The Data And Story Library (DASL)
indeholder datasæt, der kan bruges til at afprøve forskellige
statistiske metoder. Specielt kan man finde et
datasæt,
hvor en
studerende har undersøgt, hvor effektiv forskellige former for
håndvask er til at fjerne bakterier fra hænderne.
Der undersøges fire metoder: vaske hænderne i vand, med almindelig sæbe,
med antibakteriel sæbe og med antibakterial spray (indeholdende 65% ethanol).
Hver morgen vælges en af metoderne, hænderne vaskes, og hånden placeres
på en steril plade beregnet til at fremskynde bakterivækst. Antallet
af bakteriekolonier tælles efter 2 dage. Proceduren er fulgt i 32 dage,
således at hver af de fire metoder er afprøvet otte gange.
I kodevinduet nedenfor
udskrives data på tabelform, og der laves et boxplot for hver af
håndvaskmetoderne. Bemærk, at input til boxplot er en
modelformel, der deler data op i de fire undergrupper givet ved
faktoren metode, hvilket er
anderledes end kaldet til boxplotfunktionen i afsnit
4.8.
I kodevinduet laves desuden en figur med qqplots for de fire datasæt.
Her dannes først et qqplot for det ene datasæt, og de tre andre tilføjes
ved brug af points.
Kasserne i boxplottene er cirka lige høje, hvilket indikerer, at
der er samme varians i de fire grupper af håndvaskmetode. I afsnit
6.5
viser jeg et formelt test for hypotesen om samme varians.
Boxplottene tyder også på, at der er forskel i middelværdien af
bakterietallet for de fire metoder. Jeg vil nu indføre en statistisk model
for situationen med data opdelt i grupper og lave et test
for hypotesen om samme middelværdi i grupperne.
I det følgende indføres en statistisk model
for situationen med data opdelt i grupper, og der laves et test
for hypotesen om samme middelværdi i grupperne. Vi betragter n stokastiske variable X1,…,Xn og en
faktor G, der deler data op i grupper. Faktoren deler op i k
grupper. Selvom faktorniveauerne er tekststrenge, vil det være bekvemt
at ækvivalere disse med tallene 1,2,…,k, svarende til for eksempel
en leksikografisk ordning af tekststrengene.
Som i det skjulte punkt ovenfor starter vi med modellen, hvor både
middelværdi og varians kan afhænge af gruppen.
Statistisk Model 6.2.2.
(Grundlæggende enkeltfaktor gruppemodel)
Vi betragter uafhængige stokastiske variable
X1,…,Xn, der deles ind i grupper efter en faktor G med
faktorniveauerne 1,2,…,k. Hver gruppe har sin egen middelværdi
og varians,
Den ensidede variansanalysemodel er undermodellen,
alle grupperne har den samme varians.
Statistisk Model 6.2.3.
(Ensidet variansanalysemodel (oneway anova))
Vi betragter uafhængige stokastiske variable
X1,…,Xn, der deles ind i grupper efter en faktor G med
faktorniveauerne 1,2,…,k. Hver gruppe har sin egen middelværdi
og alle grupperne har den samme varians,
Xi∼N(μGi,σ2),i=1,…,n,(μ1,…,μk,σ)∈Rk×R+.
Den ensidede variansanalysemodel indeholder de k middelværdiparametre
(μ1,…,μk), og vi er specielt interesseret i hypotesen
at der er samme middelværdi i alle grupperne,
μ1=μ2=⋯=μk,
og alternativet er blot, at ikke alle k middelværdier er ens.
Under hypotesen om ens middelværdier befinder vi os i
Statistisk Model 4.3.1 med en enkelt normalfordelt
observationsrække, her formuleret som
Xi∼N(ξi,σ2),ξi=μ,i=1,…,n,(μ,σ)∈R×R+.(6.2.1)
6.2.1 Estimation og fordelingsresultater
Situationen her er blot en lille udvidelse af situationen
med to grupper i afsnit 4.9.
Under den ensidede variansanalysemodel,
som vi her betegner model M1, gælder der, at
hvor Ig er de indices blandt 1,…,n, for
hvilke Gi=g (alle observationsnumre tilhørende
gruppe g), ng er antal elementer i gruppe g,
og s2(M1) er skønnet over variansen
σ2.Under hypotesen om ens middelværdier befinder vi os i model
(6.2.1), som vi har betegner model M2.
Fra afsnit 4.3 har vi