Cтраница 1
Дисперсия фактора А для модели с фиксированными уровнями ( о л2) не связана ни с какой случайной величиной, это условное название для математического ожидания среднего квадрата отклонений, обусловленного влиянием фактора А. Такое обозначение удобно, так как определяет рассеяние, вызванное влиянием фактора А аналогично показателю влияния случайного фактора, что позволяет непосредственно сравнивать фактор А с эффектом случайности. [1]
Дисперсия фактора А для модели с фиксированными уровнями ( cj) не связана ни с какой случайной величиной, это условное название для математического ожидания среднего квадрата отклонений, обусловленного влиянием фактора А. Такое обозначение удобно, так как определяет рассеяние, вызванное влиянием фактора А аналогично показателю влияния случайного фактора, что позволяет непосредственно сравнить фактор А с эффектом случайности. [2]
Дисперсия фактора Л для модели с фиксированными уровнями ( ffA2) не связана ни с какой случайной величиной, это условное название для математического ожидания среднего квадрата отклонений, обусловленного влиянием фактора А. Такое обозначение удобно, так как определяет рассеяние, вызванное влиянием фактора А аналогично показателю влияния случайного фактора, что позволяет непосредственно сравнивать фактор А с эффектом случайности. [3]
Число 0л называется дисперсией фактора А. CM не связана ни с какой случайной величиной. [4]
При условиях задачи 14.2 построить ковариационную матрицу доходностей данных активов, если дисперсия фактора равна 0 02, а остаточные доходности не коррелируют. [5]
Оценки показывают, что флуктуации числа молекул в первой координационной сфере и ее радиуса могут обеспечить необходимую величину дисперсии фактора реактивного поля. [6]
При решении задач подобного типа по результатам нескольких выборочных совокупностей вычисляют случайную дисперсию ( иногда ее называют остаточной или внутригрупповой) 5оСТ, а за - тем так называемую факторную дисперсию 5факт, обусловленную отклонениями средних на разных уровнях фактора F от общего среднего, и сравнивают их между собой с помощью F-кри-терия Фишера. Расположение материала, способы вычисления дисперсий, их сравнение, сравнение средних и оценка дисперсии фактора ( Тф рассмотрены ниже и проиллюстрированы на ряде примеров. [7]
При решении задач подобного типа по результатам нескольких выборочных совокупностей вычисляют случайную дисперсию ( иногда ее называют остаточной или внутригрупповой) SQCT, а затем так называемую факторную дисперсию 5 aKT, обусловленную отклонениями средних на разных уровнях фактора F - от общего среднего, и сравнивают их между собой с помощью F-кри-терия Фишера. Расположение материала, способы вычисления дисперсий, их сравнение, сравнение средних и оценка дисперсии фактора етф рассмотрены ниже и проиллюстрированы на ряде примеров. [8]
Следует хотя бы очень кратко остановиться на важнейшем статистическом методе исследования - дисперсионном анализе. Суть анализа заключается в разбиении общей дисперсии результатов на составляющие, обусловленные влиянием тех или иных исследуемых факторов, и далее - в исследовании значимости дисперсий факторов по сравнению с дисперсией воспроизводимости, связанной со случайным рассеянием результатов. Простейшим видом дисперсионного анализа является оценка однородности двух дисперсий по F-критерию ( см. гл. Для более сложных случаев ( изучение влияния одного или многих факторов на общее рассеяние результатов) широко используются методы дисперсионного анализа [56, 63, 64, 67] и разработаны стандартные программы для ЭВМ. [9]
Из табл. 1 видно, что для каждой шарошки рассчитанные критерии Фишера значительно больше критических. Это означает, что с вероятностью 95 % влияние нагрузки на неравномерность вращения шарошек следует признать значимым, причем, степень этого влияния, определяемая процентным отношением дисперсии фактора к выборочной обш ей дисперсии, весьма велика и составляет 82 0 % для первой шарошки, 7& 5 % для второй и 72 3 % для третьей. [10]
Если факторы независимы, общая дисперсия есть просто сумма дисперсий, связанных с каждым фактором по отдельности. Убрав один фактор ( а это обычно можно сделать), мы сразу же увидим, насколько изменилась общая дисперсия; разность как раз и даст нам дисперсию убранного фактора, которую в чистом виде выделить было невозможно. [11]