meta data for this page
차이
문서의 선택한 두 판 사이의 차이를 보여줍니다.
양쪽 이전 판 이전 판 다음 판 | 이전 판 | ||
일원배치법_모수모형_반복수_불균일 [2012/07/23 18:27] moonrepeat [[자유도]] |
일원배치법_모수모형_반복수_불균일 [2021/03/10 21:42] (현재) |
||
---|---|---|---|
줄 22: | 줄 22: | ||
로 표현 가능하다. | 로 표현 가능하다. | ||
===== 자료의 구조 ===== | ===== 자료의 구조 ===== | ||
- | ||<|2> |||||||||| '''[인자]의 수준''' ||<|2> '''합계''' || | + | ^ ^ [[인자]]의 [[수준]] ^^^^^ 합계 | |
- | || $$A_{1}$$ || $$A_{2}$$ || $$A_{3}$$ || $$\cdots$$ || $$A_{l}$$ || | + | ^:::^ $$A_{1}$$ ^ $$A_{2}$$ ^ $$A_{3}$$ ^ $$\cdots$$ ^ $$A_{l}$$ ^:::| |
- | |||||||||||||| || | + | | 실험의\\ [[반복]] | $$y_{11}$$ | $$y_{21}$$ | $$y_{31}$$ | $$\cdots$$ | $$y_{l1}$$ | | |
- | ||<|4> '''실험의'''[[BR]]'''반 복''' || $$y_{11}$$ || $$y_{21}$$ || $$y_{31}$$ || $$\cdots$$ || $$y_{l1}$$ ||<|4> || | + | |:::| $$y_{12}$$ | $$y_{22}$$ | $$y_{32}$$ | $$\cdots$$ | $$y_{l2}$$ |:::| |
- | || $$y_{12}$$ || $$y_{22}$$ || $$y_{32}$$ || $$\cdots$$ || $$y_{l2}$$ || | + | |:::| $$\vdots$$ | $$\vdots$$ | $$\vdots$$ | | $$\vdots$$ |:::| |
- | || $$\vdots$$ || $$\vdots$$ || $$\vdots$$ || || $$\vdots$$ || | + | |:::| $$y_{1r_{1}}$$ | $$y_{2r_{2}}$$ | $$y_{3r_{3}}$$ | $$\cdots$$ | $$y_{lr_{l}}$$ |:::| |
- | || $$y_{1r_{1}}$$ || $$y_{2r_{2}}$$ || $$y_{3r_{3}}$$ || $$\cdots$$ || $$y_{lr_{l}}$$ || | + | ^ 합계 ^ $$T_{1.}$$ ^ $$T_{2.}$$ ^ $$T_{3.}$$ ^ $$\cdots$$ ^ $$T_{l.}$$ ^ $$T$$ | |
- | |||||||||||||| || | + | ^ [[평균]] ^ $$\overline{y}_{1.}$$ ^ $$\overline{y}_{2.}$$ ^ $$\overline{y}_{3.}$$ ^ $$\cdots$$ ^ $$\overline{y}_{l.}$$ ^ $$\overline{\overline{y}}$$ | |
- | || '''합계''' || $$T_{1.}$$ || $$T_{2.}$$ || $$T_{3.}$$ || $$\cdots$$ || $$T_{l.}$$ || $$T$$ || | + | |
- | || '''[평균]''' || $$\overline{y}_{1.}$$ || $$\overline{y}_{2.}$$ || $$\overline{y}_{3.}$$ || $$\cdots$$ || $$\overline{y}_{l.}$$ || $$\overline{\overline{y}}$$ || | + | |
- | || $$T = \sum_{i=1}^{l} \sum_{j=1}^{r_{i}} y_{ij}$$ || $$\overline{\overline{y}} = \frac{T}{N}$$ || | + | | $$T = \sum_{i=1}^{l} \sum_{j=1}^{r_{i}} y_{ij}$$ | $$\overline{\overline{y}} = \frac{T}{N}$$ | |
- | || $$T_{i.} = \sum_{j=1}^{r_{i}} y_{ij}$$ || $$\overline{y}_{i.} = \frac{T_{i.}}{r_{i}}$$ || | + | | $$T_{i.} = \sum_{j=1}^{r_{i}} y_{ij}$$ | $$\overline{y}_{i.} = \frac{T_{i.}}{r_{i}}$$ | |
- | || $$N = \sum_{i=1}^{l} r_{i}$$ || $$CT = \frac{T^{2}}{N}$$ || | + | | $$N = \sum_{i=1}^{l} r_{i}$$ | $$CT = \frac{T^{2}}{N}$$ | |
- | ---- | + | |
===== 제곱합 ===== | ===== 제곱합 ===== | ||
개개의 데이터 $y_{ij}$와 총 [[평균]] $\overline{\overline{y}}$의 차이는 다음과 같이 두 부분으로 나뉘어진다. | 개개의 데이터 $y_{ij}$와 총 [[평균]] $\overline{\overline{y}}$의 차이는 다음과 같이 두 부분으로 나뉘어진다. | ||
줄 61: | 줄 58: | ||
$$\nu_{_{T}} = N-1$$ | $$\nu_{_{T}} = N-1$$ | ||
- | ===== [평균제곱] ===== | + | ===== 평균제곱 ===== |
$$V_{_{A}} = \frac{S_{_{A}}}{\nu_{_{A}}}$$ | $$V_{_{A}} = \frac{S_{_{A}}}{\nu_{_{A}}}$$ | ||
$$V_{_{E}} = \frac{S_{_{E}}}{\nu_{_{E}}}$$ | $$V_{_{E}} = \frac{S_{_{E}}}{\nu_{_{E}}}$$ | ||
- | ---- | + | ===== 평균제곱의 기대값 ===== |
- | ===== [평균제곱의 기대값] ===== | + | |
$$E(V_{A}) = \sigma_{E}^{ \ 2} + \frac{\sum_{i=1}^{l} r_{i}a_{i}^{ \ 2}}{l-1}$$ | $$E(V_{A}) = \sigma_{E}^{ \ 2} + \frac{\sum_{i=1}^{l} r_{i}a_{i}^{ \ 2}}{l-1}$$ | ||
$$E(V_{E}) = \sigma_{E}^{ \ 2}$$ | $$E(V_{E}) = \sigma_{E}^{ \ 2}$$ | ||
- | ---- | + | ===== 분산분석표 ===== |
- | ===== [분산분석표] ===== | + | ^ [[요인]] ^ [[제곱합]]\\ $SS$ ^ [[자유도]]\\ $DF$ ^ [[평균제곱]]\\ $MS$ ^ $E(MS)$ ^ $F_{0}$ ^ [[기각치]] ^ [[순변동]]\\ $S\acute{}$ ^ [[기여율]]\\ $\rho$ | |
- | || '''[요인]''' || '''[제곱합]''' $$SS$$ || '''[자유도]''' $$DF$$ || '''[평균제곱]''' $$MS$$ || $$E(MS)$$ || $$F_{0}$$ || '''기각치''' || '''[순변동]''' $$ S\acute{} $$ || '''[기여율]''' $$\rho$$ || | + | | $$A$$ | $$S_{_{A}}$$ | $$\nu_{_{A}} = l - 1$$ | $$V_{_{A}} = S_{_{A}} / \nu_{_{A}}$$ | $$\sigma_{E}^{ \ 2} + \frac{\sum_{i=1}^{l} r_{i}^{ \ 2} a_{i}^{ \ 2}}{l-1}$$ | $$V_{_{A}}/V_{_{E}}$$ | $$F_{1-\alpha}(\nu_{_{A}} \ , \ \nu_{_{E}})$$ | $$S_{_{A}}\acute{} = S_{_{A}} - \nu_{_{A}} \ V_{_{E}}$$ | $$S_{_{A}}\acute{} / S_{_{T}} $$ | |
- | |||||||||||||||||| || | + | | $$E$$ | $$S_{_{E}}$$ | $$\nu_{_{E}} = l(r - 1)$$ | $$V_{_{E}} = S_{_{E}} / \nu_{_{E}}$$ | $$\sigma_{_{E}}^{ \ 2}$$ | | | $$S_{_{E}}\acute{} = S_{_{T}} - S_{_{A}}\acute{}$$ | $$S_{_{E}}\acute{} / S_{_{T}} $$ | |
- | || $$A$$ || $$S_{_{A}}$$ || $$\nu_{_{A}} = l - 1$$ || $$V_{_{A}} = S_{_{A}} / \nu_{_{A}}$$ || $$\sigma_{E}^{ \ 2} + \frac{\sum_{i=1}^{l} r_{i}^{ \ 2} a_{i}^{ \ 2}}{l-1}$$ || $$V_{_{A}}/V_{_{E}}$$ || $$F_{1-\alpha}(\nu_{_{A}} \ , \ \nu_{_{E}})$$ || $$S_{_{A}}\acute{} = S_{_{A}} - \nu_{_{A}} \ V_{_{E}}$$ || $$S_{_{A}}\acute{} / S_{_{T}} $$ || | + | | $$T$$ | $$S_{_{T}}$$ | $$\nu_{_{T}} = lr - 1$$ | | | | | $$S_{_{T}}$$ | $$1$$ | |
- | || $$E$$ || $$S_{_{E}}$$ || $$\nu_{_{E}} = l(r - 1)$$ || $$V_{_{E}} = S_{_{E}} / \nu_{_{E}}$$ || $$\sigma_{_{E}}^{ \ 2}$$ || || || $$S_{_{E}}\acute{} = S_{_{T}} - S_{_{A}}\acute{}$$ || $$S_{_{E}}\acute{} / S_{_{T}} $$ || | + | ===== 분산분석 ===== |
- | |||||||||||||||||| || | + | |
- | || $$T$$ || $$S_{_{T}}$$ || $$\nu_{_{T}} = lr - 1$$ || || || || || $$S_{_{T}}$$ || $$1$$ || | + | |
- | ---- | + | |
- | ===== [분산분석] ===== | + | |
$$F_{0}=\frac{V_{_{A}}}{V_{_{E}}}$$ | $$F_{0}=\frac{V_{_{A}}}{V_{_{E}}}$$ | ||
- | 기각역 :   $$F_{0} > F(\nu_{_{A}},\nu_{_{E}} \ ; \ \alpha)$$ | + | [[기각역]] : $F_{0} > F(\nu_{_{A}},\nu_{_{E}} \ ; \ \alpha)$ |
- | ---- | + | ===== 각 수준의 모평균의 추정 ===== |
- | ===== 각 [수준]의 [모평균]의 [추정] ===== | + | $\mu_{i}$의 $100(1-\alpha) \% $ [[신뢰구간]]은 아래와 같다. |
- | $$\mu_{i}$$ 의   $$100(1-\alpha) \% $$ [신뢰구간]은 아래와 같다. | + | |
- | $$\mu_{i} = \left( \ \overline{y}_{i.} - t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{\frac{V_{_{E}}}{r_{i}}} \ , \ \overline{y}_{i.} + t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{\frac{V_{_{E}}}{r_{i}}} \ \right)$$ | + | $$\mu_{i} = \left( \ \overline{y}_{i.} - t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{\frac{V_{_{E}}}{r_{i}}} \ , \ \overline{y}_{i.} + t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{\frac{V_{_{E}}}{r_{i}}} \ \right)$$ |
- | ---- | + | ===== 각 수준의 모평균차의 추정 ===== |
- | ===== 각 [수준]의 [모평균차]의 [추정] ===== | + | $\mu_{i} - \mu_{j}$의 $100(1-\alpha) \%$ [[신뢰구간]]은 아래와 같다. |
- | $$\mu_{i} - \mu_{j}$$ 의   $$100(1-\alpha) \% $$ [신뢰구간]은 아래와 같다. | + | |
- | $$\mu_{i} - \mu_{j} = \left( \ (\overline{y}_{i.} - \overline{y}_{j.}) - t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{V_{_{E}} \left( \frac{1}{r_{i}} + \frac{1}{r_{j}} \right) } \ , \ (\overline{y}_{i.} - \overline{y}_{j.}) + t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{V_{_{E}} \left( \frac{1}{r_{i}} + \frac{1}{r_{j}} \right) } \ \right) $$ | + | $$\mu_{i} - \mu_{j} = \left( \ (\overline{y}_{i.} - \overline{y}_{j.}) - t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{V_{_{E}} \left( \frac{1}{r_{i}} + \frac{1}{r_{j}} \right) } \ , \ (\overline{y}_{i.} - \overline{y}_{j.}) + t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{V_{_{E}} \left( \frac{1}{r_{i}} + \frac{1}{r_{j}} \right) } \ \right) $$ |
- | ---- | + | ===== 각 수준의 모평균차의 검정 ===== |
- | ===== 각 [수준]의 [모평균차]의 [검정] ===== | + | 두 [[수준]] $i$, $j$간의 [[표본평균]]의 차 $| \overline{y}_{i.} - \overline{y}_{j.} |$를 구하여 이 값이 [[최소유의차]]([[LSD]])보다 크면 두 [[수준]]간에 차이가 유의하고 반대로 작으면 두 [[수준]]간의 차이는 유의하지 않다고 결론내릴 수 있다. |
- | 두 [수준]   $$i,j$$ 간의 [표본평균]의 차   $$ | \overline{y}_{i.} - \overline{y}_{j.} | $$ 를 구하여 이 값이 [최소유의차]([LSD])보다 크면 두 [수준]간에 차이가 유의하고 반대로 작으면 두 [수준]간의 차이는 유의하지 않다고 결론내릴 수 있다. | + | |
- | [최소유의차]   [LSD]는 아래와 같다. | + | [[최소유의차]] [[LSD]]는 아래와 같다. |
- | $$\operatorname{LSD} = t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{V_{_{E}} \left( \frac{1}{r_{i}} + \frac{1}{r_{j}} \right) }$$ | + | $$\mathrm{LSD} = t_{\frac{\alpha}{2}}(\nu_{_{E}}) \sqrt{V_{_{E}} \left( \frac{1}{r_{i}} + \frac{1}{r_{j}} \right) }$$ |
- | ---- | + | ===== 오차분산의 추정 ===== |
- | ===== [오차분산]의 [추정] ===== | + | $\sigma_{_{E}}^{ \ \ 2}$의 $100(1-\alpha) \% $ [[신뢰구간]]은 아래와 같다. |
- | $$\sigma_{_{E}}^{ \ \ 2}$$ 의   $$100(1-\alpha) \% $$ [신뢰구간]은 아래와 같다. | + | |
- | $$\sigma_{_{E}}^{ \ \ 2} = \left( \frac{S_{_{E}}}{\chi^{2}_{\frac{\alpha}{2}} ( \nu_{_{E}}) } \ , \ \frac{S_{_{E}}}{\chi^{2}_{1-\frac{\alpha}{2}} ( \nu_{_{E}}) } \right)$$ | + | $$\sigma_{_{E}}^{ \ \ 2} = \left( \frac{S_{_{E}}}{\chi^{2}_{\frac{\alpha}{2}} ( \nu_{_{E}}) } \ , \ \frac{S_{_{E}}}{\chi^{2}_{1-\frac{\alpha}{2}} ( \nu_{_{E}}) } \right)$$ |
---- | ---- | ||
* [[실험계획법]] | * [[실험계획법]] | ||
* [[일원배치법]] | * [[일원배치법]] |