Professional Documents
Culture Documents
Ders 8
Ders 8
Ders
Deney Tasarımı Model Uygulamaları
Çapraz ve Đç Đçe Tasarımlar, Tekrarlı Gözlemler, Bloklama
Y111 Y121 Y131 Y141 Y211 Y221 Y231 Y241 Y311 Y321 Y331 Y341
Y112 Y122 Y132 Y142 Y212 Y222 Y232 Y242 Y312 Y322 Y332 Y342
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
Y116 Y126 Y136 Y146 Y216 Y226 Y236 Y246 Y316 Y326 Y336 Y346
Đlgili model,
dır. Azot derişimi dört parçaya ayrılmış oldu. Đlki genel ortalama µ ’dür, µ üç
sprey’in tümü için ortalama azot derişimidir. Đkincisi α i , özel bir spreye ait
parçadır. α i , pozitif ise i-inci sprey ortalamadan daha yüksek azot derişimi
üretir. Üçüncü parça β j (i ) , i-inci spreyin kullanıldığı j-inci ağaca aittir. Đlâçlama
yaprak-yaprak değil de, ağaç-ağaç yapıldığı için ağaç etkeninin düzeyleri ilâç
etkeninin düzeyleri içinde yuvalanmıştır. Bu yuvalanma β j (i ) terimindeki
indisler vasıtasıyla ifade edilmiştir. Đlâçlama yaprak-yaprak yapılırsa ağaç
etkeninin bir düzeyi (seçilen bir ağaç) ile ilâç etkeninin düzeyleri çapraz
uygulanabilirdi. Bir ağaçtan koparılan 6 yaprağa deneme tekrarı (tekerrür)
olarak bakılabilir. O zaman hata terimi εijk biçiminde gösterilebilir. Yaprakların
da ağaçlardan koparıldığı düşünülürse hata terimi εk (ij ) biçiminde gösterilebilir.
Bu modelde Đlâç ve Ağaç diye iki etken söz konusudur. Yaprağın etkisi, başka
birçok etki gibi kendisini hata teriminde göstermektedir. Hata terimi için εijk
veya εk (ij ) gösterimlerinden herhangi biri kullanılabilir.
i = 1, 2,..., a
Yijk = µ + αi + β j (i ) + ε(ij ) k j = 1, 2,..., b ε ( ij ) k ~BND (0, σε2 )
k = 1, 2,..., n
a b
ve parametrik kısıtlamalar, ∑α i =0, ∑β
j =1
j (i ) = 0 , i = 1, 2,...a dır.
i =1
i = 1, 2,..., a
Yijk = µ + αi + β j (i ) + ε(ij ) k j = 1, 2,..., b ε ( ij ) k ~BND (0, σε2 )
k = 1, 2,..., n
dır.
3. Karma etkili dengeli model,
i = 1, 2,..., a
Yijk = µ + αi + β j (i ) + ε(ij ) k j = 1, 2,..., b ε ( ij ) k ~BND (0, σε2 )
k = 1, 2,..., n
a
dır.
Karesel Toplamlar:
Genel kareler toplamını uygun parçalara bölerek varyans analizi tablosu
oluşturmaya çalışalım. Yijk − Y .. farkı aşağıdaki gibi üç parçanın toplamı olarak
yazılabilir.
Her iki yanın karesi alınıp tüm gözlemler üzerinden toplama geçilirse,
a b n a a b a b n
∑∑∑ (Yijk −Y... )2 = bn∑ (Yi.. −Y... )2 + n∑∑ (Yij. −Yi.. )2 + ∑∑∑ (Yijk −Yij. )2
i=1 j=1 k =1
i=1 i=1 j=1
i=1 j =1 k =1
KTGenel KTA KTB ( A ) KTHata
BKOA ∑ αi2 2
σ + nσ + bnσ
ε
2
β
2
α
∑α 2
i
σε2 + nb i =1
σε2 + nσβ2 + bn i =1
a −1 a −1
BKOB ( A) a b
n ∑ ∑ β 2j ( i )
2 i =1 j =1
σε2 + nσβ2 σε2 + nσβ2
σ +
ε
a (b −1)
BKOHata σε2 σε2 σε2
KTAB
A içinde B KTB ( A ) KOB ( A) = BKOB ( A)
a(b-1) a (b −1)
etkeni
Hata KTHata
ab(n-1) KTHata KOHata = BKOHata
ab(n −1)
i = 1, 2,..., a
β j (i ) = Yij . − Yi.. ,
j = 1, 2,..., b
olarak elde edilir. Bu tahmin ediciler düzgün en küçük varyanslı yansız
(UMVU) tahmin edicilerdir. σε2 parametresinin yansızlık düzeltmesi yapılmış en
çok olabilirlik tahmin edicisi,
a b n a b n
dır.
KTHata
σˆ ε2 = = KOHata
ab(n −1)
KOA − KOB ( A)
σˆ α2 =
bn
KOB ( A) − KOHata
σˆ β2 =
n
dır.
Karma modelde,
µˆ = Y...
αˆ i = Yi.. − Y... , i = 1, 2,..., a
ve σβ2 , σε2 varyans bileşenleri için yansız birer tahmin edici,
KTHata
σˆ ε2 = = KOHata
ab(n −1)
KOB ( A) − KOHata
σˆ β2 =
n
dır.
i = 1, 2,..., a
j = 1, 2,..., b
Yijkl = µ + αi + β j (i ) + γ k (ij ) + ε(ijk )l ε(ijk )l ~BND (0, σε2 )
k = 1, 2,..., c
l = 1, 2,..., n
biçimindedir.
Karesel Toplamlar:
Yijkl − Y.... = (Yi... − Y... ) + (Yij.. − Yi... ) + (Yijk . − Yij .. ) + Yijkl − Yijk .
olmak üzere, her iki yanın karesi alınıp tüm gözlemler üzerinden toplama
geçilirse,
a b c n 2 a a b a b l
∑∑∑∑ (Yijkl −Y.... ) = bcn∑ (Yi... − Y.... )2 + cn∑∑ (Yij.. −Yi... )2 + n∑∑∑ (Yijk . − Yij.. )2
i=1 j =1 k =1 l =1
i =1
i=1 j =1
i=1 j =1 k =1
KTA KTC ( AB )
KTGenel KTB ( A )
a b c n 2
+ ∑∑∑∑ (Yijkl − Yijk . )
i=1 j =1 k =1 l =1
KTHata
S S R R
a b c n BKO
Etken i j k l
a
αi 0 b c n ∑α 2
i
BKOA = σε2 + nσγ2 + bcn i =1
a −1
a b
β j (i ) 1 0 c n ∑∑ β
i =1 j =1
2
j (i )
KTAB
A içinde B KTB ( A ) KOB ( A) = BKOB ( A)
a(b-1) a (b −1)
etkeni
B içinde C KTC ( AB )
ab(c-1) KTC ( AB ) KOC ( AB ) =
etkeni ab(c −1) BKOC ( AB )
KTHata KTHata
Hata ab(n-1) KOHata =
ab(n −1) BKOHata
biçimindedir.
Karesel Toplamlar:
Yijkl − Y.... = (Yi ... − Y... ) + (Y. j .. − Y.... ) + (Yij .. − Yi ... − Y. j .. + Y.... ) + (Yi .k . − Yi ... ) + (Yijk . − Yij .. − Yi .k . + Yi ... ) + (Yijkl − Yijk . )
olmak üzere, her iki yanın karesi alınıp tüm gözlemler üzerinden toplama
geçilirse,
a b c n 2 a b
∑∑∑∑ (Yijkl −Y.... ) = bcn∑ (Yi... − Y.... )2 + acn∑ (Y. j.. −Y.... )2
i=1 j =1 k =1 l =1
i =1
j =1
KTGenel KTA
KTB
a b
+ cn ∑∑ (Yij .. − Yi... − Y. j.. + Y.... )2
i=1 j =1
KTAB
a c
+ bn∑∑ (Yi.k . −Yi... )2
i=1 k =1
KTC ( A )
a b c
+ n∑∑∑ (Yijk . − Yij.. − Yi.k . + Yi... )
i=1 j =1 k =1
KTBC ( A )
a b c n 2
+ ∑∑∑∑ (Yijkl − Yijk . )
i=1 j =1 k =1 l =1
KTHata
elde edilir.
Örneğin A ile B etkenlerinin düzeyleri özel seçimli ve C etkeninin
düzeyleri rasgele seçimli olduğunda kareler toplamların serbestlik dereceleri ve
beklenen kareler ortalamaları aşağıdaki gibidir.
KT s.d.
KTA a −1
KTB b −1
KTAB (a −1)(b −1)
KTC ( A) a (c −1)
KTBC ( A) a (b −1)(c -1)
KTHata abc(n −1)
KTGenel abcn −1
S S R R
a b c n BKO
Etken i j k l
a
αi 0 b c n ∑α 2
i
BKOA = σε2 + nσγ2 + bcn i =1
a −1
βj a 0 c n b
∑β j =1
2
j
(αβ )ij 0 0 c n ∑∑ β
i =1 j =1
2
ij
BKOAB = σ ε2 + nσβγ
2
+ cn
a (b −1)
γ k (i ) 1 b 1 n 2
BKOC ( A) = σ + nσ
ε
2
γ
KTHata
abc(n-1) KOHata = BKOHata
Hata KTHata abc(n −1)
gibi bir model söz konusu olup, her doz için alınan 10 gözlem (10 tekrar) kendi
içinde ve aralarında bağımsızdır (ilişkisizdir). Gözlemler birbirinden ilişkisizdir,
hem dozlar içinde hem dozlar arasında. Tekrar Đlkesine uyulması, yani
gözlemlerin çoğaltılması, tahmin edicilerin varyansını küçültmekte ve
istatistiksel sonuç çıkarımı iyileştirmektedir. Deney için, sadece 10 hastamız
olduğunda ve her doz için 10 gözlem almak (tekrar yapmak) istediğimizde, yani
Tekrar Đlkesine bağlı kalmak istediğimizde nasıl bir düzenleme (tasarım)
yapılabilir? Đlâcın her dozu her hastada birer kez denenebilir. Hastalar
arasındaki gözlemler ilişkisizdir, ancak bir hastada farklı dozlar için alınan üç
gözlem aralarında ilişkisiz değildir. Aşağıdaki,
εij ~BND(0,σε2 )
3
i = 1, 2,3(ilâç dozları) ∑ αi = 0
Yij = µ + αi + β j + εij i=1
j = 1, 2,...,10(hastalar )
β j ∼ BND(0, σβ2 )
εij ile β j ler bağımsız
modelinde j ≠ l için Cov(Yij , Ykl ) = 0 ve i ≠ k için Cov(Yij , Ykj ) = σβ2 olmak üzere, üç
doz ile ilgili kovaryansların aynı olması durumunda veriler böyle bir model
çerçevesinde ele alınabilir. Bununla birlikte, bir hastada denenecek üç doz için
veriliş sırası rasgele olursa dozların sırayla uygulanmasındaki sistematik ilişki
önlenebilir.
Özetlersek; Tekrar Đlkesindeki tekrar sözcüğü gözlemlerin çoğaltılmasını,
Tekrarlamalı Ölçümler Tasarımında tekrar sözcüğü aynı birim üzerinden
gözlem alınmasını vurgulamaktadır. Tekrarlamalı ölçümler durumunda modele
bir etken daha gelmektedir. Đlgilendiğimiz etken (etkenler) ile gelen etkenin
düzey etkileri toplamsaldır.
Yukarıdaki gibi, iki etkenli dengeli bir deney tasarımında, A etkeninin
özel seçilmiş düzeyleri A1 , A2 ,..., Aa ve bu düzeylerin düzey etkileri α1 , α2 ,..., αa ile
B etkeninin rasgele seçilmiş düzeyleri B1 , B2 ,..., Bb ve bu düzeylerin düzey
etkileri β1 , β2 ,..., βb olmak üzere,
εij ~BND(0,σε2 )
3
i = 1, 2,..., a ∑ αi = 0
Yij = µ + αi + β j + εij i=1
j = 1, 2,..., b
β j ∼ BND(0, σβ2 )
εij ile β j ler bağımsız
modeli, biri sabit biri rasgele etkenli karma bir modeldir. Bu modelde,
a b a b a b
H 0 : α1 = α2 = ... = αa = 0
H1 : α1 ≠ 0 veya α2 ≠ 0 veya ... veya αa ≠ 0
KTA
∑α 2
i KOA
a −1 σε2 + b i =1 FA =
A etkeni KTA KOA = KOHata
a −1 a −1
Gözlemler:
Đlâcın B1 B2 B3 B4 B5 B6 B7 B8 B9 B10
düzeyi
A1 8.0 7.5 8.2 7.1 7.4 6.5 6.9 8.0 7.2 7.6
A2 7.8 8.1 7.0 8.5 7.9 8.3 8.8 7.9 8.3 8.0
A3 8.3 8.6 9.2 9.4 8.1 7.3 7.8 8.6 8.9 8.8
Analysis of Variance
Source DF Seq SS Adj SS Adj MS F P
C2 2 5,6720 5,6720 2,8360 7,99 0,003
C3 9 2,0000 2,0000 0,2222 0,63 0,760
Error 18 6,3880 6,3880 0,3549
Total 29 14,0600
Yij C1 C2
8,0 1 1
7,5 1 2
8,2 1 3
7,1 1 4
7,4 1 5
6,5 1 6
6,9 1 7
8,0 1 8
7,2 1 9
7,6 1 10
7,8 2 1
8,1 2 2
7,0 2 3
8,5 2 4
7,9 2 5
8,3 2 6
8,8 2 7
7,9 2 8
8,3 2 9
8,0 2 10
8,3 3 1
8,6 3 2
9,2 3 3
9,4 3 4
8,1 3 5
7,3 3 6
7,8 3 7
8,6 3 8
8,9 3 9
8,8 3 10
Analysis of Means
C1 C1 C1
N Mean StDev
C2
1 10 7,4400 0,5358
2 10 8,0600 0,4835
3 10 8,5000 0,6412
All 30 8,0000 0,6963
One-w ay ANOM for C1 by C2
8,5
8,35759
Mean
8,0 8
7,64241
7,5
1 2 3
Lev els of C2
T-Test of mean difference = 0 (vs not = 0): T-Value = -4,80 P-Value = 0,001
Aynı gözlemler,
εij ~BND(0,σε2 )
3
i = 1, 2 ∑ α = 0
Yij = µ + αi + β j + εij i
i =1
j = 1, 2,...,10
β j ∼ BND(0, σβ2 )
εij ile β j ler bağımsız
modeli çerçevesinde ele alındığında,
Yij C1 C2
80 1 1
75 1 2
82 1 3
71 1 4
74 1 5
65 1 6
69 1 7
80 1 8
72 1 9
76 1 10
83 2 1
86 2 2
92 2 3
94 2 4
81 2 5
73 2 6
78 2 7
86 2 8
89 2 9
88 2 10
olmak üzere,
General Linear Model: C1 versus C2; C3
Factor Type Levels Values
C2 fixed 2 1 2
C3 random 10 1 2 3 4 5 6 7 8 9 10
Analysis of Variance
Source DF Seq SS Adj SS Adj MS F P
C2 1 460,80 460,80 460,80 23,01 0,001
C3 9 570,20 570,20 63,36 3,16 0,051
Error 9 180,20 180,20 20,02
Total 19 1211,20
Uyulması gereken bir ilke olarak Bloklama Đlkesi çok sık olarak
karşımıza çıkmaktadır. Örneğin, laboratuarlarda sonuçlar günden güne fark
edebilir, bu nedenle günler bloklar olarak düşünülmelidir. Deneyin
yapılmasında laborant etkisi, bloklama gerektirecek çokça karşılaşılan bir
durumdur. Zirai denemelerde bazen bloklar belli bir yardımcı etkene (özelliğe)
göre ayrılmış toprak parselleridir.
B1 B2 … Bb
A1 Y111 , Y112 ,..., Y11n Y121 , Y122 ,..., Y12 n … Y1b1 , Y1b 2 ,..., Y1bn
A2 Y211 , Y212 ,..., Y21n Y221 , Y222 ,..., Y22 n … Y2b1 , Y2b 2 ,..., Y2 bn
⋮ ⋮ ⋮ ⋮
B1 B2 … Bb
A1 Y11 Y12 … Y1b
A2 Y21 Y22 … Y2b
⋮ ⋮ ⋮ ⋮
Aa Ya1 Ya 2 … Yab
olmaktadır.
Belli bir hastalığın tedavisinde kullanılan bir ilâcın üç farklı dozu (özel
seçilmiş üç düzeyi) için düzey etkileri arasında farklılık araştırılmak istensin.
Seçilmiş 24 hasta, rasgele 8 ‘er hastadan oluşan üç gruba ayrılıp, her gruba
ilâcın bir düzeyinin rasgele atanması şeklinde bir deney tasarımı yapılırsa, bu,
bir etkenli sabit etkili tamamen rasgeleleştirilmiş bir tasarımdır. Đlâcın düzey
etkilerini ortaya çıkarabilmek için üzerinde gözlem yapılacak 24 hastayı
birbirine benzeyen hastalar olarak seçme girişiminde bulunabiliriz. Birçok
etkenin (faktörün) ilâca karşı verilecek tepkiyi (gözlemi) etkileyeceği ortadadır.
Örneğin, yaş veya ağırlık gibi. Araştırmacı bu etkenlerin (faktörlerin) bazısını
yardımcı etken olarak kullanıp bloklama yapabilir. Yaşa göre bloklama
yapıldığında, 24 hasta yaşlarına göre sıralanıp her birinde 3 hasta bulunan 8
bloğa (yaş grubuna) ayrılır. Örneğin birinci blok en genç üç hastadan ve
sekizinci blok en yaşlı üç hastadan oluşmaktadır. Böylece, her bir blok
olabildiği kadar yaşa göre homojen olacak şekilde kurulmaya çalışılmıştır. Öte
yandan, farklı bloklardaki bireyler arasında yaş olarak büyük farklar olabilir.
B1 B2 B3 B4 B5 B6 B7 B8
i = 1, 2,3 3
Yij = µ + αi + β j + εij , , εij ∼ BND(0, σε2 ) , ∑α i =0
j = 1, 2,...,8 i =1
gibi bir modelin geçerli olduğu varsayılsın. Bu model iki etkenli etkileşimsiz bir
modeldir. Bizi ilgilendiren etken ilâç olmak üzere, bu etkenin düzey etkileri
olan α1 , α2 , α3 parametrelerini tahmin etmek ve bunlar üzerinde,
H 0 : α1 = α2 = α3 = 0
H 1 : α1 ≠ 0 veya α2 ≠ 0 veya α3 ≠ 0
KTA KOA
A etkeni a −1 KTA KOA = FA =
a −1 KOHata
KTHata
Hata ab-a-b+1 KTHata KOHata =
ab − a − b + 1
Genel
ab-1 KTGenel
olmak üzere, bu tablo bloklama etkeninin özel veya rasgele seçimli olması
durumlarının her ikisinde de kullanılabilir.
Blok sayısı 4 olsaydı, her bir ilâç düzeyi her bir blok içinde iki kez
kullanılarak (dengeli tekerrürlü tasarım) her hücrede iki gözlem olacaktı. Bu
durumda, model
i = 1, 2,3
3
Yijk = µ + αi + β j + εijk , j = 1, 2, 3, 4 , εijk ∼ BND(0, σε2 ) , ∑α i =0
i =1
k = 1, 2
şeklinde ve varyans analizi tablosu ( a = 3, b = 4, n = 2 ),
Değişkenlik Serbestlik Kareler Kareler Ortalamaları F değeri
kaynağı derecesi Toplamı
A etkeni
a −1 KTA KTA KOA
KOA = FA =
a −1 KOHata
KTB
B etkeni b-1
KTB KOB =
(bloklama) (b −1)
KTHata
Hata abn-a-b+1 KTHata KOHata =
abn − a − b + 1
dır.
Örnek 1 Belli bir hastalığın tedavisinde kullanılan bir ilâcın üç farklı dozu
(özel seçilmiş üç düzeyi) için etki süresi ortalamaları arasında farklılık
araştırılmak istenmektedir. 24 hasta yaşlarına göre, yukarıda anlatıldığı gibi her
birinde 3 hasta bulunan 8 bloğa (yaş grubuna) ayrılmaktadır. Birinci blok en
genç üç hastadan ve sekizinci blok en yaşlı üç hastadan oluşmaktadır. Veri
tablosu,
Bloklar
Đlâcın B1 B2 B3 B4 B5 B6 B7 B8
düzeyi
A1 7.1 7.5 7.3 8.6 7.5 7.4 8.0 8.1
A2 7.1 7.2 7.4 8.1 7.6 7.4 7.8 8.0
A3 7.9 8.5 8.5 7.8 7.9 7.1 8.6 9.2
olmak üzere,
i = 1, 2,3 3
Yij = µ + αi + β j + εij , , εij ∼ BND(0, σε2 ) , ∑α i =0
j = 1, 2,...,8 i =1
modeli çerçevesinde,
H 0 : α1 = α2 = α3 = 0
H 1 : α1 ≠ 0 veya α2 ≠ 0 veya α3 ≠ 0
hipotezi test edilmek istenmektedir.
Veri:
C1 C2 C3
7,1 1 1
7,5 1 2
7,3 1 3
8,6 1 4
7,5 1 5
7,4 1 6
8,0 1 7
8,1 1 8
7,1 2 1
7,2 2 2
7,4 2 3
8,1 2 4
7,6 2 5
7,4 2 6
7,8 2 7
8,0 2 8
7,9 3 1
8,5 3 2
8,5 3 3
7,8 3 4
7,9 3 5
7,1 3 6
8,6 3 7
9,2 3 8
Çıktılar:
Two-way ANOVA: C1 versus C2; C3
Analysis of Variance for C1
Source DF SS MS F P
C2 2 1,701 0,850 5,30 0,019
C3 7 3,327 0,475 2,96 0,040
Error 14 2,246 0,160
Total 23 7,273
Karar: Sıfır hipotezi reddedilir.
C1 C2 C3 C4 C5
7,1 1 1 1 1
7,5 1 2 1 1
7,3 1 3 2 1
8,6 1 4 2 1
7,5 1 5 3 2
7,4 1 6 3 2
8,0 1 7 4 2
8,1 1 8 4 2
7,1 2 1 1 1
7,2 2 2 1 1
7,4 2 3 2 1
8,1 2 4 2 1
7,6 2 5 3 2
7,4 2 6 3 2
7,8 2 7 4 2
8,0 2 8 4 2
7,9 3 1 1 1
8,5 3 2 1 1
8,5 3 3 2 1
7,8 3 4 2 1
7,9 3 5 3 2
7,1 3 6 3 2
8,6 3 7 4 2
9,2 3 8 4 2
Đlgili çıktılar:
A1 17 14 13 13
A2 14 14 13 8
A3 12 12 11 9
13 11 11 9
A4
H1 : değil
hipotezini,
a) Arabalar göz ardı edilip,
b) Araba’lara göre bloklama (lâstik markası ile araba etkileşimsiz) yapılıp
test edildiğinde aşağıdaki çıktılar elde edilmektedir.
Veri:
C1 C2 C3
17 1 1
14 1 2
13 1 3
13 1 4
14 2 1
14 2 2
13 2 3
8 2 4
12 3 1
12 3 2
11 3 3
9 3 4
13 4 1
11 4 2
11 4 3
9 4 4
Çıktılar:
One-way ANOVA: C1 versus C2
Individual 95% CI
C2 Mean ------+---------+---------+---------+-----
1 14,25 (-------*-------)
2 12,25 (--------*-------)
3 11,00 (-------*--------)
4 11,00 (-------*--------)
------+---------+---------+---------+-----
10,50 12,00 13,50 15,00
i = 1, 2,3, 4
4
Yijk = µ + αi + β j + (αβ )ij + εijk , j = 1, 2,3, 4 , εijk ∼ BND(0, σε2 ) , ∑α i =0
i =1
k = 1, 2,3, 4
gibi bir model söz konusu olur. Bir lâstiğin arabanın hangi tekerleğinde olduğu
da önemsenirse, yani başka bir etken olan tekerlek de bir yardımcı etken (ikinci
blok etkeni) olarak analize katılırsa,
i = 1, 2,3, 4
4
Yijk = µ + αi + β j + γ k + εijk , j = 1, 2, 3, 4 , εijk ∼ BND(0, σε2 ) , ∑α i =0
i =1
k = 1, 2,3, 4
gibi, etkileri toplanabilir üç etkenli bir model üzerinde analiz yürütülebilir.
Burada, örneğin γ1 ön sağ, γ 2 ön sol, γ3 arka sol ve γ 4 arka sağ tekerleğin
düzey etkilerini gösterebilir. Tüm bu deney tasarımlarında amacımızın özel
seçilmiş 4 lâstik markası ( A1 , A2 , A3 , A4 ) için aşınma ortalamaları ile ilgili,
H 0 : µA1 = µA2 = µA3 = µA4 veya H 0 : α1 = α2 = α3 = α4 = 0
H1 : değil H1 : değil
hipotezini test etmek olduğunu gözden kaçırmayalım.
Bloklar
B1 B2 B3 B4 B5 B6
A1 Y12 Y13 Y15
A2 Y21 Y22 Y23 Y25
A3 Y31 Y33 Y34 Y35 Y36
A4 Y42 Y44 Y32 Y32
gibi olan bir tasarımda ilgilenilen etken ile blok etkeninin düzeylerinin bazı kombinasyonları
uygulanmamıştır, bazı bloklarda boş hücreler vardır. Bir bloğun içindeki birim sayısı etkenin
düzey sayısından daha az olması durumunda bu blok tamamlanmamış olacaktır.
Tamamlanmamış Bloklar Tasarımının bazı özel halleri Dengeli Tamamlanmamış Bloklar
Tasarımı (Balanced Incomplete Block Designs), Lâtin Kareler (Latin Squares), Lâtis
Tasarımlar (Lattice Designs), Bölünmüş Parseller Tasarımı (Split Plot Design) dır.
Dengeli Tamamlanmamış Blok Tasarımlar
(Balanced Incomplete Block Designs)
1. Her blokta eşit sayıda (k tane) deney birimi (neticede gözlem) vardır.
2. Her bloktaki birim sayısı işlem (etken düzeyi) sayısından küçüktür, yani k<a dır.
3. Her işlem (etken düzeyi) eşit sayıda (r tane) blokta uygulanır.
4. Her işlem çifti (düzey çifti) aynı sayıda blokta ( λ defa) uygulanır ve
r (k −1)
λ= , λ (a −1) = r (k −1)
a −1
dır.
Örneğin,
B1 B2 B3 B4
A1 Y11 Y12 Y13
A2 Y21 Y23 Y24
A3 Y31 Y32 Y34
A4 Y42 Y43 Y44
∑∑ nijYij ∑∑ n Y ij ij
Y..
i =1 j =1 i =1 j =1
Y.. = a b
= =
N ar
∑∑ n
i =1 j =1
ij
dır. Ayrıca,
∑n Y ij ij
Yi.
j =1
Yi. = b
= , i = 1, 2,..., a
r
∑n
j =1
ij
∑n Y
i =1
ij ij
Y. j
Y. j = a
= , j = 1, 2,..., b
k
∑n ij
i =1
∑n n
j =1
ij i ' j =λ , i ≠ i ' , i, i ' = 1, 2,..., a
ve
a b a b
Y..2
KTGenel = ∑∑ nij (Yij − Y.. )2 =∑∑ nij (Yij )2 −
i =1 j =1 i =1 j =1 N
∑ n Y. j
j =1
ij
Qi = Yi. − , i = 1, 2,..., a
k
olmak üzere,
i = 1, 2,..., a
Yij = µ + αi + β j + εij , , εij ∼ BND(0, σε2 )
j = 1, 2,..., b
b Y. 2jY..2 KTB
B etkeni
KTB = ∑ k
−
N KOB =
(bloklama) b-1 j =1 b −1
KTHata
Hata N-a-b+1 KTHata = KTGenel − KTA( düzeltilmiş ) − KTB KOHata =
N − a − b +1
N-1
a b
Y..2
Genel KTGenel = ∑∑ nij (Yij ) 2 − KTGenel
i =1 j =1 N
hipotezi test edilmek istensin. Bizi ilgilendiren etken ilâçtır. Đlâç 9 hasta
üzerinde denenecektir. Hastalar yaş bakımından genç, orta, yaşlı olarak üçer
kişilik üç yaş grubuna ( B1 , B2 , B3 ) ayrılsın (veya böyle olacak şekilde önceden
seçilmiş olsun) ve ilâç sabah, öğlen, akşam ( C1 , C2 , C3 ) verilmek üzere, her ilâç,
her yaş grubunda, her veriliş zamanında birer kez denenmek üzere, aşağıdaki
gibi tasarımlar (düzenlemeler) yapılabilir.
Yaş grubu
Đlâç veriliş
zamanı Genç Orta Yaşlı
Sabah A1 A2 A3
Öğlen A3 A1 A2
Akşam A2 A3 A1
Yaş grubu
Đlâç veriliş
zamanı Genç Orta Yaşlı
Sabah A2 A1 A3
Öğlen A3 A2 A1
Akşam A1 A3 A2
Yaş grubu
Đlâç veriliş
zamanı Genç Orta Yaşlı
Sabah A2 A1 A3
Öğlen A1 A3 A2
Akşam A3 A2 A1
Bir Latin Kare Tasarımında birinci satır ile birinci sütundaki indisler doğal
sıralamasında ise bu tür tasarımlara Standart Latin Kare Tasarımı (SLKT)
denir. Örneğin ilâç için 4 düzey, bloklama etkenleri için de 4’er düzey, yani 4x4
Latin Kare Tasarımı olması durumunda SLKT’lar aşağıdaki gibi olurdu.
i = 1, 2,3
Yijk = µ + αi + β j + γ k + εijk , j = 1, 2, 3 , εijk ∼ BND(0, σε2 )
k = 1, 2,3
Yaş grubu
Đlâç veriliş
zamanı Genç Orta Yaşlı
Sabah A1 A2 A3
Öğlen A3 A1 A2
Akşam A2 A3 A1
j = 1ve k = 1 ise i =1
j = 1ve k = 2 ise i =3
j = 1ve k = 3 ise i =2
j = 2 ve k = 1 ise i =2
j = 2 ve k = 2 ise i =1
j = 2 ve k = 3 ise i =3
j = 3 ve k = 1 ise i =3
j = 3 ve k = 2 ise i =2
j = 3 ve k = 3 ise i =1
9 3 3 3 3 3 3 3 3 3 µ Y...
3 3 0 0 1 1 1 1 1 1 α1 Y1..
3 0 3 0 1 1 1 1 1 1 α2 Y2..
3 0 0 3 1 1 1 1 1 1 α3 Y3..
3 1 1 1 3 0 0 1 1 1 β1 Y.1.
=
3 1 1 1 0 3 0 1 1 1 β2 Y.2.
3 1 1 1 0 0 3 1 1 1 β3 Y.3.
3 1 1 1 1 1 1 3 0 0 γ1 Y..1
3 1 1 1 1 1 1 0 3 0 γ2 Y..2
3 1 1 1 1 1 1 0 0 3 γ3 Y..3
dır. Burada,
3 3 3
Y... Y...
Y... = ∑∑∑ nijk Yijk , Y... = 3 3 3
=
9
i =1 j =1 k =1
∑∑∑ n
i =1 j =1 k =1
ijk
3 3 3 3
3 3 ∑∑ nijkYijk ∑∑ n Y
ijk ijk
j =1 k =1 j =1 k =1
Yi.. = ∑∑ nijk Yijk , Yi.. = 3 3
= , i = 1, 2, 3
3
j =1 k =1
∑∑ nj =1 k =1
ijk
3 3 3 3
3 3 ∑∑ nijkYijk ∑∑ nj =1 k =1
Y
ijk ijk
Y. j. = ∑∑ nijk Yijk , Y. j . = i =1 k =1
3 3
= , j = 1, 2,3
3
i =1 k =1
∑∑ n ijk
i =1 k =1
3 3 3 3
3 3 ∑∑ n Y
ijk ijk ∑∑ n Y
ijk ijk
j =1 k =1
Y..k = ∑∑ nijk Yijk , Y..k = i =1 k =1
3 3
= , k = 1, 2, 3
3
i =1 j =1
∑∑ n
i =1 j =1
ijk
olup, nijk sayısı i. ilâç, j. yaş grubuna, k. zamanda uygulanmış ise 1 değerini
diğer durumlarda 0 değerini almaktadır. Parametreler üzerinde,
3 3 3
ediciler,
µˆ = Y...
αˆ i = Yi.. − Y... , i = 1, 2,3
βˆi = Y. j . − Y... , j = 1, 2,3
γˆ k = Y..k − Y... , k = 1, 2, 3
dır. Ayrıca,
Yijk − Y... = (Yi.. − Y... ) + (Y. j. − Y... ) + (Y..k − Y... ) + (Yijk − Yi.. − Y. j . − Y..k + 2Y... )
olmak üzere, her iki tarafın karesi alınıp i,j,k üzerinden toplam alınırsa,
dır.
Genel olarak a × a Lâtin Kare Tasarımında model,
i = 1, 2,..., a
Yijk = µ + αi + β j + γ k + εijk , j = 1, 2,..., a , εijk ∼ BND(0, σε2 )
k = 1, 2,..., a
ve Varyans Analizi Tablosu,
Değişken-
liğin Serbestlik Kareler Toplamı Kareler Ortalamaları F değeri
Kaynağı derecesi
A etkeni
a −1 a
Yi..2 Y...2 KTA KOA
KTA = ∑
i =1 a
−
N
KOA =
a −1
FA =
KOHata
a Y. 2j . Y...2
B etkeni
a −1 KTB = ∑ a
−
N KOB =
KTB
j =1 a −1
a −1
a
Y..2k Y...2 KTC
C etkeni KTC = ∑
k =1 a
−
N
KOC =
a −1
KT
( a − 1)( a − 2) KTHata KTGenel − KTA − KTB − KTC KOHata = Hata
Hata =
( a − 1)( a − 2)
a a a
Genel 2
a −1 KTGenel = ∑∑∑ n
i =1 j =1 k =1
ijk (Yijk − Y... ) 2
a a
Y...2
a
= ∑∑∑ n Y − 2
ijk ijk
i =1 j =1 k =1 N
KOA
FA = ∼ Fa−1,(a−1)( a−2)
KOHata
dır.
i = 1, 2,3
j = 1, 2, 3
Yijkl = µ + αi + β j + γ k + δl + εijkl , , εijk ∼ BND(0, σε2 )
k = 1, 2,3
l = 1, 2,3
Yaş grubu
Đlâç veriliş
zamanı Genç Orta Yaşlı
Sabah A1 A2 A3
tablet kapsül şurup
Öğlen A3 A1 A2
kapsül şurup tablet
Akşam A2 A3 A1
şurup tablet kapsül
j = 1ve k = 1 ise i =1 ve l = 1
j = 1ve k = 2 ise i =3 ve l = 2
j = 1ve k = 3 ise i =2 ve l = 3
j = 2 ve k = 1 ise i =2 ve l = 2
j = 2 ve k = 2 ise i =1 ve l = 3
j = 2 ve k = 3 ise i =3 ve l = 1
j = 3 ve k = 1 ise i =3 ve l = 3
j = 3 ve k = 2 ise i =2 ve l = 1
j = 3 ve k = 3 ise i =1 ve l = 2
A1 D1 A2 D2 A3 D3
A3 D2 A1 D3 A2 D1
A2 D3 A3 D1 A1 D2
11 22 33
32 13 21
23 31 12
Aα Bβ Cγ
Cβ Aγ Bα
Bγ Cα Aβ
A B C
C A B
B C A
α β γ
β γ α
γ α β
Đki Lâtin Kare üst üste konduğunda bir Greko-Lâtin Kare oluşturması için
bir harf diğer alfabeden bir harfle birlikte sadece bir kez görünmelidir. Bu tür
Lâtin Karelere dik (ortogonal) Lâtin Kareler denir.
Aα Cβ Bγ
Bβ Aγ Cα
Cγ Bα Aβ
Yaş grubu
Đlâç veriliş
zamanı Genç Orta Yaşlı
Sabah A1 A3 A2
tablet kapsül şurup
Öğlen A2 A1 A3
kapsül şurup tablet
Akşam A3 A2 A1
şurup tablet kapsül
dır.
ve
A etkeni
a −1 a
Yi...2 Y....2 KTA KOA
KTA = ∑i =1 a
−
N
KOA =
a −1
FA =
KOHata
a Y. 2j.. Y....2
B etkeni a −1 KTB = ∑j =1 a
−
N KOB =
KTB KOB
a −1 FB =
KOHata
a
Y..2k . Y....2
C etkeni a −1
KTC = ∑ a
−
N KTC KOC
k =1 KOC = FC =
a −1 KOHata
a
Y...2l Y....2
D etkeni a −1
KTd = ∑ a
−
N KTD KOD
l =1 KOD = FD =
a −1 KOHata
Hata KOHata =
( a − 3)( a − 1) KTHata = KTGenel − KTA − KTB − KTC
KTHata
( a − 3)( a − 1)
a a
Genel a 2 −1 KTGenel = ∑∑∑∑ (Y
j =1 k =1 i l
ijkl − Y.... ) 2
A etkeni
a −1 a
Yi...2 Y....2 KTA KOA
KTA = ∑ na
i =1
−
N
KOA =
a −1
FA =
KOHata
B etkeni
a −1 a Y. 2j..
Y....2
(satırlar) KTB = ∑j =1
−
na N
C etkeni
a −1
a
Y..2k . Y....2
(sütunlar) KTC = ∑ na
k =1
−
N
n
Y...2l Y....2
Tekrar n −1 ∑
l =1 a
2
−
N
KOHata =
KTHata
KTHata = KTGenel − KTA − KTB − KTC − KTTekrar
Hata ( a − 1) ( n( a + 1) − 3)
( a − 1) ( n ( a + 1) − 3)
a a n
Genel
na 2 −1 KTGenel = ∑∑∑∑ (Y ijkl − Y.... ) 2
j =1 k =1 i l =1
Varyans Analizi Tablosu (farklı içerikli satırlar, içeriği aynı sütunlar):
Değişkenlik
Kaynağı Serbestlik derecesi Kareler Toplamı Kareler Ortalamaları F değeri
A etkeni a −1 a
Y 2
Y 2
KTA KOA
KTA = ∑ na − N
i =1
i... .... KOA =
a −1
FA =
KOHata
2
B etkeni n(a −1) n a Y
. j .l
n
Y...2l
(satırlar) KTB = ∑∑ l =1 j =1 a
−∑
l =1 a2
2
a −1
a
Y Y....2
C etkeni
(sütunlar)
KTC = ∑ na
k =1
..k .
−
N
n
Y...2l Y....2
Tekrar n −1 ∑
l =1 a
2
−
N
KTHata
Hata ( a − 1) ( na − 1) KOHata =
KTHata = KTGenel − KTA − KTB − KTC − KTTekrar ( a − 1) ( na − 1)
a a n
Genel
na 2 −1 KTGenel = ∑∑∑∑ (Y
j =1 k =1 i l =1
ijkl − Y.... ) 2
KOHata =
Hata ( a − 1) ( n ( a − 1) − 1) KTHata = KTGenel − KTA − KTB − KTC − KTTekrar KTHata
( a − 1) ( n ( a − 1) − 1)
a a n
Bir deney tasarımındaki deney safhasında bir ya da daha çok gözlem kayıp olabilir.
Bazı durumlarda kayıp gözlemlerin varlığı istatistiksel analizi zorlaştırabilir, örneğin
istatistiksel hesaplamaları kolay yürütülen dengeli bir model bozulmuş olabilir. Böyle
durumlarda kayıp gözlem için onun bir tahmini yerine konup analize devam edilir veya kayıp
gözlem olmaksızın geriye kalan gözlemlerle analiz yapılır. Kayıp gözlemin yerinin
doldurulmasında, “Hata Kareleri Toplamına katkısı en küçük olacak şekilde bir değerin
seçilmesi” düşünülebilir. Örneğin,
i = 1, 2, 3
Yij = µ + αi + β j + εij , , εij ∼ BND(0, σε2 )
j = 1, 2,..., 8
ifadesinde Y33 yerine x harfi ve diğer Yij ‘ler yerine gözlenen değerler yazılıp KTHata minimum
olacak şekilde x bulunur ve kayıp gözlem yerine yazılır. Kareler Toplamları hesaplanır ve KTHata ile
KTGenel için serbestlik dereceleri bir eksiltilerek Yaklaşık Varyans Analizi Tablosu hazırlanır. Birden
çok kayıp gözlem olması durumunda Hata Kareleri Toplamı, kayıp gözlemlerin yerine yazılmış
argümanlara göre minimize edilir. KTHata ‘yı minimum yapan argüman değerleri kayıp gözlemlerin
yerine yazılıp Kareler Toplamları hesaplanır. Varyans analizi tablosunda KTHata ile KTGenel için
a × a Lâtin Kare Tasarımında kayıp bir Yijk gözlemi yerine aşağıdaki değer alınabilir,
gözlem bulunan kare için sırasıyla j. satır, k . sütun ve tüm gözlemlerin toplamları ve
a a
Yi..′ = ∑∑ Yijk
j =1 k =1
dır.