Однофакторный дисперсионный анализ

Элементы дисперсионного анализа

Цель данных методических указаний – познакомить студентов с простейшими задачами, решаемыми средствами дисперсионного анализа, и помочь в выполнении индивидуального задания.

Основные задачи

Предположим, что изучается влияние одного или нескольких факторов на некоторую величину. Эти факторы могут принимать разные значения, называемые уровнями. Факторы могут быть как числовыми, так и нечисловыми. Например, на износ автомобильных покрышек может влиять как тип покрышки (нечисловой фактор), так и длина пробега (числовой фактор).

Вот некоторые из задач, которые ставятся в дисперсионном анализе:

· влияет ли некоторый фактор или группа факторов на изучаемую величину?

· какой из них имеет наибольшее влияние?

· зависит ли влияние факторов от их взаимодействия друг с другом?

Предварительные сведения

Напомним определения некоторых понятий из курса теории вероятностей и математической статистики, необходимых для понимания последующего материала:

а) Функция называется функцией распределения случайной величины , если для любого выполняется равенство , где вероятность попадания значения величины в интервал .
б) Функция называется плотностью распределения.

в) Числовые характеристики случайной величины:

математическое ожидание;
дисперсия.

Математическое ожидание является в определенном смысле средним значением случайной величины, а дисперсия – характеристикой рассеяния значений случайной величины относительно ее среднего значения.

г) Число , определяемое уравнением , называется -квантилью распределения. Из определения следует, что -квантиль является возрастающей функцией от . Если график плотности симметричен относительно математического ожидания , то и, значит, в этом случае совпадает с -квантилью.

д) Случайной выборкой объема называется набор значений случайной величины, полученных в результате независимых опытов. Эти значения называют в статистике наблюдениями.

е) Функция от наблюдений называется несмещенной оценкой параметра , если ее математическое ожидание равно .

Однофакторный дисперсионный анализ

1. Постановка задачи

Пусть фактор А имеет m уровней и число получено в результате j-го опыта, проведенного на его i-м уровне, . Числа называются наблюдениями, а число наблюдений, полученных на i-м уровне. Наблюдения представим в виде

, (1)
где - математическое ожидание у на i-м уровне, а - случайная ошибка. Обычно наблюдения записывают в виде таблицы.

Таблица 1. Исходные данные

Отметим, что столбцы в таблице могут быть разной длины, так как число наблюдений на разных уровнях фактора А не обязательно одинаково.

Пример 1. Четыре фирмы производят одинаковые изделия, некоторый показатель качества изделия (например, время безотказной работы). Здесь фактор А нечисловой – это фирма-производитель. Для сравнения качества изделий отбирают по 7 изделий у двух фирм и 9 и 8 изделий у двух других фирм и определяют значение для каждого изделия. Получаем две случайные выборки объема 7 и две – объема 9 и 8. Здесь m = 4, n₁ = 9, n₂ = n₃ = 7, n₄ = 8. Требуется на основании этих данных выяснить, одинаково ли качество продукции у этих фирм, т.е. ответить на первый из перечисленных выше вопросов.

Если фактор не влияет на переменную у, торассеяние ее значений вызвано лишь случайными ошибками, а математические ожидания на всех уровнях одинаковы. В терминах математической статистики задача сводится к проверке гипотезы .

Обозначим . Число называется эффектом фактора А на i-м уровне. Тогда уравнение (1) и гипотеза принимают вид
(2)
. (3)
Далее предполагается, что случайные ошибки удовлетворяют следующим условиям:

а) имеют нулевое математическое ожидание;

б) имеют постоянную дисперсию, т.е. не зависящую ни от уровня фактора, ни от номера наблюдения;

в) подчиняются нормальному распределению.

2. Оценки параметров модели (2)
Определим следующие величины:
средние значения по столбцам;
отклонения от среднего в каждом столбце;
общее среднее, ;

отклонения средних по столбцам от общего среднего;
Если выполнены допущения а), б), в), то можно доказать, что

, (4)
где .

На языке математической статистики соотношения (4) означают, что случай-ные величины и являются несмещенными оценками параметров и . 3. Идея проверки гипотезы (3)
Вычислим следующие суммы квадратов:

полная сумма квадратов;

межгрупповая сумма квадратов;

внутригрупповая сумма квадратов.

Справедливо соотношение

. (5)
Здесь характеризует рассеяние средних по столбцам относительно общего среднего, т.е. рассеяние между группами (уровнями фактора), а характеризует рассеяние значений относительно , т.е. рассеяние внутри групп (столбцов таблицы).

Метод проверки гипотезы (3) основан на следующей идее. Если гипотеза верна, т.е. , то величины должны быть достаточно близки к 0. Тогда вклад в по сравнению с должен быть мал. Поэтому малое значение является доводом в пользу гипотезы, а большое значение является доводом против гипотезы. Очевидно, в этом рассуждении не хватает точного указания, какое значение считать малым.

4. Применение F - критерия для проверки гипотезы

Опишем точный метод проверки гипотезы (3), основанный на - критерии.

1. Вычисляем средние суммы квадратов:

Числа (m – 1) и (n – m), на которые делятся суммы квадратов, назы-ваются степенями свободы.

2. Вычисляем значение - критерия

3. Задаем число и из таблицы квантилей - распределения со степенями свободы при уровне значимости находим критическое значение .

Правило:
если , то гипотеза отвергается;

если , то гипотеза принимается.

Замечания.

1) Вероятностный смысл состоит в следующем. Предположим, что гипотеза верна, но из-за случайных ошибок вычисленное значение F оказалось больше критического, т.е. . Тогда согласно сформулированному выше правилу мы должны отвергнуть , хотя на самом деле она верна. Получается, что, применяя это правило, мы в этом случае совершим ошибку, называемую ошибкой 1-го рода (отвергается верная гипотеза). Вероятность такой ошибки равна вероятности неравенства , вычисленной в предположении верности гипотезы , т.е. равна .

2) зависит от выбранного значения , причем увеличивается при уменьшении . Поэтому, уменьшая , всегда можно добиться выполнения неравенства и тем самым принятия гипотезы. Однако, уменьшая , мы увеличиваем вероятность ошибки 2-го рода: принять , когда на самом деле она неверна. Обычно используют . Задать значение мы не можем, так как оно зависит от неизвестных нам истинных значений эффектов .

Пример 2.

Таблица 2. Исходные данные к примеру 2

Номер наблюдения	А₁	А₂	А₃	А₄
	9,57	11,17	12,07	13,12
	8,33	10,81	11,06	10,81
	10,13	11,73	10,90	12,36
	10,29	10,41	10,17	12,75
	8,85	13,18	11,29	9,91
	11,19	10,86	9,66	10,06
	11,19	11,11	11,71	12,07
	9,96	-	-	11,10
	10,33	-	-	-
	9,98	11,32	10,98	11,52

Здесь

Из таблицы видно, что средние по столбцам заметно различаются. Однако нельзя исключить, что это различие вызвано лишь случайным рас-сеянием данных, в то время как "истинные" значения средних, т.е. , одина-ковы. Для проверки гипотезы применим описанный выше метод. Результаты расчетов приведены в таблице 3.

Таблица 3. Результат дисперсионного анализа

Источник рассеяния	Сумма квадратов	Степени свободы	Средняя сумма квадратов
между группами	12,003		4,001	3,99	0,018

Окончание табл. 3

Источник рассеяния	Сумма квадратов	Степени свободы	Средняя сумма квадратов
внутри групп	27,047		1,002	-	-
полная	39,05		-	-	-

Поясним содержание таблицы. Второй столбец содержит суммы квадратов , смысл которых указан в первом столбце; в 3-м столбце – степени свободы, равные (m - 1), (n - m) и (n - 1) соответственно; 4-й столбец получается делением сумм квадратов на их степени свободы. В последний столбец обычно помещают вероятность . Дело в том, что для проверки неравенства

(6)

потребуется сначала найти , а для этого нужна таблица квантилей F-распределения, которая не всегда доступна. Заметим, что где функция распределения Фишера. Функция возрастающая, поэтому неравенство (6) равносильно (7)

. (7)

Поэтому вместо неравенства (6) можно пользоваться неравенством (7). В данном примере при получаем принимается на уровне значимости 0,05.

Далее ⇒