Fx(ti)
132
Jako estymatora dystrybuanty empirycznej można stosować wartości obliczone ze wzoru:
i - liczba narzędzi zużytych w przedziale (0,t), n - liczność próbki.
Otrzymane statystyki nanosimy na układ współrzędnych, przyporządkowując Je odpowiednim wartościom t^. Przebieg prostej można wyznaczyć również,korzystając z metody najmniejszych kwadratów.
Z otrzymanego wykresu możemy oszacować wartości parametrów ot i p . Wartość parametru a odpowiada wartości współrzędnej y dla x = 1, którą wyznaczamy za pomocą linii równoległej do prostej empirycznej wykreślonej z punktu (1,0). Wartość parametru ji obliczamy z zależności lnjł = y,dla wartości y otrzymanej z przecięcia krzywej empirycznej z odciętą x=1.
Na podstawie wartości parametrów a i p otrzymujemy odpowiednie postacie funkcji f(t); F(t); E(T);R(t) i A(t) które następnie można przedstawić graficznie.
133
Analizę wariancji dla modelu klasyfikacji pojedynczej można przedstawić w formie tablicy (tablica 6.4).
Tablica 6.4
Anąliza wariancyjna. Klasyfikacja pojedyncza
Zmienność |
Liczba stopni swobody K |
Suma kwadratów odchyleń | S2 |
Średni kwadrat V |
F° |
F |
Między obiektami MO |
Kob - 1 |
nSob • | tfi-y)2 |
v i§ Vob° K~ ob |
V c 1 =“ e | |
Wewnątrz obiektów WO |
Ke | a-e. |
1! -111||| |
< (0 II ml & |cd ro | ||
Całkowita C |
Ky | n-1 |
II11 <ar?>8 |
1H |
£ | |
r
(6.25)
175
6.2.5. Analiza wariancji. Klasyfikacja pojedyncza Model matematyczny klasyfikacji pojedynczej Jest następujący [6.l]:
gdzie:
yij | cecha mierzalna obiektu - efekt i-tego obiektu e^j - błąd eksperymentalny
ja - średnia ogólna populacji
Zagadnienie sprowadza się do porównania średnich wartości cech mierzalnych obiektów na podstawie weryfikacji hipotezy o braku różnic między nimi. Hipotezę weryfikujemy w oparciu o test istotności F, który ma postać:
F° _ Zsfe (6.24)
V
e
gdzie:
V . | średni kwadrat dla obiektów
V - średni kwadrat dla błędu
Jeżeli F° > F .odczytanego z tablic F-Snedecora [6.63 na danym poziomie istotności cc oraz liczbie stopni swobody dla obiektów i dla błędu, to odrzucamy hipotezę o braku różnic między obiektami.
6.3. HIZEDSTAWIAN1E DANYCH W POSTACI ZALEŻNOŚCI MATEMATYCZNYCH
S
H
6.3.1. Współczynnik korelacji prostoliniowej
Miarą ilościową związku pomiędzy zmiennymi Jest współczynnik korelacji. Współczynnik korelacji wynoszący Jeden (r | 1), oznaczą całkowite powiązanie zmiennych. Natomiast całkowicie przypadkowy związek występuje, gdy wartość współczynnika korelacji wynosi zero.
Stawiając hipotezę, że nie ma żadnego związku między zmiennymi x i y dla korelacji prostoliniowej, współczynnik korelacji możemy wyrazić w postaci :
n
gdzie: n - liczba danych.
Obliczoną wartość współczynnika r z zależności (6.25) sprawdzamy z wartościami współczynnika korelacji podanymi w tablicy 6.5 na danym po-