Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/75025
| Title: | การเปรียบเทียบการแก้ปัญหาข้อมูลผิดปกติ ในการวิเคราะห์ข้อมูลที่ได้จากงานวางแผนการทดลอง โดยใช้อำนาจการทดสอบ |
| Other Titles: | Comparison on solving data outlier problem for data analysis obtained from experimental design |
| Authors: | สุรศักดิ์ จินตรัตน์ |
| Advisors: | สุพล ดุรงค์วัฒนา |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย |
| Advisor's Email: | Supol.D@Chula.ac.th |
| Subjects: | การทดลองแบบสุ่มภายในบล็อค ข้อมูลผิดปกติ (สถิติ) การสุ่มตัวอย่าง Randomized block design Outliers (Statistics) Sampling |
| Issue Date: | 2531 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | การวิจัยครั้งนมีวัตถุประสงค์เพื่อเปรียบเทียบการแก้ปัญหาข้อมูลผิดปกติในการวิเคราะห์ข้อมูลที่ได้ จากงานวางแผนการทดลองโดยการตัดข้อมูลผิดปกติ การยอมรับข้อมูลผิดปกติ การประมาณค่าข้อมูลผิดปกติ และการวิเคราะห์ข้อมูลแบบนอนพาราเมตริก เมื่อพิจารณาจากอำนาจการทดสอบโดยศึกษากับประชากรที่มีการแจกแจงใกล้เคียงแบบปกติ และไม่เป็นแบบปกติ ในการเปรียบเทียบความแตกต่างระหว่าง 2 ประชากร แผนการทดลองแบบสุ่มตลอด แผนการทดลองแบบสุ่มในบล็อก ดำเนินการวิจัยโดยใช้เทคนิคการจำลอง แบบและโปรแกรมคอมพิวเตอร์ ในแต่ละสถานการณ์จะกระทำ 1,000 ครั้ง ผลการวิจัยพบว่า 1. วิธีการแก้ปัญหาข้อมูลผิดปกติในแผนการทดลองแบบสุ่มตลอด และการเปรียบเทียบความแตกต่างระหว่าง 2 ประชากรควบคุมความคลาดเคลื่อนประเภทที่ 1 ได้ทุกวิธี ไม่ว่าประชากรจะมีการแจกแจงใกล้เคียงแบบปกติหรือไม่เป็นแบบปกติ ยกเว้นแผนการทดลองแบบสุ่มในบล็อกซึ่งไม่สามารถควบคุมได้ 2. ในการเปรียบเทียบความแตกต่างระหว่าง 2 ประชากร วิธีการแก้ปัญหาข้อมูลผิดปกติในการวิเคราะห์แบบพาราเมตริกโดยการประมาณค่าข้อมูลผิดปกติด้วยค่าใกล้เคียงข้อมูลผิดปกติ ให้อำนาจการทดสอบสูงที่สุดที่ระดับนัยสำคัญ .01 วิธีการยอมรับข้อมูลผิดปกติ ให้อำนาจการทดสอบสูงที่สุดที่ระดับนัยสำคัญ .05 และ.10 เมื่อประชากรมีการแจกแจงใกล้เคียงแบบปกติ และเมื่อประชากรมีการแจกแจงไม่เป็นแบบปกติ การวิเคราะห์ข้อมูลแบบนอนพาราเมตริกให้อำนาจการทดสอบสูงที่สุด 3. ในแผนการทดลองแบบสุ่มตลอดวิธีการแก้ปัญหาข้อมูลผิดปกติในการวิเคราะห์แบบพาราเมตริกโดยการประมาณค่าข้อมูลผิดปกติด้วยค่าใกล้เคียงข้อมูลผิดปกติให้อำนาจการทดสอบสูงกว่าวิธีอื่นทุกระดับนัยสำคัญเมื่อประชากรมีการแจกแจงใกล้เคียงแบบปกติ และเมื่อประชากรมีการแจกแจงไม่เป็นแบบปกติ การวิเคราะห์ข้อมูลแบบนอนพาราเมตริกให้อำนาจการทดสอบสูงที่สุดที่ระดับนัยสำคัญ .05 และ .10 ส่วนที่ระดับนัยสำคัญ. 01 วิธีการประมาณค่าข้อมูลผิดปกติโดยใช้ค่าใกล้เคียงข้อมูลผิดปกติจะให้อำนาจการทดสอบสูงที่สุด 4. ในแผนการทดลองแบบสุ่มในบล็อก ค่าอำนาจการทดสอบไม่สามารถสรุปได้เนื่องจากวิธีการแก้ปัญหาข้อมูลผิดปกติทุกวิธีไม่สามารถความคุมความคลาดเคลื่อนประเภทที่ 1 ได้ ในการทดลอง |
| Other Abstract: | The purpose of this study is to care method of solving outlier data problem obtained from experimental design by rejecting outlier, accepting outlier, correcting outlier by estimation and analyzing data with nonparametric test by using the power of test. The comparisons were made for population with approaching normal distribution and violating from normal distribution. The design of this study were the comparison with the difference between two populations, completely randomized design and randomized complete block design. The data were obtained by simulation technique and computer program which were repeat 1,000 times for each experiment situation. The result of this study can be summarized as follow: 1. For comparison with the difference between two populations and completely randomized design, all methods used for solving outlier problem are capable of controlling the probability of type I error except for randomized complete block design. 2 For comparison with the difference between two populations, parametric test method which estimating outlier by neighbouring value of outlier has the highest power at .01 significance level and accepting outlier is good at only .05 and .10 significance level in case of approaching normal distribution. When the normal distribution is violated, the nonparametric test has the highest power. 3. For completely randomized design parametric test which estimating outlier by neighbouring value of outlier has the highest power at all significance levels when population are nearly normal distribution. When population is not normal distribution, the nonparametric test has the highest power at .05 and .01 significance level. The estimation outlier by neighbouring value of the outlier has the highest power at .01 significance level. 4. For randomized complete block design, the power of test could not be concluded since the probability of type I error for all methods were uncontrollable in all experiment situations. |
| Description: | วิทยานิพนธ์ (สต.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2531 |
| Degree Name: | สถิติศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | สถิติ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/75025 |
| ISBN: | 9745693901 |
| Type: | Thesis |
| Appears in Collections: | Grad - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Surasak_ch_front_p.pdf | 1.17 MB | Adobe PDF | View/Open | |
| Surasak_ch_ch1_p.pdf | 788.34 kB | Adobe PDF | View/Open | |
| Surasak_ch_ch2_p.pdf | 1.36 MB | Adobe PDF | View/Open | |
| Surasak_ch_ch3_p.pdf | 1.17 MB | Adobe PDF | View/Open | |
| Surasak_ch_ch4_p.pdf | 3.44 MB | Adobe PDF | View/Open | |
| Surasak_ch_ch5_p.pdf | 777.84 kB | Adobe PDF | View/Open | |
| Surasak_ch_back_p.pdf | 2.97 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.