Upload
lylien
View
224
Download
1
Embed Size (px)
Citation preview
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 1 z 8
Test Scheffego
, gdzie (1)
n to ilość powtórzeń (pomiarów) w jednej grupie (zabiegu)
Test NIR
Istnieje wiele testów dla porównań wielokrotnych opartych o najmniejszą istotna różnicę
między średnimi (NIR). We wszystkich przypadkach NIR obliczana jest według tej samej
zasady: jest iloczynem oceny błędu różnicy średnich Sr przez współczynnik t zapewniający
określony poziom istotności w porównaniach wielokrotnych . Współczynnik ten zależy nie
tylko od i (liczba stopni swobody dla błędu), ale i od liczby porównywanych średnich k.
Zatem:
(2)
Gdy k=2 test NIR pokrywa się ze zwykłym testem t Studenta.
NIR według Tukeya i Newmana_Keulsa
W przypadku, gdy nie ograniczamy liczby możliwych porównań par średnich i dopuszczamy
możliwość porównania każdej średniej z każdą, to NIR obliczamy ze wzoru (2) posługując
się tablicą 20.9 zależnie od liczby wszystkich porównanych średnich. Jeśli porównania
prowadzimy w klasyfikacji pojedynczej to k=a. W przypadku klasyfikacji podwójnej
obliczamy kolejno:
Dla klasyfikacji A (czynnik A)
i , a – ilość poziomów czynnika A
Dla klasyfikacji B (czynnik B)
i , b – ilość poziomów czynnika B
W przypadku interakcji otrzymujemy dwie wartości NIR:
gdzie
Pierwsza z nich służy do porównania średnich przy ustalonym j (w ustalonej klasie B),
druga zaś do porównań przy ustalonym i (w ustalonej klasie A). Gdyby chodziło o
zupełnie dowolne porównanie średnich, to wartość t należy odczytać z tablicy 20.9 dla
k=ab. Jest to wersja NIR Tukeya.
Jeżeli średnie będące przedmiotem porównań uporządkujemy w określony sposób, np.
według ich wartości w ciąg nierosnący, to porównując dwie wybrane średnie w tym ciągu
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 2 z 8
porównujemy ich różnice z NIR , którą wyliczamy ze wzoru (2) przyjmując k równe różnicy
numerów porównywanych średnich w ciągu plus 1. Jest to wersja NIR Newmana-Keulsa.
NIR według Dunnetta
W wersji Dunnetta NIR obliczamy również ze wzoru (2) lecz współczynnik t odczytujemy z
tablicy 20.8. Ta NIR służy do porównania średnich z jedną z nich traktowaną jako próba
kontrolna. Porównań średnich ze średnią kontrolną w różnych klasyfikacjach dokonujemy z
zachowaniem zasad opisanych powyżej.
Przykłady:
Badano średnia liczbę nasion w strąku u kilku krzyżówek grochu. Uzyskano wyniki średnie z
15 roślin:
1
2
3
4
5
Neuga Laser
Laser Porta
Neuga Kujawski
Laser Kujawski
Akac Neuga
6,11
6,33
6,37
6,73
6,81
6
7
8
9
10
Laser Neuga
Porta Neuga
Kujawski Laser
Neuga Porta
Kujawski
6,95
7,38
7,57
7,65
6,62
Jest to przykład klasyfikacji pojedynczej, n=15, k=150, a=10 ( =a n-a)
Obliczono . Błąd różnicy średnich wynosi
NIR według Tukeya wynosi:
NIR według Dunnetta (do porównań krzyżówek z Kujawskim):
NIR według Scheffego:
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 3 z 8
W przypadku użycia programu Excel wartość czyli średni kwadrat błędu (lub oszacowanie
wariancji błędu) to wartość MS w obrębie grup (MS – medium square).
Analiza wariancji: jednoczynnikowa
PODSUMOWANIE
Grupy Licznik Suma Średnia Wariancja
MP0 5 297 59,4 30,8
MP5 5 342 68,4 19,3
MP2 5 329 65,8 12,7
MPR 5 325 65 12
ANALIZA WARIANCJI
Źródło wariancji SS df MS F Wartość-p Test F
Pomiędzy grupami 215,35 3 71,78333 3,838681 0,030278 3,238867
W obrębie grup 299,2 16 18,7
Razem 514,55 19
Lp. Źródło zmienności Liczba stopni
swobody
Suma
kwadratów
Średni
kwadrat Femp
1 Czynnik A a-1 var A
2 Błąd losowy a(n-1) var E -
3 Ogółem na-1 var y - -
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 4 z 8
Analiza wariancji: dwuczynnikowa z powtórzeniami PODSUMOWANIE 0,5g 1g 2g 4g Razem
M0 Licznik 2 2 2 2 8 Suma 31 41 67 77 216 Średnia 15,5 20,5 33,5 38,5 27 Wariancja 40,5 12,5 40,5 24,5 116,5714
M5 Licznik 2 2 2 2 8 Suma 50 68 60 80 258 Średnia 25 34 30 40 32,25 Wariancja 2 18 128 8 56,78571
M10 Licznik 2 2 2 2 8 Suma 83 69 131 162 445 Średnia 41,5 34,5 65,5 81 55,625 Wariancja 420,5 12,5 0,5 722 561,4107
Razem Licznik 6 6 6 6 Suma 164 178 258 319 Średnia 27,33333 29,66667 43 53,16667 Wariancja 231,0667 59,06667 340 616,1667 ANALIZA WARIANCJI
Źródło wariancji SS df MS F Wartość-p Test F Próbka 3715,583 2 1857,792 15,59531 0,00046 3,88529 Kolumny 2627,458 3 875,8194 7,352104 0,004687 3,4903 Interakcja 1086,417 6 181,0694 1,519995 0,252567 2,996117 W obrębie 1429,5 12 119,125 Razem 8858,958 23
Lp. Źródło zmienności Liczba stopni
swobody
Suma
kwadratów Średni kwadrat Femp
1 Klasyfikacja A
a-1 var A
2 Klasyfikacja B
b-1 var B
3 Interakcja A x B
(a-1)(b-1) var AB
4 Błąd ab(n-1) var E -
5 Ogółem abn-1 var y - -
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 5 z 8
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 6 z 8
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 7 z 8
Opracowano na podstawie „Planowanie i wnioskowanie statystyczne w doświadczalnictwie” A. R. Wójcika i Z. Laudańskiego
Strona 8 z 8