Professional Documents
Culture Documents
1
Hyrje ne modelimin e eksperimentit dhe analizen e Variances
• Të dhënat statistikore të grumbulluara janë rezultat i vrojtimit ose i
eksperimentit
• Në një studim eksperimental në fillim përcaktohen variablat që na interesojnë
për të cilat kryhet studimi.
• Pastaj përcaktohen një ose më shumë faktorë të cilët gjatë studimit vihen nën
kontroll për të parë se si ata ndikojnë në variablat në shqyrtim..
• Analiza e variancës (ANOVA) mund të përdoret për të analizuar të dhënat e
grumbulluara si rezultat i vrojtimit ose eksperimentit.
Hyrje ne modelimin e eksperimentit dhe analizen e Variances
• Ne kete kapitull do trajtojme tre tipe modelesh te rastit
• Modelet plotesisht te rastit
• Modelet e blloqeve te rastit
• Eksperimentet me disa faktore
3
Hyrje ne modelimin e eksperimentit dhe analizen e Variances
• Faktori eshte variabli qe eksperimentuesi ka zgjedhur per vrojtim.
• Trajtimi i korespondon nivelit te faktorit ne shqyrtim
• Njesite e eksperimentit jane objektet e interesit ne eksperiment.
• Nje model plotesishti rastit eshte nje model eksperimental ne te cilin trajtimet
jane plotesisht rastesore ne njesite e eksperimentit.
4
Analiza e Variances: Një përmbledhje konceptuale
• Analiza e Variances (ANOVA) perdoret per te testuar barazine e mesatareve
te tre ose me shume popullimeve
• Ne kete analize perdoren te dhenat e perftuara nga vrojtimi ose
eksperimenti.
• Do perdorim rezultatet e zgjedhjes per te testuar hipotezen e meposhteme:
H0: 1 = 2 = 3 = . . . = k
Ha: Jo te gjitha mesateret e popullimeve jane te barabarta
5
Analiza e Variances: Nje permbledhje konceptuale
H0: 1 = 2 = 3 = . . . = k
Ha: Jo te gjitha mesataret e popullimeve jane te barbarta
• Nqs H0 hidhet poshte nuk mund te themi qe te gjitha mesataret e popullimeve ndryshojne.
6
Analiza e Variances: Nje permbledhje konceptuale
Supozimet e Analizes se Variances
7
Analiza e Variances: Nje permbledhje konceptuale
8
Analiza e Variances: Nje permbledhje konceptuale
3 1 2
9
Analiza e Variances dhe modelet plotesisht te rastit
• Vleresimi i variances midis trajtimeve
• Vleresimi i variances brenda trajtimeve
• Krahasimi i vleresimeve te variancave: kriteri F
• Tabela ANOVA
10
Vleresimi i variances midis Trajtimeve
• Nje vleresim i 2 variances se popullimit bazuar ne variacionin e mesatareve te
zgjedhjeve quhet ndryshe katrori mesatar per trajtimet ( ne rezultatet e
eksperimentit) dhe shenohet me KMTR. ( Ne rezultatet e vrojtimit kjo quhet
KMM, Katrori mesatar midis zgjedhjeve)
11
Vleresimi i variances brenda Trajtimeve
• Nje vleresim i 2 varinaces se popullimit bazuar ne variacionin e vrojtimeve te
zgjedhjeve brenda cdo zgjedhje quhet ndryshe dhe katrori mesatar i gabimit
dhe shenohet me KMG ( ne rezultatet e eksperimentit) . (Ne rezultatet e
vrojtimit kjo quhet KMB, Katrori mesatar brenda zgjedhjeve)
12
Krahasimi i vleresimeve te variances: Kriteri F
• Nqs hipoteza zero eshte e vertete dhe supozimet per ANOVA-n plotesohen,
raporti KMTR/KMG ( ne rezultatet e eksperimentit) ose KMM/KMB ( ne
rezultatet e vrojtimit) ka shperndarje F me shkalle lirie per KMTR te barabarte
me k - 1 dhe per KMG te barabarte me nT - k.
• Nqs mesataret e k popullimeve jane jo te barabarta, vlera e KMTR/KMG do te
tentoje te jete me e madhe sepse KMTR perben nje mbivleresim per 2.
• Keshtu hipoteza H0 do te hidhet poshte nqs gjejme nje vlere teper te madhe te
raportit KMTR/KMG, e cila nuk mund te kete ardhur nga nje zgjedhje e rastit me
shperndarje F me numer te shkalleve te lirise per numeruesin k-1 dhe
emeruesin nT – k.
13
Krahasimi i variancave te vleresuara: Kriteri F
• Shperndarja e zgjedhjes e KMTR/KMG
Hidhet poshte H0
Pranohet H0
KMTR/KMG
F
Vlera kritike
14
Tabela ANOVA per modelet plotesisht te rastit
15
Tabela ANOVA per modelet plotesisht te rastit
16
Tabela ANOVA per modelet plotesisht te rastit ( Vrojtim)
17
Tabela ANOVA per modelet plotesisht te rastit
• ANOVA mund te shihet si nje proces i shumave te katroreve dhe shkalleve te
lirise perkatesisht te trajtimeve dhe gabimit.
18
Kontrolli per barazine e k mesatareve te popullimeve
• Hipotezat
H0: 1 = 2 = 3 = . . . = k
Ha: Jo te gjitha mesataret e popullimeve jane te barabarta
• Kriteri
F = KMTR/KMG
19
Kontrolli per barazine e k mesatareve te popullimeve
• Rregulli i hedhjes poshte te H0
20
Kontrolli per barazine e k mesatareve te popullimeve.
Modeli plotesisht i rastit
• Shembull: AutoShine, Inc. (kompani per pastrimin e makinave)
21
Kontrolli per barazine e k mesatareve te popullimeve.
Modeli plotesisht i rastit.
• Shembull: AutoShine, Inc.
AutoShine, Inc. duhet te vendosi cilin tip pastrimi te marketoj. A jane tre tipet
e pastrimit njesoj efektive?
22
Kontrolli per barazine e k mesatareve te popullimeve:
Modeli plotesisht i rastit
pastrimi pastrimi pastrimi
vrojtimet Tipi 1 Tipi 2 Tipi 3
1 27 33 29
2 30 28 28
3 29 31 30
4 28 30 32
5 31 30 31
23
Kontrolli per barazine e k mesatreve te popullimeve.
Modeli plotesisht i rastit.
• Hipotezat
H0: 1 = 2 = 3
Ha: Jo te gjitha te barabarta
ku:
1 = kohezgjatja mesatare e pastrimit sipas Tipit 1
2 = kohezgjatja mesatare e pastrimit sipas Tipit 2
3 = kohezgjatja mesatare e pastrimit sipas Tipit 3
24
Kontrolli per barazine e k mesatareve te popullimeve.
Modeli plotesisht i rastit.
• Shuma e katroreve midis trajtimeve
mesatarja e zgjedhjeve eshte e barabarte:
25
Kontrolli per barazine e k mesatareve te popullimeve.
Modeli plotesisht i rastit.
• Rregulli i hedhjes poshte te H0
Vlera e p : Hidhet poshte H0 nese vlera e p < .05
Me vleren kritike: Hidhet poshte H0 nese F > 3.89
26
Kontrolli per barazine e k mesatareve te popullimeve.
Modeli plotesisht i rastit.
• Kriteri
Vlera faktike e kriterit F = KMTR/KMG = 2.60/2.77 = .939
• Perfundimi
Vlera e p eshte me e madhe se .05, ku F = .939 < F = 3.89
vlera kritike F e gjetur ne tabele per α=. 05
(Excel jep nje vlere te p= .42) Pra Hipoteza H0 nuk
refuzohet.
Pra nuk kemi evidenca te mjaftueshme per te konkluduar qe
kohezgjatja mesatare e pastrimeve per tre tipet eshte e
ndryshme.
27
Kontrolli per barazine e k mesatareve te popullimeve.
Modeli plotesisht i rastit
• Tabela ANOVA
Burimi i Shamat e Shkallet e Katrori
Variacionit katroreve lirise mesatar F p-Value
Total 38.4 14
28
Kontrolli per barazine e k mesatareve te k popullimeve.
Nje rast studimor.
• Shembull: kompani prodhimi
Pronari i kompanise kerkon te dije nese ka ndryshime te rendesishme ne
numrin mesatar te oreve te punes ne jave ne tre departamente te tij. Perdorni
kriterin F per te kontrolluar nese ka ndryshime te rendesishme te numrit
mesatar te oreve te punes ne jave midis tre departamenteve duke perdorur
= .05.
29
Kontrolli per barazine e k mesatareve te k popullimeve.
Nje rast studimor.
• Shembull: kompani prodhimi
U zgjodhen rastesisht pese punonjes ne secilin nga tre departamentet e tij. Per
secilin prej tyre ne tabelen me poshte tregohet numri i oreve te punes ne jave
30
Kontrolli per barazine e k mesatareve te k popullimeve.
Nje rast studimor.
31
Kontrolli per barazine e k mesatreve te k popullimeve.
Nje rast studimor.
• Vlera e p dhe vlera e kriterit
1. Hipotezat.
H0: 1 = 2 = 3
Ha: jo te gjitha te barabarta
ku: 1 = numri mesatar i oreve te punes ne jave ne Dep 1
2 = numri mesatar i oreve te punes ne jave ne Dep 2
3 = numri mesatar i oreve te punes ne jave ne Dep 3
32
Kontrolli per barazine e k mesatareve te k popullimeve.
Nje rast studimor.
• Vlera e p dhe vlera e kriterit
2. Niveli I rendesise : = .05
3. Llogarisim KMTR:
Shuma e katroreve midis Trajtimeve
(numri i njesive te zgjedhura ne cdo zgjedhje eshte i njejte.)
33
Kontrolli per barazine e k mesatareve te k popullimeve.
Nje rast studimor
• p -Value dhe vlera e kriterit
3. Llogarisim KMG dhe me pas vleren faktike te kriterit F
34
Kontrolli per barazine e k mesatareve te k popullimeve.
Nje rast studimor
• Tabela ANOVA
Totali 798 14
35
Kontrolli per barazine e k mesatreve te k popullimeve.
Nje rast studimor
• Me vleren e p
4.Shohim ne tabele vleren e p.
Vlera e p eshte .0033 shohim qe vlera e p < α = .05
keshtu hedhim poshte H0.
36
Kontrolli per barazine e k mesatreve te k popullimeve.
Nje rast studimor
• Vlera kritike
5. Hedhja poshte e H0 me ane te vleres kritike
Bazuar ne shperndarjen e F me 2;12 shkalle lirie
F.05 = 3.89. Hidhet poshte H0 nese F > 3.89
37
Procedurat e krahasimeve te shumefishta
• Supozojme se eshte hedhur poshte hipoteza H0.
38
Procedura NVR
• Hipotezat
H0: i = j
• Kriteri
39
Procedura NVR
• Rregulli i hedhjes poshte te hipoteze zero:
Me vleren e p : Hidhet poshte H0 nese vlera e p <
40
Procedura NVR
• Hipotezat H0: i = j
• Kriteri
• Rregulla e
refuzimit te H0:
ku
41
• Shembull: kompani prodhimi
Kujtojme se pronari donte te dinte se ne cilat departamente ndryshimi midis
numrit mesatar te oreve te punes ne jave ishte i rendesishem.
42
Procedura (NVR)
Per = .05 dhe nT - k = 15 – 3 = 12
shkalle lirie, t.025 = 2.179
43
Procedura (NVR)
• NVR per Dep 1 and 2
• Hipoteza(A) H0: 1 = 2
• Rregulli I hedhjes
poshte
• Kriteri
• Perfundimi Numri mesatar i oreve te punes ne jave ne Dep 1
eshte i ndryshem nga ai ne Dep 2.
44
• NVR per Dep 1 dhe 3
• Hipoteza (B) H0: 1 = 3
• Rregulli i hedhjes
• poshte
• Kriteri
• Perfundimi Nuk ka diference te rendesishme midis numrit
mesatar te oreve te punes ne jave ne Dep1 dhe
Dep 3.
45
• NVR per Dep 2 dhe 3
• Hipoteza (C) H0: 2 = 3
• Rregulli I hedhjes
• poshte
• Kriteri
46
Modelet e blloqeve të rastit
• Njësitë e eksperimentit janë objektet e interesit në eksperiment.
• Një model plotësisht i rastit është një model eksperimenti ku trajtimet
trajtohen rastësisht në njësitë e eksperimenti.
• Nëse njësitë e eksperimentit janë heterogjene, blloqet mund të përdoren per
të formuar grupe homogjene duke marë keshtu një model blloku të rastit.
47
Modelet e blloqeve të rastit
• Procedura ANOVA
– Në një model të blloqeve të rastit shuma e katrorëve total (SKT) përbëhet nga
tre grupe: shuma e katrorëve midis trajtimeve, shuma e katrorëve midis blloqeve,
dhe shuma e katrorëve të gabimeve.
48
Modelet e blloqeve te rastit
• Tabela ANOVA
Burimi i Shumat e Shkallët e Katroti p-
variacionit katrorëve lirisë mesatar F Value
Totali SKT nT - 1
49
Modelet e blloqeve te rastit
• Shembull: Kastrati kompani.
Kastrati kompani ka zhvilluar tre perzierje te reja te benzines dhe duhet te
vendose se cilen perzierje ose cilat perzierje duhet te prodhoje dhe
shperndaje. Eshtë bere nje studim i vleresimeve te km /gallon per tre
perzierjet . Kjo behet per te percaktuar nese kilometrazhi mesatar i
pershkruar eshte i njejte per tre përzierjet.
50
Modelet e blloqeve të rastit
• Shëmbull : Kastrati kompani.
Pesë makina jane testuar duke përdorur të tre llojet e përzierjeve dhe eshte
matur numri i km per gallon , qe pershkruan
51
Modelet e blloqeve të rastit
Tipet e perzierjes(Trajtimet)
Makinat Mesataret
(Blloqet) Perzierja X Perzierja Y Perzierja Z blloqeve
1 31 30 30 30.333
2 30 29 29 29.333
3 29 29 28 28.667
4 33 31 29 31.000
5 26 25 26 25.667
Mesataret e
Trajtimeve 29.8 28.8 28.4
52
Modelet e blloqeve të rastit
• Katrori mesatar i trajtimeve
x x
k
2
SKTR = b j Mesatarja e përgjitheshme e zgjedhjes është 29.
j =1
SKTR = 5[(29.8 - 29)2 + (28.8 - 29)2 + (28.4 - 29)2] = 5.2
x x
b
2 KMTR = 5.2/(3 - 1) = 2.6
SKBL = k i
i =1 • Katrori mesatar i blloqeve
SKBL = 3[(30.333 - 29)2 + . . . + (25.667 - 29)2] = 51.33
KMBL = 51.33/(5 - 1) = 12.8
• Katrori mesatar i gabimit
SKG = 62 - 5.2 - 51.33 = 5.47
KMG= 5.47/[(3 - 1)(5 - 1)] = .68
53
Modelet e blloqeve të rastit
• Tabela ANOVA
Totali 62.00 14
54
Modelet e blloqeve të rastit
• Rregulli i hedhjes poshtë të H0
Me p-Value : Hidhet poshtë H0 nëse p-value < .05
Me vlerën kritike: Hidhet poshtë H0 nëse vlera faktike e F > 4.46
Për = .05, F.05 = 4.46
(me shkallë lirie 2;8)
55
Modelet e blloqeve të rastit
• Kriteri
F = KMTR/KMG = 2.6/.68 = 3.82
• Përfundimi
p-value = .07 është më madhe se = .05 . Atehere pranohet H0.
Vlera faktike e F = 3.82 < F.05 = 4.46 pra pranohet H0.
56
Eksperimenti me disa faktore
• Ne disa eksperimente lind nevoja te nxirren konkluzione per me shume se nje
variabel ose faktor.
• Modelimi faktorial dhe procedura ANOVA jane vecanerisht te nevojshme te
perdoren ne rastin kur kerkohet te nxirren konkluzione per dy ose me shume
faktore ne te njejten kohe.
• Perdorimi i termit faktorial lidhet me faktin se kushtet eksperimentale
perfshijne te gjitha kombinimet e mundeshme te faktoreve te perfshire ne
eksperiment.
• Per shembull, nese faktori A ka a nivele dhe faktori B ka b nivele, atehere
eksperimenti do te perfshije ab kombinime te trajtimeve.
57
Eksperimenti faktorial me dy faktorë
• Procedura ANOVA
• Procedura ANOVA për eksperimentin faktorial me dy faktorë njgjason me
modelin plotësisht të rastit dhe modelin e blloqeve të rastit.
• Ku shuma e katrorëve total (SKT) përbëhet nga:
58
Eksperimenti faktorial me dy faktore
Burimi i Shumat e Shkallët e Katrori p-
variacionit katrorëve lirise mesatar F Value
Totali SKT nT - 1
59
Eksperimenti faktorial me dy faktore
• Hapi 1 Llogarisim shumën e katrorëve total
60
Eksperimenti faktorial me dy faktore
• Hapi 4 Llogarisim shumën e katrorëve për bashkëveprimin
61
Eksperimenti faktorial me dy faktorë
• Shembull:
Eshtë kryer një vrojtim në lidhje me pagat orare të punëtorëve në dy
industri dhe tre vendodhje të tyre. Që llimi i vrojtimit është të përcaktojë
nëse egzistojnë diferenca midis pagave sipas tipeve të industrisë dhe
vendodhjes së bashku. Të dhënat e zgjedhjes tregohen në tabelën më
poshtë .
62
Eksperimenti faktorial me dy faktorë
• Shëmbull:
63
Eksperimenti faktorial me dy faktore
• Faktoret
• Facktori A: Tipi i indrustisë (2 nivele) a=2
• Faktori B: Vendodhja (3 nivele) b = 2
• Përsëritja
• Secili eksperiment përsëritet 3 here r= 3
64
Eksperimenti faktorial me dy faktorë
• Tabela ANOVA
Totali 3.42 17
65
Eksperimenti faktorial me dy faktorë
• Përfundimet duke prëdorur vlerat kritike
• Tipi i industrise: F = 4.19 < F = 4.75
Ho Pranohet. Mesataret nuk ndryshojnë sipas tipit të industrisë.
• Vendodhja: F = 4.69 > F = 3.89
Ho rrezohet. Mesataret ndryshojnë sipas vendodhjes.
66
Eksperimenti faktorial me dy faktorë
• Perfundime duke perdorur p-Value
• Tipi I Industrisë: p-value = .06 > = .05
Mesataret nuk ndryshojnë sipas tipit të industrisë.
• Vendodhja: p-value = .03 < = .05
Mesataret ndryshojnë sipas vendodhjes.
67
68