SG Tasarımı – İstatistik Alanları- İstatistik Fiyatları – Ücretli İstatistik – İstatistik Yaptırma
SG Tasarımı
Sınava giren kişiler tek bir popülasyondan alındığı için, daha önce tartışılan hem EG hem de SG Tasarımlarında olduğu gibi hedef popülasyon, T, P’dir.
Daha önce belirtildiği gibi, CB Tasarımı, içindeki EG ve SG Tasarımlarını içerir. Örneğin, Tablo 2.1 ve 2.3’ü karşılaştırdığımızda, biri X1 ve Y1 ve diğeri X2 ve Y2 için olmak üzere iki (bağımlı) EG Tasarımı olduğunu görüyoruz. Ek olarak, Tablo 2.2 ve 2.3’ü karşılaştırdığımızda, biri X1 ve Y2 ve diğeri X2 ve Y1 için olmak üzere iki (bağımsız) SG Tasarımı olduğunu görüyoruz. Bu dört olası eşitlik Şekil 2.1’de gösterilmektedir.
Ayrıca, iki siparişi görmezden gelebilir ve X1 ve X2’den gelen verileri (basitçe X olarak adlandırılır) ve Y1 ve Y2’den gelen verileri (Y olarak adlandırır) bir havuzda toplayabilir ve X ve Y için verileri, sıranın etkilerinin olduğu bir SG Tasarımı olarak görebiliriz. “dengelenmiştir.”
CB Tasarımına ilişkin bu farklı yollar nedeniyle, testleri eşitlemek için bu tasarımdan elde edilen verileri kullanmak için birkaç yaklaşım vardır.
Deney tasarımı Nedir
İstatistiksel deney tasarımı Nedir
Deney Tasarımı SINAV SORULARI
Deney tasarımı örnekleri
Deney TASARIMI Ders Notları
Deney tasarımı pdf
Deneysel tasarım nedir
Mühendislikte DENEYSEL TASARIM
Bu yaklaşımların her birinin faydası, mevcut olabilecek düzen etkilerinin niteliğine ve boyutuna bağlıdır. CB Tasarımına yönelik tercih ettiğimiz tedavi yenidir ve önceki yöntemlerden biraz farklıdır. Sonuncusu, uygun olduğunda Tablo 2.3’teki verilerin tam olarak kullanılmasını sağlayacak şekilde diğerlerini entegre etme önerimiz olan dört olası yaklaşımı tartışacağız.
- 1. Yalnızca X1 ve Y1 için EG Tasarımı. Bu yaklaşım gerçekten son çare. Burada tamlık için söz ediyoruz çünkü verilerin yarısını atıyor ve CB Tasarımının SG yönlerinde örtük olan X ve Y arasındaki korelasyonu kullanmıyor. Karşı dengelemenin etkili olmadığı durumlar vardır ve bu yaklaşım mantıklı olan tek yaklaşım olabilir.
X1 ve Y1 verileri, X2 ve Y2 için olanlardan ziyade kullanılır, çünkü gerçek kullanımda hem testlerin verilmesini beklemiyoruz hem de CB Tasarımında sırayla etkilenenler (yani, X2 ve Y 2) eşitleme problemiyle alakasız. Yeni fikirler sunmadığı için bu yaklaşımı burada daha fazla ele almayacağız, ancak Bölüm 9’da ortaya çıkacaktır.
- 2. EG havuzlama yöntemi. Bir CB Tasarımında X1 – Y1 ve X2 – Y2 olmak üzere iki EG Tasarımı vardır. İki eşitleme işlevi benzer görünüyorsa, yalnızca X1’den Y1’e eşitlik verisini kullanmaktansa bunların ortalamasını almaya meyilli olabiliriz. İki eşitleme fonksiyonunun ortalamasını almak, simetri koşulunun sürdürülmesi için biraz incelik gerektirir.
Ek olarak, X1 ila Y1 ve X2 ila Y2 EG Tasarımları, CB Tasarımında birbirinden bağımsız değildir, bu nedenle iki eşitleme işlevi bir dereceye kadar ilişkilendirilecektir. Bu korelasyon, iki eşitleme fonksiyonunun ortalaması için Güneydoğu Avrupa üzerinde bir etkiye sahip olacaktır. Bu etkiyi bu kitapta incelemiyoruz ve gelecekteki araştırmalar için faydalı bir alan olabilir.
- 3. Havuzlanmış SG yöntemi. Testlerin sırasının göz ardı edildiği ve sonucun bir SG Tasarımı olarak değerlendirildiği yukarıda bahsedilen yaklaşım budur. Bu yaklaşımın, genellikle göz ardı edilen bazı incelikleri vardır. Saf görüşlerden biri, her test için “öncesi ve sonrası” verilerinin bir araya getirilmesiyle herhangi bir sipariş etkisinin dengelendiği ve göz ardı edilebileceğidir. Bu, “iptal etme” nin gerçekleşeceğini varsayar.
Sıra etkileri varsa, X1 ve X2 dağılımının bir şekilde farklı olmasını bekleriz (benzer şekilde Y 1 ve Y 2 için). Bu nedenle, bu iki dağıtımı bir araya topladığımızda ve sonucu X olarak adlandırdığımızda, gerçek bir teste ait olmayan yeni bir dağıtım oluşturuyoruz, “X” zamanının bir kısmı X1’den ve X’in bir kısmı da X2’den geliyor, benzer şekilde “Y için. ” Dördüncü ve tercih edilen yaklaşımımız olarak bunun daha dikkatli bir versiyonunu tartışıyoruz.
- 4. İki bağımsız SG yöntemi. Bu yaklaşımı, diğer üç yaklaşımdan daha güvenilir bir şekilde örneklemenin ayrıntılarını yansıtması ve verileri daha eksiksiz kullanması açısından en doğru yaklaşım olarak görüyoruz. (X1, Y 2) ve (X2, Y 1) için iki SG Tasarımından gelen verilerin ayrı ayrı önceden yumuşatılmasından ve ardından X’in X1 ve X2’nin stokastik bir karışımı ve Y’nin bir Y 1 ve Y 2’nin stokastik karışımı. Hedef popülasyon, T, iki örneğin alındığı ortak popülasyon olan P’dir. Bu yaklaşımı tercih ediyoruz ve şimdi diğer üç yöntemle ne kadar yakından ilişkili olduğunu gösteren daha fazla ayrıntı veriyoruz.
İki bağımsız SG yöntemi hakkında daha fazla bilgi. CB Tasarımındaki iki SG Tasarımı, iki ortak dağıtım için verilerle sonuçlanır. Birincisi, ilk örnekten (X1, Y 2) için P (12) ve ikinci örnekten (X2, Y 1) için P (21) olarak belirtilir. Hem P (12) hem de P (21), X ve Y için ortak olasılıkların K matrislerine göre J’dir (SG Tasarımında P’ye benzer).
Hem X1 hem de X2 aynı olası ham puan değerlerine sahiptir, {xj}; benzer şekilde, Y 1 ve Y 2 aynı olası ham puan değerlerine sahiptir, {yk}. Bunun ışığında, P (12) ve P (21) ‘deki girişleri belirtmek için aşağıdaki gösterimi kullanıyoruz.
Şimdi sentetik X-skor olasılıklarını rj’yi rj =
Prob {X = xj | T} = wXProb {X1 = xj | T} + (1 − wX) Prob {X2 = xj | T}. (2.20)
Ağırlık, wX, 0 ≤ wX ≤ 1’i karşılar ve belirtilmesi gerekir. Benzer şekilde, sentetik Y-skor olasılıklarını sk şu şekilde tanımlayın:
- sk = Prob {Y = yk | T}
= wYProb {Y1 = yk | T} + (1 − wY) Prob {Y2 = yk | T}, (2.21)
burada 0 ≤ wY ≤ 1, belirtilmesi gereken ikinci bir ağırlıktır. Her iki durumda da, wX ve wY, sipariş etkilerine tabi olmayan verilere eklenen ağırlığı gösterir. Hedef popülasyon olan T’nin CB Tasarımında P olduğunu hatırlayın. T ayrıca (2.20) ve (2.21) ‘de bu yoruma sahiptir.
(2.20) ve (2.21) ‘i vektör formunda şu şekilde ifade edebiliriz:
r = wXr1 + (1 − wX) r2, (2.22)
s = wYs1 + (1 − wY) s2.
Deney TASARIMI Ders Notları Deney tasarımı Nedir Deney tasarımı örnekleri Deney tasarımı pdf Deney Tasarımı SINAV SORULARI Deneysel tasarım nedir İstatistiksel deney tasarımı Nedir Mühendislikte DENEYSEL TASARIM