Дисперсияны талдоо боюнча F тести
Pendahuluan
Статистикалык изилдөөлөрдө негизги максаттардын бири - маалыматтар топторунун ортосунда олуттуу айырмачылыктар бар же жок экенин түшүнүү. F-тест - бул максатта колдонулган ыкмалардын бири, айрыкча Дисперсияны талдоо (ANOVA) контекстинде. Бул тест эксперименталдык маалыматтарды талдоодо абдан маанилүү, анткени ал изилдөөчүлөргө белгилүү бир статистикалык божомолдорго жооп берген шартта эксперименталдык натыйжалардын ишенимдүүлүгүн баалоого мүмкүндүк берет. Бул макалада биз дисперсияны талдоодо F-тесттин түшүнүгүн, колдонулушун, божомолдорун жана чечмелөөсүн карап чыгабыз.
F тестинин негизги түшүнүгү
F-тесттин мааниси F-бөлүштүрүүсүн ээрчигендиктен ушундай аталып калган, анткени ал дисперсияны талдоодо көп колдонулган үзгүлтүксүз ыктымалдуулук бөлүштүрүүсү болуп саналат. F-бөлүштүрүүсү топтордун ортосундагы өзгөрмөлүүлүктү топтун ичиндеги өзгөрмөлүүлүк менен салыштыруу үчүн колдонулат, бул топтук орточо маанилердин ортосунда олуттуу айырма бар же жок экенин аныктоого жардам берет.
F тестиндеги маанилүү компоненттер:
1. Топтун ичиндеги өзгөрмөлүүлүк (Топтордун ичиндеги өзгөрмөлүүлүк): Ар бир топтун ичиндеги маалыматтардын өзгөрүшүн өлчөйт.
2. Топтор ортосундагы өзгөрмөлүүлүк (Топтор ортосундагы өзгөрмөлүүлүк): Топтор ортосундагы орточо өзгөрмөлүүлүктү өлчөйт.
Эгерде топтордун ортосундагы өзгөрмөлүүлүк топтордун ичиндеги өзгөрмөлүүлүктөн алда канча чоң болсо, анда топтордун ортосунда чыныгы айырмачылык болушу мүмкүн.
ANOVAда F тестин колдонуу
ANOVA – бул экиден ашык топтун орточо маанилерин салыштыруу үчүн колдонулган статистикалык ыкма. ANOVAнын ар кандай түрлөрү бар, анын ичинде бир тараптуу ANOVA, эки тараптуу ANOVA жана башка варианттар. Алардын ортосундагы негизги айырмачылык изилденген факторлордун мүнөзүнө жана санына жараша болот. Бул макалада биз F-тесттин колдонулушун көрсөтүү үчүн жөнөкөй мисал катары бир тараптуу ANOVAга токтолобуз.
Бир тараптуу ANOVA менен талдоо кадамдары
1. Гипотезаны түзүү:
– Нөлдүк гипотеза ($H_0$): Бардык популяциялык маанилер бирдей (топтордун ортосунда эч кандай айырма жок) деп айтылат.
– Альтернативдик гипотеза ($H_1$): жок дегенде бир башка популяциялык орточо маани бар деп айтылат.
2. F статистикасын эсептегиле:
– Квадраттардын жалпы суммасы (SST):
\[
SST = \sum_{i=1}^{N}(X_i – \bar{X})^2
\]
Ал маалыматтардын жалпы өзгөрмөлүүлүгүн өлчөйт.
– Топтор ортосундагы квадраттардын суммасы (SSB):
\[
SSB = \sum_{j=1}^{k} n_j (\bar{X_j} – \bar{X})^2
\]
Ал топтордун ортосундагы өзгөрмөлүүлүктү өлчөйт.
– Топ ичиндеги квадраттардын суммасы (SSW):
\[
SSW = \sum_{j=1}^{k} \sum_{i=1}^{n_j} (X_{ij} – \bar{X_j})^2
\]
Ал ар бир топтун ичиндеги өзгөрмөлүүлүктү өлчөйт.
– F статистикасын эсептегиле:
\[
F = \frac{\text{MSB}}{\text{MSW}} = \frac{\text{SSB}/(k-1)}{\text{SSW}/(Nk)}
\]
Мында MSB топтордун ортосундагы орточо квадрат, ал эми MSW топтордун ичиндеги орточо квадрат болуп саналат.
3. Маанилүүлүктүн мааниси:
F маанисин эсептегенден кийин, биз бул маанини маанилүүлүк деңгээлине (\(\альфа\)) жана эркиндик даражаларына негизденип, F бөлүштүрүүсүнүн критикалык мааниси менен салыштырабыз. Эгерде эсептелген F мааниси критикалык мааниден чоң болсо, биз нөлдүк гипотезаны четке кагабыз.
F-тест божомолдору
F-тестти колдонуу бир нече негизги божомолдорго таянарын эстен чыгарбоо маанилүү. Эгерде бул божомолдор аткарылбаса, F-тесттин жыйынтыктары жараксыз болушу мүмкүн. Бул божомолдорго төмөнкүлөр кирет:
1. Көз карандысыздык:
Ар бир топтун байкоолору бири-биринен көз карандысыз болушу керек.
2. Нормалдуулук:
Ар бир топтогу маалыматтар нормалдуу бөлүштүрүүгө ылайык келиши керек. Нормалдуулук божомолдорун Шапиро-Уилк тести сыяктуу нормалдуулук тесттери же QQ графиктерин колдонуу менен графикалык түрдө текшерүүгө болот.
3. Дисперсиянын бир тектүүлүгү:
Ар бир топтун ичиндеги дисперсиялар бирдей болушу керек. Бул божомолду Левендин же Бартлеттин тестинин жардамы менен текшерүүгө болот.
Эгерде нормалдуулук же дисперсиянын бир тектүүлүгү жөнүндөгү божомолдор аткарылбаса, анда аткарыла турган трансформациялар (мисалы, логарифмдер же квадрат тамырлар) же бул божомолдорду талап кылбаган Крускал-Уоллис Н тести сыяктуу альтернативдүү параметрдик эмес тесттер бар.
Жыйынтыктарды чечмелөө
ANOVA жүргүзүп, F жана p маанилерин алгандан кийин, кийинки кадам жыйынтыктарды чечмелөө болуп саналат. Бул жерде мүмкүн болгон чечмелөөлөрдүн айрымдары келтирилген:
1. Эгерде p-мааниси < \(\alpha\) болсо: Нөлдүк гипотеза четке кагылат, бул топтун орточо маанисинин ортосунда олуттуу айырма бар экенин көрсөтөт. 2. Эгерде p-мааниси > \(\alpha\) болсо: Нөлдүк гипотезаны четке кагуу үчүн жетиштүү далилдер жок, бул топтун орточо маанисинин ортосунда олуттуу айырма жок экенин көрсөтөт.
Нөлдүк гипотеза четке кагылса да, ANOVA кайсы топтор айырмаланарын көрсөтпөйт. Бул үчүн Тукинин HSD (чындыгында маанилүү айырмачылык), Бонферронинин коррекциясы же Сидактын тести сыяктуу пост-хок тесттери талап кылынат, алар кайсы топтордун олуттуу айырмаланарын аныктоого жардам берет.
Үлгү учур
Төмөнкү жөнөкөй мисалды карап көрөлү:
Изилдөөчү өсүмдүктөрдүн өсүшүнө үч түрдөгү жер семирткичтин эффективдүүлүгүндө олуттуу айырмачылык бар-жогун аныктагысы келет. Изилдөөчү А, В жана С жер семирткичтерин колдонгон үч топ өсүмдүктөр үчүн бир айдан кийин өсүмдүктүн бийиктигин (см менен) өлчөйт.
Гипотетикалык маалыматтар:
| А жер семирткичи | В жер семирткичи | С жер семирткичи |
|———|———|———|
| 20 | 18 | 22 |
| 21 | 17 | 23 |
| 19 | 16 | 24 |
Талдоо кадамдары:
1. Гипотезаны түзүү:
– $H_0$: Бардык жер семирткичтер үчүн өсүмдүктүн орточо бийиктиги бирдей.
– $H_1$: Өсүмдүктүн орточо бийиктиги жок дегенде бир айырмаланат.
2. F статистикасын эсептегиле:
– SST, SSB жана SSW эсептеп, F эсептөөсүн улантыңыз.
3. Маанилүүлүк мааниси менен салыштырыңыз:
– F бөлүштүрүү таблицасын жана эркиндик даражаларын колдонуп, эсептелген F мааниси маанилүүбү же жокпу, аныктайбыз.
Кесимпулан:
Эгерде F мааниси олуттуу айырмачылык бар экенин көрсөтсө, изилдөөчү кайсы топтор айырмаланарын аныктоо үчүн пост-хок тесттерин жүргүзө алат.
Корутунду
Дисперсияны талдоодогу F-тест топтордун ортосунда олуттуу айырмачылыктар бар же жок экенин аныктоо үчүн абдан пайдалуу курал болуп саналат. Статистикалык божомолдорду аткаруу менен, бул тест талданган маалыматтарга күчтүү түшүнүк бере алат. Практикалык колдонмолордо бул тест биология, социалдык изилдөөлөр, экономика жана башка ар кандай изилдөө тармактарында абдан пайдалуу. F-тестти качан жана кантип колдонууну билүү, ошондой эле анын божомолдорун жана чечмелөөлөрүн түшүнүү статистикалык талдоо сапатын жакшыртат жана маалыматтарга негизделген чечим кабыл алуу үчүн бекем негиз түзөт.
