Дисперсионный анализ

    Дисциплина: Разное
    Тип работы: Курсовая
    Тема: Дисперсионный анализ

    Министерство образования Российской Федерации
    ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
    ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
    «ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
    Факультет информационных технологий
    Кафедра прикладной информатики
    КУРСОВАЯ РАБОТА
    По дисциплине: «Системный анализ»
    На тему: «Дисперсионный анализ»
    ГОУ ОГУ 071900.5303.09 ПЗ
    Руководитель работы
    _____________Юдина Н.М.
    «___»_____________2003 г.
    Исполнитель
    студент гр. 99 ИСЭ-2
    _____________Жбанов В.В.
    «___»_____________2003 г.
    г. Оренбург-2003
    Содержание
    Введение…………………….……………………………………………....3
    Дисперсионный анализ………………………………………………....4
    Основные понятия дисперсионного анализа…………………..……4
    Однофакторный дисперсионный анализ………………………….....6
    Многофакторный дисперсионный анализ…………………….........12
    Применение дисперсионного анализа в различных задачах и
    исследованиях……………………………………………………………………...16
    2.1 Использование дисперсионного анализа при изучении
    миграционных процессов……………………………………………….……..….16
    2.2 Принципы математико-статистического анализа данных
    медико-биологических исследований……………...……………….……………17
    2.3 Биотестирование почвы……………...…………………………..…...19
    2.4 Грипп вызывает повышенную выработку гистамина…………..…..21
    2.5 Дисперсионный анализ в химии……………………………...…..….22
    2.6 Использование прямого преднамеренного внушения в
    бодрствующем состоянии в методике воспитания физических качеств………23
    2.7 Купирование острой психотической симптоматики у больных
    шизофренией атипичным нейролептиком……………………………………….26
    2.8 Снование фасонной пряжи с ровничным эффектом………….....….28
    2.9 Сопутствующая паталогия при полной утрате зубов у лиц
    пожилого и старческого возраста………………………………...………………29
    Дисперсионный анализ в контексте статистических
    методов…...................................................................................................................31
    3.1 Векторные авторегрессии……………………………………...……..34
    3.2 Факторный анализ………………………………………………….…37
    3.3 Парная регрессия. Вероятностная природа регрессионных
    моделей……………………………………………………………………….….…41
    Заключение………………………………………………………….…..... 44
    Список использованных источников………………………………....….45
    Введение
    Цель работы: познакомится с таким статистическим методом, как дисперсионный анализ.
    Дисперсионный анализ
    (от латинского Dispersio – рассеивание) – статистический метод, позволяющий анализировать влияние различных факторов на исследуемую переменную. Метод был разработан биологом Р.
    Фишером в 1925 году и применялся первоначально для оценки экспериментов в растениеводстве. В дальнейшем выяснилась общенаучная значимость дисперсионного анализа для экспериментов в
    психологии, педагогике, медицине и др.
    Целью
    дисперсионного анализа
    является проверка значимости различия между средними с помощью сравнения дисперсий. Дисперсию измеряемого признака разлагают на независимые слагаемые, каждое из
    которых характеризует влияние того или иного фактора или их взаимодействия. Последующее сравнение таких слагаемых позволяет оценить значимость каждого изучаемого фактора, а также их
    комбинации /1/.
    При истинности нулевой гипотезы (о равенстве средних в нескольких группах наблюдений, выбранных из генеральной совокупности), оценка дисперсии, связанной с
    внутригрупповой изменчивостью, должна быть близкой к оценке межгрупповой дисперсии.
    При проведении исследования рынка часто встает вопрос о сопоставимости результатов. Например, проводя опросы по поводу потребления какого-либо товара в различных
    регионах страны, необходимо сделать выводы,
    на сколько данные опроса отличаются или не отличаются друг от друга. Сопоставлять отдельные показатели не имеет смысла и поэтому процедура сравнения и
    последующей оценки производится по некоторым усредненным значениям и отклонениям от этой усредненной оценки. Изучается вариация признака. За меру вариации может
    быть принята дисперсия.
    Дисперсия
    2 – мера вариации, определяемая как средняя из отклонений признака, возведенных в квадрат.
    На практике часто возникают задачи более общего характера – задачи проверки существенности различий средних выборочных нескольких совокупностей. Например, требуется оценить
    влияние различного сырья на качество производимой продукции, решить задачу о влиянии количества удобрений на урожайность с/х продукции.
    Иногда дисперсионный анализ применяется, чтобы установить однородность нескольких совокупностей (дисперсии этих совокупностей одинаковы по предполо­жению; если дисперсионный
    анализ покажет, что и математические ожидания одинаковы, то в этом смысле сово­купности однородны). Однородные же совокупности можно объединить в одну и тем самым получить о ней более
    полную информацию, следовательно, и более надежные выводы /2/.
    1 Дисперсионный анализ
    1.1 Основные понятия дисперсионного анализа
    В процессе наблюдения за исследуемым объектом качественные факторы произвольно или заданным образом изменяются. Конкретная реализация фактора (например, определенный
    температурный режим, выбранное оборудование или материал) называется
    уровнем фактора
    или
    способом обработки
    . Модель дисперсионного анализа с фиксированными
    уровнями факторов называют
    моделью I
    , модель со случайными факторами -
    моделью II
    . Благодаря
    варьированию
    фактора
    можно
    исследовать
    его
    влияние
    на величину отклика. В настоящее время общая теория дисперсионного анализа разработана для моделей I.
    В зависимости от количества факторов, определяющих вариацию результативного признака, дисперсионный анализ подразделяют на однофакторный и многофакторный.
    Основными схемами организации исходных данных с двумя и более факторами являются:
    перекрестная классификация
    , характерная для моделей I, в которых каждый уровень одного фактора сочетается при планировании эксперимента с каждой градацией другого фактора;
    иерархическая (гнездовая) классификация
    , характерная для модели II, в которой каждому случайному, наудачу выбранному значению одного фактора соответствует свое подмножество значений второго фактора.
    Если одновременно исследуется зависимость отклика от качественных и количественных факторов, т.е. факторов
    смешанной природы
    , то используется
    ковариационный анализ
    /3/.
    При обработке данных эксперимента наиболее разработанными и поэтому распространенными считаются две модели. Их различие обусловлено специфи­кой планирования самого
    эксперимента. В модели дисперсионного анализа с фик­сированными эффектами исследователь намеренно устанавли­вает строго определенные уровни изучаемого фактора. Тер­мин
    «фиксированный эффект» в данном контексте имеет тот смысл, что самим исследователем фиксируется количе­ство уровней фактора и различия между ними. При повторе­нии эксперимента он
    или другой исследователь выберет те же самые уровни фактора. В модели со случайными эффек­тами уровни значения фактора выбираются исследователем случайно из широкого диапазона
    значений фактора, и при повторных экспериментах, естественно, этот диапазон бу­дет другим.
    Таким образом, данные модели отличаются между собой способом выбора уровней фактора, что, очевидно, в пер­вую очередь влияет на возможность обобщения полученных
    экспериментальных результатов. Для дисперсионного анализа однофакторных эк­спериментов различие этих двух моделей не столь существен­но, однако в многофакторном дисперсионном
    анализе оно может оказаться весьма важным.
    При проведении дисперсионного анализа должны выполняться следующие
    статистические допущения:
    независимо от уровня фактора величины отклика имеют нормальный (Гауссовский) закон распределения и одинаковую дисперсию. Такое равенство дисперсий называется гомогенностью.
    Таким образом, изменение способа обработки сказывается лишь на положении случайной величины отклика, которое характеризуется средним значением или медианой. Поэтому все наблюдения
    отклика принадлежат
    сдвиговому семейству нормальных распределений
    Говорят, что техника дисперсионного анализа является \"робастной\". Этот термин, используемый статистиками, означает, что данные допущения могут быть в некоторой степени нарушены,
    но несмотря на это, технику можно использовать.
    При неизвестном законе распределения величин отклика используют непараметрические (чаще всего ранговые) методы анализа.
    В основе дисперсионного анализа лежит разделение дисперсии на части или компоненты. Вариацию, обусловленную влиянием фактора, положенного в основу группировки, характеризует
    межгрупповая дисперсия ...

    Забрать файл

    Похожие материалы:


ПИШЕМ УНИКАЛЬНЫЕ РАБОТЫ
Заказывайте напрямую у исполнителя!


© 2006-2016 Все права защищены