Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/29170
| Title: | การเปรียบเทียบอำนาจการทดสอบแบบพาราเมตริกซ์กับนอนพาราเมตริกซ์ในการวิเคราะห์โควาเรียนซ์ ของแผนการทดลองแบบสุ่มตลอด |
| Other Titles: | A power comparison between parametric and nonparametric in analysis of covariance of completely randomized design |
| Authors: | มยุรี จิรธนสมบัติ |
| Advisors: | สุพล ดุรงค์วัฒนา |
| Other author: | จุฬาลงกรณมหาวิทยาลัย. บัณฑิตวิทยาลัย |
| Issue Date: | 2531 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | การวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบอำนาจการทดสอบของสถิติทดสอบพาราเมตริกและนอนพาราเมตริกในการวิเคราะห์โควาเรียนซ์ (ตัวแปรร่วม) ของแผนการทดลองแบบสุ่มตลอด ซึ่งมีรูปแบบ Yᵢj = μ + β (Xᵢj - X̄...) + τᵢ +ԑᵢj โดยศึกษาอำนาจการทดสอบของความน่าจะเป็นของความผิดพลาดประเภทที่ 1 (α) ของสถิติทดสอบพาราเมตริกและนอนพาราเมตริก เมื่อการแจกแจงความคลาดเคลื่อน (ԑᵢj) เป็นแบบปกติ และเมื่อการแจกแจงความคลาดเคลื่อนไม่เป็นแบบปกติ เช่น การแจกแจงแบบโลจิสติคและดับเบิ้ลเอ็กโพเนนเชียล โดยที่กำหนดให้มีการเปรียบเทียบทรีตเมนต์จำนวน 3 4 และ 5 ทรีตเมนต์ และกรณีของช่วงห่างระหว่าง X ในรูปแบบเท่ากันและไม่เท่ากัน ขนาดตัวอย่างใช้ในการทดลองกำหนดให้เท่ากับ 5 15 30 และ 50 ด้วยสัมประสิทธิ์ความแปรปรวน 3 ระดับคือ 5% 10% และ 15% ตามลำดับ ผลการวิจัยสรุปได้ดังนี้คือ 1. ความน่าจะเป็นความผิดพลาดประเภทที่ 1 กรณีเปรียบเทียบจำนวน 3 และ 4 ทรีตเมนต์ เมื่อความคลาดเคลื่อน มีการแจกแจงแบบปกติและโลจิสติค วิธีของพาราเมตริก (Parametric test) สามารถควบคุม α ได้ดีกว่าวิธีของนอนพาราเมตริกของเควด (Quade’s nonparametric test) และเมื่อ ԑ มีการแจกแจงแบบดับเบิ้ลเอ็กโพเนนเชียล วิธีทดสอบทั้ง 2 วิธี สามารถควบคุม α ได้ดีเท่ากันสำหรับกรณีเปรียบเทียบจำนวน 5 ทรีตเมนต์ เมื่อ ԑ มีการแจกแจงปกติ วิธีของพาราเมตริกสามารถควบคุม α ได้ดีกว่าวิธีของนอนพาราเมตริก เมื่อ ԑ มีการแจกแจงแบบโลจิสติคและดับเบิ้ลเอ็กโพเนนเชียล วิธีนอนพาราเมตริกสามารถควบคุม α ได้ดีกว่าวิธีของพาราเมตริก 2. อำนาจการทดสอบของสถิติทดสอบ กรณีเปรียบเทียบจำนวน 3 4 และ 5 ทรีตเมนต์ เมื่อ ԑ มีการแจกแจงแบบโลจิสติคและดับเบิ้ลเอ็กโพเนนเชียล วิธีของนอนพาราเมตริกจะมีอำนาจการทดสอบสูงกว่าวิธีของพาราเมตริกเมื่อขนาดตัวอย่างเล็กมาก (ขนาด 5) เมื่อขนาดตัวอย่างเพิ่มขึ้น วิธีของนอนพาราเมตริกยังคงมีอำนาจการทดสอบสูงกว่าวิธีของพาราเมตริกขณะที่สัมประสิทธิ์ความแปรปรวนสูง นอกจากนี้ วิธีของนอนพาราเมตริกจะมีอำนาจการทดสอบสูงกว่าวิธีของพาราเมตริก เมื่ออิทธิพลของทรีตเมนต์มีความแตกต่างระหว่างทรีตเมนต์น้อย เมื่อ ԑ มีการแจกแจงแบบปกติ ทุกขนาดตัวอย่าง วิธีของพาราเมตริกจะมีอำนาจการทดสอบสูงกว่าวิธีของนอนพาราเมตริก ยกเว้นเมื่อขนาดตัวอย่างเล็กมากวิธีของนอนพาราเมตริกจะมีอำนาจการทดสอบสูงกว่าวิธีพาราเมตริก |
| Other Abstract: | The purpose of this study is to compare the power of the test between parametric and nonparametric in analysis of convariance of completely randomized design with model Yᵢj = μ + β (Xᵢj - X̄...) + τᵢ +ԑᵢj. It has been done though computer simulation. The probability of type I error between parametric method and nonparametric method. The error term (ԑᵢj) in the model were generated as both normal and non-normal distribution. The non-normal distribution used in the study were logistic and double exponential distribution. The number of treatments were of 3, 4 and 5 treatments in both equal and unequal spacing of the covariate X. The coefficient of variation were simulated as 5%, 10% and 15%. The sample size were 5, 15, 30 and 50 respectively. The results of this are concluded as follows : 1. When the number of treatments are 3 and 4 and the distribution of error term are normal and logistic distribution, the parametric method is better than nonparametric method. The probability of type I error are equally controllable when the error term in the model is double-exponentially distributed. In the case of 5 treatments and normal-distributed error, the parametric method can control the probability of type I error better than the one from the nonparametric. The nonparametric method is better than the parametric method when the error term is logistic and double exponential distributions. 2. If the number of treatments are 3, 4 and 5 while the error distribution is logistic and double exponential and the sample size is very small, the nonparametric method is more powerful than the parametric one. Having increased the sample size and the coefficient of variation, the former remains having more power. Moreover, the small difference of treatment effects in the model does influence the result mentioned. Finally, when the error term is normal distribution, the parametric method is more powerful than the nonparametric method in all of sample size except for the case of extremely small sample size (size = 5). |
| Description: | วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2531 |
| Degree Name: | สถิติศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | สถิติ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/29170 |
| ISBN: | 9745693367 |
| Type: | Thesis |
| Appears in Collections: | Grad - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Mayuree_ji_front.pdf | 13.44 MB | Adobe PDF | View/Open | |
| Mayuree_ji_ch1.pdf | 4.6 MB | Adobe PDF | View/Open | |
| Mayuree_ji_ch2.pdf | 6.97 MB | Adobe PDF | View/Open | |
| Mayuree_ji_ch3.pdf | 6.11 MB | Adobe PDF | View/Open | |
| Mayuree_ji_ch4.pdf | 53.95 MB | Adobe PDF | View/Open | |
| Mayuree_ji_ch5.pdf | 5.22 MB | Adobe PDF | View/Open | |
| Mayuree_ji_back.pdf | 5.2 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.