變異數分析

機率統計

教學錄影

數學符號

數學基礎

排列組合

機率統計簡介

機率

機率公理

隨機變數

連續測度

單一分布

條件機率

聯合分布

貝氏定理

動差生成函數

特徵函數

機率法則匯總

離散分布

二項分布

多項分布

負二項分布

幾何分布

超幾何分布

布瓦松分布

連續分布

均勻分布

常態分布

Gamma 分布

指數分布

卡方分布

柯西分布

Weibull 分布

T 分布

F 分布

Beta 分布

多維分布

統計

抽樣

敘述統計

推論統計

中央極限定理

估計方法

單組樣本估計

兩組樣本估計

檢定方法

單組樣本檢定

兩組樣本檢定

平均値的推論

變異數的推論

無母數推論

迴歸分析

變異數分析

實驗設計

因子實驗

品質管制

時間序列

數據分類

統計定理匯總

統計情況分類

計算統計

蒙地卡羅法

最大似然法則

假說與學習

EM 算法

簡單貝氏分類

貝氏網路

隨機過程

馬可夫鏈

蒙地卡羅馬可夫

資源

範例

投影片

教學錄影

練習題

考題解答

訊息

相關網站

參考文獻

最新修改

簡體版

English

問題:如果有 k 組母體,當我們對這 k 祖母體進行抽樣,隨機取得 $n_1, n_2, ...., n_k$ 個樣本之後,我們應該如何檢定這些樣本的特性,像是平均數與變異數呢?

檢定平均數

問題一:是否所有的平均數都沒有顯著的差別?

假設 公式 說明
H0 $\mu_1 = \mu_2 =... = \mu_k$
H1 $\mu_i \neq \mu_j$ 對於某些 i 與 j 而言

問題二:檢定對比?(Testing Contrasts)

  • 範例:$\mu_1 + \mu_2 = \mu_3 + \mu_4$ ?
  • 定義:(處理平均對比) $L = \sum_{i=1}^{k} c_i \mu_i$ ; 其中 $\sum_{i=1}^k c_i = 0$
  • 檢定:(對比平方和)
(1)
\begin{align} SS_L = F_{1, N-k} = \frac{ \left( \sum_{i=1}^k c_i \bar{Y}_i \right)^2 / \sum_{i=1}^k \frac{c_i^2}{n_i} }{MS_E} \end{align}
  • 定義:(垂直對比) 兩個對比 $L_1 = \sum_{i=1}^k a_i \mu_i$$L_2 = \sum_{i=1}^k b_i \mu_i$ 垂直 <=> $\sum_{i=1}^k \frac{a_i b_i}{n_i} = 0$
      • 為了避免 $SS_{L1} + SS_{L1} + ... SS_{L1} = SS_{Tr}$ 會造成碰巧檢定不出來,因此要求對比之間必須要符合「垂直」(orthogonal) 的條件。

檢定變異數

問題一:是否所有的變異數都沒有顯著的差別?

假設 公式 說明
H0 $\sigma_1 = \sigma_2 =... = \sigma_k$
H1 $\sigma_i \neq \sigma_j$ 對於某些 i 與 j 而言

問題二:哪些變異數有顯著的差別?成對比較:(Pairwise Comparison)

  • 方法一:Duncan 多重全距檢定。
  • 方法二:Tokey 檢定。

檢定中位數 (無母數方法)

問題一:是否所有的中位數都沒有顯著的差別?

H0: $M_1 = M_2 =... = M_k$
H1: $M_i \neq M_j$ ; 對於某些 i 與 j 而言。

  • 方法一:Kruskal-Wallis 檢定
  • 方法二:Friedman 檢定

R 程式範例

  • 資料意義:實驗者使用了 A, B, C, D, E, F 等六種殺蟲劑在田野中進行效能測試,每種殺蟲劑重複測試了 12 次,觀測變量是昆蟲的數量。
  • 分析目標:研究殺蟲劑的效能,採用變異數分析的方式,進行分析研究。
  • 分析過程
> InsectSprays
   count spray
1     10     A
2      7     A
3     20     A
4     14     A
... 省略 ....
> aov.spray <- aov(sqrt(count) ~ spray, data = InsectSprays)
> aov.spray
Call:
   aov(formula = sqrt(count) ~ spray, data = InsectSprays)

Terms:
                   spray Residuals
Sum of Squares  88.43787  26.05798
Deg. of Freedom        5        66

Residual standard error: 0.6283453 
Estimated effects may be unbalanced
> opar <- par()
> par(mfcol = c(2,2))
> plot(aov.spray)
PlotAovSpray.jpg

圖一:plot(aov.spray) 所繪製的圖形

> par(opar)
> termplot(aov.spray, se=TRUE, partial.resid=TRUE, rug=TRUE)
TermplotAovSpray.jpg

圖二:Termplot(aov.spray, …) 所繪製的圖形

> str(aov.spray)
List of 13
 $ coefficients : Named num [1:6] 3.761 0.116 -2.516 -1.596 -1.951 ...
  ..- attr(*, "names")= chr [1:6] "(Intercept)" "sprayB" "sprayC" "sprayD" ...
 $ residuals    : Named num [1:72] -0.598 -1.115 0.711 -0.019 -0.019 ...
  ..- attr(*, "names")= chr [1:72] "1" "2" "3" "4" ...
... 省略 ...
> str(aov.spray, max.level = -1)
List of 13
 - attr(*, "class")= chr [1:2] "aov" "lm"
> names(aov.spray)
 [1] "coefficients"  "residuals"     "effects"       "rank"         
 [5] "fitted.values" "assign"        "qr"            "df.residual"  
 [9] "contrasts"     "xlevels"       "call"          "terms"        
[13] "model"        
> aov.spray$coefficients
(Intercept)      sprayB      sprayC      sprayD      sprayE      sprayF 
  3.7606784   0.1159530  -2.5158217  -1.5963245  -1.9512174   0.2579388 
> str(summary(aov.spray))
List of 1
 $ :Classes ‘anova’ and 'data.frame':   2 obs. of  5 variables:
  ..$ Df     : num [1:2] 5 66
  ..$ Sum Sq : num [1:2] 88.4 26.1
  ..$ Mean Sq: num [1:2] 17.688 0.395
  ..$ F value: num [1:2] 44.8 NA
  ..$ Pr(>F) : num [1:2] 6.33e-20 NA
 - attr(*, "class")= chr [1:2] "summary.aov" "listof"
> names(summary(aov.spray))
NULL
> apropos("^summary")
 [1] "summary"                 "Summary"                
 [3] "summary.aov"             "summary.aovlist"        
 [5] "summary.connection"      "summary.data.frame"     
 [7] "Summary.data.frame"      "summary.Date"           
 [9] "Summary.Date"            "summary.default"        
[11] "Summary.difftime"        "summary.factor"         
[13] "Summary.factor"          "summary.glm"            
[15] "summary.infl"            "summary.lm"             
[17] "summary.manova"          "summary.matrix"         
[19] "summary.mlm"             "Summary.numeric_version"
[21] "Summary.ordered"         "summary.POSIXct"        
[23] "Summary.POSIXct"         "summary.POSIXlt"        
[25] "Summary.POSIXlt"         "summary.srcfile"        
[27] "summary.srcref"          "summary.stepfun"        
[29] "summary.table"           "summaryRprof"           
>

Facebook

Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License