Μοντζλα ςταθερών και τυχαίων επιδράςεων. Κατςιλζροσ Αναςτάςιοσ

Σχετικά έγγραφα
Ανάλυςη Συνδιακφμανςησ (Analysis of covariance) Κατςιλζροσ Αναςτάςιοσ

Nested and split plot designs. Κατςιλζροσ Αναςτάςιοσ

Παραγοντικοί χεδιαςμοί. Κατςιλζροσ Αναςτάςιοσ

Γ. Πειραματισμός Βιομετρία

Γεωργικός Πειραματισμός ΙΙ ΑΥΞΗΜΕΝΑ ΣΧΕΔΙΑ

Εισαγωγή στην Ανάλυση Διακύμανσης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ

Μονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων

Χαρακτηριστικά της ανάλυσης διασποράς. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (One-way analysis of variance)

!! " &' ': " /.., c #$% & - & ' ()",..., * +,.. * ' + * - - * ()",...(.

τατιςτική ςτην Εκπαίδευςη II

Σχεδίαση µε τη χρήση Η/Υ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. Μάθηµα Τέταρτο-Πέµπτο-Έκτο Πολλαπλό Γραµµικό Υπόδειγµα

Κεφάλαιο 14. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης

ΛΕΙΤΟΥΓΙΚΆ ΣΥΣΤΉΜΑΤΑ. 5 ο Εργαςτιριο Ειςαγωγι ςτθ Γραμμι Εντολϊν

Ενότητα 3: Ανάλυση Διακύμανσης κατά ένα παράγοντα One-Way ANOVA

ΚΩΝΣΑΝΣΙΝΟ ΑΛ. ΝΑΚΟ ΜΑΘΗΜΑΣΙΚΟ M.Sc ΧΟΛΙΚΟ ΤΜΒΟΤΛΟ Πτυχ. ΚΟΙΝΩΝΙΚΗ ΟΙΚΟΝΟΜΙΑ

ΜΑ032: ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Εαρινό εξάμηνο , Διδάςκων: Γιώργοσ Γεωργίου ΕΝΔΙΑΜΕΗ ΕΞΕΣΑΗ, 21 Μαρτίου, 2012 Διάρκεια: 2 ώρεσ

Ασκήσεις βιολογίας. Καρυότυποσ-DNA. Φιρφιρισ Χριςτοσ ΦΡΟΝΣΙΣΗΡΙΑ ΠΡΟΟΠΣΙΚΗ 1

1. Hasil Pengukuran Kadar TNF-α. DATA PENGAMATAN ABSORBANSI STANDAR TNF α PADA PANJANG GELOMBANG 450 nm

Γωνία που σχηματίζει η ε με τον άξονα. Έστω Oxy ένα σύστημα συντεταγμένων στο επίπεδο και ε μια ευθεία που τέμνει τον άξονα

ΕΡΓΑΣΗΡΙΑΚΗ ΑΚΗΗ 4.1

ΛΥΣΕΙΣ ΦΥΛΛΑΔΙΟΥ 3 Ευθεία - Επίπεδο ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ/

ΑΝΑΛΥΣΗ ΔΙΑΣΠΟΡΑΣ,

Σύγκριση Συνδυασµένων Παραγόντων

ONE WAY ANOVA. .Π.Μ.Σ. Μαθηµατικά των Υπολογιστών & των αποφάσεων. Πάτρα, 11 Ιανουαρίου 2011

Wan Nor Arifin under the Creative Commons Attribution-ShareAlike 4.0 International License. 1 Introduction 1

Από κεωρια εχουμε μακει ότι ενασ υπολογιςτθσ ςε ζνα δικτυο προςδιοριηεται από μια Ip διευκυνςθ που ζχει τθ γενικι μορφι X.Y.Z.W

Funktionsdauer von Batterien in Abhängigkeit des verwendeten Materials und der Umgebungstemperatur

1. Να αντιςτοιχίςετε τουσ όρουσ τθσ ςτιλθσ-ι με τουσ όρουσ τθσ ςτιλθσ-ιι τιλθ-ι. τιλθ-ιι Γενικοί μοριακοί τφποι. Ομόλογεσ ςειρζσ Α.

Στοιχεία από τη Γεωμετρία του χώρου (αναλυτικά στο βιβλίο: Ευκλείδεια Γεωμετρία Α και Β Ενιαίου Λυκείου)

3. Μία τεθλασµένη γραµµή αποτελείται από πέντε διαφορετικά ευθύγραµµα

Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα

Εισαγωγή στην Γραμμική Παλινδρόμηση

Supplementary Information 1.

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία

Παράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.

ΜΑΘΗΜΑΤΙΚΑ Ο.Π. ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΚΕΦΑΛΑΙΟ:2 ο - ΠΑΡΑΓΡΑΦΟΣ: Γιάννης Ζαµπέλης Μαθηµατικός

!"!"!!#" $ "# % #" & #" '##' #!( #")*(+&#!', & - #% '##' #( &2(!%#(345#" 6##7

Μπορείτε να δείξετε ότι αυξανομένης της θερμοκρασίας το κλάσμα των μορίων του συστήματος που βρίσκεται στην βασική ενεργειακή κατάσταση θα μειώνεται;

Β ΓΥΜΝΑΣΙΟΥ. Πρόβλημα 1 Να υπολογίσετε την τιμή των αριθμητικών παραστάσεων: 2 24 : : 2, : και να τις συγκρίνετε.

2. THEORY OF EQUATIONS. PREVIOUS EAMCET Bits.

Παράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.

FORMULAE SHEET for STATISTICS II

ΘΕΜΑ 2 Δίνεται παραλληλόγραμμο ΑΒΓΔ με ΑΒ=2ΒΓ. Προεκτείνουμε την πλευρά ΑΔ (προς το μέρος του Δ) κατά τμήμα ΔΕ=ΑΔ και φέρουμε την ΒΕ που τέμνει τη ΔΓ

1. Αν θ ςυνάρτθςθ είναι ΠΟΛΤΩΝΤΜΙΚΗ τότε το πεδίο οριςμοφ είναι το διότι για κάκε x θ f(x) δίνει πραγματικό αρικμό.

ΕΞΙΣΩΣΗ ΣΦΑΙΡΑΣ. είναι όλοι ίσοι και επιπλέον δεν υπάρχουν οι όροι xy, yz, zx. Γενικά µια εξίσωση της µορφής: 0 + Β + Α.

α) Στο μιγαδικό επίπεδο οι εικόνεσ δφο ςυηυγϊν μιγαδικϊν είναι ςθμεία ςυμμετρικά ωσ προσ τον πραγματικό άξονα

Π.Μ.Σ. ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΙΑΣΠΟΡΑΣ ΚΑΙ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΤΕΛΙΚΟ ΔΙΑΓΩΝΙΣΜΑ 27/6/2016

ΦΥΕ 14 ΑΚΑΔ. ΕΤΟΣ Η ΕΡΓΑΣΙΑ. Ημερομηνία παράδοςησ: 12 Νοεμβρίου (Όλεσ οι αςκιςεισ βακμολογοφνται ιςοτίμωσ με 10 μονάδεσ θ κάκε μία)

Άσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις:

Βάςεισ Δεδομζνων Ι. Ενότητα 12: Κανονικοποίηςη. Δρ. Τςιμπίρθσ Αλκιβιάδθσ Τμιμα Μθχανικών Πλθροφορικισ ΤΕ

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 8. Ανάλυση διασποράς (ANOVA)

Κεφάλαιο 4: Πυροηλεκτρισμός, Πιεζο- ηλεκτρισμός, Λιαροκάπης Ευθύμιος. Διηλεκτρικές, Οπτικές, Μαγνητικές Ιδιότητες Υλικών

4.1 ΕΥΘΕΙΕΣ ΚΑΙ ΕΠΙΠΕ Α ΣΤΟ ΧΩΡΟ

Πλήρεις Οµάδες σε Ελεύθερη ιάταξη

Μενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο

ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ. Παιεάο Δπζηξάηηνο

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2

Αςφάλεια και Προςταςία Δεδομζνων

Λογιστική Παλινδρόµηση

HY437 Αλγόριθμοι CAD

ΜΑΘΗΜΑΤΙΚΑ ΕΠΙΠΕΔΟ (Β - Γ Λυκείου)

7. Ανάλυση Διασποράς-ANOVA

519.22(07.07) 78 : ( ) /.. ; c (07.07) , , 2008

Πολυπλέκτες. 0 x 0 F = S x 0 + Sx 1 1 x 1

Αλγεβρικές παραστάσεις

Ανάπτυξη Εφαρμογών με Σχεςιακέσ Βάςεισ Δεδομένων

Αςφάλεια και Προςταςία Δεδομζνων

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ

Η θεωρία στην ευθεία σε ερωτήσεις - απαντήσεις

Οδηγίεσ προσ τουσ εκπαιδευτικοφσ για το μοντζλο τησ Αριθμογραμμήσ

Στα επόμενα θεωρούμε ότι όλα συμβαίνουν σε ένα χώρο πιθανότητας ( Ω,,P) Modes of convergence: Οι τρόποι σύγκλισης μιας ακολουθίας τ.μ.

Ανάλυση Διακύμανσης. Ι. Κ. Δημητρίου

lim x και lim f(β) f(β). (β > 0)

Έλεγχος υποθέσεων ΙI ANOVA

Παράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)

Ασκήσεις Εξετάσεων. Μεταπτυχιακό Πρόγραμμα Σπουδών στη. Διοίκηση των Επιχειρήσεων

Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS

ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ ΚΕΦΑΛΑΙΟ 1 ο. 2= p=q 2 p =2q

C V C = 1. Πυκνωτές. Οι πυκνωτές έχουν πολλές χρήσεις λόγω του ότι αποτελούν αποθήκες ηλεκτρικού φορτίου και ηλεκτρικής δυναμικής ενέργειας.

Δοκιμές προτίμησης και αποδοχής

ΠΡΟΓΡΑΜΜΑΣΙΜΌ ΤΠΟΛΟΓΙΣΏΝ. Κεφάλαιο 8 Η γλϊςςα Pascal

Τράπεζα Θεμάτων Γεωμετρία Α Λυκείου Κεφάλαιο 3 Θέμα 2. Επιμέλεια : Μιχάλης Γιάνναρος - Μαθηματικός

τατιστική στην Εκπαίδευση II

Οδηγίεσ προσ τουσ εκπαιδευτικοφσ για το μοντζλο του Άβακα

GREEK MATHEMATICAL SOCIETY Πανεπιστημίου (Ελευθερίου Βενιζέλου) ΑΘΗΝΑ Τηλ Fax:

Αν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.

Απλή Ευθύγραµµη Συµµεταβολή

Γεωμετρία Α Λυκείου. Λεξιλόγιο Γεωμετρίας. Φροντιςτιριο Μ.Ε. «ΑΙΧΜΗ» Επιμζλεια Κων/νοσ Παπαςταματίου Μακθματικόσ

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ΘΕΜΑ 2 ο. Α. 1. Θεωρία σχολικό βιβλίο σελ Θεωρία σχολικό βιβλίο σελ. 61

Βάςεισ Δεδομζνων Ι. Ενότητα 4: Μετατροπή ςχήματοσ Ο/Σ ςε ςχεςιακό. Δρ. Τςιμπίρθσ Αλκιβιάδθσ Τμιμα Μθχανικϊν Ρλθροφορικισ ΤΕ

Ασκήσεις για τις εξετάσεις Μάη Ιούνη στη Γεωμετρία Β Λυκείου του ΜΑΝΩΛΗ ΨΑΡΡΑ

α και γ και να 3. Δίνεται τραπέζιο ΟΑΒΓ με ΟΑ = α, ΟΓ =γ και ΓΒ= 2ΟΑ αποδείξετε ότι ΓΑ = 2ΕΔ ΛΥΣΗ Έχουμε: ΓΑ = ΓΟ + ΟΑ = γ + α

Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές. Εργαστήριο Γεωργίας. Viola adorata

Δείκτεσ απόδοςθσ υλικών

ΘΕΜΑ 4 Στην παρακάτω εικόνα φαίνεται μια κρεμάστρα τοίχου η οποία αποτελείται από έξι ίσα ευθύγραμμα κομμάτια ξύλου (ΑΔ, ΒΓ, ΓΖ, ΔΗ, ΖΚ, ΗΛ) που

Transcript:

Μοντζλα ταθρών και τυχαίων πιδράων Κατιλζροσ Ανατάιοσ 08

Ανάλυη μοντζλου ταθρών πιδράων μ ζνα παράγοντα Αν ο ρυνθτισ πιλζγι να χρθιμοποιιι το πίραμα του κάποια υγκκριμζνα πίπδα νόσ παράγοντα και τα υμπράματα του πιράματοσ αφοροφν μόνο τα προκακοριμζνα αυτά πίπδα-πμβάισ, τότ το μοντζλο ίναι τακρών πιδράων (Fxed-effects model. Το γραμμικό μοντζλο ίναι: Y j = μ + τ + j Όπου μ ο γνικόσ μζοσ, τ θ πίδραθ τθσ πζμβαθσ (Στ = Σ(Ȳ μ = 0 και j τα πιραματικά φάλματα τα οποία ίναι τυχαία, ανξάρτθτα και Ν(0, e. Η μθδνικι υπόκθ: Η ναλλακτικι υπόκθ: H 0 : τ = τ = = τ H : τ τ τ Η διακφμανθ των παρατθριων Y j ίναι Όταν θ μθδνικι υπόκθ H 0 απορρίπτται, υπάρχι ζνα πιπλζον υτατικό τθσ διακφμανθσ το πίραμα : τ

(- (- α τ - αμ - α τ αμ (- τ (μ τ (μ (- (- (- (- (- (- (- ΑΤυπ (ΜΤυπ. j j. j j. j j j.. j j j.. j j. j j Η αναμνόμνθ τιμι του μζου ττραγώνου του υπολοίπου υπολογίηται ωσ ξισ: Οι όροι j και. αντικακίτανται μ και πιδι ( j =0

τ τ (- (μ τ μ ] [(μ ] τ [(μ τ E(μ τ E(μ E( ΑΤπ (ΜΤπ......... Ιχφι ( j =0, (. =0, (.. =0, ( j =, (. =, (.. = και Στ = 0 Η αναμνόμνθ τιμι του μζου ττραγώνου των πμβάων υπολογίηται ωσ ξισ:

Ανάλυη μοντζλου τυχαίων πιδράων μ ζνα παράγοντα Αν τα πίπδα τθσ πζμβαθσ ίναι ζνα τυχαίο δίγμα που προζρχται από ζνα πλθκυμό μ μζθ τιμι 0 και διακφμανθ τ και τα υμπράματα του πιράματοσ ζχουν ωσ τόχο να πκτακοφν τον πλθκυμό των πιπζδων τότ το μοντζλο ίναι τυχαίων πιδράων (Rdom-effects model. Το γραμμικό μοντζλο ίναι: Y j = μ + τ + j Όπου τ ίναι ανξάρτθτθ τυχαία μταβλθτι και για τυχαία δίγματα πιπζδων ιχφι Στ = Σ(Ȳ μ 0. Η μθδνικι υπόκθ: H 0 : τ = 0 Η ναλλακτικι υπόκθ: H : τ > 0 Η διακφμανθ των Y j = r τ + ( τ και τα υτατικά τθσ διακφμανθσ Όταν θ μθδνικι υπόκθ H 0 απορρίπτται, υπάρχι ζνα πιπλζον υτατικό τθσ διακφμανθσ το πίραμα : τ

τ τ τ τ τ τ.. j....... (- (- (μ μ ] [(μ ] [(μ τ E(μ τ E(μ E( ΑΤπ (ΜΤπ Η αναμνόμνθ τιμι του μζου ττραγώνου των πμβάων υπολογίηται ωσ ξισ: Ο όροσ τ αντικακίτανται μ τ πιδι (τ =0 και οι όροι. και.. μ και αντίτοιχα. Η αναμνόμνθ τιμι του μζου ττραγώνου του υπολοίπου ίναι.

Πίνακασ Ανάλυθσ Παραλλακτικότθτασ για το ντλώσ Τυχαιοποιθμζνο Σχζδιο Πηγή παρ/τητασ BE ΑΤ ΜΤ F ΘΣΜΤ ΘΣΜΤ πμβάισ AT Y. Y.. AT (α MT MTυ e τ τ Υπόλοιπο ( ATυ Y j Y. j ATυ α( e e Σφνολο AT Y j Y.. j Θωρθτικι φταθ μζου ττραγώνου: Μοντζλο τυχαίων πιδράων, Μοντζλο τακρών πιδράων

Ανάλυη μοντζλου ταθρών πιδράων μ δφο παράγοντσ Ο ρυνθτισ πιλζγι να χρθιμοποιιι υγκκριμζνα πίπδα των δφο παραγόντων και τα υμπράματα του πιράματοσ αφοροφν μόνο τα υγκκριμζνα πίπδα. Το γραμμικό μοντζλο ίναι: Υ jk = μ + α + β j + (αβ j + jk Όπου: μ = ο γνικόσ μζοσ α = θ πίδραθ του πιπζδου του πρώτου παράγοντα (Σα =0 β j = θ πίδραθ του j πιπζδου του δφτρου παράγοντα (Σβ j =0 (αβ j = θ αλλθλπίδραθ των δφο παραγόντων jk = τα πιραματικά φάλματα, Ν(0, Η διακφμανθ των παρατθριων Y jk ίναι Οι μθδνικζσ υποκζισ ίναι Η 0 : α = 0, Η 0 : β j = 0 και Η 0 : (αβ j = 0

- α b α b (- (bμ α b (bμ ] b [(bμ b ] b α (b [ bμ b E( bμ αb bτ (bμ E b b E( b b b ΑΤ (ΜΤ............... A A Η αναμνόμνθ τιμι του μζου ττραγώνου του παράγοντα Α υπολογίηται ωσ ξισ: Ιχφι α. = 0, β. = 0, (αβ.j = 0, (αβ. = 0 και (αβ.. = 0

Ανάλυη μοντζλου τυχαίων πιδράων μ δφο παράγοντσ Τα πίπδα των παραγόντων ίναι ζνα τυχαίο δίγμα που προζρχται από ζνα μγαλφτρο πλθκυμό και τα υμπράματα του πιράματοσ ζχουν ωσ τόχο να πκτακοφν τον μγαλφτρο πλθκυμό πιπζδων. Το γραμμικό μοντζλο ίναι: Υ jk = μ + α + β j + (αβ j + jk α = θ τυχαία πίδραθ από πλθκυμό μ μζθ τιμι 0 και διακφμανθ α β j = θ τυχαία πίδραθ από πλθκυμό μ μζθ τιμι 0 και διακφμανθ β (αβ j = ίναι θ τυχαία αλλθλπίδραθ από ζναν πλθκυμό μ μζθ τιμι 0 και διακφμανθ αβ jk = τα πιραματικά φάλματα, Ν(0, Η διακφμανθ των παρατθριων Y jk ίναι α + β + αβ + Οι μθδνικζσ υποκζισ ίναι Η 0 : α = 0, Η 0 : β = 0 και Η 0 : αβ = 0

α αβ α αβ αβ β α αβ β α..................... A A b b ( ( (- ] b b b( (b [(bμ b ] b b b( (b [ bμ b αβ β bα E( bμ b αβ β bα (bμ E b b E( b b b ΑΤ (ΜΤ Η αναμνόμνθ τιμι του μζου ττραγώνου του παράγοντα Α υπολογίηται ωσ ξισ:

Ανάλυη μοντζλου μικτών πιδράων μ δφο παράγοντσ Αν τα πίπδα του νόσ παράγοντα ίναι προκακοριμζνα, νώ τα πίπδα του άλλου παράγοντα ίναι τυχαία που προζρχονται από ζνα μγαλφτρο πλθκυμό, τότ το μοντζλο αυτό ονομάηται μοντζλο μικτών πιδράων (Mxed-effects model. Το γραμμικό μοντζλο ίναι: Υ jk = μ + α + β j + (αβ j + jk Πριοριμζνο μοντζλο (restrcted model Όπου α θ τακρι πίδραθ (Σα =0, β j θ τυχαία πίδραθ μ Ν(0, β, (αβ j θ τυχαία αλλθλπίδραθ μ Ν(0, [(-/] αβ και (αβ.j = 0 και jk τα πιραματικά φάλματα μ Ν(0, Μη πριοριμζνο μοντζλο (urestrcted model Όπου α θ τακρι πίδραθ (Σα =0, β j θ τυχαία πίδραθ μ Ν(0, β, (αβ j θ τυχαία αλλθλπίδραθ μ Ν(0, αβ και jk τα φάλματα μ Ν(0,.

β β β β...... j b j... b j.j.... j.j. Β (b (b- b ] b (b bμ [ αb ] b b μ [b b β E( bμ b β (μ E b b E( b b b b b ΑΤ (ΜΤ Η αναμνόμνθ τιμι του μζου ττραγώνου του παράγοντα Β (τυχαίο, μ το πριοριμζνο μοντζλο, υπολογίηται ωσ ξισ: Ιχφι α. = 0 και (αβ.j = 0

Η αναμνόμνθ τιμι του μζου ττραγώνου του παράγοντα Β (τυχαίο, μ το μθ πριοριμζνο μοντζλο, υπολογίηται ωσ ξισ: (ΜΤ Ιχφι α. = 0 ΑΤΒ b b j.j.... b b b b E (μ β j αβ.j.j. j b E( bμ β. αβ..... b [bμ b β b αβ b ] b [ bμ b β b αβ b αb β β b (b- (b (b b j.j.... E( b β ] β

Πίνακασ Ανάλυθσ Παραλλακτικότθτασ Πηγή παρ/τητασ BE ΘΣΜΤ ΘΣΜΤ ΘΣΜΤ 3 Α b α e αβ b α αβ b α Β b b β e αβ β e β ΑΒ (-(b- b αβ j ((b j e αβ e αβ Υπόλοιπο b(- e e e Μοντζλο τακρών πιδράων, Μοντζλο τυχαίων πιδράων και 3 Μοντζλο μικτών πιδράων (Α προκακοριμζνο και Β τυχαίο

Παράδιγμα: Πίραμα δφο παραγόντων (Motgomer Prt Opertor Opertor Opertor 3 0 0 0 9 4 3 4 4 3 4 3 0 9 0 4 7 7 8 6 7 8 5 9 8 9 8 8 6 3 4 3 7 4 0 8 9 7 8 0 9 8 9 4 3 5 3 4 4 0 5 3 6 5 4 5 0 0 0 0 8 9 7 9 8 9 3 3 5 5 5 5 5 4 4 4 3 5 4 5 5 9 30 30 8 3 30 6 6 6 5 6 5 7 7 0 0 9 0 0 0 8 9 9 9 3 9 5 6 5 4 5 5 0 9 9 8 7 9 7

> lbrr(emsov > fctorlems A B Rep Y 4 3 3 0 4 4 7 5 5 9 6 6 3 7 7 8 8 9 9 9 4 0 0 5... 3 3 3 5 4 4 3 5 5 5 3 30 6 6 3 7 7 7 3 0 8 8 3 3 9 9 3 5 0 0 3 7

> ft=emsov(y~a*b, dt=`fctorlems`, tpe=c("f","f" > ft Df SS MS Fvlue Pvlue Sg EMS A 9 85.45000 6.3907895 6.95 <0.000 *** Error+6A B.66667.3083333.393 0.75 Error+40B A:B 38 7.050000 0.784 0.778 0.864 Error+A:B Resduls 60 59.500000 0.996667 Error > ft=emsov(y~a*b, dt=`fctorlems`, tpe=c("r", "R" > ft Df SS MS Fvlue Pvlue Sg EMS A 9 85.45000 6.3907895 87.647 <0.000 *** Error+A:B+6A B.66667.3083333.838 0.73 Error+A:B+40B A:B 38 7.050000 0.784 0.778 0.864 Error+A:B Resduls 60 59.500000 0.996667 Error

> ft=emsov(y~a*b, dt=`fctorlems`, tpe=c("f", "R" > ft Df SS MS Fvlue Pvlue Sg EMS A 9 85.45000 6.3907895 87.647 <0.000 *** Error+A:B+6A B.66667.3083333.393 0.75 Error+40B A:B 38 7.050000 0.784 0.778 0.864 Error+A:B Resduls 60 59.500000 0.996667 Error > ft=emsov(y~a*b,dt=`fctorlems`,tpe=c("r", F" > ft Df SS MS Fvlue Pvlue Sg EMS A 9 85.45000 6.3907895 6.95 <0.000 *** Error+6A B.66667.3083333.838 0.73 Error+A:B+40B A:B 38 7.050000 0.784 0.778 0.864 Error+A:B Resduls 60 59.500000 0.996667 Error

> lbrr(lme4 > A=fctor(A;B=fctor(B > ft=lmer(y ~ A +( B + ( A:B,fctorlEMS > summr(ft Ler mxed model ft b REML ['lmermod'] Formul: Y ~ A + ( B + ( A:B REML crtero t covergece: 308 Scled resduls: M Q Med 3Q Mx -.09-0.6777 0.053 0.5659.7655 Rdom effects: Groups Nme Vrce Std.Dev. A:B (Itercept 0.00000 0.0000 B (Itercept 0.0063 0.03 Resdul 0.8836 0.9398 Number of obs: 0, groups: A:B, 60; B, 3 Fxed effects: Estmte Std. Error t vlue (Itercept 0.667 0.388 5.943 A 3.5000 0.546 6.45 A3 0.3333 0.546 0.64...

> ov(ft Alss of Vrce Tble Df Sum Sq Me Sq F vlue A 9 85.4 6.39 70.645 > lbrr(lmertest > rov(ft ANOVA-lke tble for rdom-effects: Sgle term deletos Model: Y ~ A + ( B + ( A:B pr loglk AIC LRT Df Pr(>Chsq <oe> 3-53.99 353.98 ( B -54.08 35.6 0.73 0.678 ( A:B -53.99 35.98 0.00000.0000

> dfflsmes(ft Lest Squres Mes tble: Estmte Std. Error df t vlue lower upper Pr(> t fctor(a-fctor(a -3.50e+00 5.4e-0 98-6.450-4.57e+00 -.4e+00 4.39e-09 *** fctor(a-fctor(a3-3.33e-0 5.4e-0 98-0.64 -.4e+00 7.43e-0 0.5404049 fctor(a-fctor(a4-7.00e+00 5.4e-0 98 -.90-8.07e+00-5.9e+00 <.e-6 *** fctor(a-fctor(a5.33e+00 5.4e-0 98.457.56e-0.4e+00 0.057509 * fctor(a-fctor(a6 -.6e+00 5.4e-0 98-3.993-3.4e+00 -.08e+00 0.00060 *** fctor(a-fctor(a7 -.66e+00 5.4e-0 98-3.07 -.74e+00-5.89e-0 0.007547 ** fctor(a-fctor(a8.66e+00 5.4e-0 98 3.07 5.89e-0.74e+00 0.007547 ** fctor(a-fctor(a9-3.66e+00 5.4e-0 98-6.757-4.74e+00 -.58e+00.00e-09 *** fctor(a-fctor(a0-4.50e+00 5.4e-0 98-8.93-5.57e+00-3.4e+00 5.966e-3 *** fctor(a-fctor(a -.66e-0 5.4e-0 98-0.307 -.4e+00 9.0e-0 0.7593603 fctor(a-fctor(a.83e+00 5.4e-0 98 3.378 7.56e-0.9e+00 0.000455 **...

> ft=lmer(y ~ B +( A + ( A:B > summr(ft Ler mxed model ft b REML ['lmermod'] Formul: Y ~ B + ( A + ( A:B REML crtero t covergece: 409.5 Scled resduls: M Q Med 3Q Mx -.809-0.783 0.445 0.553.5849 Rdom effects: Groups Nme Vrce Std.Dev. A:B (Itercept 0.0000 0.0000 A (Itercept 0.53 3.08 Resdul 0.883 0.9398 Number of obs: 0, groups: A:B, 60; A, 0 Fxed effects: Estmte Std. Error t vlue (Itercept.3000 0.73 30.498 B -0.050 0.0-0.9 B3 0.3000 0.0.48 Correlto of Fxed Effects: (Itr B B -0.44 B3-0.44 0.500

> ov(ft Alss of Vrce Tble Df Sum Sq Me Sq F vlue B.667.3083.484 ANOVA-lke tble for rdom-effects: Sgle term deletos > rov(ft Model: Y ~ B + ( A + ( A:B pr loglk AIC LRT Df Pr(>Chsq <oe> 6-04.73 4.46 ( A 5-58.43 56.87 07.4 <e-6 *** ( A:B 5-04.73 49.46 0.00 --- Sgf. codes: 0 *** 0.00 ** 0.0 * 0.05. 0.

> ft= lmer(y ~ ( A +( B + ( A:B > summr(ft Ler mxed model ft b REML ['lmermod'] Formul: Y ~ ( A + ( B + ( A:B REML crtero t covergece: 409.4 Scled resduls: M Q Med 3Q Mx -.033-0.6595 0.70 0.5374.7345 Rdom effects: Groups Nme Vrce Std.Dev. A:B (Itercept 0.00000 0.0000 A (Itercept 0.57 3.08 B (Itercept 0.0063 0.03 Resdul 0.8836 0.9398 Number of obs: 0, groups: A:B, 60; A, 0; B, 3 Fxed effects: Estmte Std. Error t vlue (Itercept.397 0.735 30.95

Παράγοντασ Fxed ι Rdom Αρικμόσ πιπζδων Δίκτθσ πίδραθσ Α F Β R b j Rep R k α 0 b αβ ΘΣΜΤ b α β j e β αβ j 0 (* e αβ jk e Τα κλιά τθσ τλυταίασ γραμμισ ( jk παίρνουν τθν τιμι. Αν τα κλιά ζχουν ίδιο δίκτθ γραμμι και τιλθ τότ, αν τα πίπδα του παράγοντα του δίκτθ ίναι προκακοριμζνα, το κλί παίρνι τιμι 0 (*το urestrcted-model, αν υπάρχι τουλάχιτον ζνασ τυχαίοσ παράγοντασ τθν αλλθλπίδραθ αβ j, τότ παίρνι τθν τιμι, αν τα πίπδα ίναι τυχαία, παίρνι τιμι, νώ αν δν ζχουν ίδιο δίκτθ το κλί παίρνι τoν αρικμό των πιπζδων τθσ τιλθσ. Για να βροφμ τθν κωρθτικι φταθ νόσ μζου ττραγώνου (πχ ΜΤ Α, ξαιροφμ τθν τιλθ μ τον δίκτθ τθσ πίδραθσ (πχ πρώτθ τιλθ και πολλαπλαιάηουμ τισ τιμζσ των κλιών μ τθν διακφμανθ, τισ γραμμζσ κίνσ όπου μφανίηται ο ίδιοσ δίκτθσ ( θ, 3 θ και 4 θ γραμμι. Παράδιγμα: b**σα /(- + ** β + **

Πηγή παρ/τασ ΘΣΜΤ ΘΣΜΤ ΘΣΜΤ 3 A bc α α e αβγ c αβ b αγ bc α b αγ bc α α B c β b e αβγ c αβ βγ c β σ σ βγ c β b Γ c b k c γ e αβγ b αγ βγ bc γ bc e γ AB c b j αβ ((b j e αβγ c αβ σ σ αβγ b c αβ j ( (b j ΑΓ b c k αγ ((c k e αβγ b αγ b - αγ ΒΓ b c βγ j k (b(c jk e αβγ βγ b b - βγ ΑΒΓ b c αβγ j k ((b(c jk e αβγ σ σ αβγ Υπόλοιπο Μοντζλο τακρών πιδράων, Μοντζλο τυχαίων πιδράων και 3 Μοντζλο μικτών πιδράων (Α, Β τακρών και Γ τυχαίων

Παράγοντασ Fxed ι Rdom Αρικμόσ πιπζδων Δίκτθσ πίδραθσ Α F α 0 b c β j 0 c γ k b Β F b j C R c k Rep R l σ σ bσ σ ΘΣΜΤ αγ βγ e bc α α c β b bc γ αβ j 0 (* 0 ( c αγ k 0 ( b βγ jk 0 ( σ σ αβγ b c αβ j ( (b b - σ σ βγ αγ j αβγ jk 0 ( 0 ( σ σ αβγ jkl *(urestrcted model

Παράδιγμα: Πίραμα τριών παραγόντων (Motgomer Gs Temperture (A Pressure Guge (C 60 F 75 F 90 F Opertor (B Opertor (B Opertor (B 3 4 3 4 3 4 3-0 - 4 4 6-7 -8 - - - -3-9 -8 4 4 0 6-8 0 - -6-5 -8-3 8 6-5 -8-9 -8 4 - - -7 4 6 3-7 -8 3 - -4 0-0 3-5 - - -4 - -8-7 4 6 0 0 - - - -7 3

> fctorl3ems A B C Rep Y - -3 3-6 4 4 5 3-6 3-7 0 8-9 64 3 3-8 65 3 3 3-4 66 3 3 3-7 67 3 4-68 3 4 69 3 4-8 70 3 4 3 7 3 4 3 7 3 4 3 3

> fctorlems <- red.delm("c:/users/m/desktop/fctorl3ems.txt" > ft=emsov(y~a*b*c, dt=`fctorl3ems`, tpe=c("f","f","f" > ft Df SS MS Fvlue Pvlue Sg EMS A 03.36 5.680556 3.907 <0.000 *** Error + 4A B 3 43.89444 4.7348 6.6007 0.00 ** Error + 8B A:B 6.97 0.995370 9.4378 <0.000 *** Error + 6A:B C 7.94444 3.597 0.68 0.846 Error + 4C A:C 4 37.888889 34.47.606 0.97 Error + 8A:C B:C 6 09.47 34.9037.63 0.669 Error + 6B:C A:B:C 66. 3.84593 0.6468 0.788 Error + A:B:C Resduls 36 770.500000.40778 Error

> ft=emsov(y~a*b*c, dt=`fctorl3ems`, tpe=c("f","f","r" > ft Df SS MS Fvlue Pvlue Sg EMS A 03.36 5.680556 4.8433 0.04 * Error + 8A:C + 4A B 3 43.89444 4.7348 4.0465 0.0686. Error + 6B:C + 8B A:B 6.97 0.995370 4.593 e-04 *** Error + A:B:C + 6A:B C 7.94444 3.597 0.68 0.846 Error + 4C A:C 4 37.888889 34.47.606 0.97 Error + 8A:C B:C 6 09.47 34.9037.63 0.669 Error + 6B:C A:B:C 66. 3.84593 0.6468 0.788 Error + A:B:C Resduls 36 770.500000.40778 Error

> ft=emsov(y~a*b*c, dt=`fctorl3ems`, tpe=c("f","r","r" > ft Df SS MS Fvlue Pvlue Sg EMS A 03.36 5.680556 Error+A:B:C+8A:C+6A:B+4A B 3 43.89444 4.7348 4.0465 0.0686. Error+6B:C+8B A:B 6.97 0.995370 4.593 e-04 *** Error+A:B:C+6A:B C 7.94444 3.597 0.03 0.9037 Error+6B:C+4C A:C 4 37.888889 34.47.4903 0.099. Error+A:B:C+8A:C B:C 6 09.47 34.9037.63 0.669 Error+6B:C A:B:C 66. 3.84593 0.6468 0.788 Error+A:B:C Resduls 36 770.500000.40778 Error

Προγγιτική δοκιμαία F (Approxmte F tests MT' MT A MT'' MT MT AB Συνκτικό ΜΤ ABC MT AC 5,68 3,84 55,5 0,00 34,47 36,47 F MT' MT'' 55,5 36,47, MT MTA MTABC 55,5 / MT / 5,68 / 3,84 p A ABC Β αρικμθτι /, MT MTAB MTAC 36,47 /6 MT /4 0,00 /6 34,47 q AB AC Β παρανοματι /4 7,88 8 Συγκρίνοντασ το F =, του πιράματοσ μ τθν κρίιμθ τιμι F (0.05,,8 = 4,46, δν απορρίπτουμ τθν μθδνικι υπόκθ.

> ft=emsov(y~a*b*c, dt=`fctorl3ems`, tpe=c("f","r","r", pproxmte = TRUE > ft Df SS MS Fvlue Pvlue Sg EMS A 03.36 5.680556.4 0.708 Error+A:B:C+8A:C+6A:B+4A B 3 43.89444 4.7348 4.0465 0.0686. Error+6B:C+8B A:B 6.97 0.995370 4.593 e-04 *** Error+A:B:C+6A:B C 7.94444 3.597 0.03 0.9037 Error+6B:C+4C A:C 4 37.888889 34.47.4903 0.099. Error+A:B:C+8A:C B:C 6 09.47 34.9037.63 0.669 Error+6B:C A:B:C 66. 3.84593 0.6468 0.788 Error+A:B:C Resduls 36 770.500000.40778 Error

> ft=emsov(y~a*b*c, dt=`fctorl3ems`, tpe=c( R","R","R > ft Df SS MS Fvlue Pvlue Sg EMS A 03.36 5.680556 Error+A:B:C+8A:C+6A:B+4A B 3 43.89444 4.7348 Error+A:B:C+6B:C+6A:B+8B A:B 6.97 0.995370 4.593 e-04 *** Error+A:B:C+6A:B C 7.94444 3.597 Error+A:B:C+6B:C+8A:C+4C A:C 4 37.888889 34.47.4903 0.099. Error+A:B:C+8A:C B:C 6 09.47 34.9037.5 0.084. Error+A:B:C+6B:C A:B:C 66. 3.84593 0.6468 0.788 Error+A:B:C Resduls 36 770.500000.40778 Error

> ft=emsov(y~a*b*c, dt=`fctorl3ems`, tpe=c( R","R","R", pproxmte = TRUE > ft Df SS MS Fvlue Pvlue Sg EMS A 03.36 5.680556.4 0.708 Error+A:B:C+8A:C+6A:B+4A B 3 43.89444 4.7348 0.6548 0.667 Error+A:B:C+6B:C+6A:B+8B A:B 6.97 0.995370 4.593 e-04 *** Error+A:B:C+6A:B C 7.94444 3.597 0.54 0.9893 Error+A:B:C+6B:C+8A:C+4C A:C 4 37.888889 34.47.4903 0.099. Error+A:B:C+8A:C B:C 6 09.47 34.9037.5 0.084. Error+A:B:C+6B:C A:B:C 66. 3.84593 0.6468 0.788 Error+A:B:C Resduls 36 770.500000.40778 Error