Raport de cercetare - Lorentz JÄNTSCHI
Raport de cercetare - Lorentz JÄNTSCHI
Raport de cercetare - Lorentz JÄNTSCHI
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
69<br />
distribuţiei valorilor în eşantion sunt majore. Testul t a fost introdus în 1908 [ ] pentru a compara<br />
două eşantioane provenite din populaţii distribuite normal cu varianţă egală, extins pentru calculul<br />
intervalului <strong>de</strong> încre<strong>de</strong>re al coeficienţilor unei ecuaţii <strong>de</strong> regresie în 1922 [ 70 ] şi a fost generalizat<br />
pentru compararea a două eşantioane provenite din populaţii distribuite normal cu varianţă diferită<br />
în 1947 [ 71 ].<br />
Probabilitatea asociată valorii medii obţinută dintr-un eşantion cu valoarea medie cunoscută a<br />
populaţiei din care provine se face din distribuţia Stu<strong>de</strong>nt t cu formula:<br />
⎛<br />
⎞<br />
⎜<br />
⎟<br />
⎜ m1<br />
− μ1<br />
t , n −1⎟<br />
(15)<br />
⎜ m ⎟<br />
2<br />
⎜<br />
⎟<br />
⎝ n −1 ⎠<br />
Probabilitatea asociată diferenţei a două valori medii obţinute din două eşantioane (Y1 şi Y2) se face<br />
similar cu formula:<br />
⎛<br />
⎞<br />
⎜<br />
⎟<br />
2<br />
2<br />
2<br />
⎜ m<br />
( ) ⎟<br />
1(<br />
Y1<br />
) − m1(<br />
Y2<br />
) m2<br />
( Y1<br />
) n(<br />
Y1<br />
) + m2<br />
( Y2<br />
) n(<br />
Y2<br />
)<br />
t ⎜<br />
,<br />
4<br />
4 ⎟<br />
(16)<br />
2<br />
2<br />
⎜ m2<br />
( Y1<br />
) m2<br />
( Y2<br />
) m2<br />
( Y1)<br />
m2<br />
( Y2<br />
)<br />
+<br />
+<br />
⎟<br />
3<br />
3<br />
⎜<br />
Y − ( n(<br />
Y −<br />
− ⎟<br />
2)<br />
1<br />
1)<br />
1)<br />
( n(<br />
Y2<br />
) 1)<br />
⎝ n(<br />
Y1<br />
) −1<br />
n(<br />
⎠<br />
⎛<br />
3 2<br />
2 2<br />
( ) ⎞<br />
⎜ m1<br />
( Y1<br />
) − m1(<br />
Y2<br />
) ( n −1)<br />
m2<br />
( Y1)<br />
+ m2<br />
( Y2<br />
)<br />
t n −1<br />
,<br />
⎟ , n = n(Y1) = n(Y2)<br />
⎜<br />
2<br />
2<br />
2 4<br />
4<br />
+ ⎟<br />
⎝ m ( Y ) + m ( Y ) n m2<br />
( Y1)<br />
m2<br />
( Y2<br />
)<br />
2 1 2 1<br />
⎠<br />
Probabilităţile asociate valorilor parametrilor ecuaţiei <strong>de</strong> regresie se obţin din:<br />
⎜<br />
⎟<br />
⎝<br />
Y) ⎠<br />
ˆ<br />
⎛<br />
⎞<br />
⎜<br />
bi<br />
m−<br />
| B |<br />
⎟<br />
⎧ n + 1,<br />
( eq1)<br />
m<br />
2<br />
t<br />
, m−<br />
| B | B | = ⎨<br />
= ∑ i − Yi )<br />
s( bi<br />
) SE(<br />
Y,<br />
⎩n,<br />
( eq2)<br />
i=<br />
1<br />
ˆ<br />
Y) ( Y ˆ<br />
; | ; SE ( Y,<br />
(17)<br />
un<strong>de</strong> valorile varianţei parametrilor B = (bi)i≥ se obţin odată cu parametrii estimaţi folosind formula,<br />
în care X este matricea <strong>de</strong>scriptorilor (în formulare matriceală Ŷ=X·B):<br />
T −1<br />
s(<br />
bi<br />
) = ( X ⋅X)<br />
i,<br />
i<br />
(18)<br />
Analiza <strong>de</strong> varianţă este o tehnică care constă în separarea varianţei totale a datelor în componente<br />
logic asociate cu surse specifice <strong>de</strong> variaţie. Ipoteza <strong>de</strong> analiză este că erorile sunt in<strong>de</strong>pen<strong>de</strong>nte,<br />
i<strong>de</strong>ntice şi distribuite normal: ε ~ N(0,σ 2 ).<br />
Pentru un set <strong>de</strong> observaţii grupate pe categorii (Oi,j)1≤i≤m;1≤j≤n un<strong>de</strong> m este numărul <strong>de</strong> categorii şi n<br />
numărul <strong>de</strong> observaţii din fiecare categorie, următorul tabel (Tabelul 26) cumulează analiza <strong>de</strong><br />
varianţă:<br />
Tabelul 26. Analiza <strong>de</strong> varianţă în observaţii grupate pe categorii<br />
Parametru Gra<strong>de</strong> <strong>de</strong> Suma pătratelor Varianţă Valoarea F<br />
libertate<br />
total m·n-1<br />
2<br />
m ⎛ n<br />
m n 1 1 ⎞<br />
SST MSA<br />
SST = ∑⎜∑∑ ∑ ⎟<br />
⎜<br />
Oi,<br />
j − O<br />
MST =<br />
≈<br />
i,<br />
j ⎟<br />
i=<br />
1 ⎝ j=<br />
1 m i=<br />
1 n<br />
m ⋅n<br />
−1<br />
MSE<br />
j=<br />
1 ⎠<br />
F(<br />
m −1,<br />
n)<br />
mo<strong>de</strong>l m-1<br />
2<br />
2<br />
m ⎛ n ⎞<br />
m n 1 ⎛ ⎞<br />
SSA<br />
(m×n)<br />
SSA = ⎜ O ⎟ i,<br />
j − ⎜ O ⎟ MSA =<br />
∑∑ ⎜ ⎟<br />
i,<br />
j<br />
i 1 j 1 m ⎜∑∑<br />
⎟<br />
n(<br />
m −1)<br />
= ⎝ = ⎠ ⎝ i=<br />
1 j=<br />
1 ⎠<br />
[ 69 ] Stu<strong>de</strong>nt (William S. GOSSET). 1908. The Probable Error of a Mean. Biometrika 6(1):1-25.<br />
[ 70 ] Ronald A. FISHER. 1922. The Goodness of Fit of Regression Formulae and the Distribution of Regression<br />
Coefficients. Journal of the Royal Statistical Society 85:597-612.<br />
[ 71 ] Bernard L. WELCH 1947. The generalization of "stu<strong>de</strong>nt's" problem when several different population variances<br />
are involved. Biometrika 34(1):28-35.<br />
268