การแก้ไขปัญหาข้อมูลตอบสนองของแผนแบบการทดลองสุ่มตลอดที่ไม่มีการแจกแจงแบบปกติ

จงจิต มารุ่งสิริกุล

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/67668

Title:	การแก้ไขปัญหาข้อมูลตอบสนองของแผนแบบการทดลองสุ่มตลอดที่ไม่มีการแจกแจงแบบปกติ
Other Titles:	Correction of non-normality for response observation in completely randomized design
Authors:	จงจิต มารุ่งสิริกุล
Email:	Supol.D@Chula.ac.th
Advisors:	สุพล ดุรงค์วัฒนา
Subjects:	การแจกแจง (ทฤษฎีความน่าจะเป็น) การสุ่มตัวอย่าง (สถิติ) การออกแบบการทดลอง
Issue Date:	2548
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	วัตถุประสงค์ของการวิจัยในครั้งนี้เพื่อศึกษาการแก้ไขปัญหาข้อมูลตอบสนองที่ได้จากการทดลองในแผนแบบการทดลองสุ่มตลอดที่ไม่มีการแจกแจงแบบปกติ ด้วยการแปลงข้อมูล เพื่อหารูปแบบการแปลงข้อมูลที่เหมาะสมสำหรับข้อมูลที่มีความคลาดเคลื่อนมีระดับความเบ้ ความโด่งและความแปรปรวนที่แตกต่างกัน ให้มีการแจกแจงแบบ ปกติและยังเป็นไปตามเงื่อนไขของการวิเคราะห์ความแปรปรวน โดยมีตัวแบบเซิงสถิติดังนี้ Yij = µ + ti+ Ɛij เมื่อ i = 1,2,..., k และ j = 1,2,.., n โดยที่ Yij แทนข้อมูลตอบสนองที่ได้จากการทดลองจากวิธีทดลองที่ i หน่วย ทดลองที่ j µ แทนค่าเฉลี่ยรวม t1 แทนผลกระทบจากวิธีทดลองที่ i Ɛij แทนความคลาดเคลื่อนสุ่มของการทดลองจากวิธีทดลองที่ i หน่วยทดลองที่ j ที่มีค่าเฉลี่ยเท่ากับ 0 ความแปรปรวนเท่ากับ (℺2 ในการวิจัยครั้งนี้การจำลองข้อมูลในแต่ละสถานการณ์ใช้วิธีมอนติคาร์โลด้วยโปรแกรม R โดยกำหนดจำนวนวิธีทดลองเท่ากับ 3 4 และ 5 จำนวน หน่วยทดลองในแต่ละวิธีทดลองเท่ากับ 4 5 และ 6 ความคลาดเคลื่อนของข้อมูลแบ่งออกเป็น 2 กรณีคือเบ้ขวาและเบ้ซ้าย กรณีละ 2 ระดับคือ เบ้น้อยและเบ้มาก ซึ่งในแต่ละระดับความเบ้มี 3 ระดับความโด่งคือ น้อย ปานกลางและมากและสัมประสิทธิ์ความแปรผันเท่ากับ 20% 40% และ 60% ที่ระดับนัยสำคัญ 0.05 สำหรับเกณฑ์ที่ใช้ในการเปรียบเทียบวิธีการแปลงข้อมูลที่เหมาะสมในการแก้ปัญหาดังกล่าวคือ ค่าสัดส่วนของความสำเร็จในการแก้ปัญหาข้อมูลตอบสนองไม่มีการแจกแจงแบบปกติ ค่าสัดส่วนของความสำเร็จในการแก้ปัญหาข้อมูลตอบสนองไม่มีการแจกแจงแบบปกติและมีความแปรปรวนเท่ากัน ค่าสัดส่วนของการปฏิเสธสมมติฐานว่างและอำนาจการทดสอบของการทดสอบเอฟ ผลการศึกษาจะสรุปได้ดังนี้ 1. ที่ระดับความเบ้น้อย จะมีสัดส่วนของความสำเร็จในการแก้ปัญหาข้อมูลไม่มีการแจกแจงแบบปกติและมีความแปรปรวนเท่ากันภายหลังการแปลงข้อมูลมากกว่าที่ระดับความเบ้มาก การแปลงข้อมูลด้วยค่า A = 0.5 จะให้ค่าความสำเร็จมากในกรณีเบ้ขวาที่ระดับความเบ้น้อย การแปลงข้อมูลด้วยค่า A =0 จะให้ค่าความสำเร็จมากในกรณีเบ้ขวาที่ระดับความเบ้มาก ยกเว้นกรณีที่มีสัมประสิทธิ์ความแปรผันน้อย การแปลงด้วยค่า A = 0 A =-0.5 และ A =-1.0 จะให้ค่าความสำเร็จมาก ส่วนกรณีเบ้ข้าย การแปลงด้วยค่า A =1.5 และ A =2.0 จะให้ค่าความสำเร็จสูง 2. ที่ระดับความเบ้เดียวกัน กรณีที่มีค่าความโด่งมาก จะให้ค่าความ สำเร็จน้อยกว่ากรณีอื่นและความสามารถในการควบคุมความผิดพลาดประเภทที่ 1 จะน้อย 3. เมื่อสัมประสิทธิ์ความแปรผันมีค่าสูง1ขึ้น ความสามารถในการควบคุมความผิดพลาดประเภทที่ 1 จะลดลง
Other Abstract:	The objective of this study is to correct of non-normality for response observation in completely randomized design. The result of this study present the appropriate function for transformation of data when residuals have different skewness, kurtosis and variance. The statistical model is Yij = µ + ti+ Ɛij ; i = 1,2,..., k and j = 1,2,.., n Ɛij is a random error of the jth response data from ith treatment with mean 0 and variance ℺2. In this study, data was simulated by the Monte Carlo method with R program. Defining numbers of treatment are 3,4 and 5. The numbers of replication in each treatment are 4,5 and 6. Residual was divided in 2 cases, positive skewness and negative skewness. Each of case has 2 levels, less skewess and more skewness. Each of level has 3 levels of kurtosis, low, medium and high. Coefficient of Variation (C.V.) is 20%,40% and 60% at 0.05 significance. The criterion of determination is proportion of success for correction of normality, proportion of success for correction of normality which has homogeneity of variances, proportion of null hypothesis rejection and power of the test. The result of this study can be summarized as follow: 1. When residuals have less skewness, proportion of success for correction of normality which has homogeneity of variances after transform data is more than the residuals have more skewness. For positive skewness case,if residuals are less skewed .transformation of data with A =0.5 will has most successful proportion. If residuals are more skewed, transformation of data with A=0 will has most successful proportion. Except at low C.V., transformation of data with A =0, A =-0.5 and A =-1.0 are suitable. For negative skewness, transformation of data with A =1.5 and A =2.0 have more successful. 2. At the same level of skewness, high kurtosis will has successful proportion for correction of normality which has homogeneity of variances after transform data less than another case and ability for control Type I Error is little. 3. When C.V. is increased, the ability for control Type I Error will decrease.
Description:	วิทยานิพนธ์(สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2548
Degree Name:	สถิติศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	สถิติ
URI:	http://cuir.car.chula.ac.th/handle/123456789/67668
URI:	http://doi.org/10.14457/CU.the.2005.312
ISBN:	9745326984
metadata.dc.identifier.DOI:	10.14457/CU.the.2005.312
Type:	Thesis
Appears in Collections:	Acctn - Theses

Files in This Item:

File	Description	Size	Format
Jongjit_ma_front_p.pdf	หน้าปก บทคัดย่อ และสารบัญ	1.15 MB	Adobe PDF	View/Open
Jongjit_ma_ch1_p.pdf	บทที่ 1	812.62 kB	Adobe PDF	View/Open
Jongjit_ma_ch2_p.pdf	บทที่ 2	862.19 kB	Adobe PDF	View/Open
Jongjit_ma_ch3_p.pdf	บทที่ 3	1.01 MB	Adobe PDF	View/Open
Jongjit_ma_ch4_p.pdf	บทที่ 4	6.89 MB	Adobe PDF	View/Open
Jongjit_ma_ch5_p.pdf	บทที่ 5	1.43 MB	Adobe PDF	View/Open
Jongjit_ma_back_p.pdf	รายการอ้างอิงและภาคผนวก	2.22 MB	Adobe PDF	View/Open

Show full item record