د توپیر په تحلیل کې د F ازموینه

د توپیر په تحلیل کې د F ازموینه

پنډاهولوان

په احصایوي څیړنه کې، یو له اصلي اهدافو څخه دا دی چې پوه شي چې ایا د څو معلوماتو سیټونو ترمنځ د پام وړ توپیرونه شتون لري. د F-ټیسټ یوه طریقه ده چې د دې هدف لپاره کارول کیږي، په ځانګړې توګه د توپیر تحلیل (ANOVA) په شرایطو کې. دا ازموینه د تجربوي معلوماتو تحلیل کې اړینه ده ، ځکه چې دا څیړونکو ته اجازه ورکوي چې د تجربوي پایلو اعتبار ارزونه وکړي په دې شرط چې دوی ځینې احصایوي انګیرنې پوره کړي. پدې مقاله کې، موږ به د توپیر تحلیل کې د F-ټیسټ مفهوم، غوښتنلیک، انګیرنې او تفسیر وپلټو.

د F ټیسټ اساسي مفهوم

د F-ازموینې نوم ځکه ورکړل شوی چې ارزښتونه یې د F-توزیع تعقیبوي، کوم چې د احتمالي دوامداره ویش دی چې ډیری وختونه د توپیر په تحلیل کې کارول کیږي. د F-توزیع د ګروپ دننه تغیر سره د ګروپ ترمنځ تغیر پرتله کولو لپاره کارول کیږي، کوم چې د دې په ټاکلو کې مرسته کوي چې ایا د ګروپ وسیلو ترمنځ د پام وړ توپیر شتون لري.

د F ازموینې مهمې برخې دا دي:

۱. د ګروپ دننه تغیر (د ګروپونو دننه تغیر): د هرې ډلې دننه د معلوماتو توپیر اندازه کوي.
۲. د ګروپونو ترمنځ تغیر (د ګروپونو ترمنځ تغیر): د ډلو ترمنځ اوسط توپیر اندازه کوي.

که چیرې د ډلو ترمنځ تغیر د ډلو دننه تغیر څخه ډیر وي، نو احتمال لري چې د ډلو ترمنځ ریښتینی توپیر شتون ولري.

په ANOVA کې د F ټیسټ تطبیق

انووا یوه احصایوي تخنیک ده چې د دوو څخه زیاتو ډلو د وسیلو پرتله کولو لپاره کارول کیږي . د انووا مختلف ډولونه شتون لري، پشمول د یو طرفه انووا ، دوه طرفه انووا، او نور ډولونه. د دوی ترمنځ اصلي توپیر د مطالعې شوي فکتورونو په ماهیت او شمیر پورې اړه لري. پدې مقاله کې، موږ به د F- ازموینې د پلي کولو د روښانه کولو لپاره د یوې ساده مثال په توګه په یو طرفه انووا تمرکز وکړو.

د یو اړخیزه انووا سره د تحلیل مرحلې

۱. فرضیه فورمول بندي:
- بې معنی فرضیه ($H_0$): دا په ګوته کوي چې د ټولو نفوسو معنی یو شان ده (د ډلو ترمنځ هیڅ توپیر نشته).
– بدیل فرضیه ($H_1$): دا په ګوته کوي چې لږترلږه یو مختلف نفوس اوسط شتون لري.

۲. د F احصایه محاسبه کړئ:
- د مربعونو ټولګه (SST):
\[
SST = \sum_{i=1}^{N}(X_i – \bar{X})^2
\]
دا په معلوماتو کې ټول بدلون اندازه کوي.

- د مربعونو مجموعه (SSB) ترمنځ ګروپ:
\[
SSB = \sum_{j=1}^{k} n_j (\bar{X_j} – \bar{X})^2
\]
دا د ډلو ترمنځ تغیر اندازه کوي.

– د ګروپ دننه د مربعونو مجموعه (SSW):
\[
SSW = \sum_{j=1}^{k} \sum_{i=1}^{n_j} (X_{ij} – \bar{X_j})^2
\]
دا د هرې ډلې دننه تغیر اندازه کوي.

- د F احصایه محاسبه کړئ:
\[
F = \frac{\text{MSB}}{\text{MSW}} = \frac{\text{SSB}/(k-1)}{\text{SSW}/(Nk)}
\]
چیرې چې MSB د ډلو ترمنځ منځنۍ مربع ده او MSW د ډلو دننه منځنۍ مربع ده.

۳. د اهمیت ارزښت:
د F ارزښت محاسبه کولو وروسته، موږ دا ارزښت د اهمیت کچې (\(\alpha\)) او د آزادۍ درجو پراساس د F ویش د مهم ارزښت سره پرتله کوو. که چیرې محاسبه شوی F ارزښت د مهم ارزښت څخه لوی وي، موږ د صفر فرضیه ردوو.

د F- ازموینې انګیرنې

دا مهمه ده چې په یاد ولرئ چې د F- ازموینې پلي کول په څو اساسي انګیرنو تکیه کوي. که چیرې دا انګیرنې پوره نشي، د F- ازموینې پایلې ممکن باطلې وي. پدې انګیرنو کې شامل دي:

۱. خپلواکي:
په هره ډله کې مشاهدې باید له یو بل څخه خپلواکې وي.

۲. نورمالیت:
په هر ګروپ کې معلومات باید د عادي ویش تعقیب کړي. د نورمالیت انګیرنې د نورمالیت ازموینو لکه د شاپیرو-ویلک ازموینې په کارولو سره یا په ګرافیکي ډول د QQ پلاټونو په کارولو سره ازمول کیدی شي.

۳. د توپیر یوشانوالی:
د هرې ډلې دننه توپیرونه باید مساوي وي. دا انګیرنه د لیوین ازموینې یا بارټلیټ ازموینې په کارولو سره ازمول کیدی شي.

که چیرې د تغیراتو د نورمالیت یا همجنسیت انګیرنې پوره نشي، نو داسې بدلونونه شتون لري چې ترسره کیدی شي (لکه لوګاریتم یا مربع ریښې) یا بدیل غیر پیرامیټریک ازموینې لکه د کرسکل-والیس H ازموینه چې دې انګیرنو ته اړتیا نلري.

د پایلو تفسیر

د ANOVA ترسره کولو او د F-value او p-value ترلاسه کولو وروسته، بل ګام د پایلو تفسیر کول دي. دلته ځینې ممکنه تفسیرونه دي:

۱. که چیرې د p-value <\(\alpha\): نولسمه فرضیه رد شي، دا په ګوته کوي چې د ګروپ وسیلو ترمنځ د پام وړ توپیر شتون لري. ۲. که چیرې د p-value > \(\alpha\): نولسمه فرضیه ردولو لپاره کافي شواهد شتون نلري، دا په ګوته کوي چې د ګروپ وسیلو ترمنځ د پام وړ توپیر شتون نلري.

حتی که چیرې بې معنی فرضیه رد شي، ANOVA دا نه ښیي چې کومې ډلې توپیر لري. دا د پوسټ هاک ازموینو ته اړتیا لري لکه د توکي HSD (په صادقانه توګه د پام وړ توپیر)، د بونفیروني اصلاح، یا د سیداک ازموینه، کوم چې کولی شي د دې پیژندلو کې مرسته وکړي چې کومې ډلې د پام وړ توپیر لري.

د نمونې قضیه

راځئ چې لاندې ساده مثال په پام کې ونیسو:

یو څېړونکی غواړي دا معلومه کړي چې ایا د نباتاتو په وده کې د درې ډوله سرې په اغیزمنتوب کې د پام وړ توپیر شتون لري. څېړونکی د یوې میاشتې وروسته د نباتاتو د دریو ډلو لپاره چې د A، B او C سرې کاروي د نبات لوړوالی (په سانتي مترو کې) اندازه کوي.

فرضي معلومات:

| سرې الف | سرې ب | سرې ج |
|———|———|———|
| ۱ | 20 | 18 |
| ۱ | 21 | 17 |
| ۱ | 19 | 16 |

د تحلیل مرحلې:

۱. فرضیه فورمول بندي:
– $H_0$: د ټولو سرې لپاره د نبات اوسط لوړوالی یو شان دی.
– $H_1$: لږ تر لږه د یو نبات اوسط لوړوالی توپیر لري.

۲. د F احصایه محاسبه کړئ:
– SST، SSB، او SSW محاسبه کړئ او د F محاسبې ته دوام ورکړئ.

۳. د اهمیت ارزښت سره پرتله کول:
- د F ویش جدول او د آزادۍ درجو په کارولو سره، موږ دا معلومه کوو چې ایا محاسبه شوی F ارزښت د پام وړ دی.

پایله:

که چیرې د F ارزښت دا په ګوته کړي چې د پام وړ توپیر شتون لري، نو څیړونکی کولی شي د پوسټ هاک ازموینو سره مخ شي ترڅو معلومه کړي چې کومې ډلې توپیر لري.

پایله

د توپیر په تحلیل کې د F- ازموینه د دې معلومولو لپاره خورا ګټوره وسیله ده چې ایا د ډلو ترمنځ د پام وړ توپیرونه شتون لري. د احصایوي انګیرنو په پوره کولو سره، دا ازموینه کولی شي د تحلیل شوي معلوماتو په اړه قوي بصیرت چمتو کړي. په عملي غوښتنلیکونو کې، دا ازموینه په مختلفو څیړنیزو برخو لکه بیولوژي، ټولنیزو مطالعاتو، اقتصاد، او داسې نورو کې خورا ګټوره ده. د F- ازموینې کارولو وخت او څنګه پوهیدل، او همدارنګه د هغې د انګیرنو او تفسیرونو پوهیدل به د احصایوي تحلیل کیفیت ښه کړي او د معلوماتو پر بنسټ پریکړې کولو لپاره به قوي بنسټ چمتو کړي.