Anova I Primjena

ANALIZA VARIJANCE
ANOVA
Analysis of variance
Analysis of means using variance
Materijal za kolegij “Statističko učenje”

(prof. dr. sc. Bojana Dalbelo Bašić)
Poslijediplomski studij FER, 19. 04. 2005.
1
Prof. dr. sc. Marija Pecina, Agronomski fakultet Sveučilišta u Zagrebu
ANALIZA VARIJANCE
 ANOVA je tehnika upotrebe razlika između

prosjeka uzoraka u zaključivanju o
postojanju (ili ne) razlika između prosjeka
populacija
 Jedinstveni postupak kojim je moguće
raščlaniti i procijeniti varijabilnosti
uvjetovane različitim čimbenicima –
izvorima
2
Pretpostavke za
ANOVA-u
– Opažaji (observations) su
normalno distribuirani unutar
svake populacije
– Varijance populacija su jednake –
homogene (homogeneity of
variance or homoscedasticity)
– Opažaji su neovisni
3
ANALIZA VARIJANCE
Svrha:
Usporedba većeg broja prosječnih
vrijednosti odjednom
Nulta hipoteza H0:
prosjeci svih populacija su jednaki
H 0 : 1   2  3  ...   n
H 0 : x1  x2  x3  ...  xn
Alternativna hipoteza H1:

nisu svi prosjeci populacija jednaki 4
ANALIZA VARIJANCE
UKUPNA VARIJABILNOST
između grupa
unutar grupa (error)
5
Kalkulacija:
 Definirati Sume kvadrata (Sum of

Squares - SS)
 SStotal
 SSgrupa
 SSerror
 Izračunati stupnjeve slobode (degrees
of freedom - df)
 Izračunati srednje kvadrate tj.
varijance (mean squares MS) i F
vrijednost
6
Kont.
Kalkulacija SS:
SStotal  ( X  X .. ) 2

SS grupa  n X j  X ..  2
SS error  SStotal  SS grupa

7
između grupa < unutar grupa
8
između grupa > unutar grupa
9
između grupa > unutar grupa
signifikantno!
10
Zadatak: Jednosmjerna analiza varijance > ANOVA 1
Nulta hipoteza: H 0 :  A  B
H 0 : x A  xB
grupa A grupa B Ukupno

19 23
14 19
15 19
17 21
20 18
Σx 85,0 100,0 185,0
 17,0 20,0 18,5
n 5 5 10
11
SS   ( x  x ) 2 grupa A grupa B Ukupno
19 23
14 19
15 19
17 21
20 18
Σx 85,0 100,0 185,0
 17,0 20,0 18,5
n 5 5 10
SSukupno  19  18,5  14  18,5  ...  18  18,5  64,5

2 2 2
SSizmedu. grupa  5  17  18,5  5  20  18,5  22,5

2 2
SSunutar. grupa  19  17   ...  20  17   23  20  ...  18  20  42,0
2 2 2 2
12
SS   x 
2
 x
2 grupa A
19
grupa B
23
Ukupno
n 14 19
15 19
17 21
20 18
Σx 85,0 100,0 185,0
 17,0 20,0 18,5
n 5 5 10
 
2
185
SS ukupno  19 2  14 2  ...  182   64,5
10
 852 100 2  1852
SS izmedu. grupa       22,5
 5 5  10
SS unutar. grupa  SS ukupno  SS izmedu. grupa  64,5  22,5  4213,0
Tablica analize varijance:
= SS : df
Izvori
varijabilnosti df SS s2 F exp Ftab0.05 Ftab0.01
Ukupno 9 64.5
Između grupa 1 22.5 22.50 4.29 ns 5.32 11.26

Unutar grupa 8 42.0 5.25
očitati iz prvog
= 22.50 : 5.25 stupca i osmog
14
reda F tablica
Zaključak iza F testa u
ANOVA-i 1:
 F exp < F tab

 H0 se prihvaća
 grupe A i B pripadaju istoj populaciji
 prosjeci grupa A i B se ne razlikuju
signifikantno
15
grupe A i B grafički
B B B B
A A A A A
14 15 16 17 18 19 20 21 22 23
A B
A - B= Dexp
16
nsu Zagrebu
Prof. dr. sc. Marija Pecina, Agronomski fakultet Sveučilišta
Jedan dio ukupne varijabilnosti pripada razlikama
između grupa (tretiranje, gnojidba...),
a ostatak varijabilnosti pripada razlikama unutar grupa
(error)
120
100
80
X
60 prinos
40
20
0
Sorta 1 Sorta 2 Sorta 3 Sorta 4
17
PITANJA ... PREDAAAH...
The Biologist, the Statistician, the
Mathematician, and the Computer Scientist
A biologist, a statistician, a mathematician, and a

computer scientist are on a photo-safari in Africa.
They drive out into the savannah in their jeep, stop,
and scour the horizon with their binoculars.
The biologist: "Look! There's a herd of zebras! And
there, in the middle: a white zebra! It's fantastic!
There are white zebras! We'll be famous!"
The statistician: "It's not significant. We only know
there's one white zebra."
The mathematician: "Actually, we know there exists a
zebra which is white on one side."
The computer scientist: "Oh no! A special case!"
18
Podjela pokusa:
 prema strukturi tretiranja (članova pokusa)

– jednofaktorijalni
– višefaktorijalni (2 ili 3)
 prema strukturi dizajna (osnovni planovi)

– potpuno slučajni raspored
– slučajni blokni raspored
– latinski kvadrat
19
EKSPERIMENTIRANJE - Problemi i ciljevi
koje je moguće riješiti pokusnom tehnikom
 hoće li uvođenje nekog novog agrotehničkog

zahvata dati bolji učinak od do tada korištenog
 je li nova sorta ili hibrid prinosniji (bolji po kvaliteti i
sl.) od dosadašnjih
 u kojem roku sijati ili saditi da se postigne optimalni
rezultat
 koji pesticid (ili u kojoj dozi) primijeniti u suzbijanju
različitih štetočinja
 koje količine gnojiva treba primijeniti i kojih
formulacija
 koji je optimalni sklop (br. biljaka po jedinici
površine) za pojedine kulture 20
Razlog za eksperimentiranje
= varijabilnost eksperimentalnog materijala
Članovi pokusa = Tretiranja

 su planirane promjene čiji se efekti (varijable)
prate i mjere u pokusu
(sorte, hibridi, gnojidbe, sklopovi, gnojiva,
insekticidi, rokovi sjetve/sadnje, obrade tla…)
Varijabla = Svojstvo koje se prati ili mjeri u

pokusu
(prinos i komponente prinosa, sadržaji šećera, suhe
tvari, K, Na, Mg, …, amilaza, sedimentacija,
klijavost, broj korjenovih kvržica, broj štetnika,
napad bolesti, …) 21
Eksperiment = kreacija uvjeta u
kojima istraživač prati promjene
 Randomizacija = slučajnost u rasporedu

osigurava objektivnost i jednaku šansu svakom
članu da bude izabran
 Repeticija = dio pokusnog medija (površina) u

kojem su zastupljeni svi članovi pokusa
(randomizirani) samo jedanput na jednakoj veličini
osnovne parcele
svrha = kontrola heterogenosti pokusnog medija
(mikrodepresije, plodnost, topografija, prethodna
kultura…) i smanjenje pogreške pokusa
22
Primjer:
VIP projekt (MPŠVG & World bank)
1999-2001.
Optimalna gnojidba – uvjet

ekološki i ekonomski opravdane
poljoprivredne proizvodnje na
obiteljskim gospodarstvima
glavni istraživač:
prof. dr. sc. Mirjana Herak Ćustić
23
VIP projekt
Članovi pokusa:
 negnojeno (kontrola)
 5 kg /m2 stajski gnoj
 50 g/m2 NPK (5:20:30)
 100 g/m2 NPK (5:20:30)
 150 g/m2 NPK (5:20:30)
Elementi pokusa:
 vrsta: radič
 plan pokusa: latinski kvadrat 5x5
 lokacije: Lika
 Žumberak
 trajanje: 3 godine
 varijable ili svojstva: prinos, sadržaj minerala (P, K,
Ca, Mg, Fe), nitrata kadmija, olova (u tlu i biljci) 24
25
26
27
28
29
30
POTPUNO SLUČAJNI RASPORED
Completely Randomized Design
(CRD) * randomizacija
Izvori n-1 SS MS = SS/n-1 Fexp

varijabilnosti
Ukupno rt-1 SS
Tretiranja t-1 SST SST / t-1 MST / MSE
Pogreška t (r-1) SSE = SSE / t(r-1)

(Error, Ostatak) SS - SST
31
SLUČAJNI BLOKNI RASPORED
Randomized Complete Block Design
(RCBD) *randomizacija
*repeticija (blok=repeticija)
Izvori varijabilnosti n-1 SS MS = SS/n-1 Fexp

(varijance s2)
Ukupno rt-1 SS
Repeticije r-1 SSR SSR / r-1 MSR / MSE
Pogreška (r-1) (t-1) SSE = SSE/(r-1)(t-1)

(Error, Ostatak) SS-SSR-SST
32
LATINSKI KVADRAT
Latin Square *randomizacija
(LSQ) *repeticija vodoravna
*repeticija okomita
Izvori n-1 SS MS = SS/n-1 Fexp
varijabilnosti (varijance s2)
Ukupno rt-1 SS
Vod. rv-1 SSRv SSRv / rv-1 MSRv / MSE

Repeticije
Okom. ro-1 SSRo SSRo / rv-1 MSRo / MSE
Repeticije
Pogreška (r-2) (t-1) SSE = SSE/(r-2) (t-1)

(Error, SS-SSRv-SSRo-SST
Ostatak)
33
PRIMJER računski !! (SAS ispis)
ANOVA na podacima o sadržaju K2O (‰) u biljci iz pokusa sa 4
gnojidbe (A, B, C i D) na radiču:
data plan; /* analiza CRD */

input tret$ o_rep v_rep var; proc anova;
cards; class tret o_rep v_rep;
A 1 1 47 model var = tret;
A 3 2 52 means tret /lsd alpha =0.05;
A 2 3 62
run;
A 4 4 51
B 2 1 50 /* analiza RCBD */
B 1 2 54 proc anova;
B 4 3 67 class tret o_rep v_rep;
B 3 4 57 model var = tret v_rep;
C 3 1 57 means tret /lsd alpha =0.05;
C 4 2 53 run;
C 1 3 69
/* analiza LSQ */
C 2 4 57
D 4 1 54 proc anova;
D 2 2 65 class tret o_rep v_rep;
D 3 3 74 model var = tret v_rep o_rep;
D 1 4 59 means tret /lsd alpha =0.05;
; run; 34
The ANOVA Procedure
Class Level Information
Class Levels Values
tret 4 A B C D
o_rep 4 1 2 3 4
v_rep 4 1 2 3 4
Number of observations 16
35
The SAS System 10:56 Tuesday, March 22, 2005 3
The ANOVA Procedure CRD

Dependent Variable: var
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 3 208.0000000 69.3333333 1.29 0.3232
Error 12 646.0000000 53.8333333
Corrected Total 15 854.0000000
R-Square Coeff Var Root MSE var Mean

0.243560 12.65021 7.337120 58.00000
Source DF Anova SS Mean Square F Value Pr > F

tret 3 208.0000000 69.3333333 1.29 0.3232
36
The ANOVA Procedure RCBD

Sum of
Model 6 784.0000000 130.6666667 16.80 0.0002
Error 9 70.0000000 7.7777778

0.918033 4.808391 2.788867 58.00000

tret 3 208.0000000 69.3333333 8.91 0.0046
v_rep 3 576.0000000 192.0000000 24.69 0.0001
37
The ANOVA Procedure LSQ

Sum of
Model 9 815.5000000 90.6111111 14.12 0.0022
Error 6 38.5000000 6.4166667

0.954918 4.367438 2.533114 58.00000

tret 3 208.0000000 69.3333333 10.81 0.0078
v_rep 3 576.0000000 192.0000000 29.92 0.0005
o_rep 3 31.5000000 10.5000000 1.64 0.2779
38
Drinking and Eating
Statisticaly Significant
The Japanese eat very little fat and suffer fewer heart attacks than
the British or the Americans.
On the other hand, the French eat a lot of fat and also suffer fewer
heart attacks than the British or the Americans.
The Japanese drink very little red wine and suffer fewer heart
attacks than the British or the Americans.
The Italians drink excessive amounts of red wine and also suffer
fewer heart attacks than the British or the Americans.
Conclusion: Eat and drink whatever you like. It's speaking English
that kills you.
The end 39
THE END !
40

Anova I Primjena

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Anova I Primjena

Uploaded by

Copyright:

Available Formats

ANALIZA VARIJANCE

Materijal za kolegij “Statističko učenje”

 ANOVA je tehnika upotrebe razlika između

Alternativna hipoteza H1:

 Definirati Sume kvadrata (Sum of

SS error  SStotal  SS grupa

grupa A grupa B Ukupno

SSukupno  19  18,5  14  18,5  ...  18  18,5  64,5

SSizmedu. grupa  5  17  18,5  5  20  18,5  22,5

Između grupa 1 22.5 22.50 4.29 ns 5.32 11.26

 F exp < F tab

A biologist, a statistician, a mathematician, and a

 prema strukturi tretiranja (članova pokusa)

 prema strukturi dizajna (osnovni planovi)

 hoće li uvođenje nekog novog agrotehničkog

Članovi pokusa = Tretiranja

Varijabla = Svojstvo koje se prati ili mjeri u

 Randomizacija = slučajnost u rasporedu

 Repeticija = dio pokusnog medija (površina) u

Optimalna gnojidba – uvjet

Izvori n-1 SS MS = SS/n-1 Fexp

Tretiranja t-1 SST SST / t-1 MST / MSE

Pogreška t (r-1) SSE = SSE / t(r-1)

Izvori varijabilnosti n-1 SS MS = SS/n-1 Fexp

Repeticije r-1 SSR SSR / r-1 MSR / MSE

Tretiranja t-1 SST SST / t-1 MST / MSE

Pogreška (r-1) (t-1) SSE = SSE/(r-1)(t-1)

Vod. rv-1 SSRv SSRv / rv-1 MSRv / MSE

Tretiranja t-1 SST SST / t-1 MST / MSE

Pogreška (r-2) (t-1) SSE = SSE/(r-2) (t-1)

gnojidbe (A, B, C i D) na radiču:

data plan; /* analiza CRD */

Class Level Information

Class Levels Values

The ANOVA Procedure CRD

R-Square Coeff Var Root MSE var Mean

Source DF Anova SS Mean Square F Value Pr > F

The ANOVA Procedure RCBD

Dependent Variable: var

R-Square Coeff Var Root MSE var Mean

Source DF Anova SS Mean Square F Value Pr > F

The ANOVA Procedure LSQ

Dependent Variable: var

R-Square Coeff Var Root MSE var Mean

Source DF Anova SS Mean Square F Value Pr > F

You might also like