统计|方差分析拒绝原假设的LSD一般步骤及实现

统计|方差分析拒绝原假设的LSD一般步骤及实现LSD是针对方差分析中已经拒绝原假设后的检验,或许也可以说先来个LSD假设检验可以支持原假设的

大家好,又见面了,我是你们的朋友全栈君。

方差分析中有显著性差异的时候,才去检验的问题

多重比较的意义

通过对总体均值之间的两两比较的进一步检验到底哪些均值之间存在差异。

多重比较的一般步骤

提出假设

H 0 : μ i = μ j ( 第 i 个 总 体 的 均 值 等 于 第 j 个 总 体 的 均 值 ) H 1 : μ i ≠ μ j ( 第 i 个 总 体 的 均 值 不 等 于 第 j 个 总 体 的 均 值 ) H_0:\mu_i=\mu_j(第i个总体的均值等于第j个总体的均值)\\ H_1:\mu_i\neq\mu_j(第i个总体的均值不等于第j个总体的均值) H0:μi=μj(ij)H1:μi=μj(ij)

计算检验的统计量

x i ˉ − x j ˉ \bar{x_i}-\bar{x_j} xiˉxjˉ

计算LSD

L S D = t α 2 M S E ( 1 n i + 1 n j ) LSD=t_{\frac{\alpha}{2}}\sqrt{MSE(\frac{1}{n_i}+\frac{1}{n_j})} LSD=t2αMSE(ni1+nj1)

决策

若 ∣ x i ˉ − x j ˉ ∣ > L S D , 拒 绝 H 0 : 若 ∣ x i ˉ − x j ˉ ∣ < L S D , 不 拒 绝 H 0 若|\bar{x_i}-\bar{x_j}|\gt{LSD},拒绝H_0:若|\bar{x_i}-\bar{x_j}|\lt{LSD},不拒绝H_0 xiˉxjˉ>LSD,H0:xiˉxjˉ<LSD,H0

例子:消费者对四个行业的投诉次数

在这里插入图片描述
观察行业之间是否存在显著性差异

提出假设

检 验 1 : H 0 : μ 1 = μ 2 , H 1 : μ 1 ≠ μ 2 检 验 2 : H 0 : μ 1 = μ 3 , H 1 : μ 1 ≠ μ 3 检 验 3 : H 0 : μ 1 = μ 4 , H 1 : μ 1 ≠ μ 4 检 验 4 : H 0 : μ 2 = μ 3 , H 1 : μ 2 ≠ μ 3 检 验 5 : H 0 : μ 2 = μ 4 , H 1 : μ 2 ≠ μ 4 检 验 6 : H 0 : μ 3 = μ 4 , H 1 : μ 3 ≠ μ 4 检验1:H_0:\mu_1=\mu_2,H1:\mu_1\neq\mu_2\\ 检验2:H_0:\mu_1=\mu_3,H1:\mu_1\neq\mu_3\\ 检验3:H_0:\mu_1=\mu_4,H1:\mu_1\neq\mu_4\\ 检验4:H_0:\mu_2=\mu_3,H1:\mu_2\neq\mu_3\\ 检验5:H_0:\mu_2=\mu_4,H1:\mu_2\neq\mu_4\\ 检验6:H_0:\mu_3=\mu_4,H1:\mu_3\neq\mu_4\\ 1H0:μ1=μ2,H1:μ1=μ22H0:μ1=μ3,H1:μ1=μ33H0:μ1=μ4,H1:μ1=μ44H0:μ2=μ3,H1:μ2=μ35H0:μ2=μ4,H1:μ2=μ46H0:μ3=μ4,H1:μ3=μ4

检验的统计量

检 验 1 : ∣ x 1 ˉ − x 2 ˉ ∣ = ∣ 49 − 48 ∣ = 1 检 验 2 : ∣ x 1 ˉ − x 3 ˉ ∣ = ∣ 49 − 35 ∣ = 14 检 验 3 : ∣ x 1 ˉ − x 4 ˉ ∣ = ∣ 49 − 59 ∣ = 10 检 验 4 : ∣ x 2 ˉ − x 3 ˉ ∣ = ∣ 48 − 35 ∣ = 13 检 验 5 : ∣ x 2 ˉ − x 4 ˉ ∣ = ∣ 48 − 59 ∣ = 11 检 验 6 : ∣ x 3 ˉ − x 4 ˉ ∣ = ∣ 35 − 59 ∣ = 24 检验1:|\bar{x_1}-\bar{x_2}|=|49-48|=1\\ 检验2:|\bar{x_1}-\bar{x_3}|=|49-35|=14\\ 检验3:|\bar{x_1}-\bar{x_4}|=|49-59|=10\\ 检验4:|\bar{x_2}-\bar{x_3}|=|48-35|=13\\ 检验5:|\bar{x_2}-\bar{x_4}|=|48-59|=11\\ 检验6:|\bar{x_3}-\bar{x_4}|=|35-59|=24\\ 1x1ˉx2ˉ=4948=12x1ˉx3ˉ=4935=143x1ˉx4ˉ=4959=104x2ˉx3ˉ=4835=135x2ˉx4ˉ=4859=116x3ˉx4ˉ=3559=24

计算LSD

检 验 1 : L S D 1 = 2.093 × 142.526316 × ( 1 7 + 1 6 ) = 13.90 检 验 2 : L S D 2 = 2.093 × 142.526316 × ( 1 7 + 1 5 ) = 14.63 检 验 3 : L S D 3 = L S D 2 = 14.63 检 验 4 : L S D 4 = 2.093 × 142.526316 × ( 1 6 + 1 5 ) = 15.13 检 验 5 : L S D 5 = L S D 4 = 15.13 检 验 6 : L S D 6 = 2.093 × 142.526316 × ( 1 5 + 1 5 ) = 15.80 检验1:LSD_1=2.093\times{\sqrt{142.526316\times(\frac{1}{7}+\frac{1}{6})}}=13.90\\ 检验2:LSD_2=2.093\times{\sqrt{142.526316\times(\frac{1}{7}+\frac{1}{5})}}=14.63\\ 检验3:LSD_3=LSD_2=14.63\\ 检验4:LSD_4=2.093\times{\sqrt{142.526316\times(\frac{1}{6}+\frac{1}{5})}}=15.13\\ 检验5:LSD_5=LSD_4=15.13\\ 检验6:LSD_6=2.093\times{\sqrt{142.526316\times(\frac{1}{5}+\frac{1}{5})}}=15.80\\ 1LSD1=2.093×142.526316×(71+61)
=
13.902LSD2=2.093×142.526316×(71+51)
=
14.633LSD3=LSD2=14.634LSD4=2.093×142.526316×(61+51)
=
15.135LSD5=LSD4=15.136LSD6=2.093×142.526316×(51+51)
=
15.80

作出决策

∣ x 1 ˉ − x 2 ˉ ∣ = 1 < 13.90 不 能 认 为 零 售 业 与 旅 游 业 均 值 之 间 有 显 著 差 异 ∣ x 1 ˉ − x 3 ˉ ∣ = 14 < < 14.63 不 能 认 为 零 售 业 与 航 口 业 均 值 之 间 有 显 著 差 异 ∣ x 1 ˉ − x 4 ˉ ∣ = 10 < < 14.63 不 能 认 为 零 售 业 与 家 电 业 均 值 之 间 有 显 著 差 异 ∣ x 2 ˉ − x 3 ˉ ∣ = 13 < < 15.13 不 能 认 为 旅 游 业 与 航 空 业 均 值 之 间 有 显 著 差 异 ∣ x 2 ˉ − x 4 ˉ ∣ = 11 < < 15.13 不 能 认 为 旅 游 业 与 家 电 业 均 值 之 间 有 显 著 差 异 ∣ x 3 ˉ − x 4 ˉ ∣ = 24 < > 15.80 航 空 与 家 电 业 有 显 著 性 差 异 |\bar{x_1}-\bar{x_2}|=1\lt13.90 \\ 不能认为零售业与旅游业均值之间有显著差异\\ |\bar{x_1}-\bar{x_3}|=14\lt<14.63\\ 不能认为零售业与航口业均值之间有显著差异\\ |\bar{x_1}-\bar{x_4}|=10\lt<14.63\\ 不能认为零售业与家电业均值之间有显著差异\\ |\bar{x_2}-\bar{x_3}|=13\lt<15.13\\ 不能认为旅游业与航空业均值之间有显著差异\\ |\bar{x_2}-\bar{x_4}|=11\lt<15.13\\ 不能认为旅游业与家电业均值之间有显著差异\\ |\bar{x_3}-\bar{x_4}|=24\lt>15.80\\ 航空与家电业有显著性差异 x1ˉx2ˉ=1<13.90x1ˉx3ˉ=14<<14.63x1ˉx4ˉ=10<<14.63x2ˉx3ˉ=13<<15.13x2ˉx4ˉ=11<<15.13x3ˉx4ˉ=24<>15.80

LSD总结

LSD是针对方差分析中已经拒绝原假设后的检验,或许也可以说先来个LSD假设检验可以支持原假设的

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/135673.html原文链接:https://javaforall.net

(0)
上一篇 2022年6月4日 下午7:36
下一篇 2022年6月4日 下午7:36


相关推荐

  • webrtc技术原理_webrtc开源项目

    webrtc技术原理_webrtc开源项目一、概述webrtc冗余打包方式有三种:Red(rfc2198)、Ulpfec(rfc5109)、Flexfec(草案)。其中Red和Ulpfec要成对使用。二、RedFEC简单将老报文打包到新包上。如下图所示,冗余度为1时,RFC2198打包情况:这种方法在音视频领域几乎不使用,因为冗余包只能保护特定一个报文,这种方法带宽占用量很大,恢复能力有限,性价比很低。只是早期的T38……

    2022年8月11日
    8
  • 【keras】一维卷积神经网络做回归「建议收藏」

    【keras】一维卷积神经网络做回归「建议收藏」在上一篇博客里我介绍了如何利用keras对一个给定的数据集来完成多分类任务。分类100%的分类准确度验证了分类模型的可行性和数据集的准确度。【keras】一维卷积神经网络多分类在这篇博客当中我将利用一个稍加修改的数据集来完成线性回归任务。相比较以往的线性回归处理方式,我认为使用神经网络实现线性回归要简单和准确得多。数据集大小仍然是247*900,不同的是数据集的第247位变成了湿度特征的真实湿度值。数据集-用做回归.csv不同于分类算法得到的决策面,回归算法得到的是一个最优拟合线,这

    2026年2月18日
    5
  • 【Claude Code系列教程】 构建Subagents

    【Claude Code系列教程】 构建Subagents

    2026年3月15日
    2
  • Unity3D ML-Agent-0.8.1 学习四(模仿学习)

    Unity3D ML-Agent-0.8.1 学习四(模仿学习)Unity3DMl-Agent-0.8.1学习四(模仿学习)写的目的场景设置修改配置并训练总结写的目的本篇介绍模仿学习,即玩家边玩,代理边学习,主要分为在线学习和离线学习,在线就是跟着师傅一起学,离线就是看是师傅录制的资料学习,我们主要讲在线学习,就是玩家边玩,AI边学习,可以实时观察学习的效果,离线学习只是记录玩家信息,产生生成一个文件,命令行学习文件即可,不多做介绍。场景设置可以…

    2025年12月5日
    7
  • nessus怎么安装_还原魔方步骤带图

    nessus怎么安装_还原魔方步骤带图0x01实验原理:利用漏洞扫描器能够自动应用漏洞扫描原理,对目标主机安全漏洞进行检测,附带识别主机漏洞的特征库的功能,从而完成网络中大量主机的漏洞识别工作。(有相应的缺点)0x02实验拓扑:0x03实验步骤:一、下载安装漏洞扫描器nessus1.下载Nessus在官方网站下载对应的Nessus版本:http://www.tenable….

    2022年8月30日
    8
  • JSP+JavaBean+DAO模式+MySQL实现一个简单的注册登录(新闻登录系统)

    JSP+JavaBean+DAO模式+MySQL实现一个简单的注册登录(新闻登录系统)项目结构:首先给大家看一下项目的结构。JSP页面:登录页面:注册页面:主页面:项目相对比较简单,仅仅就是实现了一个CURD的功能。在登录和注册中还有一个弹出提示。大家有兴趣的话可以去尝试做一下,项目我会上传~…

    2022年7月12日
    25

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号