Professional Documents
Culture Documents
Atau:
Dengan demikian :
Dari persamaan diatas , kita melihat bahwa di bawah H0 baik pembilang dan
penyebut dari uji statistik (Persamaan 3.50) adalah tidak bias dari .sedangkan H1
dibawah nilai yang diharapkan dari pembilang lebih besar dari nilai yang
diharapkan dari penyebut. Oleh karena itu, H0 ditolak untuk nilai F yang terlalu
besar. Ini menyatakan upper tail, one tail critical area, jadi ditolak.
3.9.3 estimating the model parameter
Salah satu prosedur yang sangat sederhana yang dapat kita gunakan untuk
memperkirakan dan disebut analisis metode varians karena
menggunakan analisis tabel varians.
Prosedur ini terdiri dari penyamaan rata-rata mean dengan nilai yang diamati
dalam tabel ANOVA dan penyelesaian untuk komponen varians. Dalam
persamaan mean rata-rata yang diamati dan pada model single factor random
effect model, didapatkan :
dan
dan
Sangat mudah untuk menemukan ekspresi yang tepat untuk confident interval
pada rasio . Rasio ini disebut Koefisien Korelasi Intraclass, dan
mencerminkan proporsi varians dari suatu pengamatan ini adalah
hasil dari perbedaan antara teratment. Perhatikan bahwa adalah
random variable independen dan, lebih jauh lagi, dapat ditunjukkan bahwa
Jadi,
Estimasi Keseluruhan Rata-rata .
Dalam banyak eksperimen random effect, eksperimenter tertarik untuk
mengestimasi keseluruhan rata-rata. Dari asumsi model dasar, mudah untuk
melihat bahwa nilai yang diharapkan dari setiap pengamatan hanyalah
keseluruhan rata-rata. Akibatnya, estimator yang tidak bias dari keseluruhan
rata-rata adalah :
Jadi, pada 95 persen keyakinan kekuatan rata-rata kain yang dihasilkan oleh alat
tenun di fasilitas ini adalah antara 92,78 dan 98,10. Ini adalah interval
kepercayaan yang relatif luas karena sebagian kecil alat tenun diambil
sampelnya dan ada perbedaan besar antara alat tenun seperti yang direfleksikan
oleh sebagian besar variabilitas total yang diperhitungkan oleh perbedaan
antara alat tenun.
Maximum Likelihood Estimation of the Variance Components.
Metode Estimator Momen, Teknik statistik matematika umumnya yang jarang
digunakan untuk penentuan parameter karena sering menghasilkan penentuan
parameter yang tidak memiliki sifat statistik yang baik.
Sebagai contoh, dalam model random single factor tidak ada cara sederhana
untuk membuat confidence interval pada , yang tentu saja merupakan
parameter utama untuk eksperimen. Teknik estimasi parameter yang digunakan
disebut method of maximum likelihood.
Maximum likelihood estimators (MLEs) memiliki beberapa properti yang sangat
berguna. Untuk sampel besar tidak bias, dan memiliki normla distribusi .
Selanjutnya, kebalikan dari matriks derivatif kedua dari likelihood function
(dikalikan dengan 1) adalah matriks kovariansi dari MLEs. Ini membuat relatif
mudah untuk memperoleh confidence interval perkiraan pada MLEs.
• Standar varian dari kemungkinan maksimum yang digunakan untuk memperkirakan
komponen varian disebut residual maximum likelihood (REML).
• Karakteristik dasar REML adalah parameter lokasi dalam model memperhitungkan ksaat
memnentukan random efek. Sebagai contoh , akan menentukan mean dan varians dari
normal distribusi menggunakan metode kemungkinan maksimum. Sangat mudah untuk
menunjukkan bahwa MLE adalah:
Perhatikan bahwa MLE bukan standar deviasi sampel yang sudah dikenal. MLE tidak
menentukan tempat parameter .
• Lalu pilih nilai , . Nilai yang sesuai akan menjadi solusi untuk
persamaan simultan .
• Membedakan Persamaan 3.61 sehubungan dengan dan sama dengan 0,
didapat :
• Fungsi yang khusus ditentukan terlepas dari batasan yang digunakan disebut
estimable of functions.
3.10.2 The General Regression Significance Test
• dasar dari bagian ini adalah untuk membuat model persamaan normal.
• Aturan berikut untuk persamaan normal setiap model desain eksperimental :
Aturan 1. Ada satu persamaan normal untuk setiap parameter dalam model yang
akan ditentukan.
Aturan 2. Sisi kanan dari persamaan normal hanyalah penjumlahan dari semua
pengamatan yang mengandung parameter yang terkait dengan
persamaan normal tertentu. Untuk mengilustrasikan aturan ini,
pertimbangkan single factor model. Persamaan normal pertama adalah
untuk parameter ;Oleh karena itu, sisi kanan adalah karena semua
pengamatan terdapat .
Aturan 3. Sisi kiri dari persamaan normal adalah jumlah semua parameter
model, di mana setiap parameter dikalikan dengan jumlah waktu yang
muncul dalam total di sisi kanan. Parameter ditulis dengan circumflux
untuk menunjukkan bahwa nilai adalah penduga (estimators) dan
bukan nilai parameter yang benar.
• dalam single factor experiment, penurunan (reduction) cocok untuk model
lengkap (full model) adalah.
• Saat jumlah dari ikatan adalah sedang, akan ada sedikit perbedaan antara
Persamaan 3.68 dan 3.69, dan bentuk yang lebih sederhana (Persamaan 3.69)
dapat digunakan.
3.11.2 General Comments on the Rank Transformation
• Rank transformation adalah teknik yang sangat bagus dan bermanfaat secara
luas. Jika kita menerapkan tes F biasa ke peringkat daripada ke data asli, akan
diperoleh :