meta data for this page
차이
문서의 선택한 두 판 사이의 차이를 보여줍니다.
|
일원배치법_변량모형_반복수_불균일 [2012/07/22 21:42] moonrepeat |
일원배치법_변량모형_반복수_불균일 [2021/03/10 21:42] |
||
|---|---|---|---|
| 줄 1: | 줄 1: | ||
| - | ====== 일원배치법 (변량모형) (반복수 불균일) ====== | ||
| - | ===== 데이터 구조 ===== | ||
| - | [[요인]] $A$는 [[변량인자]] | ||
| - | $$ y_{ij} = \mu + a_{i} + e_{ij} $$ | ||
| - | |||
| - | * $i$ : [[인자]] $A$의 [[수준]] $( i = 1,2, \cdots ,l )$ | ||
| - | * $j$ : 실험의 [[반복]] $( j = 1,2, \cdots ,r_{i})$ | ||
| - | |||
| - | * $a_{i} \sim N(0, \sigma_{A}^{ \ 2})$이고 서로 [[독립]] | ||
| - | * $e_{ij} \sim N(0, \sigma_{E}^{ \ 2})$이고 서로 [[독립]] | ||
| - | * $Cov(a_{i} , e_{ij}) = 0$ | ||
| - | ===== 가설 ===== | ||
| - | [[인자]] $A$의 각 [[수준]]에서 [[특성치]]의 차이가 유의한가? | ||
| - | |||
| - | * [[귀무가설]] : $H_{0} : \sigma_{_{A}}^{ \ \ 2} = 0$ | ||
| - | * [[대립가설]] : $H_{1} : \sigma_{_{A}}^{ \ \ 2} > 0$ | ||
| - | ===== 자료의 구조 ===== | ||
| - | ||<|2> |||||||||| '''[인자]의 수준''' ||<|2> '''합계''' || | ||
| - | || $$A_{1}$$ || $$A_{2}$$ || $$A_{3}$$ || $$\cdots$$ || $$A_{l}$$ || | ||
| - | |||||||||||||| || | ||
| - | ||<|4> '''실험의'''[[BR]]'''반 복''' || $$y_{11}$$ || $$y_{21}$$ || $$y_{31}$$ || $$\cdots$$ || $$y_{l1}$$ ||<|4> || | ||
| - | || $$y_{12}$$ || $$y_{22}$$ || $$y_{32}$$ || $$\cdots$$ || $$y_{l2}$$ || | ||
| - | || $$\vdots$$ || $$\vdots$$ || $$\vdots$$ || || $$\vdots$$ || | ||
| - | || $$y_{1r_{1}}$$ || $$y_{2r_{2}}$$ || $$y_{3r_{3}}$$ || $$\cdots$$ || $$y_{lr_{l}}$$ || | ||
| - | |||||||||||||| || | ||
| - | || '''합계''' || $$T_{1.}$$ || $$T_{2.}$$ || $$T_{3.}$$ || $$\cdots$$ || $$T_{l.}$$ || $$T$$ || | ||
| - | || '''[평균]''' || $$\overline{y}_{1.}$$ || $$\overline{y}_{2.}$$ || $$\overline{y}_{3.}$$ || $$\cdots$$ || $$\overline{y}_{l.}$$ || $$\overline{\overline{y}}$$ || | ||
| - | |||
| - | |||
| - | || $$T = \sum_{i=1}^{l} \sum_{j=1}^{r_{i}} y_{ij}$$ || $$\overline{\overline{y}} = \frac{T}{N}$$ || | ||
| - | || $$T_{i.} = \sum_{j=1}^{r_{i}} y_{ij}$$ || $$\overline{y}_{i.} = \frac{T_{i.}}{r_{i}}$$ || | ||
| - | || $$N = \sum_{i=1}^{l} r_{i}$$ || $$CT = \frac{T^{2}}{N}$$ || | ||
| - | ===== 제곱합 ===== | ||
| - | 개개의 데이터 $y_{ij}$와 총 [[평균]] $\overline{\overline{y}}$의 차이는 다음과 같이 두 부분으로 나뉘어진다. | ||
| - | |||
| - | $$(y_{ij} - \overline{\overline{y}}) = (\overline{y}_{i.} - \overline{\overline{y}}) + (y_{ij} - \overline{y}_{i.})$$ | ||
| - | |||
| - | 양변을 제곱한 후에 모든 $i$와 $j$에 대하여 합하면 아래의 등식을 얻을 수 있다. | ||
| - | |||
| - | $$\sum_{i=1}^{l}\sum_{j=1}^{r_{i}}(y_{ij} - \overline{\overline{y}})^{2} = \sum_{i=1}^{l}\sum_{j=1}^{r_{i}}(\overline{y}_{i.} - \overline{\overline{y}})^{2} + \sum_{i=1}^{l}\sum_{j=1}^{r_{i}}(y_{ij} - \overline{y}_{i.})$$ | ||
| - | |||
| - | 위 식에서 왼쪽 항은 총변동 $S_{T}$이고, 오른쪽 항은 차례대로 $A$의 [[변동]], [[오차변동]]인 $S_{A}$, $S_{E}$가 된다. | ||
| - | |||
| - | $$\begin{displaymath}\begin{split} S_{_{T}} &= \sum_{i=1}^{l} \sum_{j=1}^{r_{i}} (y_{ij}- \overline{\overline{y}})^{2} \\ &= \sum_{i=1}^{l} \sum_{j=1}^{r_{i}} y_{ij}^{2} - CT \end{split}\end{displaymath}$$ | ||
| - | |||
| - | $$\begin{displaymath}\begin{split} S_{_{A}} &= \sum_{i=1}^{l} \sum_{j=1}^{r_{i}} (\overline{y}_{i.} - \overline{\overline{y}})^{2} \\ &= \sum_{i=1}^{l} r_{i} (\overline{y}_{i.} - \overline{\overline{y}})^{2} \\ &= \sum_{i=1}^{l} \frac{T_{i.}^{2}}{r_{i}} - CT \end{split}\end{displaymath}$$ | ||
| - | |||
| - | $$\begin{displaymath}\begin{split} S_{_{E}} &= \sum_{i=1}^{l} \sum_{j=1}^{r_{i}} (y_{ij} - \overline{y}_{i.})^{2} \\ &= S_{_{T}}-S_{_{A}} \end{split}\end{displaymath}$$ | ||
| - | |||
| - | 단, $CT$는 $CT =\frac{T^{2}}{N}$으로 [[수정항]]이라 부른다. | ||
| - | ===== 자유도 ===== | ||
| - | $$\nu_{_{A}} = l - 1$$ | ||
| - | |||
| - | $$\nu_{_{E}} = N - l$$ | ||
| - | |||
| - | $$\nu_{_{T}} = N-1$$ | ||
| - | ===== 평균제곱 ===== | ||
| - | $$V_{_{A}} = \frac{S_{_{A}}}{\nu_{_{A}}}$$ | ||
| - | |||
| - | $$V_{_{E}} = \frac{S_{_{E}}}{\nu_{_{E}}}$$ | ||
| - | ===== 평균제곱의 기대값 ===== | ||
| - | $$E(V_{A}) = \sigma_{E}^{ \ 2} + \left[ \frac{N^{2} - \sum_{i=1}^{l} r_{i}^{ \ 2}}{N(l-1)} \right] \sigma_{A}^{ \ 2}$$ | ||
| - | |||
| - | $$E(V_{E}) = \sigma_{E}^{ \ 2}$$ | ||
| - | ===== 분산분석표 ===== | ||
| - | || '''[요인]''' || '''[제곱합]''' $$SS$$ || '''[자유도]''' $$DF$$ || '''[평균제곱]''' $$MS$$ || $$E(MS)$$ || $$F_{0}$$ || '''기각치''' || '''[순변동]''' $$ S\acute{} $$ || '''[기여율]''' $$\rho$$ || | ||
| - | |||||||||||||||||| || | ||
| - | || $$A$$ || $$S_{_{A}}$$ || $$\nu_{_{A}} = l - 1$$ || $$V_{_{A}} = S_{_{A}} / \nu_{_{A}}$$ || $$\sigma_{E}^{ \ 2} + \left[ \frac{N^{2} - \sum_{i=1}^{l} r_{i}^{ \ 2}}{N(l-1)} \right] \sigma_{A}^{ \ 2}$$ || $$V_{_{A}}/V_{_{E}}$$ || $$F_{1-\alpha}(\nu_{_{A}} \ , \ \nu_{_{E}})$$ || $$S_{_{A}}\acute{} = S_{_{A}} - \nu_{_{A}} \ V_{_{E}}$$ || $$S_{_{A}}\acute{} / S_{_{T}} $$ || | ||
| - | || $$E$$ || $$S_{_{E}}$$ || $$\nu_{_{E}} = l(r - 1)$$ || $$V_{_{E}} = S_{_{E}} / \nu_{_{E}}$$ || $$\sigma_{_{E}}^{ \ 2}$$ || || || $$S_{_{E}}\acute{} = S_{_{T}} - S_{_{A}}\acute{}$$ || $$S_{_{E}}\acute{} / S_{_{T}} $$ || | ||
| - | |||||||||||||||||| || | ||
| - | || $$T$$ || $$S_{_{T}}$$ || $$\nu_{_{T}} = lr - 1$$ || || || || || $$S_{_{T}}$$ || $$1$$ || | ||
| - | ===== 분산분석 ===== | ||
| - | $$F_{0}=\frac{V_{_{A}}}{V_{_{E}}}$$ | ||
| - | |||
| - | 기각역 : $F_{0} > F(\nu_{_{A}},\nu_{_{E}} \ ; \ \alpha)$ | ||
| - | ===== 분산의 추정 ===== | ||
| - | $$ \hat{\sigma}_{A}^{ \ 2} = \frac{V_{A}-V_{E}}{r}$$ | ||
| - | |||
| - | ---- | ||
| - | * [[실험계획법]] | ||