, über Geschlechterverhältnisse und Erlösquoten, sind Sie zu zeigen, dass die Chi-Quadrat hat viele Verwendungen und dass alles, was Sie tun müssen, ist herauszufinden, wie über die Verhältnisse, die Erwartungen und die Ergebnisse zu denken.
Wenn Sie dies noch nicht getan haben, wählen Sie eine Kopie der Antworten auf das Chi-Quadrat und vergleichen Sie es mit Ihrem eigenen Arbeitsblatt. Stellen Sie sicher, dass Sie es verstehen.