Professional Documents
Culture Documents
Nhóm 6
Nhóm 6
Nhóm 6
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý. So sánh một yếu tố
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai So sánh nhiều yếu tố
6.7 Phân tích phương sai đa biến TWo Way MANOVA Các phép đo lặp lại
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Logo-khoa-chu
Theo lí thuyết bài toán kiểm định biến 1 chiều với giả thuyết H0 : µ= µ0 ,
đối thuyết H1 : µ ̸= µo ;kiểm định thống kê phù hợp với di là:
√
(d − µ0 ) n
t=
sd
Với mức ý nghĩa α, chúng ta bác bỏ H0 : "µ0 là giá trị đáng tin cậy của
µ" nếu |t| > tn−1 (α/2)
Logo-khoa-chu
Logo-khoa-chu
Ví dụ: Cho điểm môn Toán và Văn trong kì 1 và kì 2 của 13 học sinh. Với mức
ý nghĩa 0.05, nhận xét về kết quả 2 kì học.
Logo-khoa-chu
Cho vecto ngẫu nhiên X = [X1 , X2 , ..., Xn ] với Xi kí hiệu cho một biến
ngẫu nhiên của q tính chất của từ 1 tổng thể.
khi đó ta có vecto giá trị trung bình
µ = [µ1 , µ2 , ..., µq ]T
Giả sử ta cần kiểm tra sự sai khác về giá trị trung bình của các biến ngẫu
nhiên này với giả thuyết H0 : µ1 = µ2 = ... = µq , đối thuyết H1 :các µi
khác nhau.
Logo-khoa-chu
Ta
có:
µ1 − µ2 1 −1 0 ... 0 µ1
µ1 − µ3 1 0 −1 ... 0 µ2 = C 1 µ
=
... ... ...
µ1 − µq 1 0 0 ... 1 µq
Trong đó C1 được gọi là ma trận tương phản.
→ Nếu các yếu tố không có sự sai khác C1 µ = 0
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai So sánh hai véc-tơ trung bình.
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
(1)
Xéthai véc tơ ngẫu
nhiên p chiều X và X (2) có phân phối chuẩn
(1) (2)
Np µ , Σ , Np µ , Σ tương ứng.
(1) (2)
Giả sử: Xj , j = 1 ÷ n1 và Xj , j = 1 ÷ n2 là hai dãy quan sát độc lập
về các véc tơ.
Bài toán giả định kiểm thuyết:
Giả thuyết H0 : µ(1) = µ(2) Đối thuyết H1 : µ(1) ̸= µ(2)
Logo-khoa-chu
Mệnh đề 2.1
− −
(1) (2)
Đặt: X (1) = 1
Σn1 Xj , X (2) = n12 Σn
n1 j=1
2
X ,
h i j=1 j
S= 1
n1 +n2 −2
n1 S (1) + n2 S (2)
(1) (2)
Trong đó S và S là ma trận phương sai mẫu của mẫu khi quan sát véc tơ
X (1) và X (2) tương ứng.
Khi đó:
" #T −1 " − #
− − −
2 (1) (2) 1 1 (1) (2)
T = X − X − (µ1 − µ2 ) + S X − X − (µ1 − µ2 )
n1 n2
Mệnh đề 2.2
Tiêu chuẩn với miền bác bỏ H0 là:
!T !
− − −1 − −
2 (1) (2) 1 1 (1) (2)
T0 = X −X + S X −X
n1 n2
(n1 + n2 − 2) p
≥ Fp,n1 +n2 −p−1 (α)
n1 + n2 − p − 1
Trong đó Fk1,k2 (α) là phân vị trên mức α của phân bố F với các bậc tự do
k1, k2 sẽ là tiêu chuẩn có mức ý nghĩa α.
Khi tiêu chuẩn dẫn tới bác bỏ H0 thì:
(n1 + n2 − 2) p
T2 ≤ Fp,n1 +n2 −p−1 (α)
n1 + n2 − p − 1
Logo-khoa-chu
. sẽ là ellipsoid tin cậy mức 1 − α của µ(1) − µ(2)
Ví dụ 1
Có 2 hòm xà phòng, mỗi
hòm có 50 bánh được
sản xuất theo phương pháp thứ
(1) (1) (2) (2) (1)
1 và thứ 2. Đặt X1 = X1 , X2 ; X2 = X1 , X2 trong đó Xi là độ
(2)
tạo bọt, Xi là độ trơn của bánh xà phòng được sản xuất theo phương pháp
thứ i (i=1,2). Sau khi đo người ta thu được các véc-tơ trung binh mẫu và
phương sai đối với mỗi hòm là:
−
8.3 2 1
X (1) = ; S (1) = ; n1 = 50.
4.1 1 6
−
10.2 2 1
X (2) = ; S (2) = ; n2 = 50.
3.9 1 4
Cho α = 0.05. Kiểm định giả thuyết: µ(1) = µ(2) .
Logo-khoa-chu
Giải:
h i 2.04 1.02
1 (1) (2)
Ta có: S = n1 +n 2 −2
50S + 50S =
1.02 5.10
T
−1.9 13.62 − 2.72 −1.9
T0 2 = = 51.45
0.2 −2.72 5.45 0.2
(n1 +n2 −2)p
F
n1 +n2 −p−1 p,n1 +n2 −p−1
(α) = (50+50−2)2 F
50+50−2−1 2.97
(0.05) = 2.021 ∗ 3.1 = 6.264
Ta thấy T0 2 = 51.45 ≥ 6.264, do đó ta bác bỏ giả thuyết H0 .
Logo-khoa-chu
Nhận xét: Khi cỡ mẫu n1 + n2 là lớn thì thống kê T 2 có phân bố xấp xỉ x2p ,
trong đó nếu T02 > x2p (α) thì ta cần bác bỏ giả thuyết µ(1) = µ(2) và khi đó
miền tin cậy của µ(1) − µ(2) chính là ellipsoid T 2 > xp 2 (α) ( với mức tin cậy là
1 − α).
Logo-khoa-chu
Mệnh đề 2.3
(1) (2)
Với 2 mẫu độc lập Xj và Xj nói trên ta tìm khoảng tin cậy đồng thời của
véc-tơ tổ hợp tuyến tính aT µ(1) − µ(2) với mọi aT = (a1 , a2 , ..., ap ) như sau:
(n1 +n2 −2)p
Đặt c2 = n1 +n2 −p−1
Fp,n +n −p−1 (α) với xác suất 1 − α thì khoảng:
! r1 2
− −
aT X (1) − X (2) +c aT Sa n11 + n12 sẽ phủ aT µ(1) − µ(2) (∀a).
! r
− −
đặc biệt µi (1) = µi (2) sẽ bị phủ bởi aT X (1) − X (2) +c Si i n11 + n12 ,
∀i = 1, 2...p
Logo-khoa-chu
Chứng minh:
(1) (2)
Xét các véc tơ tổ hợp tuyến tính đơn biến Xj và Xj :
T (1) (1) (1) (1)
Ta có: a Xj = a1 X1 + a2 X2 + ... + ap Xp
(2) (2) (2) (2)
aT Xj = a1 X1 + a2 X2 + ... + ap Xp
Khi đó, các véc tơ tổ hợp tuyến tính sẽ có trung bình véc tơ mẫu và phương sai
− − −
mẫu là: aT X (1) , aT S1 a và aT X (2) , aT S2 a. Tương ứng, với X (1) , S1 và
−
X (2) , S2 là véc tơ trung bình mẫu và phương sai mẫu cho 2 véc tơ ban đầu.
Khi Σ1 = Σ2 thì s21 = aT S1 a và s22 = aT S2 a đều được ước lượng bằng aT Σa.
Phương sai tổng thể của các véc tơ tổ hợp tuyến tính sẽ
được tính là :
2 (n1 −1)s2 2
1 +(n2 −1)s2 T n1 −1 n2 −1
sa = n1 +n2 −2
=a S + n1 +n2 −2 S2 = aT Sa
n1 +n2 −2 1
Logo-khoa-chu
Để kiểm tra giả thuyết H0 : aT = µ(1) − µ(2)
Ta có: aTX (1) và aTX (2) có thống kê :
− −
2
− −
2
aT X (1) −X (2) −aT (µ(1) −µ(2) ) aT X (1) −X (2) −(µ(1) −µ(2) )
t2a =
1
=
n1
+ n1 s2
a aT 1
n1
+ n1 Sa
2 2
Khi đó: t2a ≤
" #T " #
− − h i−1 − −
(1)
X − X (2) − µ(1) − µ(2) 1
n1
+ 1
n2
S X (1) − X (2) − µ(1) − µ(2) =
T2
∀a ̸= 0, 1 − α = P T 2 ≤ c2 = P T 2 ≤ c2 , ∀a
" " ! #
− − r
=P | aT X (1) − X (2) − aT µ(1) − µ(2) | ≤ c aT n11 + 1
n2
Sa, ∀a
Logo-khoa-chu
Ví dụ 2
Hai mẫu ngẫu nhiên với cỡ mẫu n1 = 45, n2 = 55 được lấy từ các hộ gia đình
có và không có điều hòa. Hai loại số đo về việc dùng điện được xem xét: X (1)
là lượng tiêu thụ điện tổng cộng ở giờ cao điểm, X (2) là lượng tiêu thụ điện ở
giờ không cao điểm (đơn vị kWh) trong tháng 7. Các thống kê thu được là:
−
204.4 13825.3 23823.4
X (1) = ; S (1) =
556.6 23823.4 73107.4
−
130.0 8632.0 19616.7
X (2) = ; S (2) =
350.0 19616.7 55964.5
Hãy tìm khoảng tin cậy mức 95% của hiệu số các thành phần của giá trị trung
bình.
Logo-khoa-chu
Giải:
h i 10963.7 21505.05
Ta có: S = 50S (1) + 50S (2) =
1
n1 +n2 −2 21505.05 63661.3
2 (45+55−2)2
c = 45+55−2−1 F2.97 (0.05) = 2.02*3.1 = 6.26
h iT h i
(1) (2) (1) (2)
Với µ − µ(2) = µ1 − µ1 ; µ2 − µ2 , khoảng tin cậy đồng thời mức
(1)
Logo-khoa-chu
Mệnh đề 2.4
Khoảng tin cậy của µ(1) − µ(2) khi n1 − p, n2 − p là lớn.
Khi đó ellipsoid tin cậy mức 1 − α cho µ(1) − µ(2) là tập hợp tất cả µ(1) − µ(2)
thỏa mãn:
T2 =
" #T " #
− − h (1) i−1 − −
S (2)
X (1) − X (2) − (µ1 − µ2 ) S
n1
+ n2
X (1)
− X (2)
− (µ 1 − µ 2 ) ≤
xp2
Tương tự cho khoảng tin cậy tổ hợp tuyến tinh aT µ(1) − µ(2) )với mức tin
cậy 1 − α là khoảng:
− −
! (1) 21
S S (2)
q
aT X (1) − X (2) + xp2 (α) aT + a
n1 n2 Logo-khoa-chu
Chứng minh:
!
− −
(1) (2)
Ta có: E X −X = µ(1) − µ(2)
! ! !
− − − −
(1) (2) (1) (2) 1 1
Cov X −X = Cov X − Cov X = Σ
n1 1
+ Σ
n2 2
Nếu Σ1 , Σ2 đã biết thì bình phương khoảng cách thống kê của µ(1) − µ(2) là:
" #T " #
− − h i−1 − −
X (1) − X (2) − (µ1 − µ2 ) 1
Σ
n1 1
+ 1
Σ
n2 2
X (1)
− X (2)
− (µ 1 − µ 2 ) ≤
xp2
Khi n1 , n2 lớn, xác suất cao thì S1 = Σ1 , S2 = Σ2 . Do đó, xấp xỉ đúng với Logo-khoa-chu
S1 , S2 thay cho Σ1 , Σ2 tương ứng.
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai So sánh hai véc-tơ trung bình.
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Mệnh đề 2.5
Khi 2 véc-tơ X (1) , X (2) được quan sát đồng thời n lần ta thu được n véc-tơ có
(1) (2)
phân bố chuẩn Xj , Xj , j = 1 ÷ n
(1) (2)
Đặt D = X (1) − X (2) , Dj = Xj − Xj
Khi đó Dj (j = 1 : n) là dãy véc-tơ quan sát độc lập về véc-tơ ngẫu nhiên, D có
phân phối chuẩn là Np (δ, Σd ) với δ = µ(1) − µ(2) .
−
Đặt: D= n1 Σn
j=1 Dj , Sd là véc-tơ trung bình mẫu và ma trận phương sai mẫu.
Khi đó thống kê:
T
2 − −1 −
T = n D −δ Sd D −δ
(n−1)p
có phân phối ngẫu nhiên n−p
Fp,n−p .
Khi n đủ lớn thì T 2 có phân phối xấp xỉ x2p .
Logo-khoa-chu
Mệnh đề 2.6
Tiêu chuẩn với mức ý nghĩa α để kiểm định giả thuyết:
H0 : µ(1) − µ(2) ⇔ δ = 0 có miền bác bỏ giả thuyết là:
T
− −
T02 = n D Sd−1 D> Fn,n−p (α)
(n − 1) p
T2 ≤ Fp,n−p (α)
n−p
Logo-khoa-chu
Mệnh đề 2.7
Khi n lớn, tiêu chuẩn với mức ý nghĩa α để kiểm định giả thuyết H0 : δ = 0 có
miền bác bỏ là: T02 > x2p (α)
Miền tin cậy mức ý nghĩa 1 − α của δ là ellipsolid: T 2 ≤ x2p (α)
Logo-khoa-chu
Ví dụ 3
Để kiểm tra việc xử lí nước của nhà máy có đạt yêu cầu hay không, người ta
gửi mẫu đến 2 phòng thí nghiệm, mỗi phòng lấy 11 mẫu nước đã được tách đôi
để xác định 2 yếu tố: hàm lượng nguyên hóa sinh (BOD) và hàm lượng chất
rắn trong nước (SS). Các số liệu được cho trong bảng sau đây:
Logo-khoa-chu
Giải:
j 1 2 3 4 5 6 7 8 9 10
Dj 1 = Xj 1(1) − Xj 1(2) -19 -22 -18 -27 -4 -10 -14 17 9 4
Dj 2 = Xj 2(1) − Xj 2(2) 12 10 42 15 -1 11 -4 60 -2 10
− −9.36 181.14 80.35
D= ; S (d) =
13.27 80.35 380.56
2
0.006 − 0.001 −9.36
T0 = 11 ∗ −9.36 13.27 = 13.6
−0.001 0.003 13.27
(n−1)p
n−p
Fp,n−p (0.05) = 209
∗ 4.36 = 9.47
T02 = 13.6 > 9.47 nên bác bỏ giả thuyết H0 .
Kết luận: Kết quả phân tích của hai phòng thí nghiệm trên là không phù hợp.
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phươ
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Logo-khoa-chu
Xlj = µ + τl + elj
j = 1, nl
l = 1, m
∀i = 1, nl , l = 1, m
Trong đó:
µ :Hiệu quả chung
τl :Hiệu quả chung của nhóm thứ l
Logo-khoa-chu
elj :Sai số ngẫu nhiên vớiEelj = 0
Ta có:
µl = µ + τ l
Ta xét bài toán kiểm định giả thuyết sau:
(
H0 : µ1 = ... = µm ↔ τ1 = ... = τl = 0
H1 : |τ1 |2 + |τ2 |2 + ... + |τm |2 ̸= 0
Logo-khoa-chu
Để giải quyết bài toán trên, ta dùng phương pháp phân tích phương sai,
hay còn gọi là MANOVA.
Phỏng theo phân tích, ta có:
Xlj = X + (Xl − X) + (Xlj − Xl )
trong đó Xlj − Xl được gọi là các phần dư:
X + ... + Xln1
Xl = l1
n1
X = n1 X1 + ... + nm Xm
n1 + ... + nm
Giống như trường hợp phân tích phương sai với các biến thực Xlj (d = 1)
ta có:
(Xlj − X)(Xlj − X)T = [(Xlj − Xl ) + (Xl − X)][(Xlj − Xl ) + (Xl − X)]T
= (Xlj − Xl )(Xlj − Xl )T + (Xlj − Xl )(Xl − X)T +
(Xl − X)(Xlj − Xl )T + (X1 − X)(Xl − X)T
Ta lại có:
m
P
(Xlj − Xl ) = 0, ∀i = 1, 2, .., n
j=1
Logo-khoa-chu
Logo-khoa-chu
nl P
m
(Xlj − X)(Xlj − X)T =
P
=>
j=1 l=1
nl Pm m
nl (Xl − X)(Xl − X)T
P P
(Xlj − Xl )(Xlj − Xl ) +
j=1 l=1 l=1
Mà:
nl Pm m Pnl m
(Xlj − X)(Xlj − Xl )T = ( (Xlj − X)(Xlj − Xl )T ) =
P P P
nl Sl
j=1 l=1 l=1 j=1 l=1
= n1 S1 + n2 S2 + ... + nm Sm
Trong đó Sl là ma trận phương sai mẫu của mẫu thứ l
Logo-khoa-chu
Tổng cộng
nl m m
X
X X
B+W = (Xlj − X)(Xlj − X)T −1
nl Logo-khoa-chu
j=1 l=1 l=1
Số thành Số các Phân bố mẫu của các thống kê là hàm đơn trị
phần của nhóm xử lý của Λ∗ dưới giả thuyết H0
các vector
d
n − m 1 − Λ∗
p=1 m≥2 ∼ Fm−1,n−m
m − 1 Λ∗ √
n − m − 1 1 − Λ∗
p=2 m≥2 √ ∼ F2(m−1),2(n−m−1)
m−1 Λ∗∗
n−p−11−Λ
p≥2 m=2 ∼ Fp,n−p−1
p−1 Λ∗√
n−p−21− Λ ∗
p≥1 m=2 √ ∼ F2p,2(n−p−1)
p−1 Λ∗
Logo-khoa-chu
Với trường hợp khác với bảng trên khi cỡ mẫu là lớn,sử dụng thống kê
sau đây để kiểm định giả thiết H0 :
p+m p+m |W |
−(n − 1 − )lnΛ∗ = −(n − 1 − )ln
2 2 |W + B|
Sẽ có phân bố xấp xỉ χ2 với p(m − 1) bậc tự do.
Do đó khi cỡ mẫu n đủ lớn với mức ý nghĩa α ta sẽ bác bỏ H0 khi:
p+m
−(n − 1 − )lnΛ∗ > χ2p(m−1)
2
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử
lý.
α α
Ta đặt tn−g ( 2m ) là phân vị mức 1 − 2m của phân bố Student với n-g
pg(g−1)
bậc tự do với m = 2
khi đó ta có:
1
α 1 1 wii 2
Xki − Xli − tn−g ( ) ( + ) < µki − µli
2m nk nl n − g
và 1
α 1 1 wii 2
µki − µli < Xki − Xli + tn−g ( ) ( + ) )
2m nk nl n − g
∀i = 1, p, k ̸= l = 1, g ≥ 1 − α Logo-khoa-chu
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử
lý.
Với Akli là biến cố xác định bởi bất đẳng thức trên ta có:
P (Akli ) = 1 − αs
m X p
X
¯ )≥1−
⇒ P (Ak,l,i ) = 1 − P (Ak,l,i (P (A¯kli )) = 1 − α
k̸=l=1 i=1
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai Kiểm tra tính bằng nhau của ma trận hiệp phương sai
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Một trong những giả thiết được đưa ra khi so sánh hai hoặc nhiều vectơ
giá trị trung bình là ma trận hiệp phương sai của các quần thể có khả
năng khác nhau là giống nhau.
Trước khi gộp sự biến thiên giữa các mẫu để tạo thành ma trận hiệp
phương sai tổng hợp khi so sánh các vectơ trung bình, nên kiểm tra tính
bằng nhau của các ma trận hiệp phương sai tổng thể.
Logo-khoa-chu
H0 : Σ1 = Σ2 = ... = Σg = Σ
Trong đó:
- Σl là ma trận hiệp phương sai của quẩn thể thứ l;
l = 1,2,...,g.
- Σ là ma trận hiệp phương sai chung được giả định.
- Giả thuyết thay thế là ít nhất hai trong số các ma trận hiệp phương sai
không bằng nhau.
Logo-khoa-chu
Giả sử các quần thể bình thường đa biến, thống kê tỷ lệ khả năng xảy ra
đối với thử nghiệm trên được đưa ra bởi:
Y (nl −1)/2
|Sl |
Λ=
j
|Spooled |
(6.48)
Trong đó:
- nl : Kích thước mẫu cho nhóm thứ l.
- Sl : Ma trận hiệp phương sai mẫu của nhóm thứ l.
Logo-khoa-chu
- Spooled : Ma trận hiệp phương sai mẫu tổng hợp.
Spooled là ma trận hiệp phương sai mẫu tổng hợp được cho bởi:
1
Spooled = P {(n1 − 1)S1 + (n2 − 1)S2 + ... + (ng − 1)Sg }
(nl − 1)
l
Logo-khoa-chu
Box’s test được dựa trên sự xấp xỉ χ2 đến phân phối mẫu của -2lnΛ. Đặt
-2lnΛ = M, ta có:
" #
X X
M= (nl − 1) ln|Spooled | − [(nl − 1)ln|Sl |]
l l
Logo-khoa-chu
Logo-khoa-chu
Logo-khoa-chu
Lưu ý:
Yếu tố xác định của ma trận hiệp phương sai tổng hợp (Spooled ) sẽ nằm ở
đâu đó gần giữa của các định thức Sl của ma trận hiệp phương sai nhóm
riêng lẻ.
Khi các đại lượng sau này trở nên chênh lệch hơn, tích của các tỷ lệ trong
đây sẽ tiến gần đến 0.
(p + g) |W |
−n − 1 − ln > χ2p(g−1) (α)
2 |B + W |
Logo-khoa-chu
Lưu ý:
|S1 |
Thực tế, khi mức chênh lệch của |Sl | tăng, giảm lượng theo tỷ
|Spooled |
|Sg |
lệ nhiều hơn lượng tăng của .
|Spooled |
Trong đó: |S1 |, |Sg | lần lượt là giá trị định thức tối thiểu và tối đa.
Logo-khoa-chu
Box’s Test
Đặt: " #" #
X 1 1 2p2 + 3p − 1
u= −P
(nl − 1) (nl − 1) 6(p + 1)(g − 1)
l
l
Logo-khoa-chu
Box’s Test
Khi đó:
C = (1 - u)M
" # !
X X
= (1 − u) (nl − 1) ln|Spooled | − [(nl − 1)ln|Sl |]
l l
Logo-khoa-chu
Box’s Test
Chú ý:
Xấp xỉ χ2 của Box thực hiện tốt nếu mỗi nl vượt quá 20 và nếu p và g
không vượt quá 5.
Logo-khoa-chu
H0 : Σ 1 = Σ 2 = Σ 3 = Σ
Tính u:
2(4)2 + 3(4) − 1
1 1 1 1
u= + + −
270 137 106 270 + 137 + 106 6(4 + 1)(3 − 1)
⇒ u = 0.0133
Tính M:
+106(−15.741)]
⇒ M = 289.3 Logo-khoa-chu
Suy ra:
C = (1 − 0.0133)(289.3) = 285.5
và
1
df : v = 4 (4 + 1)(3 − 1) = 20
2
Đối chiếu C trong bảng phân phối χ2 với df = 20, dễ thấy rằng giả
thuyết H0 bị bác bỏ với bất kỳ mức ý nghĩa (α) nào.
⇒ Kết luận: Ma trận hiệp phương sai của các biến chi phí liên quan đến
các phương thức sở hữu là không giống nhau.
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
E(Xlkr ) = µ + τl + βk + τlk
l = 1, 2, . . . , g
k = 1, 2, . . . , b
r = 1, 2, . . . , n
Các phản hồi mong đợi như một hàm của các mức yếu tố có và không có Logo-khoa-chu
Bậc tự do tưng ứng được liên kết với tổng binh phương.
Logo-khoa-chu
Các vector đều có bậc pX 1 và rlkr là vecto ngẫu nhiến; và phân phối
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
(*) Các phép tổng quát đơn giản của tổng bình phương độ chênh lệch và bậc
tự do. Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
g b X
n g b
X X ′ X ′ X ′
(xlkr −x)(xlkr −x) = bn(xl −x)(xl −x) + gn(xk −x)(xk −x) +
l=1 k=1 r=1 l=1 k=1
g
b
XX ′
+ n(xlk − xl − xk + x)(xlk − xl − xk + x) +
l=1 k=1
g b X
n
X X ′
+ (xlkr − xlk )(xlkr − xlk )
l=1 k=1 r=1
Logo-khoa-chu
Bậc tự do:gbn − 1 = (g − 1) + (b − 1) + (g − 1)(b − 1) + gb(n − 1)
Rõ ràng, sự tổng quát hóa từ phân tích đơn biến sang phân tích đa biến chỉ
đơn giản là thay thế 1 đại lượng về hướng như:
(xl − x)2
Bằng ma trận tích chéo:
′
(xl − x)(xl − x)
Logo-khoa-chu
|SSPres |
A∞ =
|SSPint + SSPres |
Đối với nhiều mẫu lớn, và sử dụng hiệu chỉnh Bonferrori.
Bác bỏ: H0 = β1 = β2 = · · · = βb = 0 (Không có hệ số ảnh hưởng) Logo-khoa-chu
Ở mức A:
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Ta đã xem xét mô hình hai chiều đa biến với các bản sao. Nghĩa là, mô
hình cho phép lặp lại n phản hồi ở mọi tổ hợp của các mức nhân tố.
Điều này cho phép chúng ta kiểm tra "sự tương tác" của các yếu tố.
Nếu chỉ có 1 vecto quan sự ở mỗi sự kết hợp của các mức nhân tố, thì
mô hình hai chiều không cho phép khả năng xảy ra thuật ngữ tương tác
chung τlk .
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai Phân tích giá trị trung bình của kỳ vọng
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Việc phân tích hồ sơ tiềm ẩn liên quan đến các trường hợp mà các bộ p
quan sát được dựa trên hai hoặc nhiều nhóm đối tượng. Tất cả các quan
sát phải được biểu diễn trên cùng các đơn vị.
Ở phần này, chúng ta sẽ giải thích cho câu hỏi là liệu các nhóm khác
nhau thì có phụ thuộc nhau không?.
Thông thường thì để trả lời câu hỏi này thì chúng ta thường sẽ chú ý vào
câu hỏi: Các vector giá trị trung bình có giống nhau không?
Thì trong phân tích hồ sơ tiềm ẩn câu hỏi đó được chia thành nhiều khả
năng có thể.
Logo-khoa-chu
Để kiểm tra tính song song của đồ thị thì ta kiểm định giả thuyết:
H0 1 : Cµ1 = Cµ2
Ở đây :
−1 1 0 0 ··· 0 0
0 −1 1 0 ··· 0 0
C(p−1)×p =
··· ··· ··· ··· ··· ··· · · ·
0 0 0 0 ··· −1 1 Logo-khoa-chu
Loại bỏ giả thiết H02 : 1T µ1 = 1T µ2 với mức ý nghĩa α nếu phân bố:
1 1 T
T 2 = 1T (x1 − x2 )T [( + )1 Σ[1]p×1 ]−1 1T (x1 − x2 )
n1 n2
1T (x1 − x2 ) α
= (r ) > t2n1 +n2 −2 ( ) = F1,n1 +n2 −p (α)
1 1 T 2
( + )1 Σ[1]p×1
n1 n2
Logo-khoa-chu
Bước tiếp theo là để xem liệu các biến đều có chung giá trị trung bình
hay không, nếu có thì các hồ sơ sẽ là tương tự nhau.
Khi hai kiểm định H01 và H02 đã được chứng minh, thì véc-tơ giá trị
trung bình chung µ của tất cả quan sát n1 + n2 đã được ước lượng bởi:
n1 n2
1 X X n1 n2
x= ( x1j + x2j ) = x1 + x2
n1 + n2 n1 + n2 n1 + n2
k=1 k=1
Với S là ma trận hiệp phương sai của mẫu dựa trên n1 + n2 quan sát và
(n1 + n2 − 1)(p − 1)
c2 = Fp−1,n1 +n2 −p+1 (α)
n1 + n2 − p + 1
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
6.7 Phân tích phương sai đa biến TWo Way MANOVA
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Các phương pháp lặp dùng để chỉ các tình huống mà một đặc điểm được quan
sát,tại các thời gian hoặc địa điểm khác nhau, trên cùng một đối tượng.
Quan sát một đối tượng với các phương pháp tác động khác nhau.
Các tác động cần được so sánh khi các phản ứng trên cùng một đối
tượng có một tương quan với nhau.
Áp dụng một phương pháp tác động duy nhất cho từng đối tượng và
quan sát một đặc điểm duy nhất trong một khoảng thời gian.
Mẫu phản ứng nhận về được một đường tăng trưởng.
Logo-khoa-chu
Khi phép đo p trên các đối tượng được thực hiện tại các thời điểm
t1 , t2 , ..., tp ,
Mô hình Potthoff-Roy
cho tăng trưởng bậc hai trở thành:
X1 β0 + β1 t1 β2 t21
X2 β0 + β1 t2 + β2 t22
E[X] = E · · · =
···
2
Xp β0 + β1 tp + β2 tp
Trong đó, trung bình µi là biểu thức bậc 2 được đánh giá tại ti
Logo-khoa-chu
Khi nghiên cứu liên quan đến nhóm điều trị, ta cần có thêm một chỉ số
phụ như trong mô hình MANOVA một chiều. Gọi Xl1 , Xl2 , ..., Xlnl là
vectơ đo các đối tượng nl trong nhóm, với l = 1, ..., g.
Theo mô hình
tăng trưởng 2bậc hai,
vectơ trung
bình là:
β0 + β1 t1 + β2 t1 1 t1 t21
β0 + β1 t2 + β2 t22 1 t2 t21 βl0
E[Xli ] = = βl1 = Bβl
··· ···
βl2
β0 + β1 tp + β2 t2p 1 tp t2p
Logo-khoa-chu
Logo-khoa-chu
Theo công thức chuẩn tắc đa biến,các công cụ ước tính khả năng xảy ra
tối đa của βl là:
−1
−1 −1
β̂l = B ′ Spooled B B ′ Spooled Xl với l= 1,2,...,g
trong đó
Spooled = N 1−g ((n1 − 1)S1 + ... + (ng − 1)Sg ) = N 1−g W
N = gl=1 nl là công cụ ước lượng tổng hợp của ma trận hiệp phương
P
sai chung
Logo-khoa-chu
Các hiệp phương sai ước tính của các công cụ ước tính khả năng xảy ra
tối đa là:
d β̂l = k (B ′ S −1 B)−1 vil = 1, 2, ..., g
Cov( nl pooled
trong đó
k = (N − g)(N − g − 1)/(N − g − p − q)(N − g − p + q + 1)
Ngoài ra,β̂l và β̂h là độc lập,đối với l ̸= h hiệp phương sai của chúng là 0.
Logo-khoa-chu
Chúng Pta có P
thể kiểm tra được một đa thức bậc q là đủ.
Wq = gl=1 lj−1 (Xlj − B β̂l )(Xli − B β̂l )′
có ng − g + q − q − q bậc tự do.
Kiểm định khả năng xảy ra của giả thuyết rỗng rằng đa thức bậc q là đầy
đủ có thể dựa trên lamda của Wilk
Λ∗ = WW
q
Logo-khoa-chu
Nội dung
1 6.2 So sánh cặp mẫu ngẫu nhiên
So sánh một yếu tố
So sánh nhiều yếu tố
Các phép đo lặp lại
2 6.3 So sánh hai véc-tơ trung bình.
So sánh hai véc-tơ trung bình.
3 6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương
sai một hướng MANOVA
4 6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý.
5 6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai
Kiểm tra tính bằng nhau của ma trận hiệp phương sai Logo-khoa-chu
6 6.7 Phân tích phương sai đa biến TWo Way MANOVA
Mô hình hiệu ứng cố định 2 chiều đơn biến và sự tương tác
Nhóm 6 Phân tích số liệu
6.2 So sánh cặp mẫu ngẫu nhiên
6.3 So sánh hai véc-tơ trung bình.
6.4 So sánh đồng thời nhiều vector giá trị trung bình- phân tích phương sai một hướng MANOVA
6.5. Khoảng tin cậy đồng thời cho các hiệu quả xử lý. Đặt vấn đề
6.6 Kiểm tra tính bằng nhau của ma trận hiệp phương sai Ví dụ
6.7 Phân tích phương sai đa biến TWo Way MANOVA Một chiến lược so sánh các cách phân tích đa biến
6.8 Phân tích hồ sơ tiềm ẩn
6.9 Thiết kế phương pháp lặp và đường tăng trưởng
6.10 Các quan điểm và chiến lược phân tích đa biến mẫu
Đặt vấn đề
Chúng ta nhấn mạnh rằng, với một vài tính chất nhất định, việc kiểm soát xác
suất tổng thể của những quyết định không chính xác là rất quan trọng. Điều
này đặc biệt quan trọng khi thử nghiệm cho sự ngang bằng của hai hay nhiều
hơn cách kiểm tra mà như các ví dụ trong phần này biểu thị. Một lần kiểm tra
đa biến sẽ nên được sử dụng hơn p lần kiểm tra đơn biến vì, như ví dụ sau đây
thể hiện, các kiểm tra đơn biến bỏ qua các thông tin quan trọng và có thể
mang đến kết quả không chính xác.
Logo-khoa-chu
Ví dụ
So sánh kiểm tra đơn biến và đa biến dựa vào trung bình
Logo-khoa-chu
1. Try to identify outliers: Kiểm tra dữ liệu để tìm các ngoại lệ. Chú ý đến
các ngoại lệ để có thể thực hiện các phép tính có và không có chúng.
2. Perform a multivariate test of hypothesis: Một lựa chọn là Likelihood
ratio test (kiểm định tỉ số khả dĩ), cũng tương đương với Wilks’s lambda
test
3. Calculate the Bonferroni simultaneous confidence intervals: Nếu kiểm
định chỉ ra sự khác nhau, tiếp tục tính toán khoảng tin cậy Bonferroni
cho tất cả các cặp nhóm hoặc cặp phương pháp, và tất cả các tính chất.
Logo-khoa-chu