- •Глава 5. Статистическое исследование зависимостей
- •5.1. Основные положения
- •5.2. Однофакторный анализ
- •5.2.1.Однофакторный дисперсионный анализ
- •5.2.2. Непараметрические методы
- •5.2.2.1. Однофакторный непараметрический анализ
- •5.2.2.2. Однофакторный непараметрический анализ
- •5.3. Двухфакторный анализ
- •5.3.1. Двухфакторный дисперсионный анализ
- •5.3.2. Двухфакторный непараметрический
- •5.3.2.1. Двухфакторный непараметрический анализ
- •5.3.2.2. Двухфакторный непараметрический анализ
- •Пример 5.6. Для условия, изложенного в примере 5.5, решим задачу, используя критерий Пейджа.
- •5.4. Корреляционный анализ
- •5.4.1. Вычисление параметрических
- •5.4.2. Вычисление непараметрических
- •180 181
5.2.2.2. Однофакторный непараметрический анализ
на основе критерия Джонкхиера (альтернативы
с упорядочением)
Нередко исследователю заранее известно, что имеющиеся группы результатов упорядочены по возрастанию влияния фактора. Пусть первый столбец таблицы ||xij|| соответствует наименьшему уровню, а последний – наибольшему. В таких случаях критерий Джонкхиера более чувствителен (более мощный) в сравненииcупорядоченным влиянием фактора.
Рассмотрим сначала случай, когда сравниваются только 2 способа обработки (2 уровня фактора). Фактически речь идет тогда об однородности двух выборок. Для проверки этой гипотезы рассмотрим статистику Манна–Уитни.
Пусть имеем 2 выборки: . Положим
|
(5.16) |
Статистика Манна–Уитни
|
(5.17) |
Обратившись теперь к общему случаю, когда сравниваются kспособов обработки (kуровней), поступим следующим способом. Для каждой пары уровней, где, составим по выборкам с номерамистатистики Манна–Уитни:
. |
(5.18) |
Получим U(1,2), U(1,3),...U(2,3)...U(2, k),… U(k–1, k).Определим статистику ДжонкхиераIкак для. Свидетельством противН0(в пользу альтернативы) служат большие значения статистикиI, полученные в эксперименте. Для больших объемов выборок в отношении статистикиIдействует нормальное распределение , с математическим ожиданием и дисперсией
|
(5.19)
|
где nj – количество наблюдений в каждом уровне;
N– общий объем наблюдений;
Свидетельством против Н0(в пользу альтернативы) служат большие значения статистики, полученные в эксперименте, в сравнении сР-процентными точками нормального распределенияФ(I*) = Р (табличные значения нормированной функции Лапласа). Тогда q = 1 – P – уровень значимости, уровень принятия гипотезыН0.
Пример 5.3. Для условия, изложенного в примере 5.2, решим задачу, используя критерий Джонкхиера.
Решение. Заметим, что в данном примере предлагается монотонное изменение стимулирования для оценки влияния на производительность. Поэтому оправдано применение критерия Джонкхиера. Выберем в качестве альтернативы к Н0 утверждение, что чем выше уровень стимулирования, тем выше производительность. Для вычисления статистики I найдем значения статистик Манна–Уитни U для всех комбинаций , где.
Результаты расчета:
U12 = 17, |
U23 = 17, |
U34 = 16,5, |
U45 = 22, |
U13 = 20,5, |
U24 = 20,5, |
U35 = 23,5, |
U46 = 23,5, |
U14 = 24, |
U25 = 24,5, |
U36 = 25, |
U56 = 18. |
U15 = 25, |
U26 = 25, |
|
|
U16 = 25, |
|
|
|
Отсюда .
Для нахождения минимального уровня значимости воспользуемся нормальной величиной I*:
MI = 187,5; ;
= 5; Ф(I*) = 0,999997 = P; .
Заметим, что мы получили более значительный результат () по сравнению с критерием Краскела–Уоллеса(), так как минимальный уровень значимости понизился на 3 порядка.
Задания для самостоятельной работы
1. Решите задачу, используя критерий Джонкхиера, для условия самостоятельного задания 1 предыдущего пункта и данных, приведенных в табл. 5.7.
2. Сформулируйте задачу обработки экспериментальных данныхс использованием критерия Джонкхиера. Подготовьте выборку исходных данных статистической задачи и приведите её решение.