нів свободи. Якщо F розр кр , робиться висновок про те, що результати експерименту не суперечать гіпотезі про відсутність ефекту рівнів досліджуваного фактора. Якщо F розр ? F кр , то слід зробити висновок про те, що досліджуваний фактор вносить істотний ефект в розкид вихідної величини у. У розглянутому вище прикладі F-критерій показує, що різниця між середніми статистично значимо (значимо на рівні 0.008).
1.1.3 Основна логіка дисперсійного аналізу
Підводячи підсумки, можна сказати, що метою дисперсійного аналізу є перевірка статистичної значущості відмінності між середніми (для груп або змінних). Ця перевірка проводиться за допомогою розбиття суми квадратів на компоненти, тобто за допомогою розбиття загальної дисперсії (варіації) на частини, одна з яких обумовлена ​​випадковою помилкою (тобто внутрішньогрупової мінливістю), а друга пов'язана з розходженням середніх значень. Остання компонента дисперсії потім використовується для аналізу статистичної значущості відмінності між середніми значеннями. Якщо це розходження значимо, нульова гіпотеза відкидається і приймається альтернативна гіпотеза про існування відмінності між середніми. br/>
1.1.4 Залежні і незалежні змінні
Змінні, значення яких визначається за допомогою вимірів у ході експерименту (наприклад, бал, набраний при тестуванні), називаються залежними змінними. Змінні, якими можна управляти при проведенні експерименту (наприклад, методи навчання або інші критерії, що дозволяють розділити спостереження на групи або класифікувати) називаються факторами або незалежними змінними. br/>
1.2 Двохфакторну дисперсійний аналіз
Однофакторний дисперсійний аналіз, при якому відбувається повна рандомізація експерименту, не завжди є кращим способом його планування. Дуже часто виділення із загальної дисперсії вплив тільки одного досліджуваного фактора виявляється недостатнім, так як помилка експерименту може бути дуже велика і цікавий для нас ефект може бути не видно на тлі цієї помилки. Зменшення помилки експерименту можна отримати при розбитті експерименту на групи дослідів, так звані блоки, (В«блокове плануванняВ»), відповідні можливих причин неоднорідностей. В якості блоків можуть бути використані рівні другого досліджуваного фактора або різні дні проведення експериментів, або ще які-небудь умови. p align="justify"> Такий план експерименту сприяє впливу ефекту, пов'язаного із зміною рівнів обох досліджуваних факторів. Блоки в двухфакторную експерименті представляють обмеження, накладене на рандомізацію, яка в цьому випадку повинна проводитися в к...
