Wetenschapsforum

Hallo,

Ik ben momenteel bezig met de statistische analyse voor mijn afstudeerscriptie en ik kom er niet helemaal uit.

Eerst even een korte uitleg: mijn onderzoek bestaat uit het testen de invloed van licht en afstand op de nauwkeurigheid van een eye-tracking systeem. Ik heb 5 lichtniveaus en 5 afstanden gebruikt en het resultaat waren dan ook 25 files met voor ieder videoframe de oogpositie zoals berekend door het systeem en de werkelijke oogpositie.

Vervolgens is het verschil hiertussen berekend voor ieder frame (ofwel de error) en over al die 100-den frames vervolgens de gemiddelde error.

Wat ik dus wil weten van deze data is:

1. hebben licht en afstand invloed op deze error

2. wat is de kans dat de error binnen bepaalde gedefineerde limieten blijft (+/- 5mm)

3. hoe zit het met de spreiding van de oogpositie die het systeem vind....maw als een oog niet goed gevonden wordt, blijft het systeem hem dan wel vrij nauwkeurig op deze onjuiste positie vinden?

Nu blijkt dat de data niet normaal verdeeld is. In eerste instantie heb ik vervolgens de data getranfsormeerd om de invloed van outliers te verminderen. Bij nader inzien betwijfel ik echter of dit de juiste methode is, aangezien ik toch al niet zo veel data heb. Verder weet ik ook niet goed hoe ik de kansberekening moet doen met deze getransformeerde data, aangezien de gedefineerde limieten van +/- 5mm niet mee getransformeerd zijn. Hetzelfde geld eigenlijk voor punt 3, welke ik gedacht had met de standaard deviatie te kunnen berekenen. Maar hoe kan ik dit goed doen met getransformeerde data?

Vervolgens heb ik geprobeerd met niet-parametrische toetsen . Hierbij lukt punt 1 wel dmv de Wilcoxon test, maar weet ik dan weer of het mogelijk is (en zoja hoe) om punt 2 en 3 uit te voeren.

Dus mijn vraag is hoofdzakelijk: wat is het meest aan te raden (transformatie of niet parametrisch testen) en hoe kan ik dan de kans en de spreiding berekenen?

Groet,

Ralf

p.s. indien nodig zal ik ook zsm de spss dataset online plaatsen.