translate montgomery
DESCRIPTION
kerenTRANSCRIPT
2
masalah faktor independen, persentase dari kapas, adalah sama spasi di lima
tingkatan. Jumlah dari persegi untuk linear, kuadrat, kubik, dan quartic faktor yang
membentuk partisi dari jumlah pengobatan persegi dan dapat dimasukkan kedalam
analisis varians, seperti terlihat dalam tabel 4-10. Setiap efek memiliki satu derajat
kebebasan dan dapat diuji dengan membandingkan jumlah square hingga rata-rata
kuadrat kesalahan.
Dari pemeriksaan tabel 4-10 , kami juga mencatat bahwa efek kuadrat dan kubik
dari persentase kapas secara statistik signifikan ketika dibandingkan dengan nilai F
05,1,20. Oleh karena itu, kita akan cocokan polinomial kubik dengan data yang ada,
katakanlah
γ = α0 + α1 P1 (x) + α2 P2 (x) + α3 P3 (x) + €
Di mana Pu (x) adalah urutan untuk polynomial ortogonal, yang menyiratkan
bahwa jika ada tingkat dari x kita memiliki ∑i
a
=1 Pu (xj) P5 (xi) = 0 untuk u ≠ s. Lima
pertama polynomial ortogonal adalah
Dimana d adalah jarak antara tingkat x, a adalah jumlah tingkatan, dan {λi}
adalah konstanta sedemikian rupa sehingga polinomial memiliki nilai bilangan bulat.
Lampiran Tabel X daftar koefisien polinomial orthogonal dan nilai-nilai untuk λi
untuk ≤ 10. Kotak perkiraan paling parameter dalam model polinomial ortogonal
adalah
α i = ∑ y Pi(x )
∑ [Pi ( x ) ] i = 0,1, …, a – 1
118.94 14.76a
33.62 4.17343.21 42.58a
64.98 8.06b
33.95 4.21 8.06
(64.98) (33.95)(161.20)
41111
2024
Tabel 4-10
Analisis Varians
Sumber VariasiJumlah kuadrat
Derajat bebasRata-rata kuadrat
F0
Persentase kapas 475.76
(Linear) (33.62)
(Kuadrat)(343.21)
(Kubik) (Quartic) Error Total keseluruhan
* signifikan pada 1 persen
* signifikan pada 5 persen
Sebuah pembenaran matematika dari persamaan ini akan diberikan dalam Bab
15. Untuk data pada Contoh 3-1, kita dapat memperkirakan parameter sebagai model
Jika keinginan baik untuk menambah atau menghapus istilah bentuk model, tidak
perlu untuk menghitung ulang {αi} yang sudah dalam model karena properti ortogonal
milik polinomial {Pi (x)}.
Karena kita memiliki a = 5 tingkat x dan jarak antara tingkat adalah d = 5, model
polinomial ortogonal menjadi
y= 15.0400 + 0.8200(1) ( x−255 )
-2.2143(1)[( x−255 )−( 52−1
12 )]−¿ 1.1400(5/6) ¿
Dimana λ1 = λ2 dan λ3 = 5/6 telah diperoleh dari tabel lampiran x. Persamaan ini dapat disederhanakan y= 62.6111 – 9.0100x + 0.4814x2 – 0.00786x3
Yang pada dasarnya adalah persamaan yang sama ditemukan sebelumnya dengan
metode regresi yang lebih umum. (perbedaan terutama disebabkan bagaimana
program komputer regresi digunakan menangani round-off error).
Kami telah mencatat bahwa itu diinginkan agar sesuai dengan polinomial derajat
terendah yang cukup menjelaskan data tersebut. Kesederhanaan komputasi
polinomial orthogonal sangat membantu dalam jenis masalah karena memungkinkan
eksperimen untuk menambah atau menghapus istilah koefisien dihitung dengan
mudah tanpa mempengaruhi sebelumnya. Untuk rincian lebih lanjut dari analisis
regresi, lihat bab 15.