Эта статья требует внимания специалиста по математике . Пожалуйста , добавьте причину в или разговоре параметр для этого шаблона , чтобы объяснить проблему с статьей. WikiProject Mathematics может помочь нанять эксперта. ( Октябрь 2019 г. )
Квадратные отклонения от среднего значения (SDM) используются в различных расчетах. В теории вероятностей и статистике , определение дисперсии является либо ожидаемое значением в SDM (при рассмотрении теоретического распределения ) или его среднего значения (для фактических экспериментальных данных). Вычисления для дисперсионного анализа включают разбиение суммы SDM.
В ситуации, когда данные доступны для k различных групп лечения, имеющих размер n i, где i варьируется от 1 до k , тогда предполагается, что ожидаемое среднее значение для каждой группы равно
и дисперсия каждой экспериментальной группы не отличается от дисперсии популяции .
Согласно нулевой гипотезе о том, что лечение не имеет эффекта, каждое из значений будет равно нулю.
Теперь можно вычислить три суммы квадратов:
Физическое лицо
Лечение
При нулевой гипотезе о том, что методы лечения не вызывают различий и все они равны нулю, ожидание упрощается до
В очень простом примере пять наблюдений возникают в результате двух обработок. Первая обработка дает три значения 1, 2 и 3, а вторая обработка дает два значения 4 и 6.
Следующий гипотетический пример показывает урожайность 15 растений, подверженных двум различным изменениям окружающей среды и трех различных удобрений.
Дополнительный CO 2
Дополнительная влажность
Без удобрений
7, 2, 1
7, 6
Нитрат
11, 6
10, 7, 3
Фосфат
5, 3, 4
11, 4
Рассчитываются пять сумм квадратов:
Фактор
Расчет
Сумма
Физическое лицо
641
15
Удобрение × Окружающая среда
556.1667
6
Удобрения
525,4
3
Среда
519.2679
2
Композитный
504,6
1
Наконец, можно вычислить суммы квадратов отклонений, необходимые для дисперсионного анализа .