Studentizovaný rozsah - Studentized range
v statistika, studentizovaný rozsah, označeno q, je rozdíl mezi největšími a nejmenšími daty v a vzorek měřeno v jednotkách vzorové směrodatné odchylky.Jmenuje se podle William Sealy Gosset (kdo psal pod pseudonymem „Student") a byl zaveden jím v roce 1927.[1] Koncept byl později diskutován Newmanem (1939)[2], Keuls (1952)[3], a John Tukey v některých nepublikovaných poznámkách. Jeho statistické rozdělení je studentizovaná distribuce rozsahu, který se používá pro vícenásobné srovnání postupy, jako je například jednokrokový postup Tukeyův test dosahu, Newman – Keulsova metoda a Duncanova procedura odstoupení a ustavení intervaly spolehlivosti které jsou platné i po snooping dat vyskytl se.[4]
Popis
Hodnota studentizovaný rozsah, nejčastěji reprezentované proměnnou q, lze definovat na základě náhodného vzorku X1, ..., Xn z N(0, 1) rozdělení čísel a další náhodná proměnná s to je nezávislé na všech Xi, a νs2 má χ2 distribuce s ν stupně svobody. Pak
má distribuci rozsahu Studentized pro n skupiny a ν stupně svobody. V aplikacích Xi jsou obvykle prostředky vzorků, každý o velikosti m, s2 je sdružená varianta a stupně volnosti jsouν = n(m − 1).
Kritická hodnota q je založen na třech faktorech:
- α (pravděpodobnost odmítnutí pravdivé nulová hypotéza )
- n (počet pozorování nebo skupin)
- ν (stupně volnosti použité k odhadu rozptyl vzorku )
Rozdělení
Li X1, ..., Xn jsou nezávislé identicky distribuované náhodné proměnné to jsou normálně distribuováno, rozdělení pravděpodobnosti jejich studentizovaného rozsahu je to, co se obvykle nazývá studentizovaná distribuce rozsahu. Všimněte si, že definice q nezávisí na očekávaná hodnota nebo standardní odchylka distribuce, ze které je vzorek čerpán, a proto je jeho rozdělení pravděpodobnosti stejné bez ohledu na tyto parametry. jsou k dispozici tabulky distribučních kvantilů tady.
Studentizace
Obecně termín studentizoval znamená, že měřítko proměnné bylo upraveno vydělením odhad populace standardní odchylka (viz také studentizovaný zbytek ). Skutečnost, že směrodatná odchylka je a vzorek směrodatná odchylka spíše než počet obyvatel směrodatná odchylka, a tedy něco, co se liší od jednoho náhodného vzorku k dalšímu, je zásadní pro definici a distribuci Studentizováno data. Variabilita v hodnotě vzorek směrodatná odchylka přispívá k nejistotě vypočítaných hodnot. To komplikuje problém s nalezením rozdělení pravděpodobnosti jakékoli statistiky, která je studentizoval.
Viz také
Poznámky
- ^ Student (1927). "Chyby rutinní analýzy". Biometrika. 19 (1/2): 151–164. doi:10.2307/2332181. JSTOR 2332181.
- ^ Newman D. (1939). „Distribuce rozsahu ve vzorcích od normální populace vyjádřená z hlediska nezávislého odhadu standardní odchylky“. Biometrika. 31 (1–2): 20–30. doi:10.1093 / biomet / 31.1-2.20.
- ^ Keuls M. (1952). "Využití" studentizovaného rozsahu "ve spojení s analýzou odchylky". Euphytica. 1 (2): 112–122. doi:10.1007 / bf01908269.
- ^ John A. Rafter (2002). "Vícenásobné srovnávací metody pro prostředky". Recenze SIAM. 44 (2): 259–278. Bibcode:2002SIAMR..44..259R. CiteSeerX 10.1.1.132.2976. doi:10.1137 / s0036144501357233.
![]() | Tento článek obsahuje seznam obecných Reference, ale zůstává z velké části neověřený, protože postrádá dostatečné odpovídající vložené citace.Listopad 2010) (Zjistěte, jak a kdy odstranit tuto zprávu šablony) ( |
Reference
- Pearson, E. S.; Hartley, H.O. (1970) Tabulky Biometrika pro statistiky, svazek 1, 3. vydání, Cambridge University Press. ISBN 0-521-05920-8
Další čtení
- John Neter, Michael H. Kutner, Christopher J. Nachtsheim, William Wasserman (1996) Aplikované lineární statistické modely, čtvrté vydání, McGraw-Hill, strana 726.
- John A. Rice (1995) Matematická statistika a analýza dat, druhé vydání, Duxbury Press, strany 451–452.
- Douglas C. Montgomery (2013) „Design and Analysis of Experiments“, osmé vydání, Wiley, strana 98.