통지
이제 support.minitab.com을 떠나게 됩니다."
계속하려면 계속을 클릭하세요 :
최적의 선형 불편 예측치(BLUP)는 변량 배치 항의 수준에 대해 추정된 계수입니다. 이 계수를 사용하면 특정 배치에 대한 적합치를 예측하는 조건부 적합 방정식의 절편과 기울기를 확인할 수 있습니다. 안정성 연구에 대한 예측을 사용하여 조건부 방정식을 볼 수 있습니다.
배치 간의 차이를 추정하려면 BLUP를 사용하십시오. 배치 요인에 대한 BLUP 값이 클수록 데이터의 배치에 대한 저장 수명이 0과 더 다르다는 것을 나타냅니다. 모형에 시간 x 배치 교호작용이 없는 경우 데이터의 배치에 대한 저장 수명은 모든 시간에 대해 같은 거리만큼 떨어져 있습니다. 모형에 시간 x 교호작용이 있는 경우에는 BLUP 값이 배치의 품질이 어떻게 다른 속도로 떨어지는지 보여줍니다.
배치 항의 경우 배치 1에 대한 BLUP가 약 1.36으로, 가장 큽니다. 배치 7에 대한 BLUP는 0.05로, 0에 더 가깝습니다. 시간 0에서 배치 1에 대한 조건부 적합치는 약 100.6 + 1.36 = 101.42입니다. 배치 7에 대한 조건부 적합치는 약 100.06 + 0.05 = 100.11입니다.
월 x 배치 교호작용도 모형에 있기 때문에 교호작용에 대한 BLUP 값은 여러 배치의 품질이 떨어지는 속도의 차이를 설명합니다. 배치 2에 대한 교호작용 BLUP가 약 0.02로, 가장 큽니다. 그러므로, 배치 2에 대한 조건부 적합치는 가장 느린 품질 저하를 보여줍니다.
| 항 | 계수 | SE 계수 | DF | T-값 | P-값 |
|---|---|---|---|---|---|
| 상수 | 100.060247 | 0.268706 | 7.22 | 372.378347 | 0.000 |
| 월 | -0.138766 | 0.005794 | 7.22 | -23.950196 | 0.000 |
| 항 | BLUP | 표준 편차 | DF | T-값 | P-값 |
|---|---|---|---|---|---|
| 배치 | |||||
| 1 | 1.359433 | 0.313988 | 12.45 | 4.329567 | 0.001 |
| 2 | 0.395375 | 0.313988 | 12.45 | 1.259203 | 0.231 |
| 3 | 0.109151 | 0.313988 | 12.45 | 0.347629 | 0.734 |
| 4 | -0.409322 | 0.313988 | 12.45 | -1.303623 | 0.216 |
| 5 | -0.135643 | 0.313988 | 12.45 | -0.432001 | 0.673 |
| 6 | -1.064736 | 0.313988 | 12.45 | -3.391006 | 0.005 |
| 7 | 0.049420 | 0.313988 | 12.45 | 0.157394 | 0.877 |
| 8 | -0.303678 | 0.313988 | 12.45 | -0.967164 | 0.352 |
| 월*배치 | |||||
| 1 | 0.006281 | 0.008581 | 10.49 | 0.731925 | 0.480 |
| 2 | 0.019905 | 0.008581 | 10.49 | 2.319537 | 0.042 |
| 3 | -0.013831 | 0.008581 | 10.49 | -1.611742 | 0.137 |
| 4 | 0.003468 | 0.008581 | 10.49 | 0.404173 | 0.694 |
| 5 | 0.001240 | 0.008581 | 10.49 | 0.144455 | 0.888 |
| 6 | 0.000276 | 0.008581 | 10.49 | 0.032144 | 0.975 |
| 7 | -0.010961 | 0.008581 | 10.49 | -1.277272 | 0.229 |
| 8 | -0.006378 | 0.008581 | 10.49 | -0.743220 | 0.474 |
최적의 선형 불편 예측치(BLUP)의 표준 편차는 표본 데이터에서 추정된 BLUP의 불확실성을 추정합니다.
BLUP 추정치의 정확도를 측정하려면 BLUP의 표준 편차를 사용하십시오. 표준 편차가 작을수록 추정값의 정확도가 높습니다. BLUP를 표준 편차로 나누면 t-값이 계산됩니다. 이 t-통계량과 관련된 p-값이 유의 수준(알파 또는 α로 표시됨)보다 작은 경우 BLUP과 0 간의 차이가 통계적으로 유의하다는 결론을 내립니다.
자유도는 최적의 선형 불편 예측치(BLUP)에 대한 신뢰 구간을 추정하고 검정을 구성하기 위한 데이터의 정보량을 나타냅니다.
BLUP에 대해 사용할 수 있는 정보의 양을 비교하려면 DF를 사용하십시오. 일반적으로 자유도가 높으면 BLUP에 대한 신뢰 구간이 자유도가 낮은 구간보다 좁습니다.
이러한 신뢰 구간(CI)은 데이터에서 랜덤하게 선택된 각 배치에 대한 최적의 선형 불편 예측치(BLUP) 값이 포함될 가능성이 높은 값의 범위입니다.
표본이 랜덤이기 때문에 모집단의 두 표본에서 동일한 신뢰 구간이 생성될 가능성은 없습니다. 그러나 여러 개의 랜덤 표본을 추출하면 일정한 백분율의 신뢰 구간에는 알 수 없는 모집단 모수가 포함됩니다. 모수를 포함하는 이러한 신뢰 구간의 백분율이 해당 구간의 신뢰 수준입니다.
각 배치에 대한 모집단 BLUP의 추정치를 평가하려면 신뢰 구간을 사용합니다.
예를 들어, 95% 신뢰 수준에서 신뢰 구간에 모집단에 대한 계수 값이 포함된다고 95% 확신할 수 있습니다. 신뢰 구간은 결과의 실제 유의성을 평가하는 데 도움이 됩니다. 해당 상황에 실제적으로 유의한 값이 신뢰 구간에 포함되는지 여부를 확인하려면 전문 지식을 이용하십시오. 신뢰 구간이 너무 넓어서 유의하지 않은 경우에는 표본 크기를 늘려보십시오.
t-값은 최적의 선형 불편 예측치(BLUP)와 표준 오차 간의 비율을 측정합니다.
Minitab에서는 t-값을 사용하여 BLUP 값의 통계적 유의성에 대한 결정을 내릴 때 사용하는 p-값을 계산합니다.
t-값을 사용하여 귀무 가설의 기각 여부를 확인할 수 있습니다. 그러나 자유도에 관계없이 기각에 대한 분계점이 같기 때문에 p-값이 더 자주 사용됩니다.
p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.
최적의 선형 불편 예측치(BLUP)가 0과 다른지 여부를 확인하려면 BLUP에 대한 p-값을 유의 수준과 비교하십시오. 귀무 가설은 BLUP가 0으로, 해당 특정 배치에 대한 예측이 랜덤하게 선택한 배치에 대한 예측과 다르지 않다는 것입니다.
이제 support.minitab.com을 떠나게 됩니다."
계속하려면 계속을 클릭하세요 :