Главная > Многомерный дисперсионный анализ
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

8.1. ДВУХФАКТОРНАЯ КЛАССИФИКАЦИЯ, ОДНО НАБЛЮДЕНИЕ В ЯЧЕЙКЕ

Такие планы обычно реализуются как рандомизированные, причем рандомизация — важный элемент опыта; она должна обеспечить однородность условий эксперимента.

Одномерный случай; Фактор А имеет уровней, фактор В - К уровней. Схема эксперимента:

Согласно линейной модели (4.3) при двухфакторной классификации отдельное наблюдение в ячейке можно представить так:

причем

Наиболее интересными нулевыми гипотезами являются

Некоторые авторы в этом месте пользуются моделью с иной параметризацией и выдвигают гипотезы в форме для всех и — О для всех Этот метод эквивалентен описываемому нами. Выбор модели (8.2) и формы гипотез (8.3) связаны с представлениями и посылками раздела 4.1.

Таблица одномерного дисперсионного анализа

(см. скан)

несмещенная оценка дисперсии ошибки Средние в приведенной выше таблице равны:

Многомерный случай; Результаты наблюдений — реализации -мерных нормально распределенных случайных векторов. Схема двухфакторной классификации аналогична схеме в одномерном случае, только в ячейке находится теперь вектор наблюдений элементами которого служат результаты измерений признаков индивида. Модельное уравнение имеет вид

где

Проверяются следующие нулевые гипотезы:

Согласно методу, указанному в разделе 4.5, для построения критериальных статистик следует ввести матрицы получающиеся как непосредственное обобщение сумм квадратов одномерного случая:

причем величины получаются заменой в на векторы

Согласно разделу 4.4 в качестве критериальных статистик используем величины

Матрица

служит несмещенной оценкой ковариационной матрицы 2. Далее,

Для проверки гипотез мы получили следующие критериальные статистики:

Для гипотезы

Согласно (8.4) и и по (8.13) и (8.16), а также согласно разделу 4.4 получаем статистику

Она приближенно подчиняется -распределению с и степенями свободы, причем

Гипотеза отвергается на заданном уровне значимости а, если

Для гипотезы Нов: Из таблицы (8.4) следует Согласно (8.14) и (8.17), а также разделу 4.4 получаем статистику

Она приближенно подчиняется -распределению степенями свободы, причем

Гипотеза отвергается на заданном уровне значимости а, если

1
Оглавление
email@scask.ru