Односторонний дисперсионный анализ
выполняет односторонний Дисперсионный Анализ для выборочных данных p
= anova1(y
)y
и возвращает p - значение. anova1
обработки каждый столбец y
как отдельная группа. Функция тестирует гипотезу что выборки в столбцах y
чертятся от популяций с тем же средним значением против альтернативной гипотезы, что средние значения населения не являются всеми одинаковыми. Функция также отображает диаграмму для каждой группы в y
и стандартная таблица ANOVA (tbl
).
включает таблицу ANOVA и отображения диаграммы когда p
= anova1(y
,group
,displayopt
)displayopt
'on'
(значение по умолчанию) и подавляет отображения когда displayopt
'off'
.
[
возвращает структуру, p
,tbl
,stats
]
= anova1(___)stats
, который можно использовать, чтобы выполнить тест сравнения кратного. Тест сравнения кратного позволяет вам определить, какие пары средних значений группы существенно отличаются. Чтобы выполнить этот тест, используйте multcompare
, обеспечение stats
структура как входной параметр.
Создайте матрицу выборочных данных y
со столбцами, которые являются константами плюс случайные нормальные воздействия со средним значением 0 и стандартным отклонением 1.
y = meshgrid(1:5); rng default; % For reproducibility y = y + normrnd(0,1,5,5)
y = 5×5
1.5377 0.6923 1.6501 3.7950 5.6715
2.8339 1.5664 6.0349 3.8759 3.7925
-1.2588 2.3426 3.7254 5.4897 5.7172
1.8622 5.5784 2.9369 5.4090 6.6302
1.3188 4.7694 3.7147 5.4172 5.4889
Выполните односторонний Дисперсионный Анализ.
p = anova1(y)
p = 0.0023
Таблица ANOVA показывает изменение между группами (Columns
) и изменение в группах (Error
). SS
сумма квадратов и df
степени свободы. Общие степени свободы являются общим количеством наблюдений минус одно, которое равняется 25 - 1 = 24. Степени свободы между группами являются количеством групп минус одна, которая равняется 5 - 1 = 4. Степени свободы в группах являются общими степенями свободы минус между степенями свободы групп, который равняется 24 - 4 = 20.
MS
среднеквадратическая ошибка, которая является SS/df
для каждого источника изменения. F-статистическая-величина является отношением среднеквадратических ошибок (13.4309/2.2204). P-значение является вероятностью, что тестовая статистическая величина может принять значение, больше, чем значение вычисленной тестовой статистической величины, т.е. P (F> 6.05). Маленькое p-значение 0,0023 указывает, что различия между средними значениями столбца являются значительными.
Введите выборочные данные.
strength = [82 86 79 83 84 85 86 87 74 82 ... 78 75 76 77 79 79 77 78 82 79]; alloy = {'st','st','st','st','st','st','st','st',... 'al1','al1','al1','al1','al1','al1',... 'al2','al2','al2','al2','al2','al2'};
Данные от исследования силы структурных лучей в Хогге (1987). Векторная сила измеряет отклонения лучей в тысячных частях дюйма менее чем 3 000 фунтов силы. Векторный сплав идентифицирует каждый луч как сталь ('st'
), сплавьте 1 ('al1'
), или сплав 2 ('al2'
). Несмотря на то, что сплав сортируется в этом примере, сгруппированные переменные не должны быть отсортированы.
Протестируйте нулевую гипотезу, что стальные балки равны в силе лучам, сделанным из двух более дорогих сплавов. Выключите отображение фигуры и возвратите результаты Дисперсионного Анализа в массив ячеек.
[p,tbl] = anova1(strength,alloy,'off')
p = 1.5264e-04
tbl=4×6 cell array
Columns 1 through 5
{'Source'} {'SS' } {'df'} {'MS' } {'F' }
{'Groups'} {[184.8000]} {[ 2]} {[ 92.4000]} {[ 15.4000]}
{'Error' } {[102.0000]} {[17]} {[ 6.0000]} {0x0 double}
{'Total' } {[286.8000]} {[19]} {0x0 double} {0x0 double}
Column 6
{'Prob>F' }
{[1.5264e-04]}
{0x0 double }
{0x0 double }
Общие степени свободы являются общим количеством наблюдений минус одно, которое является . Степени свободы между группами являются количеством групп минус одна, которая является . Степени свободы в группах являются общими степенями свободы минус между степенями свободы групп, который является .
MS
среднеквадратическая ошибка, которая является SS/df
для каждого источника изменения. F-статистическая-величина является отношением среднеквадратических ошибок. P-значение является вероятностью, что тестовая статистическая величина может принять значение, больше, чем, или равняться значению тестовой статистической величины. P-значение 1.5264e-04 предлагает отклонение нулевой гипотезы.
Можно получить значения в таблице ANOVA путем индексации в массив ячеек. Сохраните значение F-статистической-величины и p-значение в новых переменных Fstat
и pvalue
.
Fstat = tbl{2,5}
Fstat = 15.4000
pvalue = tbl{2,6}
pvalue = 1.5264e-04
Введите выборочные данные.
strength = [82 86 79 83 84 85 86 87 74 82 ... 78 75 76 77 79 79 77 78 82 79]; alloy = {'st','st','st','st','st','st','st','st',... 'al1','al1','al1','al1','al1','al1',... 'al2','al2','al2','al2','al2','al2'};
Данные от исследования силы структурных лучей в Хогге (1987). Векторная сила измеряет отклонения лучей в тысячных частях дюйма менее чем 3 000 фунтов силы. Векторный сплав идентифицирует каждый луч как сталь (st
), сплавьте 1 (al1
), или сплав 2 (al2
). Несмотря на то, что сплав сортируется в этом примере, сгруппированные переменные не должны быть отсортированы.
Выполните односторонний Дисперсионный Анализ с помощью anova1
. Возвратите структуру stats
, который содержит статистику multcompare
потребности в выполнении Нескольких Сравнений.
[~,~,stats] = anova1(strength,alloy);
Маленькое p-значение 0,0002 предполагает, что сила лучей не является тем же самым.
Выполните сравнение кратного средней силы лучей.
[c,~,~,gnames] = multcompare(stats);
Отобразите результаты сравнения с соответствующими названиями группы.
[gnames(c(:,1)), gnames(c(:,2)), num2cell(c(:,3:6))]
ans=3×6 cell array
Columns 1 through 5
{'st' } {'al1'} {[ 3.6064]} {[ 7]} {[10.3936]}
{'st' } {'al2'} {[ 1.6064]} {[ 5]} {[ 8.3936]}
{'al1'} {'al2'} {[-5.6280]} {[-2]} {[ 1.6280]}
Column 6
{[1.6831e-04]}
{[ 0.0040]}
{[ 0.3560]}
Первые два столбца показывают пару групп, которые сравнены. Четвертый столбец показывает различие между предполагаемыми средними значениями группы. Третьи и пятые колонны показывают нижние и верхние пределы для 95% доверительных интервалов истинного различия средних значений. Шестой столбец показывает p-значение для гипотезы, что истинное различие средних значений для соответствующих групп равно нулю.
Первые две строки показывают, что оба сравнения, вовлекающие первую группу (сталь), уверены интервалы, которые не включают нуль. Поскольку соответствующие p-значения (1.6831e-04 и 0.0040, соответственно) малы, те различия являются значительными.
Третья строка показывает, что различия в силе между двумя сплавами не являются значительными. 95%-й доверительный интервал для различия [-5.6 1.6], таким образом, вы не можете отклонить гипотезу, что истинным различием является нуль. Соответствующее p-значение 0,3560 в шестом столбце подтверждает этот результат.
В фигуре синяя панель представляет интервал сравнения для средней прочности материала для стали. Красные панели представляют интервалы сравнения для средней прочности материала для сплава 1 и сплавляют 2. Ни одна из красных панелей не перекрывается с синей панелью, которая указывает, что средняя прочность материала для стали существенно отличается от того из сплава 1 и сплава 2. Подтвердить значительную разницу путем нажатия на панели, которые представляют сплав 1 и 2.
y
— выборочные данныеВыборочные данные в виде вектора или матрицы.
Если y
вектор, необходимо задать group
входной параметр. Каждый элемент в group
представляет название группы соответствующего элемента в y
. anova1
функционируйте обрабатывает y
значения, соответствующие тому же значению group
как часть той же группы. Используйте этот проект, когда у групп есть различные числа элементов (разбалансировал Дисперсионный Анализ).
Если y
матрица, и вы не задаете group
, затем anova1
обработки каждый столбец y
как отдельная группа. В этом проекте функция оценивает, равны ли средние значения населения столбцов. Используйте этот проект, когда у каждой группы есть то же число элементов (сбалансировал Дисперсионный Анализ).
Если y
матрица, и вы задаете group
, затем каждый элемент в group
представляет название группы для соответствующего столбца в y
. anova1
функционируйте обрабатывает столбцы, которые имеют то же название группы как часть той же группы.
anova1
игнорирует любой NaN
значения в y
. Кроме того, если group
содержит пустой или NaN
значения, anova1
игнорирует соответствующие наблюдения в y
. anova1
функция выполняет, сбалансировал Дисперсионный Анализ, если у каждой группы есть то же количество наблюдений после того, как функция игнорирует пустой или NaN
значения. В противном случае, anova1
выполняет разбалансировал Дисперсионный Анализ.
Типы данных: single
| double
group
— Сгруппированная переменнаяСгруппированная переменная, содержащая названия группы в виде числового вектора, логического вектора, категориального вектора, символьного массива, массива строк или массива ячеек из символьных векторов.
Если y
вектор, затем каждый элемент в group
представляет название группы соответствующего элемента в y
. anova1
функционируйте обрабатывает y
значения, соответствующие тому же значению group
как часть той же группы.
N является общим количеством наблюдений.
Если y
матрица, затем каждый элемент в group
представляет название группы для соответствующего столбца в y
. anova1
функционируйте обрабатывает столбцы y
это имеет то же название группы как часть той же группы.
Если вы не хотите задавать названия группы для матричных выборочных данных y
, введите пустой массив ([]
) или не используйте этот аргумент. В этом случае, anova1
обработки каждый столбец y
как отдельная группа.
Если group
содержит пустой или NaN
значения, anova1
игнорирует соответствующие наблюдения в y
.
Для получения дополнительной информации о сгруппированных переменных смотрите Сгруппированные переменные.
Пример: 'group',[1,2,1,3,1,...,3,1]
когда y
вектор с наблюдениями, категоризированными в группы 1, 2, и 3
Пример: 'group',{'white','red','white','black','red'}
когда y
матрица с пятью столбцами, категоризированными в группы, красные, белые, и черные
Типы данных: single
| double
| logical
| categorical
| char
| string
| cell
displayopt
— Индикатор, чтобы отобразить таблицу ANOVA и диаграмму'on'
(значение по умолчанию) | 'off'
Индикатор, чтобы отобразить таблицу ANOVA и диаграмму в виде 'on'
или 'off'
. Когда displayopt
'off'
, anova1
возвращает выходные аргументы, только. Это не отображает стандартную таблицу ANOVA и диаграмму.
Пример: p = anova(x,group,'off')
p
— p - значение для F - тестp - значение для F - тест, возвращенный как скалярное значение. p - значение является вероятностью, что F - статистическая величина может принять значение, больше, чем вычисленное статистическое тестом значение. anova1
тестирует нулевую гипотезу, что все средние значения группы равны друг другу против альтернативной гипотезы в наименьшем количестве одного среднего значения группы, отличается от других. Функция выводит p - значение от cdf F - распределение.
p - значение, которое меньше, чем уровень значения, указывает в наименьшем количестве одном из демонстрационных средних значений, существенно отличается от других. Общие уровни значения 0.05 или 0.01.
tbl
— Таблица ANOVAТаблица ANOVA, возвращенная как массив ячеек. tbl
имеет шесть столбцов.
Столбец | Определение |
---|---|
source | Источник изменчивости. |
SS | Сумма квадратов из-за каждого источника. |
df | Степени свободы сопоставлены с каждым источником. Предположим, что N является общим количеством наблюдений, и k является количеством групп. Затем N – k является степенями свободы в группах (Error ), k – 1 является степенями свободы между группами (Columns ), и N – 1 является общими степенями свободы. N – 1 = (N – k) + (k – 1) |
MS | Средние квадратичные для каждого источника, который является отношением SS/df . |
F | F-, которая является отношением средних квадратичных. |
Prob>F | p - значение, которое является вероятностью, что F - статистическая величина может принять значение, больше, чем вычисленное статистическое тестом значение. anova1 выводит эту вероятность из cdf F - распределение. |
Строки таблицы ANOVA показывают изменчивость в данных, которые разделены на источник.
Строка | Определение |
---|---|
Groups | Изменчивость из-за различий среди средних значений группы (изменчивость между группами) |
Error | Изменчивость из-за различий между данными в каждой группе и средним значением группы (изменчивость в группах) |
Total | Общая изменчивость |
stats
— Статистика для нескольких тестов сравненияСтатистика для нескольких тестов сравнения, возвращенных как структура с полями, описанными в этой таблице.
Имя поля | Определение |
---|---|
gnames | Имена групп |
n | Количество наблюдений в каждой группе |
source | Источник stats вывод |
means | Ориентировочные стоимости средних значений |
df | Степени свободы ошибки (в группах) (N – k, где N является общим количеством наблюдений и k, является количеством групп), |
s | Квадратный корень из среднеквадратической ошибки |
anova1
возвращает диаграмму наблюдений для каждой группы в y
. Диаграммы обеспечивают визуальное сравнение параметров положения группы.
На каждом поле центральная метка является медианой (2-й квантиль, q 2), и ребра поля являются 25-ми и 75-ми процентилями (1-е и 3-и квантили, q 1 и q 3, соответственно). Контактные усики расширяют к самым экстремальным точкам данных, которые не рассматриваются выбросами. Выбросы построены индивидуально с помощью '+'
символ. Экстремальные значения контактных усиков соответствуют q 3 + 1,5 × (q 3 – q 1) и q 1 – 1.5 × (q 3 – q 1).
Диаграммы включают метки для сравнения средних значений. Две медианы существенно отличаются на 5%-м уровне значения, если их интервалы, представленные метками, не перекрываются. Этот тест отличается от F - тестируют тот Дисперсионный Анализ, выполняет; однако, значительные различия в центральных линиях полей соответствуют большому F - статистическому значению и соответственно маленькому p - значение. Экстремальные значения меток соответствуют q 2 – 1.57 (q 3 – q 1)/sqrt (n) и q 2 + 1.57 (q 3 – q 1)/sqrt (n), где n является количеством наблюдений без любого NaN
значения.
Для получения дополнительной информации о диаграммах, смотрите 'Whisker'
и 'Notch'
из boxplot
.
[1] Хогг, R. V., и Дж. Ледолтер. Техническая статистика. Нью-Йорк: Макмиллан, 1987.
anova2
| anovan
| boxplot
| multcompare
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.