Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

1 STATISIK LV Nr.: 0021 WS 2005/06 8. November 2005.

Ähnliche Präsentationen


Präsentation zum Thema: "1 STATISIK LV Nr.: 0021 WS 2005/06 8. November 2005."—  Präsentation transkript:

1 1 STATISIK LV Nr.: 0021 WS 2005/06 8. November 2005

2 2 Varianzanalyse Varianzanalyse od. ANOVA Frage: Hat ein Faktor Einfluss auf ein Merkmal? Faktor: Nominal skalierte Größe, Faktorausprägungen = Ebenen oder Stufen Merkmal (durch Faktor beeinflusst): Metrische Größe

3 3 Varianzanalyse Einfache Varianzanalyse: Ein Faktor Zweifache Varianzanalyse: Zwei Faktoren …

4 4 Varianzanalyse Test, für arithmetische Mittel von zwei oder mehr Grundgesamtheiten. –Test, ob die Differenz der arithmetischen Mittel von zwei oder mehr als zwei Grundgesamtheiten signifikant von Null verschieden ist.

5 5 Varianzanalyse Modellannahmen der Varinazanalyse: –Unabhängigkeit der Stichproben (i=1,…,r) –Normalverteilung der Merkmale mit µ i und σ i ² –Varianzhomogenität (Homoskedastizität), d.h. σ i ² = σ²

6 6 Varianzanalyse Nullhypothese: Alle Gruppen haben den gleichen Mittelwert µ H 0 : µ 1 = µ 2 = … = µ Alternativhypothese: Nicht alle Gruppen haben den gleichen Mittelwert µ H 1 : mindestens zwei µ i sind ungleich

7 7 Varianzanalyse Frage: Beeinflusst der Faktor (nominal- skalierte Größe) das Merkmal (metrisch- skalierte Größe)? Unter H 0 : µ i = µ für alle i (i = 1,…,r Faktorstufen). Abweichung, die dem Faktor zuzuschreiben sind: α i = µ i - µ (i = 1,…,r) heißen wahre Effekte auf der i-ten Ebene.

8 8 Varianzanalyse Modell der einfachen Varianzanalyse: x ij = µ + α i + e ij –µ … Gesamtmittelwert –α i … Effekt auf der i-ten Ebene –e ij … Versuchsfehler = die Abweichung eines zufällig aus der i-ten Ebene des Faktors herausgegriffenen Beobachtungswertes x ik vom Mittelwert µ i dieser Ebene. e ij = x ij – µ i = x ij – (µ + α i )

9 9 Varianzanalyse Beispiel: Zugfestigkeit von r = 3 Drahtsorten überprüfen, je Sorte 6 Proben, unabhängig voneinander und N(µ i,σ²)-vt. Frage: Bestehen signifikante Unterschiede in der Zugfestigkeit? i Drahtsorte j , ,415,69,6 38,214,211,5 43,91319,4 57,36,817,1 610,89,714,4

10 10 Varianzanalyse Vorgehensweise: Gesamtmittelwert aller Faktorstufen und Mittelwerte der Faktorstufen bestimmen Bestimmung der Abweichungen Zerlegung der Abweichungsquadratsumme Teststatistik und Testverteilung bestimmen Entscheidung, Interpretation

11 11 Varianzanalyse Gesamtmittelwert über alle Faktorstufen r Mittelwerte der r Faktorstufen

12 12 Varianzanalyse Beispiel: Drahtsorten i Drahtsorte j123 x.. 197, ,415,69,6 38,214,211,5 43,91319,4 57,36,817,1 610,89,714,4 x i. 9,111,11511,7

13 13 Varianzanalyse Abweichungen: Quadratsumme der Abweichungen (Sum of Squares) –Abweichungen der Beobachtungen vom Gesamtmittelwert. –Summe der Quadratischen Abweichungen –Bezeichnungen: SST (Total), SSG (Gesamt)

14 14 Varianzanalyse Sum of Squares: –Abweichungen der Beobachtungen der einzelnen Messreihen vom Mittelwert der jeweiligen Messreihe. –Summe der Quadratischen Abweichungen des Restes, Maß für die nicht durch den Faktor beeinflusste Restvariabilität –Bezeichnungen: SSW (Within), SSE (Error), SSR (Residual).

15 15 Varianzanalyse Sum of Squares: –Abweichungen der Mittelwerte der einzelnen Messreihen vom Gesamtmittelwert. –Mit Stichprobengröße multiplizierte Summe der Quadratischen Abweichungen der Stichprobenmittelwerte vom Gesamtmittelwert, also der beobachteten Effekte des Faktors. –Bezeichnungen: SSB (Between), SSE (Explained), SSM (Model), SST (Treatment),

16 16 Varianzanalyse Quadratsummenzerlegung: SST = SSB + SSW Interpretation: Gesamtvariation (SST) setzt sich aus der Variation zwischen den Messreihen (SSB) und der Variation innerhalb der Messreihen (SSW) zusammen.

17 17 Varianzanalyse Idee für Test: –Vergleich der Variation zwischen den Messreihen mit der Variation innerhalb der Messreihen –Ist die Variation zwischen den Messreihen größer als jene innerhalb der Messreihen, schließe auf Unterschied zwischen den Messreihen (Faktoreffekt).

18 18 Varianzanalyse Teststatistik – Idee: –Aus den Beobachtungswerten werden zwei voneinander unabhängige Schätzwerte für s W ² und s B ² für die Varianzen der Beobachtungswerte innerhalb und zwischen den Stichproben bestimmt. –Liegen keine wahren Effekte vor (Gültigkeit von H 0 ), sind s W ² und s B ² (bis auf zufällige Abweichungen) gleich. –Bei Vorhandensein von wahren Effekten (H 1 ) ist s B ² systematisch größer als s W ².

19 19 Varianzanalyse Erwartungstreuer Schätzer für die Varianz innerhalb der Messreihen (Restvarianz): Erwartungstreuer Schätzer für die Varianz zwischen den Messreihen (Faktoreffekt)

20 20 Varianzanalyse Mittlere Quadratsummen (MSS = Mean Sum of Squares): Quadratsummen dividiert durch entsprechende Freiheitsgrade MSB und MSW sind erwartungstreue Schätzer der Varianz zwischen- und innerhalb der Messreihen.

21 21 Varianzanalyse Varianzanalysetafel (r Messreihen): Streuungs- ursache Freiheits- grade (DF) Quadrat- summe (SS) Mittlere Quadratsumme (MS) Unterschied zw Messreihen r-1SSB (Between) MSB = SSB / (r-1) Zufälliger Fehler N-rSSW (Within) MSW = SSW / (N-r) GesamtN-1SST (Total)

22 22 Varianzanalyse Teststatistik: F = MSB / MSW F ~ F (r-1),(N-r) Entscheidung: Ist F F c, lehne H 0 nicht ab (F c = kritischer Wert der F-Verteilung mit (r-1) und (N-r) Freiheitsgraden).

23 23 Varianzanalyse Beispiel: Drahtsorten Quadratsummenzerlegung: SST = SSB + SSW –324,62 = 108, ,58 Mittlere Quadratsummen: –MSB = 108,04 / (3-1) = 54,02 –MSW = 216,58 / (18-3) = 14,44 Teststatistik: –F = MSB / MSW = 3,74 Kritischer Wert der F 2;15 Vt. 3,68 Entscheidung: 3,74 > 3,68 => H 0 ablehnen, d.h. es besteht ein signifikanter Unterschied zw. den Sorten

24 24 Varianzanalyse Zweifache Varianzanalyse: –2 Faktoren (A und B, wobei r Faktorstufen bei A und p Faktorstufen bei B) –1 metrische Variable Unterscheidung: –Modell ohne Wechselwirkungen zw. den Faktoren –Modell mit Wechselwirkungen zw. den Faktoren

25 25 Varianzanalyse Modell ohne Wechselwirkungen zw. den Faktoren x ijk = µ + α i + β j + e ijk (für i=1,…,r, j=1,…,p, k=1,…,n) –µ gemeinsamer Mittelwert –α, β Faktoreffekte –e ijk zufällige Fehler

26 26 Varianzanalyse Mittelwerte: Gesamt Faktor A Faktor B

27 27 Varianzanalyse Schätzer für Gesamtmittel und Effekte Gesamtmittel Effekt von Faktor A Effekt von Faktor B

28 28 Varianzanalyse Quadratsummen SSR = SST – SSE(A) – SSE(B)

29 29 Varianzanalyse Quadratsummenzerlegung –SST = SSE(A) + SSE(B) + SSR Mittlere Quadratsummen: –MSE(A) = SSE(A) / (r-1) –MSE(B) = SSE(B) / (p-1) –MSR = SSR / (rpn-r-p+1)

30 30 Varianzanalyse Prüfgrößen und kritische Werte: Faktor A: –F(A) = MSE(A) / MSR –F r-1,(nrp-r-p+1);1-α Faktor B: –F(B) = MSE(B) / MSR –F p-1,(nrp-r-p+1);1-α

31 31 Varianzanalyse Beispiel: 2 Faktoren (Erreger, Antibiotikum) Erreger i (A) Antibiotikum j (B) 123MittelwerteSchätzer a i k ,50, ,7-0, ,3-0,500 Mittelwerte 39,838,235,537,8 Schätzer b j 2,0000,333-2,333

32 32 Varianzanalyse Modell mit Wechselwirkungen zw. den Faktoren x ijk = µ + α i + β j + (αβ) ij + e ijk (für i=1,…,r, j=1,…,p, k=1,…,n) –µ gemeinsamer Mittelwert –α, β Faktoreffekte –αβWechselwirkung –e ijk zufällige Fehler

33 33 Varianzanalyse Mittelwerte: Gesamt Faktor A Faktor B Wechselwirkung

34 34 Varianzanalyse Gesamtmittel und Effekte Gesamtmittel Effekt von Faktor A Effekt von Faktor B Effekt der Wechselwirkung

35 35 Varianzanalyse Quadratsummen SSR = SST – SSE(A) – SSE(B) – SSE(AB)

36 36 Varianzanalyse Quadratsummenzerlegung –SST = SSE(A) + SSE(B) + SSE(AB) + SSR Mittlere Quadratsummen: –MSE(A) = SSE(A) / (r-1) –MSE(B) = SSE(B) / (p-1) –MSE(AB) = SSE(AB) / (p-1)(r-1) –MSR = SSR / rp(n-1)

37 37 Varianzanalyse Prüfgrößen und kritische Werte: Faktor A: –F(A) = MSE(A) / MSR –F r-1, pr(n-1); 1-α Faktor B: –F(B) = MSE(B) / MSR –F p-1, pr(n-1); 1-α Wechselwirkung: –F(AB) = MSE(AB) / MSR –F (p-1)(r-1), pr(n-1); 1-α

38 38 Varianzanalyse Beispiel: 2 Faktoren + Wechselwirkung Erreger i Antibiotikum j (Faktor B) (Faktor A) 123 x i.. aiai kx i1k x i1. (ab) i1 x i2k x i2. (ab) i2 x i3k x i3. (ab) i ,5-4, ,51, ,52, ,50, ,53, , ,5-1, ,7-0, ,50, , ,5-0, ,3-0,500 x.j. 39,8 38,2 35,5 37,8 bjbj 2,000 0,333 -2,333

39 39 Varianzanalyse Beispiel: Varianzanalysetafel Faktor Erreger: kein Effekt Faktor Antibiotikum: Effekt Interaktion: Effekt (impliziert, dass auch Faktor Erreger eine Wirkung hat). Streuungs- ursache Freiheits- grade Quadrat- summe Mittlere Quadrats. Test- statistik Kritischer Wert Erreger24,332,166670,524,26 Antibiotikum257,3328,66676,884,26 Interaktion493,3323,33335,603,63 Fehler937,504,16667 Total17192,5

40 40 Varianzanalyse

41 41 Nichtparametrische ANOVA Kruskal-Wallis Test Unterscheiden sich die Mittelwerte von p Messreihen (n 1, …, n p )? Voraussetzungen: –Stetige Verteilung der Messreihen –Mindestens Ordinalskala –Setzt weder Normalverteilung, noch Varianzhomogenität voraus. Hypothese: –H 0 : Mittelwerte der p Messreihen sind gleich –H 1 : Mittelwerte unterscheiden sich

42 42 Nichtparametrische ANOVA Vorgehensweise: –N Messwerten X 11, …, X pnp werden Rangzahlen r ij zugewiesen. –Summe der Ränge der einzelnen Messreihen berechnen: –Bindungen (mehrere Messwerte sind gleich): Mittelwert der Ränge

43 43 Nichtparametrische ANOVA Prüfgröße: –g … Anzahl der verschiedenen Messwerte –t … wie oft tritt ein Messwert auf –Treten keine Bindungen auf, ist B = 1

44 44 Nichtparametrische ANOVA Entscheidung: –H 0 ablehnen, wenn H > h p(n1,…,np);1-α –h … kritische Werte (Tabelle, z.B. Hartung S. 615) Approximation durch χ² p-1,1-α Verteilung: –H 0 ablehnen, wenn H > χ² p-1,1-α (Quantile der χ² Verteilung)


Herunterladen ppt "1 STATISIK LV Nr.: 0021 WS 2005/06 8. November 2005."

Ähnliche Präsentationen


Google-Anzeigen