Zincir Eşitleme (CE) – İstatistik Alanları- İstatistik Fiyatları – Ücretli İstatistik – İstatistik Yaptırma
Daha önce yaptığımız gibi, hem SG hem de CB Tasarımları için, P ve Q’yu vektörleştireceğiz. Bu nedenle, JL vektörünü v (P) ve KL vektörünü v (Q) olarak tanımlıyoruz.
P = (pjl) matrisinin ve Q = (qkl) matrisinin sütunlarını daha önce olduğu gibi iki sütun vektörüne istifleyerek. Burada P ve Q’nun l’inci sütunları ile verilmektedir.
Bu bölümün geri kalanı aşağıdaki gibi alt bölümler halinde yapılandırılmıştır: 2.4.1 bölümünde Zincir Eşitleme açıklanmaktadır; Bölüm 2.4.2, Son Tabakalaşma Denklemini açıklar; ve Bölüm 2.4.3, dahili çapa testi ile ortaya çıkan sorunları açıklar. Bir çapa testi de olan bir EG Tasarımının özel durumu üzerine bir bölümle bitiriyoruz. Bu, grupların aslında eşdeğer olduğu, yani P = Q olduğu NEAT Tasarımının özel bir durumudur.
Zincir Eşitleme (CE)
Zincir Eşitleme, NEAT Tasarım için kullanılan en eski yöntem olabilir. SG Tasarımında zaten mevcut olan fikirlerin basit bir uzantısıdır. Livingston ve ark. (1990), CE’nin NEAT Tasarımını tedavi etmenin diğer standart yöntemlerine kıyasla makul sonuçlar verdiği gösterilmiştir.
Zincir Eşitleme (CE), X puanlarının Y puanlarına iki aşamalı dönüşümünü kullanır. İlk olarak, P üzerinde X’i A’ya bağlar ve sonra Q üzerinde A’yı Y’ye bağlar. Bu haritalara “bağlanma” diyoruz çünkü test (ler) ve çapa eşit derecede güvenilir değildir,
Ve bu nedenle, Bölüm 1’de bahsedilen 2. gereksinimi ihlal edin. Bu iki bağlantı işlevi daha sonra işlevsel olarak X ile Y’yi A aracılığıyla birbirine bağlamak için oluşturulur. CE’nin gözlenen bir puan eşitleme yöntemi olarak anlamlı olması için T’yi, hedef popülasyonu ve X ve Y’nin T üzerindeki puan dağılımlarının belirlenebilmesi için hangi varsayımların yapıldığını görün. Hedef nüfus, T, CE için alakasız çıktı. Formdaki herhangi bir T (2.32) tam olarak aynı CE işleviyle sonuçlanacaktır.
Aşağıdaki CE1 ve CE2 varsayımları, CE’yi Bölüm 1.4’ün sonunda belirtilen anlamda geçerli bir gözlemlenen puanı eşitleme yöntemi yapar. X ve Y ile çapa A arasındaki bağlantı fonksiyonlarıyla ilgilidir.
Besin zinciri
Besin zinciri Özellikleri
Besin zinciri Piramidi
besin zinciri 8. sınıf
İnsan besin zinciri
Besin zinciri Örnekleri
Besin zinciri sıralaması
8. sınıf besin zinciri konu anlatımı pdf
Bu iki varsayım, {rj} ve {sk} parametreleri hakkında doğrudan bilgi sağlamaz; ancak, CE’nin NEAT Tasarımından gelen verileri kullanma şeklini anlamak ve bunları PSE yöntemiyle karşılaştırmak için önemlidir. İki varsayımda (CE1) ve (CE2) ortaya çıkan kümülatif dağılım fonksiyonları Bölüm 1’de tanımlanmıştır.
Bunları burada tekrar ediyoruz:
F (x) = Prob (X ≤ x | T),
G (y) = Prob (Y ≤ y | T),
H (a) = Prob (A ≤ a | T),
FP (x) = Prob (X ≤ x | P),
GQ (y) = Prob (Y ≤ y | Q),
HP (a) = Prob (A ≤ A | P),
HQ (a) = Prob (A ≤ A | Q).
F, G ve H’nin (abonelikli ve aboneliksiz) tümünün devam ettiğini varsayıyoruz (yani, Bölüm 1.4’te tartışıldığı gibi sürekli ve kesin olarak artırılmış ve Bölüm 4’te KE için işlevsel hale getirilmiş).
Hedef popülasyona atıfta bulunurken T alt simgesini kullanmamanın dışında cdf’nin F, G ve H’nin bunlarda hesaplandığını belirtmek için “P” ve “Q” alt simgelerini kullanırız (gösterimle ilgili ayrıntılar için Bölüm 1’e bakın) çalışma boyunca kullanıldı).
Varsayım 2.9. (CE1): Herhangi bir hedef popülasyon T verildiğinde, X’ten A’ya bağlantı popülasyonla değişmezdir, yani,
H − 1 (FP (x)) = H − 1 (F (x)). (2.35) P
(2.35) ‘te, H − 1 (F (x)), T popülasyonunda X’i A’ya bağlayan eş merkezli fonksiyonunu gösterirken, H − 1 (FP (x)) P üzerindeki bu bağlantıyı gösterir. Bu alt bölümde, fonksiyonların bileşimini tekrar tekrar kullanacağız. Gösterimi basitleştirmek için bunu belirtmek için “◦” kullanacağız.
Denklem (2.35), T üzerindeki X’in cdf’ini örtük olarak tanımlar:
F (x) = H H − 1 (FP (x))
F (x) = H ◦ H −1 ◦ FP (x).
Prensipte NEAT Tasarımındaki verilere dayanarak H, HP ve FP oluşturabildiğimiz için denklem (2.37) F’nin onlardan nasıl hesaplanacağını gösterir.
Bu, Q üzerinde A’dan Y’ye eşit merkezli bağlantı ile P üzerinde X’ten A’ya “eşit merkezli bağlantı” nın işlevsel olarak oluşturulmasıyla elde edilen fonksiyondur. (2.41), T üzerinde X’i Y’ye eşitleyen eş merkezli eşitleme fonksiyonunu tanımladığından, bizim Analiz, ek varsayımlar altında, (CE1) ve (CE2), eY (CE) (x) ‘in, T üzerinde tanımlanan bir gözlemlenen puanı eşitleme işlevi olduğunu ve yalnızca geçici değil, aynı zamanda makul, birbirine bağlı zincirleme olduğunu göstermektedir. fonksiyonlar.
Hedef popülasyon olan T’ye bağlı olan H’nin formül (2.42) ‘de sıfırlandığını not ediyoruz. O halde bir anlamda, eY (CE) (x) ‘in herhangi bir T formuna (2.32) uygulandığı varsayılır. CE1 ve CE2 aracılığıyla CE, Popülasyon Değişmezi olarak tanımlanır.
Bununla birlikte, bu yalnızca (2.32) anlamında P ve Q karışımı olan popülasyonlar için kesinlikle geçerlidir ve (2.32) ile temsil edilemeyen P veya Q alt popülasyonları için geçerli değildir (bkz. Von Davier ve diğerleri, 2003, CE’ye uygulanan eşitleme fonksiyonlarının popülasyon değişmezliği hakkında bir tartışma için).
Zincir eşitleme, Tek Grup (SG) Tasarımında kullanılanların ötesinde herhangi bir yeni fikir içermez. İki SG Tasarımının sonuçlarını basitçe işlevsel olarak oluşturur veya “zincirler”.
(2.43), FP, HP, HQ ve GQ’daki cdf’ler, dört puan olasılığı kümesinin tahminini gerektirir: rP = (rPj), tP = (tPl), tQ = (tQl) ve sQ = (sQk), j = 1, …, J, k = 1, …, K ve l = 1, …, L. X veAinP ve Y veAinQare tarafından verilen bu marjinal olasılıklardır.
SG Design örneğinde olduğu gibi, X ve Y’nin marjinal olasılıklarını v (P) ve v (Q) şeklinde vektörel diziler cinsinden resmi olarak yazmak için, M ve V (Q) matrislerini kullanacağız. N, 0 ve 1 (2.9) ve (2.10) ‘da tanımlanmıştır.
rP = MP v (P) ve tP = NP v (P), (2,45)
burada MP, (2.9) ‘da olduğu gibi bir (J × JL) -matristir ve NP (2.10)’ da olduğu gibi 1tJ içeren satırlara sahip bir (L × J L) -matristir. Benzer şekilde, sQ ve tQ, v (Q) ‘nun doğrusal fonksiyonları olarak hesaplanabilir:
sQ = MQ v (Q) ve tQ = NQ v (Q), (2.46)
burada MQ, a (K × KL) -matrix ve NQ, a (L × KL) -matrix MP ve NP’ye benzer şekilde tanımlanır.
