Faktöriyel Tasarımlar
|
|
- Asli Derya Çimen
- 6 yıl önce
- İzleme sayısı:
Transkript
1 İstatistiksel Deney Tasarımı Birdal Şenoğlu & Şükrü Acıtaş 1 / 99
2 Kesirli 2 / 99
3 Fisher (1935) ve Yates (1937) tarafından önerilen Faktöriyel deneyler (factorial experiments) veya bir çok kaynakta belirtildiği gibi faktöriyel tasarımlar (factorial designs), iki ya da ikiden fazla faktörün ana etkilerini (main effects) ve etkileşim etkilerini (interaction) aynı anda araştırmak için kullanılan oldukça popüler tasarımlardır. Özellikle mühendislik alanında yaygın bir kullanıma sahiptirler. Faktöriyel tasarımlar, zaman ve para tasarrufu sağlamak bakımından, her seferinde bir tane faktörün etkisini araştıran geleneksel tasarımlara göre çok daha etkindirler. Bunun yanı sıra, faktörler arasındaki etkileşim veya etkileşimleri araştırmak bakımından da her seferinde bir tane faktörün etkisini araştıran tasarımlara göre avantaj sağlarlar. Faktöriyel tasarımları, iç-içe tasarımlardan ayıran en önemli unsur, deneyde kullanılan herhangi bir faktörün düzeylerinin tamamının diğer faktör ya da faktörlerin her bir düzeyinde aynı/özdeş olmasıdır. Faktörler arasındaki etkileşimin temel nedeni de budur. Kesirli 3 / 99
4 "Faktöriyel tasarımları", uygulamada yaygın olarak kullanılan2 k,3 k,... gibi bazı özel faktöriyel tasarımlarla karıştırmamak için "genel faktöriyel tasarımlar" olarak adlandıracağız. Faktöriyel tasarımların özel hallerinden ise ayrıca bahsedeceğiz. Kesirli 4 / 99
5 Faktöriyel tasarımlarda, denemeler, faktör kombinasyonlarını ifade eder. Örneğin, A ve B faktörleri sırasıyla 3 ve 4 düzeye sahip olsun ve bu düzeyler, (a 1,a 2,a 3 ) ve (b 1,b 2, b 3,b 4 ) sembolleriyle gösterilsin. Bu deneyde, a 1 b 1, a 1 b 2, a 1 b 3, a 1 b 4, a 2 b 1, a 2 b 2, a 2 b 3, a 2 b 4, a 3 b 1, a 3 b 2, a 3 b 3, a 3 b 4 olarak ifade edilen toplam3 4 = 12 tane deneme vardır. Bu tasarım,3 4faktöriyel tasarım olarak adlandırılır. Kesirli 5 / 99
6 Benzer şekilde, A, B ve C faktörleri sırasıyla 3, 2 ve 3 düzeye sahip olsun ve bu düzeyler,(a 1,a 2,a 3 ) ve(b 1,b 2 ) ve(c 1,c 2,c 3 ) sembolleriyle gösterilsin. Bu deneyde, a 1 b 1 c 1, a 1 b 1 c 2, a 1 b 1 c 3, a 1 b 2 c 1, a 1 b 2 c 2, a 1 b 2 c 3, a 2 b 1 c 1, a 2 b 1 c 2, a 2 b 1 c 3, a 2 b 2 c 1, a 2 b 2 c 2, a 2 b 2 c 3, a 3 b 1 c 1, a 3 b 1 c 2, a 3 b 1 c 3, a 3 b 2 c 1, a 3 b 2 c 2, a 3 b 2 c 3, olarak ifade edilen toplam3 2 3 = 18 tane deneme vardır. Kesirli 6 / 99
7 2 k faktöriyel tasarımda, 2 düzey sayısını,k ise faktör sayısını gösterir. Faktörlerin düzeyleri genellikle(a 0,a 1 ), (0,1), (düşük, yüksek) veya (-1,1) gibi sembollerle ifade edilir. Deneyde etkisi araştırılmak istenen faktör sayısı çok fazla olduğunda,2 k faktöriyel tasarım, özellikle süreç geliştirme (process development) problemlerinde bir sonraki araştırmanın yönünün belirlenmesi için bir ön çalışma niteliği taşır, Box ve ark. (1978), Montgomery (2001), Hinkelmann & Kempthorne (1994) ve Şenoğlu (2005). Kesirli 7 / 99
8 Kesirli Her biri iki düzeye sahip, A ve B gibi iki faktör olduğunda,2 k faktöriyel tasarım,2 2 faktöriyel tasarım adını alır. 2 2 faktöriyel tasarımda, veya (a 0,b 0 ),(a 1,b 0 ),(a 0,b 1 ) ve(a 1,b 1 ) (0,0),(1,0),(0,1) ve(1,1) olarak gösterilen toplam2 2 = 4 tane deneme vardır. Bu denemeler, kısaca sembolleriyle gösterilir. Burada, olduğunu ifade eder. (1),a,b veab (1) : A faktörünün ve B faktörünün düşük düzeyde, a : A faktörünün yüksek ve B faktörünün düşük düzeyde, b : A faktörünün düşük ve B faktörünün yüksek düzeyde, ab : A faktörünün ve B faktörünün yüksek düzeyde, 8 / 99
9 Her biri iki düzeye sahip, A, B ve C gibi üç faktörün olduğu tasarım,2 3 faktöriyel tasarım olarak adlandırılır. Bu tasarımda, veya a 0 b 0 c 0,a 1 b 0 c 0,a 0 b 1 c 0,a 1 b 1 c 0,a 0 b 0 c 1,a 1 b 0 c 1,a 0 b 1 c 1,a 1 b 1 c 1 (1),a,b,ab,c,ac,bc,abc sembolleriyle gösterilen toplam2 3 = 8 tane deneme vardır. Genelleyecek olursak,2 k faktöriyel tasarımda, toplam2 k tane deneme vardır. Kesirli 9 / 99
10 Kesirli Faktöriyel tasarımların, uygulamada öneme sahip bir diğer özel hali ise,3 k faktöriyel tasarımdır. 3 k faktöriyel tasarımda, her biri 3 düzeye sahip toplamk tane faktör vardır. Faktör düzeyleri genellikle(a 0,a 1,a 2 ) veya (0,1,2) sembolleriyle gösterilir. Faktör sayısı 2 olduğunda,3 k faktöriyel tasarım,3 2 faktöriyel tasarım olarak adlandırılır ve (a 0,b 0 ),(a 0,b 1 ),(a 0,b 2 ),(a 1,b 0 ),(a 1,b 1 ),(a 1,b 2 ),(a 2,b 0 ),(a 2,b 1 ),(a 2,b 2 ) veya (0,0),(0,1),(0,2),(1,0),(1,1),(1,2),(2,0),(2,1),(2,2) sembolleriyle gösterilen toplam3 2 = 9 tane deneme vardır. Benzer şekilde3 3 faktöriyel tasarımda, toplam3 3 = 27,3 k faktöriyel tasarımda ise toplam3 k tane deneme vardır. 4 k,5 k,... faktöriyel tasarımlar için de faktör kombinasyonları veya denemeler benzer şekilde ifade edilebilir. 10 / 99
11 Her ne kadar, faktöriyel tasarımlar olarak adlandırsak da aslında faktöriyel tasarımlar, bir tasarım şekli değil bir deneydir. Faktör kombinasyonları şeklinde ifade edilen denemeler arasında anlamlı bir fark olup olmadığını test etmek amacıyla daha önceki bölümlerde anlatılan ve ilerleyen bölümlerde anlatılacak olan tasarımlardan yararlanılır. Hangi tasarımın tercih edileceği ise önceki bölümlerde belirtilen ve ilerleyen bölümlerde belirtilecek olan kriterlere göre yapılır. Bir başka deyişle, deney birimleri arasında homojenliği en fazla sağlayan tasarım tercih edilir. Bununla beraber, kitabın bu ve bundan sonraki bölümlerinde literatürdeki yaygın kullanımına uygun olarak Faktöriyel Deneyler ifadesi yerine ifadesi kullanılacaktır. Kesirli 11 / 99
12 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar 12 / 99
13 Tasarımlar Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar A ve B faktörlerinin, sırasıylaavebdüzeyinin olduğu bira bfaktöriyel tasarım için matematiksel model y ijk = µ+τ i +γ j +τγ ij +ε ijk, (1) olarak ifade edilir. Burada, i = 1,2,,a; j = 1,2,,b; k = 1,2,,n y ijk, A faktörününi inci ve B faktörününj inci düzeyindekik ıncı gözlem değerini, µ, genel ortalamayı, τ i, A faktörününi inci düzeyinin etkisini, γ j, B faktörününj inci düzeyinin etkisini, τγ ij, A ve B faktörlerinin etkileşim etkisini ve ε ijk, rasgele hata terimlerini gösterir. 13 / 99
14 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar (1) modelinde, genel kareler toplamı olarak bileşenlerine ayrılır. Burada, SS Toplam = SS A +SS B +SS AB +SS Hata (2) SS Toplam SS A SS B SS AB SS Hata = = a a = bn = an = n i=1 b j=1 i=1 b j=1 a i=1 a i=1 (ȳ i ȳ ) 2 n k=1 (y ijk ȳ ) 2 (ȳ j ȳ ) 2 b (ȳ ij ȳ i ȳ j +ȳ ) 2 j=1 b j=1 k=1 n (y ijk ȳ ij ) 2 sırasıyla, genel kareler toplamını, A, B ana etkilerinin, AB etkileşim etkisinin ve hatanın kareler toplamını gösterir. (3) 14 / 99
15 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar Kareler toplamında kullanılan ifadeler aşağıda verilmiştir: y i = y j = y ij = b n j=1 k=1 a i=1 n k=1 n k=1 y ijk y ijk y ijk, ȳ i = y i bn, ȳ j = y j an, ȳ ij = y ij n, i = 1,2,,a, j = 1,2,,b Ayrıca, N = abn toplam gözlem sayısını göstermek üzere y = a i=1 b n j=1 k=1, i = 1,2,,a;j = 1,2,,b. y ijk, ȳ = y N sırasıyla, tüm gözlemlerin toplamı ve tüm gözlemlerin ortalaması olarak tanımlanır. (4) (5) 15 / 99
16 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar (1) modelinde, SS Deneme olarak yazılabilir. a = n b i=1 j=1 (ȳ ij ȳ ) 2 (6) a b = bn (ȳ i ȳ ) 2 +an (ȳ j ȳ ) 2 + i=1 j=1 a b n (ȳ ij ȳ i ȳ j +ȳ ) 2 (7) i=1 j=1 = SS A +SS B +SS AB (8) 16 / 99
17 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar Bir başka deyişle,ss Deneme ifadesi, A ve B faktörleri ile AB etkileşiminin kareler toplamı olarak bileşenlerine ayrılabilir. Dolayısıyla, A, B ve AB etkileşiminin serbestlik derecelerinin toplamı, denemeye ait serbestlik derecesine eşit olur. A faktörününadüzeyi olduğundan serbestlik derecesia 1, B faktörününbdüzeyi olduğundan serbestlik derecesi b 1 ve AB etkileşiminin serbestlik derecesi (a 1)(b 1) dir. Toplam serbestlik derecesin 1olduğundan, hatanın serbestlik derecesin ab olur. Serbestlik dereceleri kısaca aşağıdaki tabloda gösterildiği gibi yazılabilir. Kaynak df Denemeler ab 1 A B AB a 1 b 1 (a 1)(b 1) Hata N ab Genel N 1 17 / 99
18 Tasarımlar: Hipotez Testi (1) modelinde, A faktörünün anlamlı olup olmadığı, bir başka deyişle, Tasarımlar hipotezi H 01 : τ 1 = τ 2 = = τ a = 0 Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar F A = = SS A /(a 1) SS Hata /(N ab) MS A MS Hata, 18 / 99
19 Tasarımlar: Hipotez Testi B faktörünün anlamlı olup olmadığı, bir başka deyişle, Tasarımlar hipotezi H 02 : γ 1 = γ 2 = = γ b = 0 Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar F B = = SS B /(b 1) SS Hata /(N ab) MS B MS Hata 19 / 99
20 Tasarımlar: Hipotez Testi ve AB etkileşiminin anlamlı olup olmadığı, bir başka deyişle, Tasarımlar hipotezi H 03 : τγ 11 = τγ 12 = = τγ ab = 0 Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi F AB = test istatistikleri kullanılarak sınanır. SS AB /(a 1)(b 1) SS Hata /(N ab) = MS AB MS Hata Tasarımlar: Hipotez Testi-KARAR Tasarımlar 20 / 99
21 Tasarımlar: Hipotez Testi-KARAR Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar F A test istatistiğinin değeri,αanlam düzeyinde,a 1veN ab serbestlik dereceli F tablo değerinden daha büyükse sıfır hipotezi reddedilir. Bir başka deyişle, F A > F α;a 1;N ab ise "A faktörünün düzeyleri arasında anlamlı bir farklılık vardır" ya da "A ana etkisi anlamlıdır" denir. F B test istatistiğinin değeri,αanlam düzeyinde,b 1veN ab serbestlik dereceli F tablo değerinden daha büyükse sıfır hipotezi reddedilir. Bir başka deyişle, F B > F α;b 1;N ab ise "B faktörünün düzeyleri arasında anlamlı bir farklılık vardır" ya da "B ana etkisi anlamlıdır" denir. F AB test istatistiğinin değeri,αanlam düzeyinde,(a 1)(b 1) ven ab serbestlik derecelif tablo değerinden daha büyükse sıfır hipotezi reddedilir. Bir başka deyişle, F AB > F α;(a 1)(b 1);N ab ise "A ve B faktörleri arasındaki etkileşim etkisi anlamlıdır" ya da "AB etkileşim etkisi anlamlıdır" denir. 21 / 99
22 a b c Tasarımlar A, B ve C faktörlerinin, sırasıylaa,bvecdüzeyinin olduğu bira b cfaktöriyel tasarım için matematiksel model y ijkl = µ+τ i +γ j +τγ ij +δ k +τδ ik +γδ jk +τγδ ijk +ε ijkl (9) i = 1,2,,a ; j = 1,2,b ; k = 1,2,c ; l = 1,2,,n şeklinde ifade edilir. Burada,τγδ ijk, A faktörününi inci, B faktörününj inci ve C faktörünün k ıncı düzeyi arasındaki etkileşimi gösteren model parametresidir, diğer terimler, (1) modelindekine benzer olarak tanımlanır. Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar 22 / 99
23 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar (9) modelinde, genel kareler toplamı SS Toplam = SS A + SS B + SS AB + SS C + SS AC + SS BC + SS ABC + SS Hata (10) şeklinde bileşenlerine ayrılır. Burada, a b c n a b c n SS Toplam = (y ijkl ȳ ) 2 SS Hata = (y ijkl ȳ ijk ) 2 i=1 j=1 k=1 l=1 i=1 j=1 k=1 l=1 a b SS A = bcn (ȳ i ȳ ) 2 SS B = acn (ȳ j ȳ ) 2 i=1 j=1 a b c SS AB = cn (ȳ ij ȳ i ȳ j + ȳ ) 2 SS C = abn (ȳ k ȳ ) 2 i=1 j=1 k=1 a c SS AC = bn (ȳ i k ȳ i ȳ k + ȳ ) 2 i=1 k=1 b c SS BC = an (ȳ jk ȳ j ȳ k + ȳ ) 2 j=1 k=1 (11) ve a b c SS ABC = (ȳ ijk ȳ ij ȳ jk ȳ i k + ȳ i + ȳ j + ȳ k ȳ ) 2 (12) i=1 j=1 k=1 dir. 23 / 99
24 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar (11) ve (12) eşitliklerinde verilen kareler toplamlarında yer alan ifadeler, ȳ i = b c n j=1 k=1 l=1 bcn a b n i=1 j=1 l=1 ȳ k = ȳ i k = ȳ ijk = b n j=1 l=1 n l=1 abn bn y ijkl y ijkl y ijkl y ijkl olarak tanımlanır. Burada N = abcn dir. n, ȳ j =, ȳ ij =, ȳ jk =, ȳ = a c n i=1 c k=1 l=1 k=1 l=1 a n i=1 a i=1 l=1 acn n cn y ijkl an b c y ijkl j=1 k=1 l=1 N n y ijkl,, y ijkl 24 / 99
25 Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar (9) modelinde, SS Deneme = SS A +SS B +SS AB +SS C +SS AC +SS BC +SS ABC (13) olarak yazılabileceğinden, faktörlere ve etkileşim etkilerine ilişkin serbestlik dereceleri olur. Kaynak df Denemeler abc 1 A B AB C AC BC ABC Hata Genel a 1 b 1 (a 1)(b 1) c 1 (a 1)(c 1) (b 1)(c 1) (a 1)(b 1)(c 1) N abc N 1 25 / 99
26 a b c: Hipotez Testi Tasarımlar Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi (9) modelinde, ana etkiler ile etkileşim etkilerinin istatistiksel olarak anlamlı olup olmadığını sınamak için aşağıda verilen test istatistikleri kullanılır. F A = MS A MS Hata F C = MS C MS Hata, F B = MS B MS Hata, F AC = MS AC MS Hata F ABC = MS ABC MS Hata., F AB = MS AB MS Hata,, F BC = MS BC MS Hata, (9) modelinde, karar kısmı, (1) modeline benzer olarak elde edilir. Bir başka deyişle, yukarıda verilen test istatistiklerinin değerleri, ilgili serbestlik dereceleri ile F tablo değerinden daha büyükse sıfır hipotezi reddedilir. Tasarımlar: Hipotez Testi Tasarımlar: Hipotez Testi-KARAR Tasarımlar 26 / 99
27 Grafiği Grafiği Grafiği Grafiği Kesirli 27 / 99
28 Grafiği Grafiği Grafiği Grafiği Kesirli Faktörler arasındaki etkileşimin anlamlı olup olmadığı istatistiksel testler yardımıyla belirlenebildiği gibi grafiksel yöntemler yardımıyla da belirlenebilir. Grafiksel yöntem, subjektif bir yöntem olmasına rağmen pratikte yaygın olarak kullanılır. Grafiksel yöntemde A faktörünün düzeylerine karşılık B faktörünün her bir düzeyi için A ve B faktör kombinasyonlarına ait ortalamaların grafiği çizilir. Elde edilen grafik kullanılarak faktörler arasında etkileşim olup olmadığına karar verilir. Örneğin, A ve B gibi iki faktöre sahip bir deneyde, bu iki faktörün düşük ve yüksek (0,1) olmak üzere iki düzeyi olsun. Bu durumda, AB etkileşim etkisi için iki farklı durum söz konusudur: (i) (ii) B faktörünün düşük ve yüksek düzeyleri için elde edilen doğrular birbirine paralel ise A ve B faktörleri arasında etkileşim yoktur, B faktörünün düşük ve yüksek düzeyleri için elde edilen doğrular birbirine paralel değilse A ve B faktörleri arasındaki etkileşim vardır, denir. 28 / 99
29 Grafiği Grafiği Grafiği Grafiği Grafiği Kesirli Ortalamalar B Yüksek B Düşük 0 1 A Faktörü 29 / 99
30 Grafiği Yukarıdaki şekilde B faktörünün düşük ve yüksek düzeyleri için elde edilen doğrular, birbirine paralel olduğundan, AB etkileşim etkisinin istatistiksel olarak anlamlı olmadığı söylenir. Grafiği Grafiği Grafiği Grafiği Kesirli 30 / 99
31 Grafiği Grafiği Grafiği Grafiği Grafiği Ortalamalar B Yüksek B Düşük Kesirli 0 1 A Faktörü 31 / 99
32 Grafiği Bu şekilde ise B faktörünün düşük ve yüksek düzeyleri için elde edilen doğrular, birbirine paralel olmadığından, AB etkileşim etkisinin istatistiksel olarak anlamlı olduğu söylenir. Grafiği Grafiği Grafiği Grafiği Kesirli 32 / 99
33 Bir Tekrarlıa b Bir Tekrarlı Tasarımlar Kesirli 33 / 99
34 Bir Tekrarlı Tasarımlar Bir Tekrarlıa b Kesirli Bir tekrarlıa bfaktöriyel tasarım için matematiksel model dir. Bu modelde, y ij = µ+τ i +γ j +ε ij, i = 1,2,,a; j = 1,2,,b (14) µ ij = µ+τ i +γ j denemeler olarak düşünüldüğünde, denemelerin serbestlik derecesininab 1 olacağı açıktır. Öte yandan, tüm gözlem sayısın = ab dir ve toplam serbestlik derecesi deab 1 olacaktır. Bu durumda, hatanın serbestlik derecesi sıfır olur. Böyle bir durum pratik ve teorik olarak mümkün olamayacağından, bir tekrarlı faktöriyel tasarımlarda en yüksek dereceli etkileşim genellikle hata terimi olarak alınır; çünkü yüksek dereceden etkileşimlerin genellikle önemsiz olduğu varsayılır. Bu durumda, ANOVA tablosu, Tablo aşağıda gösterildiği gibi oluşturulur. Kaynak df SS M S F A a 1 SS A MS A F A B b 1 SS B MS B F B Hata (AB) (a 1)(b 1) SS Hata MS Hata Genel N 1 SS Toplam 34 / 99
35 Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı Genel Kareler Toplamının 35 / 99
36 Matematiksel Model Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu 2 2 faktöriyel tasarım için matematiksel model dir. Burada, y ijk = µ+τ i +γ j +τγ ij +ε ijk, (15) i = 1,2; j = 1,2; k = 1,2,,n y ijk, A faktörününi inci ve B faktörününj inci düzeyindekik ıncı gözlem değerini, µ, genel ortalamayı, τ i, A faktörününi inci düzeyinin etkisini, γ j, B faktörününj inci düzeyinin etkisini, τγ ij, A ve B faktörlerinin etkileşim etkisini ve ε ijk, rasgele hata terimlerini Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı gösterir. 2 2 faktöriyel tasarım için veri yapısı aşağıdaki gibidir. B Faktörü A Faktörü Düşük (0) Yüksek (1) Düşük (0) y 111,y 112,,y 11n y 121,y 122,,y 12n Genel Kareler Toplamının Yüksek (1) y 211,y 212,,y 21n y 221,y 222,,y 22n 36 / 99
37 Deneme Kombinasyonları Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini 2 2 faktöriyel tasarımda, daha önce de bahsedildiği gibi, faktörlerin düşük ve yüksek düzeyleri için dört farklı deneme kombinasyonu söz konusudur: A B Deneme Kombinasyonları Düşük Düşük (1) Yüksek Düşük a Düşük Yüksek b Yüksek Yüksek ab Yukarıda verilen veri yapısı dikkate alındığında dır. (1) = b = n y 11k, a = k=1 n y 12k, ab = k=1 n k=1 n k=1 y 21k y 22k Hipotez Testi Genel Kareler Toplamının Parçalanışı Genel Kareler Toplamının 37 / 99
38 Deneme Kombinasyonları Matematiksel Model b ab Deneme Kombinasyonları Deneme Kombinasyonları B Faktörü Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı (1) a A Faktörü Genel Kareler Toplamının 38 / 99
39 Ana Etkiler ve Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma B nin yüksek düzeyinde, A nın etkisi ve B nin düşük düzeyinde, A nın etkisi ab b n a (1) n dir. Dolayısıyla, B nin tüm düzeylerinde A nın etkisi, bu etkilerin ortalaması olacağından, A = 1 2 [ ab b n + a (1) n ] (16) = 1 [ab b+a (1)] (17) 2n elde edilir. (17) denklemi, A faktörünün ana etkisi olarak tanımlanır. Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı Genel Kareler Toplamının 39 / 99
40 Ana Etkiler ve Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı A nın yüksek düzeyinde, B nin etkisi ve A nin düşük düzeyinde, B nin etkisi ab a n b (1) n dir. Dolayısıyla, A nın tüm düzeylerinde B nin etkisi, bu etkilerin ortalaması olacağından B = 1 2 [ ab a n + b (1) n ] (18) = 1 [ab a+b (1)] (19) 2n elde edilir. (19) denklemi, B faktörünün ana etkisi olarak tanımlanır. AB etkileşim etkisi ise, B nin yüksek düzeyindeki A nın etkisi ile B nin düşük düzeyindeki A nın etkisi arasındaki farkın ortalaması olarak tanımlanır: AB = 1 [ab+(1) a b]. (20) 2n Genel Kareler Toplamının 40 / 99
41 Bağıntı Tablosu (17), (19) ve (20) eşitliklerinde verilen köşeli parantez içindeki ifadeler sırasıyla A, B ve AB etkilerinin bağıntıları olarak ifade edilir. Bir başka deyişle, Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı A Bağıntı B Bağıntı AB = ab+a b (1) = ab+b a (1) = ab+(1) a b dir. 2 2 faktöriyel tasarımda bağıntı katsayıları, aşağıda gösterildiği gibi elde edilir. Etkiler (1) a b ab A B AB (21) Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Dikkat edilirse, faktörlere ve etkileşime ait bağıntı katsayıları birbirine diktir. Bu ifade, yukarıdaki tabloda satırların birbirine dik; bir başka deyişle, satırların karşılıklı çarpımlarının toplamının sıfır olması anlamına gelmektedir. Hipotez Testi Genel Kareler Toplamının Parçalanışı Genel Kareler Toplamının 41 / 99
42 Cebirsel Çarpma Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve (21) de verilen bağıntılar, Bağıntı A Bağıntı B Bağıntı AB = (a 1)(b+1) = (a+1)(b 1) = (a 1)(b 1) cebirsel çarpma işlemi kullanılarak da elde edilebilirler. (22) eşitliğinin avantajı, bağıntıların akılda kalmasını kolaylaştırmasıdır. (22) deki eşitlikler, ilgilenilen faktöre -1 diğer faktöre +1 değeri verilerek yapılan çarpma işlemi sonucunda elde edilir. Dikkat edilmelidir ki, burada yapılan çarpma işlemleri semboliktir, sadece kolaylık sağlaması bakımından önemlidir. (22) Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı Genel Kareler Toplamının 42 / 99
43 Parametre Tahmini (15) modelinde, hata terimlerinin kareleri toplamının ilgili parametreye göre minimum yapılmasıyla bulunur. Gerekli işlemler yapıldığında parametrelerin LS tahmin edicileri, Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı olarak elde edilir. µ = ȳ (23) τ i = ȳ i ȳ (24) γ j = ȳ j ȳ (25) τγ ij = ȳ ij ȳ i ȳ j +ȳ (26) 2 2 n (y ijk ȳ ij ) 2 σ 2 = i=1 j=1 k=1 2 2 (n 1) (27) Genel Kareler Toplamının 43 / 99
44 Hipotez Testi Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları (15) modelinde, A ve B faktörlerinin ana etkileri ile AB etkileşim etkisinin istatistiksel olarak anlamlı olup olmadığı test edilir. Her bir durum için hipotezler sırasıyla H 01 : τ 1 = τ 2 = 0 (28) (veyah 01 : A ana etkisi anlamlı değildir) H 02 : γ 1 = γ 2 = 0 (29) (veyah 02 : B ana etkisi anlamlı değildir) Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı ve dir. H 03 : τγ 11 = τγ 12 = τγ 21 = τγ 22 = 0 (30) (veyah 03 : AB etkileşimi anlamlı değildir) Genel Kareler Toplamının 44 / 99
45 Genel Kareler (15) modelinde, genel kareler toplamı SS Toplam = 2 2 n i=1 j=1 k=1 (y ijk ȳ ) 2 (31) Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi olup şeklinde bileşenlerine ayrılır. Burada SS A = SS B = SS AB = SS Toplam = SS A +SS B +SS AB +SS Hata (32) = n 2 2 i=1 j=1k=1 2 2 i=1 j=1k=1 2 2 i=1 j=1k=1 2 i=1 j=1 n (ȳ i ȳ ) 2 = 2n n (ȳ j ȳ ) 2 = 2n Genel Kareler Toplamının SS Hata = (y ijk ȳ Parçalanışı ij ) i=1 j=1k=1 Faktöriyel Tasarım: Genel Kareler Toplamının 45 / 99 ve i=1 2 j=1 n (ȳ ij ȳ i ȳ j +ȳ ) 2 2 (ȳ ij ȳ i ȳ j ȳ ) 2 n (ȳ i ȳ ) 2 (ȳ j ȳ ) 2 (33)
46 Genel Kareler Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı y i = y j = y ij = 2 n j=1 k=1 2 i=1 k=1 n k=1 n y ijk y ijk y ijk, ȳ i = y i 2n, ȳ j = y j 2n, ȳ ij = y ij n olarak ifade edilir. Ayrıca,N = 2 2 n toplam gözlem sayısını göstermek üzere y = 2 i=1 2 n j=1 k=1 y ijk, i = 1,2, j = 1,2, i = 1,2;j = 1,2, ȳ = y N sırasıyla tüm gözlemlerin toplamı ve tüm gözlemlerin ortalaması olarak tanımlanır. (34) (35) Genel Kareler Toplamının 46 / 99
47 Kareler Toplamları Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve SS A,SS B vess AB kareler toplamları, bağıntılar cinsinden de yazılabilir. Genel olarak, kareler toplamı dir. Bu formülden SS A = SS B = SS AB = SS = [Bağıntı]2 2 2 n n [ab+a b (1)] n [ab+b a (1)] n [ab+(1) a b]2 elde edilir. 2 2 faktöriyel tasarımda, (37) i kullanmak, (33) yi kullanmaktan daha yaygındır. (36) (37) Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı Genel Kareler Toplamının 47 / 99
48 Test İstatistikleri (15) modelinde, sırasıyla (28), (29) ve (30) hipotezlerini sınamak için F A = SS A /1 SS Hata /2 2 (n 1) = MS A MS Hata (38) Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı ve test istatistikleri kullanılır. F B = F AB = SS B /1 SS Hata /2 2 (n 1) SS AB /1 SS Hata /2 2 (n 1) = MS B MS Hata (39) = MS AB MS Hata (40) Teorem 1.1 (15) modelinde,h 0 hipotezi altında,f A,F B vef AB test istatistiklerinin her biri,1ve2 2 (n 1) serbestlik dereceli merkezif dağılımına sahiptir. Genel Kareler Toplamının 48 / 99
49 KARAR Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve F A,F B vef AB test istatistiklerinin değeri,αanlam düzeyinde,1ve2 2 (n 1) serbestlik derecelif tablo değerinden daha büyükse sıfır hipotezi reddedilir. Bir başka deyişle, ise sırasıyla F A F B F AB > F α;1;2 2 (n 1) > F α;1;2 2 (n 1) > F α;1;2 2 (n 1) "A ana etkisi istatistiksel olarak anlamlıdır", Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı ve denir. "B ana etkisi istatistiksel olarak anlamlıdır" "AB etkileşim etkisi anlamlıdır," Genel Kareler Toplamının 49 / 99
50 ANOVA Tablosu Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Yukarıda elde edilen bilgiler ışığında,2 2 faktöriyel tasarım için ANOVA tablosu, aşağıda gösterildiği gibi oluşturulur. Kaynak df SS M S F A 1 SS A MS A F A B 1 SS B MS B F B AB 1 SS AB MS AB F AB Hata 2 2 (n 1) SS Hata MS Hata Genel N 1 SS Toplam Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı Genel Kareler Toplamının 50 / 99
51 Küçük bir hatırlatma Matematiksel Model Deneme Kombinasyonları Deneme Kombinasyonları Ana Etkiler ve Ana Etkiler ve Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Genel Kareler Toplamının Parçalanışı (15) modelinde, parametrelerin LS tahmin edicileri ve kareler toplamları hatırlanırsa SS A SS B SS AB = 2n = 2n = n 2 (ȳ i ȳ ) 2 = 2n i=1 2 (ȳ j ȳ ) 2 = 2n j=1 2 i=1 2 j=1 τ 2 i γ 2 j n (ȳ ij ȳ i ȳ j +ȳ ) 2 = n k=1 n k=1 τγ 2 ij eşitliklerinin sağlandığı görülür. Bir başka deyişlef A,F B vef AB test istatistikleri LS tahmin edicilerine dayalıdır ve bunun bir sonucu olarak normallik varsayımı altında en güçlü test istatistikleridir. (41) Genel Kareler Toplamının 51 / 99
52 Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi Genel Kareler Toplamının Parçalanışı 52 / 99
53 Matematiksel Model Matematiksel Model Deneme Kombinasyonları 2 3 faktöriyel tasarım için matematiksel model y ijkl = µ+τ i +γ j +τγ ij +δ k +τδ ik +γδ jk +τγδ ijk +ε ijkl (42) i = 1,2 ; j = 1,2 ; k = 1,2 ; l = 1,2,,n dir. Buradaτγδ ijk A faktörününi inci, B faktörününj inci ve C faktörününk ıncı düzeyinin etkleşimini gösteren model parametresidir. Modeldeki diğer parametreler,2 2 faktöriyel tasarımda olduğu gibi tanımlanır. Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi Genel Kareler Toplamının Parçalanışı 53 / 99
54 Deneme Kombinasyonları Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri 2 3 faktöriyel tasarımda, daha önce de bahsedildiği gibi, faktörlerin düşük ve yüksek düzeyleri için sekiz farklı deneme kombinasyonu söz konusudur: A B C Deneme Kombinasyonları Düşük Düşük Düşük (1) Yüksek Düşük Düşük a Düşük Yüksek Düşük b Yüksek Yüksek Düşük ab Düşük Düşük Yüksek c Yüksek Düşük Yüksek ac Düşük Yüksek Yüksek bc Yüksek Yüksek Yüksek abc Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi Genel Kareler Toplamının Parçalanışı 54 / 99
55 Ana etkiler ve Etkileşim Etkileri Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi B ve C düşük düzeyde iken A nın etkisi B yüksek, C düşük düzeyde iken A nın etkisi B düşük, C yüksek düzeyde iken A nın etkisi B ve C yüksek düzeyde iken A nın etkisi dir. Dolayısıyla, A faktörünün ana etkisi A = n [ a (1) n a (1), n ab b n, ac c n abc bc n + ab b n + ac c n + abc bc ] n Genel Kareler Toplamının = [abc+ac+ab+a bc c b (1)] (44) Parçalanışı 55 / 99 (43)
56 Ana etkiler ve Etkileşim Etkileri Benzer şekilde, B ve C faktörlerinin ana etkileri ile AB, AC, BC ve ABC etkileşim etkileri aşağıdaki gibi ifade edilebilir: Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi B = C = AB = AC = BC = ABC = 1 [abc+bc+ab+b ac a c (1)] 2 2 n (45) 1 [abc+bc+ac+c a b ab (1)] 2 2 n (46) 1 [abc+ab+c+(1) bc ac a b] 2 2 n (47) 1 [abc+ac+b+(1) bc ab a c] 2 2 n (48) 1 [abc+bc+a+(1) ac ab b c] 2 2 n (49) 1 [abc+a+b+c bc ac ab (1)] 2 2 n (50) Genel Kareler Toplamının Parçalanışı 56 / 99
57 Bağıntı Tablosu Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi Genel Kareler Toplamının 2 3 faktöriyel tasarımda, bağıntılar Bağıntı A Bağıntı B Bağıntı AB Bağıntı C Bağıntı AC Bağıntı BC Bağıntı ABC = abc+ac+ab+a bc c b (1) = abc+bc+ab+b ac a c (1) = abc+ab+c+(1) bc ac a b = abc+bc+ac+c a b ab (1) = abc+ac+b+(1) bc ab a c = abc+bc+a+(1) ac ab b c = abc+a+b+c bc ac ab (1) dir. (51) de verilen eşitlikler elde edilirken kullanılan bağıntı katsayıları aşağıdaki tabloda gösterildiği gibidir. Etkiler (1) a b ab c ac bc abc A B AB C AC BC ABC Parçalanışı 57 / 99 (51)
58 Cebirsel Çarpma Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma (51) de verilen bağıntılar, cebirsel çarpma işlemi kullanılarak şeklinde de ifade edilebilirler. Bağıntı A Bağıntı B Bağıntı AB Bağıntı C Bağıntı AC Bağıntı BC Bağıntı ABC = (a 1)(b+1)(c+1) = (a+1)(b 1)(c+1) = (a 1)(b 1)(c+1) = (a+1)(b+1)(c 1) = (a 1)(b+1)(c 1) = (a+1)(b 1)(c 1) = (a 1)(b 1)(c 1) (52) eşitlikleri, ilgili faktör(ler)e -1 diğer(ler)ine +1 değeri verilerek yapılan çarpma işlemi sonucunda elde edilir. Ancak; (52) eşitliklerindeki çarpma işlemi semboliktir, daha önce de söylendiği gibi sadece kolaylık sağlaması bakımından önemlidir. (52) Parametre Tahmini Hipotez Testi Hipotez Testi Genel Kareler Toplamının Parçalanışı 58 / 99
59 Parametre Tahmini (42) modelinde, parametrelerin LS tahmin edicileri µ = ȳ (53) τ i = ȳ i ȳ (54) γ j = ȳ j ȳ (55) Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri τγ ij = ȳ ij ȳ i ȳ j +ȳ (56) δ k = ȳ k ȳ (57) τδ ik = ȳ i k ȳ i ȳ k +ȳ (58) γδ jk = ȳ jk ȳ j ȳ k +ȳ (59) Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi ve τγδ ijk = ȳ ijk ȳ ij ȳ i k ȳ jk +ȳ i +ȳ j +ȳ k ȳ (60) σ 2 = 2 i=1 Genel Kareler Toplamının dir. Parçalanışı 59 / j=1 k=1 l=1 n (y ijkl ȳ ijk ) (n 1) (61)
60 Hipotez Testi Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi (42) modelinde, A, B ve C ana etkileri ile AB, BC, AC ve ABC etkileşim etkilerinin istatistiksel olarak anlamlı olup olmadığı test edilir. Her bir durum için hipotezler sırasıyla, H 01 : τ i = 0 i = 1,2 (62) (veyah 01 : A ana etkisi anlamlı değildir) H 02 : γ j = 0 j = 1,2 (63) (veyah 02 : B ana etkisi anlamlı değildir) H 03 : τγ ij = 0 i = 1,2; j = 1,2 (64) (veyah 03 : AB etkileşim etkisi anlamlı değildir) H 04 : δ k = 0 k = 1,2 (65) (veyah 04 : C ana etkisi anlamlı değildir) Hipotez Testi Genel Kareler Toplamının Parçalanışı 60 / 99
61 Hipotez Testi H 05 : τδ ik = 0 i = 1,2; k = 1,2 (66) (veyah 05 : AC etkileşim etkisi anlamlı değildir) Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri ve H 06 : γδ jk = 0 j = 1,2; k = 1,2 (67) (veyah 06 : BC etkileşim etkisi anlamlı değildir) H 07 : τγδ ijk = 0 i = 1,2; j = 1,2; k = 1,2 (68) Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi olarak ifade edilir. (veyah 07 : ABC etkileşim etkisi anlamlı değildir) Genel Kareler Toplamının Parçalanışı 61 / 99
62 Genel Kareler (42) modeli için SS Toplam = SS A + SS B + SS AB + SS C + SS AC + SS BC + SS ABC + SS Hata (69) Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi olup Burada, SS A SS B SS AB SS C SS AC SS BC SS ABC = 2 2 n = 2 2 n = 2n = 2 2 n = 2n = 2n = n 2 (ȳ i ȳ ) 2 i=1 2 j=1 2 i=1 j=1 2 k=1 2 i=1 k=1 2 j=1 k=1 2 i=1 j=1 k=1 2 2 (ȳ j ȳ ) 2 2 (ȳ ij ȳ i ȳ j + ȳ ) 2 (ȳ k ȳ ) 2 2 (ȳ i k ȳ i ȳ k + ȳ ) 2 2 (ȳ jk ȳ j ȳ k + ȳ ) (ȳ ijk ȳ ij ȳ i k + ȳ jk + ȳ i + ȳ j + ȳ k ȳ ) 2 n Hipotez Testi SS Hata = (y ijkl ȳ ijk ) i=1 j=1 k=1 l=1 Faktöriyel Tasarım: Genel Kareler Toplamının (70) Parçalanışı dir. 62 / 99
63 Kareler Toplamları Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Parametre Tahmini Hipotez Testi Hipotez Testi (70) de verilen kareler toplamları, bağıntılar cinsinden şeklinde de ifade edilebilir. Bu formülden, dir. SS A = SS B = SS AB = SS C = SS AC = SS BC = SS ABC = SS = [Bağıntı]2 2 3 n n [abc+ac+ab+a bc c b (1)] n [abc+bc+ab+b ac a c (1)] n [abc+ab+c+(1) bc ac a b] n [abc+bc+ac+c a b ab (1)] n [abc+ac+b+(1) bc ab a c] n [abc+bc+a+(1) ac ab b c] n [abc+a+b+c bc ac ab (1)]2 (71) (72) Genel Kareler Toplamının Parçalanışı 63 / 99
64 Test İstatistikleri (42) modelinde, (62), (63), (64), (65), (66), (67) ve (68) hipotezlerini sınamak için sırasıyla F A = SS A /1 SS Hata /2 3 (n 1) = MS A MS Hata F B = SS B /1 SS Hata /2 3 (n 1) = MS B MS Hata Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri F AB = F AC = SS AB /1 SS Hata /2 3 (n 1) SS AC /1 SS Hata /2 3 (n 1) = MS AB MS Hata F C = = MS AC MS Hata F BC = SS C /1 SS Hata /2 3 (n 1) SS BC /1 SS Hata /2 3 (n 1) = MS C MS Hata = MS BC MS Hata Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu F ABC = SS ABC /1 SS Hata /2 3 (n 1) = MS ABC MS Hata Cebirsel Çarpma Parametre Tahmini Hipotez Testi Teorem 1.2 (42) modelinde,h 0 hipotezi altında F A,F B,F AB,F C,F AC,F BC vef ABC test istatistiklerinin her biri,1ve2 3 (n 1) serbestlik dereceli merkezi F dağılımına sahiptir. Hipotez Testi Genel Kareler Toplamının Parçalanışı 64 / 99
65 ANOVA Tablosu Matematiksel Model Deneme Kombinasyonları Ana etkiler ve Etkileşim Etkileri Ana etkiler ve Etkileşim Etkileri Bağıntı Tablosu Cebirsel Çarpma Yukarıda elde edilen bilgiler ışığında,2 3 faktöriyel tasarım için ANOVA tablosu, aşağıda gösterildiği gibi oluşturulur. Kaynak df SS M S F A 1 SS A MS A F A B 1 SS B MS B F B AB 1 SS AB MS AB F AB C 1 SS C MS C F C AC 1 SS AC MS AC F AC BC 1 SS BC MS BC F BC ABC 1 SS ABC MS ABC F ABC Hata 2 3 (n 1) SS Hata MS Hata Genel N 1 SS Toplam 2 3 faktöriyel tasarım için karar kısmı,2 2 faktöriyel tasarıma benzer şekilde ifade edilebilir. Parametre Tahmini Hipotez Testi Hipotez Testi Genel Kareler Toplamının Parçalanışı 65 / 99
66 Kesirli 66 / 99
67 Kesirli 2 k faktöriyel tasarımda, her biri iki düzeye sahipk tane faktör ve bu faktörlerin birbirleriyle olan etkileşimleri söz konusudur. 2 k faktöriyel tasarımın matematiksel modeli y ij pl = µ+τ i +γ j +τγ ij + +δ p +τδ ip + +τγ δ ij p +ε ij pl, (73) i = 1,2; j = 1,2; p = 1,2; l = 1,2,,n olarak ifade edilir. 2 k faktöriyel tasarımda, ana etkiler ve etkileşim etkileri için bağıntılar olarak ifade edilir. Ana etkiler ve etkileşim etkileri Bağıntı X = (a 1)(b 1) (p 1) (74) X = 1 2 k 1 n Bağıntı X (75) kareler toplamları ise formülleri yardımıyla hesaplanır. SS X = 1 2 k n [Bağıntı X] 2 (76) 67 / 99
68 Kesirli Ana etkiler ve etkileşim etkilerinin serbestlik derecesi 1 olduğundanss X kareler toplamı MS X kareler ortalamasına eşittir. BuradaX,2 k faktöriyel tasarımda kullanılan faktörleri veya faktör etkileşimlerini göstermektedir. Ana etkilerin ve etkileşim etkilerinin anlamlı olup olmadığını sınamak için F X = MS X MS Hata (77) test istatistiği kullanılır. Hata kareler toplamı ve hata kareler ortalaması sırasıyla SS Hata = 2 i=1 2 j=1 2 p=1 l=1 n (y ij pl ȳ ij p ) 2 (78) ve formülleri yardımıyla hesaplanır. MS Hata = SS Hata 2 k (n 1) (79) 68 / 99
69 69 / 99
70 Faktöriyel tasarımlarda, faktörlerin kombinasyonu olarak ifade edilen denemelerin sayısı bloklardaki deney birimi sayısından daha fazla olduğunda denemelerin tamamını aynı blokta kullanmak, bir başka deyişle tam tekrar (complete replication) yapmak mümkün olmayabilir. Bu durumda, deneme sayısının yarı büyüklüğünde iki farklı blok kullanarak bu sorun giderilmeye çalışılır. Ancak, denemelerin yarısını birinci blokta diğer yarısını ikinci blokta kullanmak bazı faktöriyel etkilerin (ana etkiler veya etkileşim etkileri) bloklarla karışmasına (confounding) neden olur. Bir başka deyişle, faktöriyel etki ile blok etkisi ayırt edilemez (özdeş) olur ve hangi faktöriyel etkinin bloklarla karıştırılacağı problemi gündeme gelir. Faktöriyel tasarımlarda, yüksek dereceli etkileşimlerin, ana etkilere ve düşük dereceli etkileşimlere göre, daha az önemli olduğu düşünüldüğünden veya bir başka deyişle yüksek dereceli etkileşimlerden elde edilecek bilginin ana etkilerden veya düşük dereceli etkileşimlerden elde edilecek bilgiye göre daha gözden çıkarılabilir olduğu düşünüldüğünden (bkz. Hinkelmann & Kempthnone, 1994, Montgomery, 2001), bloklarla karıştırılacak olan faktöriyel etki genellikle yüksek dereceli etkileşimler arasından seçilir. 70 / 99
71 Denemelerin tamamını aynı blokta kullanmak mümkün olmadığından, burada tanıtılan tasarım eksik blok tasarımı olarak da isimlendirilir (bkz. Bölüm 10). Ancak, faktöriyel tasarımların özel yapısı gereği veri analizi kısmı, Bölüm 10 da anlatılan dengeli eksik blok tasarımlara göre daha kolaydır (Montgomery, 2001). Burada, dikkat edilmesi gereken diğer bir husus, kaynaklar yeterli olsa bile çok sayıda deney birimi içeren bloklar kullanıldığında deneysel hatayı kontrol altına almak için kullanılan "bloklama" ilkesinden uzaklaşılmış olur ve etki karışımı kullanmak gerekliliği doğar, bkz. Kuehl (2000). 71 / 99
72 2 2 faktöriyel tasarımda, deneme kombinasyonları (1), a, b, ab dir. Elimizde, her biri iki tane deney birimi içeren iki farklı blok olduğunu ve AB etkileşim etkisinin bloklarla karıştırılmasına karar verildiğini varsayalım. AB etkileşim etkisi bloklarla karıştırılacağından, bağıntı tablosunda AB etkileşimine karşılık gelen satır göz önüne alınır: AB satırında "+" işaretli olan deneme kombinasyonları birinci bloğa, AB satırında " " işaretli olan Etki (1) a b ab AB (1), ab a, b deneme kombinasyonları da ikinci bloğa alınır. 72 / 99
73 AB 1. Blok (1) ab 2. Blok a b 73 / 99
74 AB etkileşim etkisi bloklarla karıştırıldığından dolayı blok etkisi ile aynı olur. Bir başka deyişle, AB etkileşim etkisi, blok etkisinden ayrılamaz. Gerçekten Blok Etkisi = 1. Blok Ortalaması 2. Blok Ortalaması (80) = (1)+ab 2 a+b 2 (81) = 1 [ab+(1) a b] 2 (82) = AB (83) dir. Blok etkisi ile karıştırılmamış olan A ve B ana etkileri ise, daha önce verilen formülleri yardımıyla hesaplanır. A = 1 2n [ab+a b (1)] B = 1 2n [ab+b a (1)] 74 / 99
75 2 2 faktöriyel tasarımda AB etkileşim etkisi bloklarla karıştırıldığında ve bu işlemr defa tekrarlandığında ANOVA tablosu, aşağıda gösterildiği gibi oluşturulur. Kaynak df SS Bloklar 2r 1 SS Blok r 1 1 r 1 Tekrarlar AB Tekrarlar AB SS Tekrar SS AB SS Tekrar AB A 1 SS A B 1 SS B Hata (Tekrarlar A+Tekrarlar B) 2(r 1) SS Hata Genel 4r 1 SS Toplam 75 / 99
76 Tekrarlar ve AB arasında anlamlı bir farklılık olup olmadığı sınanırken, hata terimi olarak Tekrarlar AB etkileşimi kullanılır. Ancak, Tekrarlar AB etkileşimine ait serbestlik derecesi az olduğundanf testinin gücü de az olur, bkz. Muluk ve ark. (2009). Ana etkiler ve etkileşim etkileri sınanırken de Tekrarlar Etkiler hata terimi olarak kullanılır, bkz. Cochran & Cox (1957). Not edilmelidir ki, tekrar sayısı 1 olduğunda yukarıdaki tabloda, hatanın serbestlik derecesi "sıfır" olur. Bu durumda, normal Q-Q grafiği ya da kareler toplamlarının genel kareler toplamına oranlarına bakılarak ihmal edilebilir ya da önemsiz olduğu düşünülen faktöriyel etkiler belirlenir. 76 / 99
77 Q-Q grafiğinde etkisi az olan ya da daha az önemli olan etkiler düz bir doğru etrafında yayılım gösterirken, önemli derecede etkiye sahip olan etki ya da etkiler bu doğrudan sapma gösterirler. Dolayısıyla, düz bir doğru etrafında yayılım gösteren etkiler hata terimi olarak alınırlar. Kareler toplamına bakarak, hangi etki ya da etkilerin hata terimi olarak alınacağına ilgili etkinin kareler toplamının, genel kareler toplamına bölümünden elde edilen oran yardımıyla karar verilir. Bu oran "açıklama oranı" olarak da isimlendirilir. Açıklama oranı düşük olan etki ya da etkiler hata terimi olarak alınırlar. Detaylı bilgi için bkz. Montgomery (2001). Bir tekrar olması ve B ana etkisinin Q-Q grafiğinde önemli bulunmaması halinde, ANOVA tablosu aşağıda gösterildiği gibi oluşturulur. Kaynak df Bloklar(AB) 1 A 1 Hata(B) 1 Genel 4-1=3 77 / 99
78 2 2 faktöriyel tasarımda, eğer A ana etkisinin AB etkileşim etkisine göre daha az önemli olduğu düşünülüyorsa, A ana etkisi bloklarla karıştırılır. Karıştırma işlemi yukarıdaki gibi yapılır. Bağıntı tablosunda A faktörüne karşılık gelen satır göz önüne alınır: (1) a b ab Etki A A satırında "+" işaretli olan a, ab deneme kombinasyonları birinci bloğa, A satırında " " işaretli olan (1), b deneme kombinasyonları da ikinci bloğa alınır. 78 / 99
79 Sonuç olarak, aşağıdaki şekilde gösterilen iki blok elde edilir. A 1. Blok 2. Blok a ab (1) b 79 / 99
80 da Ana faktör etkilerine ve ikili etkileşimlere göre daha az önemsiz olduğu düşünülen ABC etkileşim etkisi, bloklarla karıştırıldığında her biri 4 büyüklüğünde iki blok elde edilir: ABC 1. Blok 2. Blok Hatırlatma: a b c abc (1) ab ac bc (1) a b ab c ac bc abc Etki ABC / 99
81 da 2 3 faktöriyel tasarımda, ABC etkileşim etkisinin bloklarla karıştırılması işlemininr kez uygulanması halinde, ANOVA tablosu, aşağıda gösterildiği gibi oluşturulur. Kaynak df SS Bloklar 2r 1 SS Blok r 1 1 r 1 Tekrarlar ABC Tekrarlar ABC SS Tekrar SS ABC SS Tekrar ABC A 1 SS A B 1 SS B AB 1 SS AB C 1 SS C AC 1 SS AC BC 1 SS BC Hata 6(r 1) SS Hata Genel 8r 1 SS Toplam 81 / 99
82 da Bir tekrar yapılması ve ikili etkileşim (AB, AC ve BC) etkilerinin Q-Q grafiğinde önemli bulunmaması halinde, ANOVA Tablosu aşağıda gösterildiği gibi oluşturulur. Kaynak df Bloklar(ABC) 1 A 1 B 1 C 1 Hata(AB+AC+BC) 3 Genel 8-1=7 82 / 99
83 Kısmi Eğer araştırmacı, etki karışımlı tasarımlarda olduğunun aksine, faktöriyel etkilerin hepsinden kısmi de olsa bir bilgi elde etmek istiyorsa, her tekrarda farklı bir etkiyi bloklarla karıştırmak suretiyle bu bilgiyi ilgili tekrarlardan elde eder. Bu nedenle, bu tip tasarımlara kısmi etki karışımlı (partially confounded) tasarımlar denir. Örneğin,2 3 faktöriyel tasarımda, I. tekrarda ABC, II. tekrarda BC ve III. tekrarda AC etkileşim etkileri bloklarla karıştırılmış olsun. ABC hakkındaki bilgi II. ve III. tekrarlardan, BC hakkındaki bilgi I. ve III. tekrarlardan ve AC hakkındaki bilgi I. ve II. tekrarlardan elde edilir. Böylelikle, ABC, BC ve AC etkileşim etkileri hakkında tam bir bilgi kaybından kaçınılmış olur ve her bir etki hakkında 2/3 oranında bilgi elde edilmiş olur. 83 / 99
84 Kısmi ANOVA tablosunda, tekrarlar için kareler toplamı, bloklar için kareler toplamı, r SS Tekrar = 2 3 ( T i ȳ ) 2, (84) i=1 SS Blok = r ve faktöriyel etkiler için kareler toplamı, i=1 formülleri kullanılarak hesaplanır. Burada, T i,i inci tekrardaki gözlemlerin ortalamasını, B ij,i inci tekrardakij inci blok ortalamasını, gösterir. 2 ( B ij T i ) 2, (85) j=1 SS X = [Bağıntı X] 2 r2 3 (86) 84 / 99
85 Kısmi Not etmek gerekir ki, SS formülünde "Bağıntı" değeri hesaplanırken sadece ilgili tekrarlardan elde edilen gözlem değerleri kullanılır. Kısmi etki karışımlı2 3 faktöriyel tasarım için ANOVA tablosu, aşağıda gösterildiği gibi oluşturulur. Kaynak Tekrarlar Bloklar(Tekrarlar) df r 1 r A 1 B 1 C 1 AB 1 AC (I. ve II. tekrardan) 1 BC (I. ve III. tekrardan) 1 ABC (II. ve III. tekrardan) 1 Hata Genel 6r 7 8r 1 85 / 99
86 Çift Bazı durumlarda, deneme sayısı o kadar fazla olabilir ki, deneme sayısının yarı büyüklüğünde deney birimi içeren bloklar elde etmek dahi mümkün olmayabilir. Bu gibi durumlarda, ikinci bir faktöriyel etkiyi bloklarla karıştırarak, deneme sayısının dörtte biri büyüklüğünde dört farklı blok kullanmak suretiyle bu sorun giderilmeye çalışılır. Çift etki karışımında, iki ayrı faktöriyel etkiye ilaveten bu faktöriyel etkilerin etkileşimleri de bloklarla karışmış olacağından, toplam üç tane faktöriyel etki bloklarla karıştırılmış olur. Benzer şekilde, deneme sayısının sekizde biri büyüklüğünde sekiz ayrı blok kullanmak için üç ayrı faktöriyel etkiye ilaveten bu üç faktöriyel etkinin ikişerli ve üçerli etkileşimleri de bloklarla karıştırılmış olur. Faktöriyel tasarımlarda, çift etki karışımının nasıl yapıldığını bir örnek üzerinde açıklayalım. 2 3 faktöriyel tasarımda, ABC etkileşim etkisi bloklarla karıştırıldığında her biri dörder tane deney birimi içeren iki blok elde edilir. Pratikte, bu özelliğe sahip bloklar elde etmek çok zor olmamakla beraber, bu örnek için elimizde her biri ikişer tane deney birimi içeren dört blok olduğunu varsayalım. Bu durumda, önemsiz olduğu düşünülen BC faktöriyel etkisi de bloklarla karıştırılarak, dört olan blok büyüklükleri yarıya indirilir. 86 / 99
87 Çift ABC etkileşim etkisi bloklarla karıştırıldıktan sonra elde edilen blokların her biri için BC etkileşim etkisi bloklarla karıştırılırken BC nin bağıntı katsayılarından yararlanılır. (1) a b ab c ac bc abc Etki BC dir. Blok 1 için BC etkileşim etkisi bloklarla karıştırılırken,"+" işaretli olan deneme kombinasyonları a, abc Blok 11 de ve " " işaretli olan deneme kombinasyonları b, c Blok 12 de yer alır. Benzer şekildeblok 2 için BC etkileşim etkisi bloklarla karıştırılırken, "+" işaretli olan deneme kombinasyonları (1), abc Blok 21 de ve " " işaretli olan deneme kombinasyonları Blok 22 de yer alır. ab, ac 87 / 99
88 Çift Sonuç olarak, her biri iki büyüklüğünde dört blok elde edilmiş olur: ABC Blok 1 a b c abc BC Blok 2 (1) ab ac bc BC Blok 11 a abc Blok 12 b c Blok 21 (1) abc Blok 22 ab ac 88 / 99
89 Çift Not edilmelidir ki, ABC ve BC nin etkileşim etkileri, bloklarla karıştırıldığında (ABC)(BC) = AB 2 C 2 = A mod 2 ana etkisi de bloklarla karıştırılmış olur. Buradaki çarpma işlemi 2 modülüne göre yapılmıştır. 89 / 99
90 Kesirli Kesirli Kesirli Kesirli Kesirli ın 1/2 Tekrarı ın 1/2 Tekrarı ın 1/2 Tekrarı ın 1/2 Tekrarı Kesirli Kesirli 90 / 99
91 Kesirli Kesirli Kesirli Kesirli Kesirli ın 1/2 Tekrarı ın 1/2 Tekrarı ın 1/2 Tekrarı Eldeki kaynaklar yeterli olmadığında veya yüksek dereceli etkileşimlerin önemli olmadığı varsayıldığında, araştırmacılar tam tekrar yapmak yerine, yarı (1/2) tekrar, dörtte bir (1/4) tekrar... v.b. yapmak isteyebilirler. Bu durumda, en uygun yöntem denemelerin yalnız bir kısmını kullanan kesirli faktöriyel tasarımlardır (fractional factorial designs). Böylelikle, ana etkiler ile düşük dereceli etkileşimler hakkında bilgi elde etmenin yanısıra, deneyde kullanılan deney birimi sayısı, dolayısıyla da, harcanan para ve zamandan da tasarruf edilmiş olur. Kesirli faktöriyel tasarımlar, özellikle mühendislik alanında yaygın olarak kullanılır. Bunun başlıca sebebi, deneyin başlangıç safhalarında faktöriyel etkiler hakkında önemli bilgiler vermesi (Kuehl, 2000), dolayısıyla da, çalışmanın ilerleyen safhaları için daha sağlıklı kararlar alınabilmesini kolaylaştırmasıdır. 2 7 tasarımda toplam 128 tane deneme vardır. 128 tane deney birimi içeren bir blok yerine, 64 tane deney birimi içeren iki bloktan rasgele olarak birini kullanmak (1/2 tekrar) ya da 32 tane deney birimi içeren dört bloktan rasgele olarak birini kullanmak (1/4 tekrar) bir çok açıdan tam tekrar yapmaya göre avantaj sağlar. ın 1/2 Tekrarı Kesirli Kesirli 91 / 99
92 Kesirli Kesirli Kesirli Kesirli Kesirli ın 1/2 Tekrarı ın 1/2 Tekrarı Örneğin,2 7 faktöriyel tasarımda, 64 tane deney birimi içeren iki bloğun kullanıldığını ve yüksek dereceli etkileşimlerin ihmal edilebilir olduğunu varsayarsak, hataya ait serbestlik derecesi, df Hata = df Toplam (df Blok +df Ana Etkiler +df İkili Etkileşimler ) = 127 (1+7+21) = 98 olur. Üçlü etkileşimlerin de önemli olduğu düşünülüyorsa hataya ait serbestlik derecesi df Hata = df Toplam (df Blok +df Ana Etkiler +df İkili Etkileşimler +df Üçlü Etkileşimler ) olur. = 127 ( ) = 63 ın 1/2 Tekrarı ın 1/2 Tekrarı Kesirli Kesirli 92 / 99
93 Kesirli Bu serbestlik dereceleri hata için gerekenden çok fazladır ve gereksiz yere kaynak israfına neden olur. Dolayısıyla, faktöriyel tasarımda, 1/2 tekrar yaparak, 64 tane deney birimi içeren bloklardan birini rasgele olarak kullanmak bizim için yeterli olabilir. 2 6 ve2 8 tasarımları içinde benzer yorumlar yapılabilir, bkz. Montgomery (2001) ve Hinkelmann & Kempthorne (1994). Literatürde,2 k faktöriyel tasarımın1/2 x (x = 1,2,,k 1) tekrarı,2 k x olarak ifade edilir. Kesirli Kesirli Kesirli Kesirli ın 1/2 Tekrarı ın 1/2 Tekrarı ın 1/2 Tekrarı ın 1/2 Tekrarı Kesirli Kesirli 93 / 99
94 ın 1/2 Tekrarı Kesirli Kesirli Kesirli Kesirli ın 1/2 Tekrarı ın 1/2 Tekrarı ın 1/2 Tekrarı ın 1/2 Tekrarı Kesirli Kesirli Etki karışımında olduğu gibi etkisi bloklarla karıştırılacak olan faktöriyel etkiler belirlenir. Bu faktöriyel etkiler tanımlayıcı bağıntı (defining contrast) olarak ifade edilir vei sembolü ile gösterilir. Yüksek dereceli etkileşimler genellikle önemsiz olarak kabul edildiğinden kesirli faktöriyel tasarımlarda tanımlayıcı bağıntı olarak alınırlar. 2 3 faktöriyel tasarımda, tanımlayıcı bağıntıi = ABC etkileşim etkisi olsun. 1/2 tekrar ile amaç, 8 deneme kombinasyonu yerine 4 deneme kombinasyonu ile çalışmaktır. 8 deneme kombinasyonu, etki karışımında olduğu gibi, bağıntı katsayıları tablosununda yaralanılarak her biri 4 tane deney birimi içeren iki bloğa ayrılır. I = ABC olduğu durumda,2 3 faktöriyel tasarımda "+" işaretli olan deneme kombinasyonları dır. a, b, c, abc Dolayısıyla,2 3 faktöriyel tasarımın 1/2 tekrarında kullanılacak olan deneme kombinasyonları olarak belirlenirler. a, b, c, abc 94 / 99
ç- çe Tasarmlar Birdal eno lu ükrü Acta³ eno lu & Acta³ statistiksel Deney Tasarm Giri³ ki A³amal ç- çe Üç A³amal ç- çe l A³amal ç- çe
lar Birdal eno lu ükrü çindekiler 1 2 3 4 5 A³amal tasarmlar (hierarchical designs) olarak da bilinen iç-içe tasarmlarda (nested designs), ³u ana kadar gördü ümüz tasarmlardan farkl olarak iki veya ikiden
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
Detaylıİçindekiler. I Varyans Analizi (ANOVA) 1. Önsöz. Simgeler ve Kısaltmalar Dizini
İçindekiler Önsöz Simgeler ve Kısaltmalar Dizini v xv I Varyans Analizi (ANOVA) 1 1 Varyans Analizine Giriş 3 1.1 TemelKavramlar... 3 1.2 Deney Tasarımının Temel İlkeleri... 5 1.2.1 Bloklama... 5 1.2.2
Detaylı2 4 Faktöriyel Tasarımların Sağlık Alanında Kullanımı
ORİJİNAL MAKALE / ORIGINAL ARTICLE Düzce Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi 2012;2(3): 1-6 ISSN: 2146-443X Düzce Üniversitesi sbedergi@duzce.edu.tr 2 4 Faktöriyel Tasarımların Sağlık Alanında
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
Detaylıkili ve Çoklu Kar³la³trmalar
kili ve Çoklu Kar³la³trmalar Birdal eno lu ükrü Acta³ çindekiler 1 Giri³ 2 3 4 5 6 7 Bu bölümde, (2.1) modelinde, H 0 : µ 1 = µ 2 = = µ a = µ (1) ³eklinde ifade edilen sfr hipotezinin reddedilmesi durumunda,
DetaylıMustafa Sezer PEHLİVAN. Yüksek İhtisas Üniversitesi Beslenme ve Diyetetik Bölümü
* Yüksek İhtisas Üniversitesi Beslenme ve Diyetetik Bölümü SAYILAR Doğal Sayılar, Tam Sayılar, Rasyonel Sayılar, N={0,1,2,3,,n, } Z={,-3,-2,-1,0,1,2,3, } Q={p/q: p,q Z ve q 0} İrrasyonel Sayılar, I= {p/q
DetaylıOlasılık ve Normal Dağılım
Olasılık ve Normal Dağılım P = 0 İmkansız P =.5 Yarı yarıya P = 1 Kesin Yazı-Tura 1.5 2 1.5 2.5.5.25 Para atışı 10 kere tekrarlandığında Yazı Sayısı f % 0 3 30 1 6 60 2 1 10 Toplam 10 100 Atış 1000 kere
DetaylıİSTATİSTİK II. Hipotez Testleri 1
İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler
DetaylıBir Normal Dağılım Ortalaması İçin Testler
Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
DetaylıKRUSKAL WALLIS VARYANS ANALİZİ. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
KRUSKAL WALLIS VARYANS ANALİZİ Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı ükruskal Wallis varyans analizi, tek yönlü varyans analizinin parametrik olmayan karşılığıdır. üveriler ölçümle
DetaylıKompozit Malzemeler ve Mekaniği. Yrd.Doç.Dr. Akın Ataş
Kompozit Malzemeler ve Mekaniği Yrd.Doç.Dr. Akın Ataş Bölüm 3 Laminanın Mikromekanik Analizi Kaynak: Kompozit Malzeme Mekaniği, Autar K. Kaw, Çevirenler: B. Okutan Baba, R. Karakuzu. 3 Laminanın Mikromekanik
Detaylı1: DENEYLERİN TASARIMI VE ANALİZİ...
İÇİNDEKİLER Bölüm 1: DENEYLERİN TASARIMI VE ANALİZİ... 1 1.1. Deneyin Stratejisi... 1 1.2. Deneysel Tasarımın Bazı Tipik Örnekleri... 11 1.3. Temel Kurallar... 16 1.4. Deneyleri Tasarlama Prensipleri...
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen
DetaylıHipotez Testlerine Giriş. Hipotez Testlerine Giriş
Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıKazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek
T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
Detaylıİkiden Çok Grup Karşılaştırmaları
İkiden Çok Grup Karşılaştırmaları Bir onkoloji kliniğinde göğüs kanseri tanısı almış kadınlar arasından histolojik evrelerine göre 17 şer kadın seçilerek sağkalım süreleri (ay) alınmıştır. HİSTLOJİK EVRE
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
DetaylıİÇİNDEKİLER BASİT EŞİTSİZLİKLER. HARFLİ İFADELER Harfli İfadeler ve Elemanları Eşitsizlik Sembolleri ve İşaretin Eşitsizlik İfadesi...
İÇİNDEKİLER HARFLİ İFADELER Harfli İfadeler ve Elemanları... 1 Benzer Terim... Harfli İfadenin Terimlerini Toplayıp Çıkarma... Harfli İfadelerin Terimlerini Çarpma... Harfli İfadelerde Parantez Açma...
DetaylıBİYOİSTATİSTİK PARAMETRİK TESTLER
BİYOİSTATİSTİK PARAMETRİK TESTLER Doç. Dr. Mahmut AKBOLAT *Bir testin kullanılabilmesi için belirli şartların sağlanması gerekir. *Bir testin, uygulanabilmesi için gerekli şartlar; ne kadar çok veya güçlü
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
DetaylıBir-Yönlü ANOVA (Tamamen Rasgele Tasarm)
Bir-Yönlü ANOVA (Tamamen Rasgele Tasarm) Birdal eno lu ükrü Acta³ çindekiler 1 Giri³ Giri³ 2 3 4 LS Tahmin Edicilerinin Özellikleri 5 Genel Kareler Toplamnn Parçalan³ ndirgenmi³ Model-Tam Model Yakla³m
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 10 Eylemsizlik Momentleri Kaynak: Mühendislik Mekaniği: Statik, R. C.Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 10. Eylemsizlik Momentleri
DetaylıNORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER
NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER A) Normal Dağılım ile İlgili Sorular Sayfa /4 Hamileler ile ilgili bir araştırmada, bu grubun hemoglobin değerlerinin normal dağılım gösterdiği
DetaylıBİYOİSTATİSTİK. Uygulama 6. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 6 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Soru 1 İlaç malzemelerinin kalitesini
Detaylı14 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Değişen Varyans
DetaylıYrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü
Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıTemel Kavramlar 1 Doğal sayılar: N = {0, 1, 2, 3,.,n, n+1,..} kümesinin her bir elamanına doğal sayı denir ve N ile gösterilir.
Temel Kavramlar 1 Doğal sayılar: N = {0, 1, 2, 3,.,n, n+1,..} kümesinin her bir elamanına doğal sayı denir ve N ile gösterilir. a) Pozitif doğal sayılar: Sıfır olmayan doğal sayılar kümesine Pozitif Doğal
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıHİPOTEZ TESTLERİ HİPOTEZ NEDİR?
HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen
DetaylıOlasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir.
5.SUNUM Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. Günlük hayatta sıklıkla kullanılmakta olan olasılık bir olayın ortaya
DetaylıÖRNEKLEME TEORİSİ 1/30
ÖRNEKLEME TEORİSİ 1/30 NİÇİN ÖRNEKLEME Zaman Kısıdı Maliyeti Azaltma YAPILIR? Hata Oranını Azaltma Sonuca Ulaşma Hızı /30 Örnekleme Teorisi konusunun içinde, populasyondan örnek alınma şekli, örneklerin
DetaylıMühendislikte İstatistik Yöntemler
.0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0
DetaylıÖrneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı
Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 2- HATA VE HATA KAYNAKLARI Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ Bir denklemin veya problemin çözümünde kullanılan sayısal yöntem belli bir giriş verisini işleme tabi tutarak sayısal
DetaylıÜNİTE. MATEMATİK-1 Doç.Dr.Erdal KARADUMAN İÇİNDEKİLER HEDEFLER ÖZDEŞLİKLER, DENKLEMLER VE EŞİTSİZLİKLER
HEDEFLER İÇİNDEKİLER ÖZDEŞLİKLER, DENKLEMLER VE EŞİTSİZLİKLER Özdeşlikler Birinci Dereceden Bir Bilinmeyenli Denklemler İkinci Dereceden Bir Bilinmeyenli Denklemler Yüksek Dereceden Denklemler Eşitsizlikler
DetaylıDeneysel Verilerin Değerlendirilmesi. Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR. Prof. Dr. Murat ELİBOL FİNAL SINAVI
Deneysel Verilerin Değerlendirilmesi Dersi Veren Öğretim Üyeleri: Yrd. Doç. Dr. Özge ANDİÇ ÇAKIR Prof. Dr. Murat ELİBOL FİNAL SINAVI Ödevi Hazırlayan: Özge AKBOĞA 91100019124 (Doktora) Güz,2012 İzmir 1
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıA t a b e y M e s l e k Y ü k s e k O k u l u İstatistik Sunum 4 Öğr.Gör. Şükrü L/O/G/O KAYA www.sukrukaya.org www.themegallery.com 1 Yer Ölçüleri Yer ölçüleri, verilerin merkezini veya yığılma noktasını
DetaylıNokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş
Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini
DetaylıGÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Kestirim Pratikte kitle parametrelerinin doğrudan hesaplamak olanaklı değildir. Bunun yerine
Detaylıtaşinmaz DEĞERLEME- DE İSTATİKSEL ANALİZ
8 Varyans Analizi (Anova) TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI taşinmaz DEĞERLEME- DE İSTATİKSEL ANALİZ Doç. Dr. Yüksel TERZİ 1 Ünite: 8 VARYANS ANALİZİ (ANOVA) Doç. Dr. Yüksel TERZİ İçindekiler
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan
DetaylıMATE 211 BİYOİSTATİSTİK İKİ FARKIN ÖNEMLİLİK TESTİ VE İKİ EŞ ARASINDAKİ FARKIN ÖNEMLİLİK TEST SORULARI
MATE 211 BİYOİSTATİSTİK İKİ FARKIN ÖNEMLİLİK TESTİ VE İKİ EŞ ARASINDAKİ FARKIN ÖNEMLİLİK TEST SORULARI 1. Doğum sırasının çocuğun zeka düzeyini etkileyip etkilemediğini araştıran bir araştırmacı çocuklar
DetaylıİSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI aysecagli@beykent.edu.tr 1 Güven aralığı ve Hipotez testi Güven aralığı µ? µ? Veriler, bir değer aralığında hangi değeri gösteriyor? (Parametrenin gerçek
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi
DetaylıBAĞIMLI ĠKĠDEN ÇOK GRUBUN KARġILAġTIRILMASINA ĠLĠġKĠN HĠPOTEZ TESTLERĠ
BAĞIMLI ĠKĠDEN ÇOK GRUBUN KARġILAġTIRILMASINA ĠLĠġKĠN HĠPOTEZ TESTLERĠ 1. TEKRARLI ÖLÇÜMLERDE TEK YÖNLÜ VARYANS ANALĠZĠ. FRIEDMAN TESTĠ 3. COCHRAN Q TESTĠ TEKRARLI ÖLÇÜMLERDE TEK YÖNLÜ VARYANS ANALĠZĠ
Detaylı1. BÖLÜM Polinomlar BÖLÜM II. Dereceden Denklemler BÖLÜM II. Dereceden Eşitsizlikler BÖLÜM Parabol
ORGANİZASYON ŞEMASI . BÖLÜM Polinomlar... 7. BÖLÜM II. Dereceden Denklemler.... BÖLÜM II. Dereceden Eşitsizlikler... 9. BÖLÜM Parabol... 5 5. BÖLÜM Trigonometri... 69 6. BÖLÜM Karmaşık Sayılar... 09 7.
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıRastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde
DetaylıÜSTEL DÜZLEŞTİRME YÖNTEMİ
ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıFaktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,
14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.
DetaylıTEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ
TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin
DetaylıKORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
DetaylıH 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0
YTÜ-İktisat İstatistik II Hipotez Testi 1 HİPOTEZ TESTİ: AMAÇ: Örneklem bilgisinden hareketle anakütleye ilişkin olarak kurulan bir hipotezin (önsavın) geçerliliğinin test edilmesi Genel notasyon: anakütleye
DetaylıBİYOİSTATİSTİK Tek Örneklem ve İki Örneklem Hipotez Testleri Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Tek Örneklem ve İki Örneklem Hipotez Testleri Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
DetaylıKONU: ÇARPANLARA AYIRMA TARİH: YER:LAB.4 _PC5
KONU: ÇARPANLARA AYIRMA TARİH:29.11.2011 YER:LAB.4 _PC5 İçindekiler KONU HAKKINDA GENEL BİLGİ :...3 A.ORTAK ÇARPAN PARANTEZİNE ALMA :...3 B.GRUPLANDIRARAK ÇARPANLARA AYIRMA:...3 C.İKİ KARE FARKI OLAN İFADELERİN
DetaylıEŞĐTSĐZLĐKLER MATEMATĐK ĐM. Eşitsizlikler YILLAR /LYS. 14) Özel olarak. x >x ÖZELLĐKLER.
YILLAR 00 00 00 00 006 007 008 009 00 0 ÖSS-YGS - - - - - / - /LYS EŞĐTSĐZLĐKLER =y,,, y,,, < y y,,, > y,,, y (tarif et ) ÖZELLĐKLER ) > veya < 0
DetaylıÖrnek...3 : Aşağıdaki ifadelerden hangileri bir dizinin genel terim i olabilir? Örnek...4 : Genel terimi w n. Örnek...1 : Örnek...5 : Genel terimi r n
DİZİLER Tanım kümesi pozitif tam sayılar kümesi olan her fonksiyona dizi denir. Örneğin f : Z + R, f (n )=n 2 ifadesi bir dizi belirtir. Diziler değer kümelerine göre adlandırılırlar. Dizinin değer kümesi
DetaylıPERMÜTASYON, KOMBİNASYON. Örnek: Örnek: Örnek:
SAYMANIN TEMEL KURALLARI Toplama Kuralı : Sonlu ve ayrık kümelerin eleman sayılarının toplamı, bu kümelerin birleşimlerinin eleman sayısına eşittir. Mesela, sonlu ve ayrık iki küme A ve B olsun. s(a)=
DetaylıYrd. Doç. Dr. Sedat ŞEN 2
6.SUNUM ANOVA da bir bağımlı değişken ile grup değişkeni kullanarak gruplar arasında bağımlı değişken açısından farklılık olup olmadığını test etmiştik. Daha sonra ANCOVA da ANOVA ya sürekli bir değişkeni
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans
DetaylıANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI
ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30
DetaylıÖrnek...3 : Aşağıdaki ifadelerden hangileri bir dizinin genel terim i olabilir?
DİZİLER Tanım kümesi pozitif tam sayılar kümesi olan her fonksiyona dizi denir. Örneğin f : Z + R, f (n )=n 2 ifadesi bir dizi belirtir. Diziler, değer kümelerine göre adlandırı - lırlar. Dizinin değer
DetaylıBÖLÜM 13 HİPOTEZ TESTİ
1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 9 VARYANS ANALİZİ Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi
DetaylıMeslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
Detaylıaltında ilerde ele alınacaktır.
YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
Detaylı3. BÖLÜM MATRİSLER 1
3. BÖLÜM MATRİSLER 1 2 11 21 1 m1 a a a v 12 22 2 m2 a a a v 1 2 n n n mn a a a v gibi n tane vektörün oluşturduğu, şeklindeki sıralanışına matris denir. 1 2 n A v v v Matris A a a a a a a a a a 11 12
Detaylı14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri
DetaylıOPTİMUM TOLERANSLARIN BELİRLENMESİNDE CEVAP YÜZEYİ YÖNTEMLERİNİN KULLANILMASI ÜZERİNE BİR İNCELEME 1 Cenk ÖZLER 2
D.E.Ü.İ.İ.B.F. Dergisi Cilt:1 Sayı:1, Yıl:006, ss: 71-83 OPTİMUM TOLERANSLARIN BELİRLENMESİNDE CEVAP YÜZEYİ YÖNTEMLERİNİN KULLANILMASI ÜZERİNE BİR İNCELEME 1 Cenk ÖZLER ÖZET Bir montajı oluşturan bileşenlerin
Detaylı4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu
4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X
DetaylıBÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES)
BÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES) Lagrange ve Neville yöntemlerinin bazı olumsuz yanları vardır: İşlem sayısı çok fazladır (bazı başka yöntemlere kıyasla) Data setinde bir nokta ilavesi veya çıkartılması
Detaylı8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,
İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2
DetaylıParametrik Olmayan Testler. İşaret Testi-The Sign Test Mann-Whiney U Testi Wilcoxon Testi Kruskal-Wallis Testi
Yrd. Doç. Dr. Neşet Demirci, Balıkesir Üniversitesi NEF Fizik Eğitimi Parametrik Olmayan Testler İşaret Testi-The Sign Test Mann-Whiney U Testi Wilcoxon Testi Kruskal-Wallis Testi Rank Korelasyon Parametrik
DetaylıJEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA
JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ Prof. Dr. Mualla YALÇINKAYA Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü Trabzon, 2018 VERİLERİN İRDELENMESİ Örnek: İki nokta arasındaki uzunluk 80 kere
Detaylıİki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle
Detaylı