IST3002 Deney Tasarımı
˙Ikili ve C¸ oklu Kar¸sıla¸stırmalar
Fatih Kızılaslan
Marmara ¨Universitesi
2019-2020 Bahar V-VI. Hafta
Kızılaslan (Marmara ¨Universitesi) Deney Tasarımı 2019-2020 Bahar V-VI. Hafta 1 / 14
Giris
Bir faktor ve a faktor d¨uzeyinden olu¸san
yij = µ + τi + ij, i = 1, ..., a, j = 1, ..., n
bi¸ciminde verilen ANOVA modelinde fakt¨or d¨uzeylerinin ortalamalarının e¸sitlikleri i¸cin
H0: µ1 = µ2 = ... = µa = µ
bi¸ciminde verilen H0 sıfır hipotezinin reddedilmesi durumunda, fakt¨or d¨uzeylerinin ortalamaları arasındaki farklılı˘gın hangi d¨uzey veya d¨uzeylerden kaynaklandı˘gını belirlemek i¸cin bir¸cok ikili ve ¸coklu kar¸sıla¸stırma y¨ontemleri mevcuttur. Burada, literat¨urde en sık kullanılan y¨ontemleri ele alaca˘gız.
1.Do˘ grusal (Lineer) Ba˘ gıntılar Metodu (Linear Contrasts)
Lineer ba˘gıntılar fakt¨or d¨uzeylerinin ortalamaları µi, i = 1, ..., a lerin lineer kombinasyonu olarak
Γ =
a
X
i =1
ciµi, ci ∈ R
bi¸ciminde tanımlanır. Burada, bu ifadenin µi g¨ore lineer olması i¸cin Pa
i =1ci = 0 olması gereklidir.
Lineer ba˘gıntıları kullanarak sıfır ve alternatif hipotezlerini H0: Γ = 0 ⇔
a
X
i =1
ciµi = 0 ve H1: Γ 6= 0 ⇔
a
X
i =1
ciµi 6= 0 bi¸ciminde ifade ederiz.
Orne˘¨ gin, a = 5 olmak ¨uzere H0 : µ1+ µ2+ µ4 = 3µ5 hipotezini c1= c2= c4 = 1, c3 = 0 ve c5 = −3 alarak lineer ba˘gıntılar ile
H0 :
5
X
i =1
ciµi = 0 ⇔ µ1+ µ2+ µ4− 3µ5= 0 bi¸ciminde ifade ederiz.
Kızılaslan (Marmara ¨Universitesi) Deney Tasarımı 2019-2020 Bahar V-VI. Hafta 3 / 14
H0 : Γ = 0 hipotezini test etmek i¸cin t0 =
Pa i =1ciyi . qMSE
n
Pa i =1ci2 veya SSC = (Pai =1ciyi .)2
1 n
Pa
i =1ci2 lineer ba˘gıntılar i¸cin kareler toplamı (contrast sum of square) olmak ¨uzere
F0 = t02 = SSC/1
SSE/(N − a) = MSC
MSE test istatistikleri kullanılabilir.
H0 : Γ = 0 hipotezi do˘gru oldu˘gunda t0 ∼ tN−a ve F0∼ F1,N−a olur (N = n a).
E˘ger g¨ozlemlerden hesaplanan t0 veya F0 de˘gerleri thesap veya Fhesap i¸cin thesap> tN−a,α/2 veya thesap < −tN−a,α/2
veya
Fhesap> F1,N−a,α olur ise H0 : Γ = 0 hipotezi reddedilir.
Kızılaslan (Marmara ¨Universitesi) Deney Tasarımı 2019-2020 Bahar V-VI. Hafta 5 / 14
2.Dik Do˘ grusal Ba˘ gıntılar Metodu (Orthogonal Contrasts)
Lineer ba˘gıntıların ¨ozel bir durumudur. Γ1=Pa
i =1ciµi, ci ∈ R ve Γ2 =Pa
i =1diµi, di ∈ R bi¸cimindeki iki farklı lineer ba˘gıntı i¸cin katsayılar
a
X
i =1
cidi = 0
e¸sitli˘gini sa˘glıyor ise Γ1 ve Γ2 ba˘gıntılarına dik lineer ba˘gıntı denir.
a tane fakt¨or d¨uzeyinin oldu˘gu bir deneyde en fazla a − 1 tane dik lineer ba˘gıntı olu¸sturulabilir.
Her bir lineer ba˘gıntının serbestlik derecesi 1 dir.
Deney yapılmadan ¨once hangi fakt¨or d¨uzeylerinin ortalamalarının kar¸sıla¸stırılaca˘gına karar verilmi¸sse Do˘grusal Ba˘gıntılar ve Dik Do˘grusal Ba˘gıntılar y¨ontemleri kullanı¸slıdır.
3. Scheffe Metodu
Onceden planlanmı¸s az sayıdaki ba˘¨ gıntıyı de˘gil fakt¨or¨un d¨uzeyleri i¸cin t¨um m¨umk¨un ba˘gıntıları test etmek i¸cin kullanılan bir y¨ontemdir.
m tane ba˘gıntının oldu˘gu bir durumda bu ba˘gıntıları Γu=
a
X
i =1
ciuµi, u = 1, ..., m, ci ∈ R, bi¸ciminde yazabiliriz.
H0 : Γu= 0 ve H0: Γu 6= 0, u = 1, ..., m hipotezlerini test etmek i¸cin Cu=
a
X
i =1
ciu yi .
istatisti˘gi kullanılır. Normallik varsayımı altında yi .∼ N(µi,σn2
i), i = 1, ..., a oldu˘gundan
E (Cu) = Γu veVar (Cu) = σ2
a
X
i =1
ciu2 ni olur. (ni : her bir d¨uzeydeki g¨ozlem sayısı)
Kızılaslan (Marmara ¨Universitesi) Deney Tasarımı 2019-2020 Bahar V-VI. Hafta 7 / 14
σ2 varyansı bilinmedi˘gi i¸cin yansız tahmin edicisi yanibσ2= MSE kullanılır.
B¨oylece, Cu’nun standart hatası
SCu = v u u tMSE
a
X
i =1
ciu2
ni , u = 1, ..., m olur.
H0 : Γu= 0, u = 1, ..., m hipotezini sınamak i¸cin Sα,u = SCu
q
(a − 1)Fa−1,N−a,α
olmak ¨uzere veriden hesaplanan Cu de˘geri ile Sα,u kar¸sıla¸stırılır.
E˘ger |Cu| > Sα,u olur ise H0 hipotezi reddedilir.
Orne˘¨ gin, s¨ur¨uc¨u kursu verisindeki H0 : Γ1= µ1+ µ2− µ3− µ4 = 0 ve H0 : Γ2= µ1− µ4 = 0 hipotezlerini Scheffe y¨ontemi ile test edebiliriz. Bu durumda sabitleri Γ1 i¸cin c11= c21= 1, c31= c41= −1 ve Γ2 i¸cin c12= 1, c22= c32= 0, c42= 1 olur.
Scheffe y¨ontemi ikili kar¸sıla¸stırmalar i¸cin de kullanılabilir. Ancak, ikili kar¸sıla¸stırmalar i¸cin daha g¨u¸cl¨u olan Fisher LSD ve Tukey testleri tercih edilir.
Kızılaslan (Marmara ¨Universitesi) Deney Tasarımı 2019-2020 Bahar V-VI. Hafta 9 / 14
3. Fisher’in En K¨ u¸c¨ uk Anlamlı Fark Testi (Fisher’s Least Significant Difference (LSD) Method)
Fisher LSD testi ile H0: µ1 = µ2 = ... = µa = µ hipotezinin reddilmesi durumunda fakt¨or d¨uzeylerinin ortalamaları arasındaki t¨um m¨unk¨un ikili kar¸sıla¸stırmaları yapmak amacıyla kullanılır.
H0 : µi = µj, ∀i 6= j hipotezini test etmek i¸cin t−testi yaparız.
Normallik varsayımı altında yi .∼ N(µi, σ2/ni) ve yj .∼ N(µj, σ2/nj) dir. (yi .= n1
i
Pni
j =1yij)
B¨oylece, E (yi .− yj .) = µi − µj ve Var (yi .− yj .) = σ2
1 ni +n1
j
oldu˘gundan
yi .− yj .− (µi− µj) r
σ2
1 ni +n1
j
∼ N(0, 1)
elde edilir.
H0 : µi = µj hipotezi do˘gru oldu˘gunda t0= yi .− yj .
r MSE
1 ni +n1
j
∼ tN−a
olmak ¨uzere t0 test istatisti˘gini kullanırız.
ni 6= nj oldu˘gunda e˘ger
yi .− yj .
> tN−a,α/2 r
MSE
1 ni +n1
j
olur ise H0: µi = µj hipotezi reddedilir.
ni = nj = n oldu˘gunda e˘ger
yi .− yj .
> tN−a,α/2
q2MSE
n olur ise H0: µi = µj hipotezi reddedilir.
Kızılaslan (Marmara ¨Universitesi) Deney Tasarımı 2019-2020 Bahar V-VI. Hafta 11 / 14
Tukey Testi
T¨um m¨umk¨un ikili kar¸sıla¸stırmala i¸cin kullanılabilecek ba¸ska bir test Tukey testidir. Tukey testi
q = max(yi .) − min(yi .) pMSE/n
bi¸ciminde tanımlanan Studentla¸stırılmı¸s aralık istatisti˘gine dayanır. a : fakt¨or d¨uzeyi sayısı ve f : MSE nin serbestlik derecesi olmak ¨uzere qα(a, f ) bu istatisti˘gin tablo de˘geridir (bakınız:Tablo V).
ni 6= nj oldu˘gunda Tα = qα(a, f ) qMSE
n olmak ¨uzere e˘ger yi .− yj .
> Tα olur ise H0 : µi = µj hipotezi reddedilir.
ni = nj = n oldu˘gunda Tα= qα(a, f ) r
MSE
2
1 ni + n1
j
olmak ¨uzere e˘ger
yi .− yj .
> Tα olur ise H0 : µi = µj hipotezi reddedilir.
Ayrıca, Tukey testi ile µi− µj i¸cin %100(1 − α) g¨uven aralı˘gı yi .− yj . − Tα ≤ µi − µj ≤ yi .− yj . + Tα bi¸ciminde bulunur.
E˘ger µi − µj i¸cin olu¸sturulan g¨uven aralı˘gı 0 de˘gerini i¸ceriyor ise H0 : µi− µj = 0 hipotezi kabul edilir.
Not: ANOVA’da H0: µ1 = µ2 = ... = µa = µ hipotezi reddildi˘ginde ikili kar¸sıla¸stırmaların hi¸cbirinin reddedilmedi˘gi veya bazılarının reddedildi˘gi durumlar olabilir.
Kızılaslan (Marmara ¨Universitesi) Deney Tasarımı 2019-2020 Bahar V-VI. Hafta 13 / 14
6. Dunnet Testi
a tane fakt¨or d¨uzeyi olan bir deneyde bu d¨uzeylerden bir tanesi kontrol grubu olarak se¸cilip di˘ger t¨um d¨uzeyler bu kontrol d¨uzeyi ile
kar¸sıla¸stırılmak isteniyor ise Dunnet testi kullanılır.
Bu durumda a − 1 tane ikili kar¸sıla¸stırma yapılır. E˘ger kontrol grubu olarak µa se¸cilirse ve hipotezlerimiz H0: µa = µi ve H1 : µa6= µi, i = 1, ..., a bi¸ciminde olur.
E˘ger |yi .− ya.| > dα(a − 1, f ) r
MSE
2
1 ni +n1
j
olur ise H0: µi = µj hipotezi reddedilir.
(Burada, dα(a − 1, f ): Dunnet testinin tablo de˘geridir (bakınız: Tablo VI).) Parametrik Olmayan Y¨ontem: E˘ger normallik ve homojen varyanslılık varsayımlarından bir tanesi sa˘glanmıyorsa F testini kullanmak do˘gru olmaz. Bu gibi durumlarda parametrik olmayan (nonparametrik) y¨ontemler kullanılır. Varyans analizinin parametrik olmayan alternatiflerinden biri