수학/기초 통계학

[통계학] 분산분석 - 선형대비 - 수준 평균의 선형 결합 형태

AI 꿈나무 2020. 10. 10. 11:48
반응형

 여인권 교수님의 KMOOC 강의 <통계학의 이해 2>를 수강하면서 공부한 내용을 정리해보았습니다.

 


 처리효과가 있다고 할 때, 수준 평균의 선형 결합 형태의 가설에 대한 검정 방법을 알아보겠습니다.

 

1. 선형대비 - Linear Contrast

 선형대비는 고정효과모형에서만 이용할 수 있는 방법입니다.

 

 선형대비는 계수의 합이 0μi의 선형결합을 의미합니다.

 

 

 μL의 추정은 모평균을 표본평균으로 바꾸어 표현할 수 있습니다.

 

 

 L은 정규분포를 따른다고 가정하면 분산분산의 추정량은 다음과 같습니다.

 

 

 분산의 추정량을 구했으므로 중심축량을 도출할 수 있습니다.

 

 

가설검정

 선형대비에서 귀무가설을 다음과 같이 설정합니다.

 

 

 중심축량에서 귀무가설을 대입하여 검정통계량을 도출합니다.

 

 

 검정통계량은 자유도가 N-p인 t분포를 따르게 됩니다.

 

 검정통계량을 제곱하면 F분포를 따르는 통계량을 구할 수 있습니다.

 

 

2. 예시 문제

 단백질원료와 양에 따른 쥐의 체중증가 실험 자료입니다. 요인 1, 수준 4개 입니다.

 

 

여기서 세 가지를 비교해보겠습니다.

 

 

(1) 단백질 원료(beef, cereal)에 따른 차이 비교

 

 

 t02값이 F0.05,1,36보다 작으므로 단백질 원료에 따른 차이가 없다고 볼 수 있습니다.

 

(2) 단백질 양(Low, High)에 따른 차이비교

 

 

 t02값이 F0.05,1,36보다 큽니다.

 단백질 양에 따른 체중 증가량은 차이가 있다고 볼 수 있습니다.

 

(3) 사료 1은 A 제조사, 2, 3, 4는 B제조사 일 때, 제조사 간의 차이 비교

 

 

 t02값이 F0.05,1,36 보다 작으므로 차이가 없습니다.

 

 여기서 사료 1에 계수는 3을 해줬습니다.

 합만 0이 되면 됩니다

 sL2에 반영이 되기 때문입니다.

 

 

 그리고 (2)와 (3)에서 L은 비슷한 값을 보이고 있지만 검정결과는 다른 것을 확인할 수 있습니다.

 

3. 선형대비 정리

 

반응형