Ανάλυση διακύμανσης: Διαφορά μεταξύ των αναθεωρήσεων

Περιεχόμενο που διαγράφηκε Περιεχόμενο που προστέθηκε
μ -μορφοπ.
Γραμμή 5:
}}
 
''' Ανάλυση Διακύμανσης''' ή '''Ανάλυση Διασποράς''' (ANOVA) ονομάζεται μια [[στατιστική μέθοδος]] [[πειραματικού σχεδιασμού]], κατά την οποία, πραγματοποιείται [[έλεγχος υποθεσέων]] με στόχο να ανιχνευθούν εάν υπάρχουν διαφορές στις μέσες τιμές περισσότερων από δύο [[στατιστικός πληθυσμός|πληθυσμών]]. Για να δοθεί απάντηση στο συγκεκριμένο ερώτημα, κατασκευάζουμε έναν έλεγχο υποθέσεων με [[Σφάλματα τύπου Α και Β|μηδενική υπόθεση ]] '''''H''<sub>0</sub>''' ότι όλα τα δείγματα προέρχονται από [[στατιστικός πληθυσμός|πληθυσμούς]] με την ίδια [[μέση τιμή]] έναντι μιας εναλλακτικής υπόθεσης ότι τουλάχιστον δύο μέσες τιμές είναι διαφορετικές. OυσιαστικάΟυσιαστικά πρόκειται για μια '''γενίκευση του [[Κατανομή t του μαθητή|T-test]]''' που εφαρμόζεται σε δύο πληθυσμούς. Θεωρητικά, θα μπορούσαν να εφαρμοστούν πολλαπλοί ανεξάρτητοι έλεγχοι, αλλά η συγκεκριμένη μεθοδολογία δεν ενδείκνυται καθότι με αυτό τον τρόπο αυξάνεται η πιθανότητα να οδηγηθούμε σε [[Σφάλματα τύπου Α και Β|σφάλμα τύπου Ι]]. Συνεπώς, η '''ANOVA''' είναι η κατάλληλη μεθοδολογία διότι, πρόκειται για: συντομότερη διαδικασία ανάλυσης ενώ έχει και ακρίβεια διάγνωσης
== ''' Ορισμός ''' ==
== ''' Ιστορία ''' ==
 
''' Ανάλυση Διακύμανσης''' ή '''Ανάλυση Διασποράς''' (ANOVA) ονομάζεται μια [[στατιστική μέθοδος]] [[πειραματικού σχεδιασμού]], κατά την οποία, πραγματοποιείται [[έλεγχος υποθεσέων]] με στόχο να ανιχνευθούν εάν υπάρχουν διαφορές στις μέσες τιμές περισσότερων από δύο [[στατιστικός πληθυσμός|πληθυσμών]]. Για να δοθεί απάντηση στο συγκεκριμένο ερώτημα, κατασκευάζουμε έναν έλεγχο υποθέσεων με [[Σφάλματα τύπου Α και Β|μηδενική υπόθεση ]] '''''H''<sub>0</sub>''' ότι όλα τα δείγματα προέρχονται από [[στατιστικός πληθυσμός|πληθυσμούς]] με την ίδια [[μέση τιμή]] έναντι μιας εναλλακτικής υπόθεσης ότι τουλάχιστον δύο μέσες τιμές είναι διαφορετικές. Oυσιαστικά πρόκειται για μια '''γενίκευση του [[Κατανομή t του μαθητή|T-test]]''' που εφαρμόζεται σε δύο πληθυσμούς. Θεωρητικά, θα μπορούσαν να εφαρμοστούν πολλαπλοί ανεξάρτητοι έλεγχοι, αλλά η συγκεκριμένη μεθοδολογία δεν ενδείκνυται καθότι με αυτό τον τρόπο αυξάνεται η πιθανότητα να οδηγηθούμε σε [[Σφάλματα τύπου Α και Β|σφάλμα τύπου Ι]]. Συνεπώς, η '''ANOVA''' είναι η κατάλληλη μεθοδολογία διότι, πρόκειται για:
* συντομότερη διαδικασία ανάλυσης
* ακρίβεια διάγνωσης
 
== ''' Ιστορία ''' ==
 
[[File:Biologist and statistician Ronald Fisher.jpg|thumb|170px|Στατιστικός & Βιολόγος Ronald Fisher]]
Η ανάλυση διακύμανσης, αρχικά,εισήχθη για πρώτη πρωτοεισήχθηφορά από τον Sir Ronald A. Fisher το 1918 στο άρθρο του ''The Correlation Between Relatives on the Supposition of Mendelian Inheritance''.<ref>''The Correlation Between Relatives on the Supposition of Mendelian Inheritance''. Ronald A. Fisher. ''Philosophical Transactions of the Royal Society of Edinburgh''. 1918. (volume 52, pages 399–433)</ref>. Η [[Ανάλυση διακύμανσης|ανάλυση διασποράς]] όμως, έγινε ευρέως γνωστή μετά το 1925 όταν εκδόθηκε το βιβλίο του R. A. Fisher, '''Statistical Methods for Research Workers''', στο οποίο την είχε συμπεριλάβει.
 
Η ανάλυση της διακυμάνσης προέκυψε από τον Fisher, κατά την προσπάθεια επίλυσης πολύπλοκων προβλημάτων [[γεωργικού πειραματισμού]].<ref>''http://www.aua.gr/gpapadopoulos/files/anova12-13a.pdf''. (pages 192-193) </ref> Η προσέγγιση της λύσης τέτοιου είδους προβλημάτων που πρότεινε, βασίζεται στην '''τυχαιοποίηση''' και στην '''επανάληψη''' του [[Πείραμα|πειράματος]].
<ref> ''http://www.aua.gr/gpapadopoulos/files/anova12-13a.pdf''. (pages 192-193) </ref>. Η προσέγγιση της λύσης τέτοιου είδους προβλημάτων που πρότεινε, βασίζεται στην '''τυχαιοποίηση''' και στην '''επανάληψη''' του [[Πείραμα|πειράματος]].
 
== ''' Προϋποθέσεις ''' ==
 
Οι προϋποθέσεις που θα χρειαστεί να ισχύουν για να μπορέσουμε να εφαρμόσουμε την ανάλυση διακύμανσης, είναι <ref> ''http://www.actuar.aegean.gr/notes/ANALUSH%20DIAKUMANSHS%203.pdf'' (pages 15/41) </ref> :
Γραμμή 26 ⟶ 20 :
* οι [[στατιστικός πληθυσμός|πληθυσμοί]] από τους οποίους επελέγησαν τα δείγματα να έχουν την ίδια [[Διακύμανση|διακύμανση]]
 
== ''' Ανάλυση Διακύμανσης κατά ένα παράγοντα ''' (one-way ANOVA) ==
 
Το πιο απλό πειραματικό σχέδιο είναι ο '''πλήρως τυχαιοποιημένος σχεδιασμός''' ''(Completely Randomized Design)'' σύμφωνα με τον οποίο, εργαζόμαστε με k ανεξάρτητα [[Τυχαίο δείγμα|τυχαία δείγματα]], ένα από κάθε πλυθησμό (η διαφορετικά έναν από κάθε στάθμη του παράγοντα '''(factor)''' και το οποίο αποτελεί γενίκευση του [[Κατανομή t-Student|ελέγχου των μέσων τιμών]] μ1 και μ 2 , δύο κανονικών πληθυσμών με δύο ανεξάρτητα τυχαία δείγματα.
Γραμμή 34 ⟶ 28 :
* Η<sub>1</sub>: μ<sub>i</sub> ≠ μ<sub>j</sub> (για ένα τουλάχιστον ζεύγος i,j)
 
== '''Παραπομπές''' ==
{{παραπομπές}}
 
== '''Βιβλιογραφία''' ==
* ''http://stat-athens.aueb.gr/~jpan/grammika-montela/chapter-II-1.pdf''
* ''http://www.actuar.aegean.gr/notes/ANALUSH%20DIAKUMANSHS%203.pdf''
* ''http://www.aua.gr/gpapadopoulos/files/anova12-13a.pdf''
* ''https://en.wikipedia.org/wiki/Analysis_of_variance#cite_note-9''
* ''https://eclass.hua.gr/modules/document/file.php/OIK272/%CE%94%CE%B9%CE%AC%CE%BB%CE%B5%CE%BE%CE%B7%203%20-%20%CE%95%CE%B9%CF%83%CE%B1%CE%B3%CF%89%CE%B3%CE%AE%20%CF%83%CF%84%CE%B7%CE%BD%20ANOVA%20-22.4.2015.pdf''
* ''http://users.uoi.gr/brapt/stat/lecture_04.pdf''
 
[[Κατηγορία:Στατιστικοί Έλεγχοι]]