Участник:Lr2k/Песочница

Материал из MachineLearning.

< Участник:Lr2k(Различия между версиями)
Перейти к: навигация, поиск
(Метод множественных сравнений Шеффе)
Текущая версия (09:31, 30 декабря 2009) (править) (отменить)
(Полностью удалено содержимое страницы)
 
(8 промежуточных версий не показаны.)
Строка 1: Строка 1:
-
{{TOCright}}
 
-
Однофакторная модель в рамках [[Дисперсионный анализ|дисперсионного анализа]] используется для исследования влияния одной переменной (фактора) на одну зависимую количественную переменную ([[регрессионный анализ|отклик]]).
 
-
 
-
Данные состоят из нескольких рядов наблюдений (обработок), которые рассматриваются как реализации независимых между собой выборок. Исходная гипотеза <tex>H_0</tex> говорит об отсутствии различия в обработках, т.е. предполагается, что все наблюдения можно считать одной выборкой из общей совокупности.
 
-
 
-
==Примеры задач==
 
-
 
-
'''Пример 1:''' Три различные группы из шести испытуемых получили списки из десяти слов. Первой группе слова предъявлялись с низкой скоростью --- 1 слово в 5 секунд, второй группе со средней скоростью --- 1 слово в 2 секунды, и третьей группе с большой скоростью --- 1 слово в секунду. Необходимо определить, будут ли показатели воспроизведения зависеть от скорости предъявления слов.
 
-
 
-
'''Пример 2:''' Группа из 5 испытуемых была обследована с помощью трех экспериментальных заданий, направленных на изучение интеллектуальной настойчивости (Сидоренко Е. В., 1984). Каждому испытуемому индивидуально предъявлялись последовательно три одинаковые анаграммы: четырехбуквенная, пятибуквенная и шестибуквенная. Можно ли считать, что фактор длины анаграммы влияет на длительность попыток ее решения?
 
-
 
-
==Метод множественных сравнений Шеффе==
 
-
В качестве [[Параметрические статистические тесты|параметрического теста]] для выявления наличия статистически значимых различий между средними для [[Нормальное распределение|нормально распределенных]] [[Связность|связных]] групп используется [[Метод множественных сравнений Шеффе]].
 
-
 
-
Имеется <tex>k</tex> выборок <tex>x^{n_1}_1, . . . , x^{n_k}_k</tex>, объемом <tex>n_i\; (i=1,...,k)</tex> каждая, где
 
-
<tex>x^{n_i}_i=(x_{i,1},\ldots,x_{i,n_i}),\; x_{i,j}\in\mathbb{R}</tex>
 
-
 
-
=== Дополнительное предположение ===
 
-
Распределения выборок нормальны, выборки [[Связность|связные]].
 
-
 
-
=== Нулевая гипотеза ===
 
-
Критерий Шеффе проверяет [[Нулевая гипотеза|нулевую гипотезу]] <tex>H_0:\; \sum_{i=1}^{k}c_i\overline{X}_i=0</tex>,
 
-
<br/ >где <tex>\sum_{i=1}^{k}c_i=0</tex>, <tex>\overline{X}_i</tex> - среднее арифметическое значение в группе с номером <tex>i</tex>.
 
-
 
-
=== Описание критерия ===
 
-
 
-
Алгоритм проверки критерия состоит из следующих шагов
 
-
# Упорядочить выборки по возрастанию средних значений <tex>\overline{X}_i</tex>
 
-
# Задать <tex>c_i,\; i=1,...,k</tex>
 
-
 
-
<tex>c_i,\; i=1,...,k</tex> — параметры критерия.
 
-
 
-
==Литература==
 
-
 
-
# ''Шеффе Г.'' Дисперсионный анализ. — М., 1980.
 
-
# ''Аренс Х.'' ''Лёйтер Ю.'' Многомерный дисперсионный анализ.
 
-
# ''Лапач С. Н. , Чубенко А. В., Бабич П. Н.'' Статистика в науке и бизнесе. — Киев: Морион, 2002.
 
-
# ''Лагутин М. Б.'' Наглядная математическая статистика. В двух томах. — М.: П-центр, 2003.
 
-
# ''Холлендер М., Вульф Д.А.'' Непараметрические методы статистики.
 
-
 
-
== Ссылки ==
 
-
 
-
* [http://www.tspu.tula.ru/res/math/mop/lections/lection_7.htm#_Toc73845987 Дисперсионный анализ для связанных выборок] - Аналитическая статистика.
 
-
* [http://lib.socio.msu.ru/l/library?e=d-000-00---001ucheb--00-0-0-0prompt-10---4------0-1l--1-ru-50---20-about---00031-001-1-0windowsZz-1251-00&a=d&cl=CL1&d=HASHe10c3b36c7d751dd18704b.11 Многофакторный дисперсионный анализ] - Электронная библиотека.
 
-
 
-
==См. также==
 
-
 
-
* [[Однофакторная параметрическая модель]]
 
-
* [[Однофакторная непараметрическая модель]]
 
-
* [[Дисперсионный анализ]]
 
-
 
-
[[Категория:Прикладная статистика]]
 
-
[[Категория:Дисперсионный анализ]]
 
-
 
-
{{Задание|Lr2k|Vokov|31 декабря 2009}}
 

Текущая версия

Личные инструменты