மாறுபாட்டுப் பகுப்பாய்வில் F சோதனை

மாறுபாட்டுப் பகுப்பாய்வில் F சோதனை

பெண்டாஹுலுவான்

புள்ளிவிவர ஆராய்ச்சியில், பல தரவுத் தொகுப்புகளுக்கு இடையே குறிப்பிடத்தக்க வேறுபாடுகள் உள்ளதா என்பதைப் புரிந்துகொள்வதே முக்கிய குறிக்கோள்களில் ஒன்றாகும். இந்த நோக்கத்திற்காகப் பயன்படுத்தப்படும் ஒரு முறை F-சோதனை ஆகும், குறிப்பாக மாறுபாட்டுப் பகுப்பாய்வின் (ANOVA) சூழலில் இது பயன்படுத்தப்படுகிறது. சோதனைத் தரவுப் பகுப்பாய்வில் இந்தச் சோதனை இன்றியமையாதது , ஏனெனில் சில புள்ளிவிவர அனுமானங்கள் பூர்த்தி செய்யப்படும் பட்சத்தில், சோதனை முடிவுகளின் நம்பகத்தன்மையை மதிப்பிட இது ஆராய்ச்சியாளர்களை அனுமதிக்கிறது. இந்தக் கட்டுரையில், மாறுபாட்டுப் பகுப்பாய்வில் F-சோதனையின் கருத்து, பயன்பாடு, அனுமானங்கள் மற்றும் விளக்கம் ஆகியவற்றை நாம் ஆராய்வோம்.

F சோதனையின் அடிப்படைக் கருத்து

F-சோதனையின் மதிப்புகள் F-பரவலைப் பின்பற்றுவதால், அதற்கு அந்தப் பெயர் வந்தது. F-பரவல் என்பது மாறுபாட்டுப் பகுப்பாய்வில் அடிக்கடி பயன்படுத்தப்படும் ஒரு தொடர்ச்சியான நிகழ்தகவுப் பரவலாகும் . குழுக்களுக்கு இடையேயான மாறுபாட்டை, குழுவிற்குள் உள்ள மாறுபாட்டுடன் ஒப்பிடுவதற்கு F-பரவல் பயன்படுத்தப்படுகிறது. இது, குழு சராசரிகளுக்கு இடையே குறிப்பிடத்தக்க வேறுபாடு உள்ளதா என்பதைத் தீர்மானிக்க உதவுகிறது.

F சோதனையின் முக்கிய கூறுகள் பின்வருமாறு:

1. குழுவிற்குள் உள்ள மாறுபாடு (குழுக்களுக்குள் உள்ள மாறுபாடு): ஒவ்வொரு குழுவிற்குள்ளும் உள்ள தரவுகளின் மாறுபாட்டை அளவிடுகிறது.
2. குழுக்களுக்கு இடையேயான மாறுபாடு (குழுக்களுக்கு இடையேயான மாறுபாடு): குழுக்களுக்கு இடையேயான சராசரி மாறுபாட்டை அளவிடுகிறது.

குழுக்களுக்கு இடையேயான மாறுபாடு, குழுக்களுக்குள் இருக்கும் மாறுபாட்டை விட மிக அதிகமாக இருந்தால், குழுக்களுக்கு இடையே உண்மையான வேறுபாடு இருப்பதற்கு வாய்ப்புள்ளது.

ANOVA-வில் F சோதனையின் பயன்பாடு

ANOVA என்பது இரண்டிற்கும் மேற்பட்ட குழுக்களின் சராசரிகளை ஒப்பிடுவதற்குப் பயன்படுத்தப்படும் ஒரு புள்ளியியல் நுட்பமாகும் . ஒருவழி ANOVA , இருவழி ANOVA மற்றும் பிற வகைகள் உட்பட, ANOVA-வில் பல்வேறு வகைகள் உள்ளன. அவற்றுக்கிடையேயான முக்கிய வேறுபாடு, ஆய்வு செய்யப்படும் காரணிகளின் தன்மை மற்றும் எண்ணிக்கையைப் பொறுத்தது. இந்தக் கட்டுரையில், F-சோதனையின் பயன்பாட்டை விளக்குவதற்கான ஒரு எளிய உதாரணமாக, ஒருவழி ANOVA-வில் கவனம் செலுத்துவோம்.

ஒருவழி ANOVA உடனான பகுப்பாய்வு படிகள்

1. கருதுகோள் உருவாக்கம்:
– பூஜ்ஜிய கருதுகோள் ($H_0$): அனைத்து மக்கள்தொகை சராசரிகளும் ஒரே மாதிரியானவை (குழுக்களுக்கு இடையே வேறுபாடு இல்லை) என்று கூறுகிறது.
– மாற்று கருதுகோள் ($H_1$): குறைந்தது ஒரு வேறுபட்ட மக்கள்தொகை சராசரியாவது உள்ளது என்று கூறுகிறது.

2. F புள்ளிவிவரத்தைக் கணக்கிடுக:
– வர்க்கங்களின் மொத்தக் கூட்டுத்தொகை (SST):
\[
SST = \sum_{i=1}^{N}(X_i – \bar{X})^2
\]
இது தரவுகளில் உள்ள மொத்த மாறுபாட்டை அளவிடுகிறது.

– குழுக்களுக்கு இடையேயான வர்க்கங்களின் கூட்டுத்தொகை (SSB):
\[
SSB = \sum_{j=1}^{k} n_j (\bar{X_j} – \bar{X})^2
\]
இது குழுக்களுக்கு இடையேயான மாறுபாட்டை அளவிடுகிறது.

– குழுவிற்குள் வர்க்கங்களின் கூட்டுத்தொகை (SSW):
\[
SSW = \sum_{j=1}^{k} \sum_{i=1}^{n_j} (X_{ij} – \bar{X_j})^2
\]
இது ஒவ்வொரு குழுவிற்குள்ளும் உள்ள மாறுபாட்டை அளவிடுகிறது.

– F புள்ளிவிவரத்தைக் கணக்கிடுங்கள்:
\[
F = \frac{\text{MSB}}{\text{MSW}} = \frac{\text{SSB}/(k-1)}{\text{SSW}/(Nk)}
\]
இதில் MSB என்பது குழுக்களுக்கு இடையேயான சராசரி வர்க்கம் மற்றும் MSW என்பது குழுக்களுக்குள் உள்ள சராசரி வர்க்கம் ஆகும்.

3. முக்கியத்துவ மதிப்பு:
F மதிப்பைக் கணக்கிட்ட பிறகு, முக்கியத்துவ நிலை (\(\alpha\)) மற்றும் தன்னிச்சை அளவுகளின் அடிப்படையில், இந்த மதிப்பை F பரவலின் முக்கிய மதிப்புடன் ஒப்பிடுகிறோம். கணக்கிடப்பட்ட F மதிப்பு முக்கிய மதிப்பை விட அதிகமாக இருந்தால், நாம் பூஜ்ஜிய கருதுகோளை நிராகரிக்கிறோம்.

F-சோதனை அனுமானங்கள்

F-சோதனையின் பயன்பாடு பல அடிப்படை அனுமானங்களைச் சார்ந்துள்ளது என்பதை நினைவில் கொள்வது அவசியம். இந்த அனுமானங்கள் பூர்த்தி செய்யப்படாவிட்டால், F-சோதனை முடிவுகள் செல்லாததாக ஆகக்கூடும். இந்த அனுமானங்களில் பின்வருவன அடங்கும்:

1. சுதந்திரம்:
ஒவ்வொரு குழுவிலும் உள்ள அவதானிப்புகள் ஒன்றுக்கொன்று சார்பற்றவையாக இருக்க வேண்டும்.

2. இயல்புநிலை:
ஒவ்வொரு குழுவிலும் உள்ள தரவுகள் இயல்நிலைப் பரவலைப் பின்பற்ற வேண்டும். இயல்நிலை அனுமானங்களை, ஷாபிரோ-வில்்க் சோதனை போன்ற இயல்நிலைச் சோதனைகளைப் பயன்படுத்தியோ அல்லது QQ வரைபடங்களைப் பயன்படுத்தியோ வரைபட ரீதியாகச் சோதிக்கலாம்.

3. மாறுபாட்டின் ஒருபடித்தன்மை:
ஒவ்வொரு குழுவிலும் உள்ள மாறுபாடுகள் சமமாக இருக்க வேண்டும். இந்த அனுமானத்தை லெவின் சோதனை அல்லது பார்ட்லெட் சோதனையைப் பயன்படுத்திச் சோதிக்கலாம்.

இயல்புநிலை அல்லது மாறுபாட்டின் ஒருபடித்தன்மை ஆகிய அனுமானங்கள் பூர்த்தி செய்யப்படாவிட்டால், மடக்கைகள் அல்லது வர்க்கமூலங்கள் போன்ற உருமாற்றங்களைச் செய்யலாம் அல்லது இந்த அனுமானங்கள் தேவைப்படாத க்ருஸ்கல்-வாலிஸ் H சோதனை போன்ற மாற்று அண்மைநிலைச் சோதனைகளை மேற்கொள்ளலாம்.

முடிவுகளின் விளக்கம்

ANOVA-வை நடத்தி, F-மதிப்பு மற்றும் p-மதிப்பைப் பெற்ற பிறகு, அடுத்த கட்டம் முடிவுகளை விளக்குவதாகும். சாத்தியமான சில விளக்கங்கள் இதோ:

1. p-மதிப்பு < \(\alpha\) எனில்: பூஜ்ஜிய கருதுகோள் நிராகரிக்கப்படுகிறது, இது குழு சராசரிகளுக்கு இடையே குறிப்பிடத்தக்க வேறுபாடு இருப்பதைக் குறிக்கிறது. 2. p-மதிப்பு > \(\alpha\) எனில்: பூஜ்ஜிய கருதுகோளை நிராகரிக்கப் போதுமான ஆதாரம் இல்லை, இது குழு சராசரிகளுக்கு இடையே குறிப்பிடத்தக்க வேறுபாடு இல்லை என்பதைக் குறிக்கிறது.

பூஜ்ஜிய கருதுகோள் நிராகரிக்கப்பட்டாலும், எந்தக் குழுக்கள் வேறுபடுகின்றன என்பதை ANOVA காட்டுவதில்லை. இதற்கு, எந்தக் குழுக்கள் குறிப்பிடத்தக்க அளவில் வேறுபடுகின்றன என்பதைக் கண்டறிய உதவக்கூடிய டக்கிஸ் HSD (உண்மையிலேயே குறிப்பிடத்தக்க வேறுபாடு), போன்ஃபெரோனியின் திருத்தம் அல்லது சிடாக்கின் சோதனை போன்ற பின்தொடர் சோதனைகள் தேவைப்படுகின்றன.

மாதிரி வழக்கு

பின்வரும் எளிய உதாரணத்தைக் கருத்தில் கொள்வோம்:

தாவர வளர்ச்சியில் மூன்று வகையான உரங்களின் செயல்திறனில் குறிப்பிடத்தக்க வேறுபாடு உள்ளதா என்பதை ஒரு ஆராய்ச்சியாளர் கண்டறிய விரும்புகிறார். அந்த ஆராய்ச்சியாளர், A, B, மற்றும் C ஆகிய உரங்களைப் பயன்படுத்திய மூன்று தாவரக் குழுக்களின் உயரத்தை ஒரு மாதத்திற்குப் பிறகு (செ.மீ.-ல்) அளவிடுகிறார்.

கருதுகோள் தரவு:

| உரம் A | உரம் B | உரம் C |
|———|———|———|
| 20 | 18 | 22 |
| 21 | 17 | 23 |
| 19 | 16 | 24 |

பகுப்பாய்வு படிகள்:

1. கருதுகோள் உருவாக்கம்:
– $H_0$: அனைத்து உரங்களுக்கும் சராசரி தாவர உயரம் ஒரே மாதிரியாக இருக்கும்.
– $H_1$: குறைந்தபட்சம் ஒரு சராசரி தாவர உயரம் வேறுபடுகிறது.

2. F புள்ளிவிவரத்தைக் கணக்கிடுக:
– SST, SSB, மற்றும் SSW ஆகியவற்றைக் கணக்கிட்டு, F கணக்கீட்டைத் தொடரவும்.

3. முக்கியத்துவ மதிப்புடன் ஒப்பிடுக:
F பரவல் அட்டவணை மற்றும் தன்னிச்சை அளவுகளைப் பயன்படுத்தி, கணக்கிடப்பட்ட F மதிப்பு குறிப்பிடத்தக்கதா என்பதை நாம் தீர்மானிக்கிறோம்.

கேசிம்புலன்:

F மதிப்பு ஒரு குறிப்பிடத்தக்க வேறுபாடு இருப்பதைக் காட்டினால், எந்தக் குழுக்கள் வேறுபடுகின்றன என்பதைத் தீர்மானிக்க, ஆராய்ச்சியாளர் பின்தொடர் சோதனைகளை மேற்கொள்ளலாம்.

முடிவுரை

மாறுபாட்டுப் பகுப்பாய்வில் உள்ள F-சோதனையானது, குழுக்களுக்கு இடையே குறிப்பிடத்தக்க வேறுபாடுகள் உள்ளதா என்பதைத் தீர்மானிப்பதற்கான மிகவும் பயனுள்ள ஒரு கருவியாகும். புள்ளிவிவர அனுமானங்களைப் பூர்த்தி செய்வதன் மூலம், இந்தச் சோதனையானது பகுப்பாய்வு செய்யப்பட்ட தரவுகள் குறித்த ஆழமான பார்வைகளை வழங்க முடியும். நடைமுறைப் பயன்பாடுகளில், இந்தச் சோதனையானது உயிரியல், சமூக அறிவியல், பொருளாதாரம் போன்ற பல்வேறு ஆராய்ச்சித் துறைகளில் மிகவும் உதவியாக இருக்கிறது. F-சோதனையை எப்போது, ​​எப்படிப் பயன்படுத்த வேண்டும் என்பதை அறிந்துகொள்வதும், அதன் அனுமானங்களையும் விளக்கங்களையும் புரிந்துகொள்வதும், புள்ளிவிவரப் பகுப்பாய்வின் தரத்தை மேம்படுத்தி , தரவு சார்ந்த முடிவெடுப்பதற்கு ஒரு உறுதியான அடித்தளத்தை வழங்கும்.