Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Poglavlje 11<br />
Analiza varijance<br />
Analiza varijance se koristi u situacijama kada želimno usporedivati parametre očekivanja<br />
više normalno distribuiranih populacija. Dakle, radi se o poopćenju problema opisanog<br />
u potpoglavlju 9.4.1.: da li su opažene razlike izmedu sredina dvaju uzoraka slučajne ili<br />
odražavaju stvarnu razliku izmedu populacijskih očekivanja.<br />
Pretpostavka je da nas zanima kako k različitih tretmana djeluje na populacijsko očekivanje<br />
neke varijable Y . Budući da se u mnogim situacijama može dogoditi da stvarni efekt<br />
tretmana bude potisnut djelovanjem nekih vanjskih faktora koji nam nisu od interesa, važno<br />
je kako dizajniramo uzorak. Dobar dizajn se sastoji od slučajnog (vidjeti 6.1) dodjeljivanja<br />
tretmana ekperimentalnim jedinicama pri čemu se teži da broj jedinica podvrgnutih istom<br />
tretmanu bude što veći. Tako dizajnirani slučajni uzorak omogućit će analizu efekata<br />
i procjenu doprinosa raznih tretmana na parametar očekivanja promatrane varijable, a<br />
utjecaj raznih vanjskih faktora imat će efekt slučajnog šuma.<br />
Tehnički, analiza varijance se sastoji od rastava ukupne varijabilnosti uzorka od Y na<br />
varijabilnost koja se može opisati utjecajem tretmana i na varijabilnost do koje dolazi zbog<br />
slučajnog šuma. Usporedba tih komponenti varijabilnosti omogućava testiranje nulhipoteze<br />
da promatrani tretmani ne utječu na populacijsko očekivanje od Y .<br />
11.1 Jednofaktorska analiza varijance<br />
11.1.1 Model<br />
Usporedujemo djelovanje k tretmana na razdiobu varijable Y . Slučajni uzorak se sastoji od<br />
varijabli Y ij pri čemu indeks j označava da se radi o j-toj varijabli u poduzorku duljine n i<br />
(j = 1, 2, . . . , n i ) koji se odnosi na potpopulaciju opisanu djelovanjem i-tog tretmana (i =<br />
1, 2, . . . , k). Dakle, slučajni uzorak ukupne duljine n = ∑ k<br />
i=1 n i se sastoji od k nezavisnih<br />
poduzoraka duljina n 1 ,..., n k , svaki iz populacije opisane djelovanjem jednog od k tretmana.<br />
Opaženu vrijednost varijable Y ij označavamo sa y ij .<br />
Matematički model je<br />
Y ij = µ + τ i + ε ij , j = 1, 2, . . . , n i , i = 1, 2, . . . , k. (11.1)<br />
Pretpostavka je da su slučajne greške ε ij , j = 1, 2, . . . , n i , i = 1, 2, . . . , k, nezavisne,<br />
N(0, σ 2 )-distribuirane. Dakle, prema tom modelu, slučajne greške ne ovise o tretmanu,<br />
varijable Y ij su nezavisne i Y ij ∼ N(µ + τ i , σ 2 ). Parametri modela su sveukupna populacijska<br />
sredina µ za koju vrijedi da je<br />
µ = 1 k∑ ∑n i<br />
E[Y ij ], (11.2)<br />
n<br />
i=1 j=1<br />
99