Rastgele etkilere sahip en basit model, dağıtım varsayımlarına sahip gözlemleriyle verilen tek yönlü ANOVA modelidir : ( y i j | μ i ) ~ IID N- ( μ i , σ 2 w ) ,yben j
( yben j∣ μben) ∼iidN-( μben, σ2w) ,j = 1 , … , J,μben~iidN-( μ , σ2b) ,i = 1 , … , ben.
Burada rastgele etkiler . Rastgele değişkenlerdir, oysa sabit etkileri olan ANOVA modelinde sabit sayılardır.μben
Örneğin üç teknik her bir laboratuar ölçümleri bir dizi kaydeder ve olan teknisyen bir inci ölçüm . teknisyeni tarafından oluşturulan dizinin "gerçek ortalama değerini" çağırın ; Bu Gördüğünüz, biraz yapay bir parametredir teknisyen olduğu ortalama değer olarak o / o ölçümlerin büyük bir dizi kaydedildi tutulduğunda elde olurdu.y i j j i μ i i μ i ii = 1 , 2 , 3yben jjbenμbenbenμbenben
Eğer değerlendirirken ilgilenen varsa , , (değerlendirmek amacıyla örneğin önyargı operatörler arasındaki), o zaman sabit etkiler ile ANOVA modeli kullanmak zorunda.μ 2 μ 3μ1μ2μ3
ANOVA modelini , modeli tanımlayan ve varyansları ve toplam varyans değişkenleriyle ilgileniyorsanız, rastgele efektlerle kullanmanız (aşağıya bakınız). Varyans bir teknisyen tarafından üretilen kayıtların varyansını (tüm teknisyenler için aynı olduğu varsayılır) ve adlandırılır arası teknisyen varyans. Belki de ideal olarak, teknisyenler rastgele seçilmelidir. σ 2 b σ 2 b + σ 2 w σ 2 w σ 2 bσ2wσ2b σ2b+ σ2wσ2wσ2b
Bu model, bir veri numunesi için varyans formülünün ayrışmasını yansıtır:
Toplam varyans = ortalamaların varyansı varyansların ortalamaları+
ANOVA modeli tarafından rastgele etkilerle yansıtılır:
Aslında, dağılımı verilen koşullu dağılımı ve dağılımı ile . Eğer biri "koşulsuz" dağılımını hesaplarsa, o zaman . ( y i j ) μ i μ i y i j y i j ~ N ( μ , σ 2 b + σ 2 w )yben j( yben j)μbenμbenyben jyben j∼ N( μ , σ2b+ σ2w)
Daha iyi fotoğraflar için buraya slayt 24 ve slayt 25'e bakın (bindirmeleri takdir etmek için pdf dosyasını kaydetmeniz gerekir, çevrimiçi sürümü izlemeyin).