tilastollisen teorian kokeiden suunnittelu, estäminen on järjestää kokeellisia yksiköitä ryhmissä (lohkot), jotka ovat keskenään samankaltaisia. Tyypillisesti estävä tekijä on lähde vaihtelu, joka ei ole ensisijainen kiinnostusta kokeen. Esimerkki estävä tekijä saattaa olla sukupuoli potilaan; estämällä sukupuoleen, tämä lähde vaihtelu on ohjata, mikä johtaa suurempaan tarkkuuteen.,
Todennäköisyyslaskenta lohkot menetelmä koostuu halkaisu näyte lohkoihin (ryhmät) erotettu pienempi alilohkoksi niin, että lohkot voidaan pitää lähes riippumattomana. Lohkojen menetelmä auttaa todistamaan raja teoreemojen tapauksessa riippuvaisten satunnaismuuttujien.
lohkot menetelmä oli otettu käyttöön S. Bernstein:
– menetelmää on onnistuneesti sovellettu teoria summia riippuvainen satunnaisia muuttujia ja Extreme Value Theory:
Ibragimov I. A. ja Linnik Yu.V. (1971) satunnaismuuttujien riippumattomat ja paikallaan pysyvät sekvenssit. Wolters-Noordhoff, Groningen.,
Leadbetter M. R., Lindgren G. ja Rootzén H. (1983) Äärimmäisyyksiin ja niihin Liittyvät Ominaisuudet Satunnaisia osia ja Prosesseja. New York: Springer Verlag.
Novak S. Y. (2011) Extreme Value Methods with Applications to Finance. Chapman & Hall/CRC Press, Lontoo.
Esto käytetään riesa tekijöitä, jotka voivat olla controlledEdit
Kun voimme hallita häiriötekijöiden, tärkeä tekniikka tunnetaan esto voidaan vähentää tai poistaa panoksen kokeellinen virhe myötävaikuttanut riesa tekijät., Perusajatuksena on luoda homogeeninen korttelin joka haittaa tekijät pidetään vakiona ja tekijä korko saa vaihdella. Muutaman korttelin, on mahdollista arvioida vaikutusta eri tasoilla tekijä edun ilman huolta siitä, että vaihtelut johtuvat muutokset lohkon tekijät, jotka ovat kirjanpidossa analyysi.
Määritelmä estää factorsEdit
riesa tekijä on käyttää estävä tekijä, jos jokainen taso ensisijainen tekijä esiintyy yhtä monta kertaa jokaisen tason riesa tekijä., Kokeilun analyysissä keskitytään kokeen jokaisen lohkon ensisijaisen tekijän eri tasojen vaikutukseen.
Lohkon muutamia tärkeimmistä haitat factorsEdit
yleinen sääntö on:
”Estää mitä voit; satunnaista, mitä et voi.”
estoa käytetään muutamien tärkeimpien haittamuuttujien vaikutusten poistamiseen. Satunnaistamisella vähennetään jäljelle jäävien haittamuuttujien saastuttavia vaikutuksia. Tärkeitä riesa muuttujia, esto on tuotto suurempi merkitys muuttujat kiinnostusta kuin randomisoidaan.,
TableEdit
Yksi hyödyllinen tapa tarkastella satunnaistettu estää kokeilu on pohtia sitä kokoelma täysin satunnaistettuja kokeita, jokainen ajaa yhden korttelin koko kokeilu.,
L1 = tasojen määrä (asetukset) tekijä 1 L2 = tasojen määrä (asetukset) tekijä 2 L3 = tasojen määrä (asetukset) tekijä 3 L4 = tasojen määrä (asetukset) tekijä 4 ⋮ {\displaystyle \vdots } Lk = tasojen määrä (asetukset) tekijä k
ExampleEdit
Oletetaan, että insinöörit semiconductor manufacturing laitos haluavat testata, onko eri kiekkojen implantin materiaali annokset on merkittävä vaikutus ominaisvastuksen mittauksen jälkeen diffuusio prosessi tapahtuu uunissa., Heillä on neljä eri annokset he haluavat kokeilla ja tarpeeksi kokeellinen kiekot samasta paljon ajaa kolme kiekot kussakin annokset.
riesa tekijä, he ovat huolissaan on ”uunin ajaa”, koska se on tiedossa, että kunkin uunin ajaa eroaa viime ja vaikutusten monia parametreja.
ideaali tapa suorittaa tämä kokeilu olisi ajaa kaikki 4×3=12 kiekkoa samassa uunijuoksussa. Se poistaisi riesan uunikertoimen kokonaan., Kuitenkin, säännöllinen tuotanto kiekkojen uunin etusijalle, ja vain muutama kokeellinen kiekot ovat sallittuja mihin tahansa uunin ajaa samaan aikaan.
ei-tukossa tapa suorittaa tämä kokeilu olisi ajaa jokainen kaksitoista kokeellisen kiekot, satunnaisessa järjestyksessä, yksi per uunin ajaa. Se lisäisi kokeellinen virhe kunkin ominaisvastuksen mittaus, jonka run-to-run uunin vaihtelu ja tehdä siitä vaikea tutkia vaikutuksia eri annoksilla., Tukossa tapa ajaa tätä kokeilla, olettaen, että voit vakuuttaa valmistus voit laittaa neljä kokeellista kiekot uunissa ajaa, olisi laittaa neljä kiekkojen kanssa eri annokset kunkin kolmen uunin toimii. Ainoa satunnaistaminen olisi valita, mitkä kolme kiekkojen kanssa annostus 1 voisi mennä uunin ajaa 1, ja vastaavasti kiekkojen kanssa annokset 2, 3 ja 4.
Kuvaus experimentEdit
Olkoon X1 annostus ”taso” ja X2 esto tekijä uunin ajaa.,>
Matrix representationEdit
An alternate way of summarizing the design trials would be to use a 4×3 matrix whose 4 rows are the levels of the treatment X1 and whose columns are the 3 levels of the blocking variable X2., Matriisin soluissa on indeksit, jotka vastaavat yllä olevia X1, X2-yhdistelmiä.,
| Treatment | Block 1 | Block 2 | Block 3 |
|---|---|---|---|
| 1 | 1 | 1 | 1 |
| 2 | 1 | 1 | 1 |
| 3 | 1 | 1 | 1 |
| 4 | 1 | 1 | 1 |
By extension, note that the trials for any K-factor randomized block design are simply the cell indices of a k dimensional matrix.,
ModelEdit
malli a randomized block design yksi riesa muuttuja on
Y i j = μ + T-i + B j + r a n d o m e r r o r {\displaystyle Y_{ij}=\mu +T_{i}+B_{j}+\mathrm {satunnainen\ virhe} }
missä
Yij on mikä tahansa havainto, jolle X1 = i ja X2 = j X1 on ensisijainen tekijä X2 on estää tekijä μ on yleinen sijainti parametri (eli, keskiarvo) Ti on vaikutusta, koska hoito i (tekijä X1) Bj on vaikutus on lohko j (tekijä X2)
EstimatesEdit
Arvio μ : Y {\displaystyle {\overline {Y}}} = keskiarvo kaikki tiedot, Arvio Ti : Y i ⋅ − Y {\displaystyle {\overline {Y}}_{i\cdot }-{\overline {Y}}} Y i ⋅ {\displaystyle {\overline {Y}}_{i\cdot }} = keskiarvo kaikki Y, jolle X1 = en. Arvio Bj : Y ⋅ j − Y {\displaystyle {\overline {Y}}_{\cdot j}-{\overline {Y}}} Y ⋅ j {\displaystyle {\overline {Y}}_{\cdot j}} = keskiarvo kaikki Y, joille X2 = j.,
GeneralizationsEdit
- Yleinen satunnaistettu lohko malleja (GRBD) mahdollistavat testit block-hoito vuorovaikutus, ja on täsmälleen yksi estävän tekijän, kuten RCBD.
- latinalaisilla neliöillä (ja muilla rivikolonnimalleilla) on kaksi estävää tekijää, joilla ei uskota olevan vuorovaikutusta.
- Latin hypercube sampling
- Kreikkalais-Latin neliöt
- Hyper-Kreikkalais-latinalainen neliö malleja