R တွင် variance ratio test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။


လူဦးရေကွဲလွဲမှု နှစ်ခု တူညီမှုရှိမရှိ စမ်းသပ်ရန် ကွဲလွဲမှု အချိုးအစား စမ်းသပ်မှုကို အသုံးပြုသည်။

ဤစစ်ဆေးမှုသည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည်-

  • H 0 : လူဦးရေကွဲလွဲမှု တူညီပါသည်။
  • H A : လူဦးရေကွဲလွဲမှု မညီမျှပါ။

ဤစစ်ဆေးမှုကိုလုပ်ဆောင်ရန်၊ ကျွန်ုပ်တို့သည် အောက်ပါစမ်းသပ်မှုစာရင်းကို တွက်ချက်သည်-

F = s 1 2 / s 2 2

ရွှေ-

  • s 1 2 : ပထမအုပ်စု၏ နမူနာကွဲလွဲမှု
  • s 2 2 : ဒုတိယအုပ်စု၏ နမူနာကွဲလွဲမှု

ဤ F-test ကိန်းဂဏန်းနှင့် ကိုက်ညီသော p-value သည် သတ်မှတ်ထားသော အတိုင်းအတာတစ်ခုအောက် (ဥပမာ 0.05) အောက်တွင်ရှိနေပါက၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ပြီး လူဦးရေကွဲလွဲမှုများ မညီမျှကြောင်း ကောက်ချက်ချပါသည်။

R တွင် ကွဲလွဲမှုအချိုးစမ်းသပ်မှုပြုလုပ်ရန်၊ ကျွန်ုပ်တို့သည် တပ်ဆင်ထားသောလုပ်ဆောင်ချက် var.test() ကို အသုံးပြုနိုင်ပါသည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ- R တွင် Variance Ratio ကို စမ်းသပ်ခြင်း။

မတူညီသော အပင်မျိုးစိတ်နှစ်ခုသည် အမြင့်ကွဲပြားမှုရှိမရှိ သိလိုသည်ဆိုပါစို့။

၎င်းကို စမ်းသပ်ရန်အတွက် မျိုးစိတ်တစ်ခုစီမှ အပင် 15 မျိုး၏ ရိုးရှင်းသော ကျပန်းနမူနာကို စုဆောင်းပါသည်။

အောက်ပါကုဒ်သည် မျိုးစိတ်နှစ်ခုကြားရှိ အမြင့်ကွဲလွဲမှု ညီမျှခြင်းရှိမရှိ ဆုံးဖြတ်ရန် R တွင် ကွဲလွဲမှုအချိုးစမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 #create vectors to hold plant heights from each sample
group1 <- c(5, 6, 6, 8, 10, 12, 12, 13, 14, 15, 15, 17, 18, 18, 19)
group2 <- c(9, 9, 10, 12, 12, 13, 14, 16, 16, 19, 22, 24, 26, 29, 29)

#perform variance ratio test
var. test (group1, group2)

	F test to compare two variances

data: group1 and group2
F = 0.43718, num df = 14, denom df = 14, p-value = 0.1336
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
 0.1467737 1.3021737
sample estimates:
ratio of variances 
         0.4371783

ဤသည်မှာ စမ်းသပ်မှုရလဒ်များကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံဖြစ်သည်-

ဒေတာ- နမူနာဒေတာပါရှိသော vector များအမည်များ။

F: F စမ်းသပ်မှုစာရင်းအင်း။ ဤကိစ္စတွင်၎င်းသည် 0.43718 ဖြစ်သည်။

num df၊ denom df : N 1 – 1 နှင့် n 2 –1 အဖြစ် အသီးသီးတွက်ချက်သော F စစ်ဆေးမှုအတွက် လွတ်လပ်မှု၏ ပိုင်းဝေဒီဂရီနှင့် ပိုင်းခြေဒီဂရီများ။

p-value- ပိုင်း ဝေ df = 14 နှင့် ပိုင်းခြေ df = 14 ဖြင့် 0.43718 ၏ F-test ကိန်းဂဏန်းနှင့် ကိုက်ညီသော p-တန်ဖိုး။ p-value သည် 0.1336 ဖြစ်သွားသည်။

95% ယုံကြည်မှုကြားကာလ- အုပ်စုနှစ်ခုကြားရှိကွဲလွဲမှုများ၏ စစ်မှန်သောအချိုးအတွက် ယုံကြည်မှု 95% ကြားကာလ။ ၎င်းသည် [.147၊ 1.302] ဖြစ်သည် ။ 1 ကို ဤကြားကာလတွင် ပါ၀င်သောကြောင့်၊ ကွဲလွဲမှုများ၏ စစ်မှန်သောအချိုးအစားသည် 1 ဖြစ်ပြီး၊ တူညီသောကွဲလွဲမှုများကို ဆိုလိုသည်။

နမူနာခန့်မှန်းချက်- ၎င်းသည် အုပ်စုတစ်ခုစီကြားရှိ ကွဲလွဲမှုအချိုးကို ကိုယ်စားပြုသည်။ var() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုပါက၊ ပထမအုပ်စု၏နမူနာကွဲလွဲမှုသည် 21.8381 ဖြစ်ပြီး ဒုတိယအုပ်စု၏နမူနာကွဲလွဲမှုသည် 49.95238 ဖြစ်ကြောင်း ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။ ထို့ကြောင့် ကွဲလွဲမှုများ၏ အချိုးသည် 21.8381 / 49.95238 = 0.4371783 ဖြစ်သည်။

ဤစမ်းသပ်မှု၏ null နှင့် အခြားအခြားသော အယူအဆများကို မှတ်မိကြစို့။

  • H 0 : လူဦးရေကွဲလွဲမှု တူညီပါသည်။
  • H A : လူဦးရေကွဲလွဲမှု မညီမျှပါ။

ကျွန်ုပ်တို့၏စမ်းသပ်မှု၏ p-value (0.1336) သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။

ဆိုလိုသည်မှာ မျိုးစိတ်နှစ်ခုကြားရှိ အပင်အမြင့်ကွဲလွဲမှုသည် မညီမျှကြောင်း ကောက်ချက်ချရန် လုံလောက်သော အထောက်အထားမရှိဟု ဆိုလိုပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

R တွင် နမူနာ T-test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။
R တွင် Welch’s T test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။
R တွင်တွဲထားသောနမူနာများကို t-test လုပ်နည်း

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်