Analisis Varians

Halaman 1
Analisis Varians
TUJUAN ANALISIS VARIASI
Dalam Bab 8 kami menggunakan teori sampling untuk menguji signifikansi perbedaan antara dua sampling
cara. Kami berasumsi bahwa dua populasi dari mana sampel diambil memiliki varians yang sama.
Dalam banyak situasi ada kebutuhan untuk menguji signifikansi perbedaan antara tiga atau lebih pengambilan sampel
berarti atau, secara setara, untuk menguji hipotesis nol bahwa mean sampel semuanya sama.
CONTOH 1. Misalkan dalam percobaan pertanian empat perlakuan kimia yang berbeda dari tanah menghasilkan rata-rata
hasil gandum masing-masing 28, 22, 18, dan 24 gantang. Apakah ada perbedaan signifikan dalam cara ini, atau sedang
penyebaran yang diamati hanya karena kebetulan?
Masalah seperti ini dapat diselesaikan dengan menggunakan teknik penting yang dikenal sebagai analisis varian , dikembangkan
oleh Fisher. Itu menggunakan distribusi F yang sudah dibahas di Bab 11.
KLASIFIKASI SATU-ARAH, ATAU EKSPERIMEN SATU FAKTOR
Dalam percobaan satu-faktor , pengukuran (atau pengamatan) yang diperoleh untuk suatu kelompok independen
sampel, di mana jumlah pengukuran di setiap kelompok adalah b . Kami berbicara tentang perawatan , masing-masing
memiliki b repetisi , atau b replikasi . Dalam Contoh 1, a ¼ 4.
Hasil eksperimen satu-faktor dapat disajikan dalam tabel memiliki sebuah baris dan b kolom, sebagai
ditunjukkan pada Tabel 16.1. Di sini X jk menunjukkan pengukuran di baris ke- j dan kolom ke- k , di mana
j ¼ 1, 2, ..., a dan di mana k ¼ 1, 2, ..., b. Misalnya, X 35 mengacu pada pengukuran kelima untuk yang ketiga
pengobatan.
Tabel 16.1
Perawatan 1 X 11 , X 12 , ..., X 1b ¯X 1:
Perawatan 2 X 21 , X 22 , ..., X 2b ¯X 2:
... ... ...
Perawatan a X a1 , X a2 , ..., X ab ¯X a:
Kami akan menyatakan dengan X X : rata-rata pengukuran di baris ke- j . Kita punya
b
¯X j: ¼ 1 X jk j ¼ 1, 2, ..., a ð1Þ
b Xk¼1
403
Hak Cipta © 2008, 1999, 1988, 1961 oleh The McGraw-Hill Companies, Inc. Klik di sini untuk ketentuan penggunaan.
Halaman 2
404 ANALISIS VARIASI [CHAP. 16
Titik di ¯X j: digunakan untuk menunjukkan bahwa indeks k telah dijumlahkan. Nilai ¯X j: disebut grup
berarti , sarana perawatan , atau sarana baris . Rata- rata besar , atau rata-rata keseluruhan , adalah rata-rata dari semua ukuran-
KASIH dalam semua grup dan dilambangkan oleh ¯X:
Sebuah
1
¯X ¼ X jk ð2Þ
ab X k¼1
j¼1 X b
VARIASI TOTAL, VARIASI DALAM PERAWATAN, DAN VARIASI

ANTARA PERAWATAN
Kami mendefinisikan variasi total , dilambangkan dengan V , sebagai jumlah kuadrat dari penyimpangan masing-masing
pengukuran dari mean besar ¯X
Variasi total ¼ V ¼ X ðX jk À ¯XÞ 2 ð3Þ

j; k
Dengan menulis identitas

X jk À ¯X ¼ ðX jk À ¯X j: Þþð ¯X j: À ¯XÞ ð4Þ
dan kemudian mengkuadratkan dan menjumlahkan j dan k , yang kita miliki (lihat Soal 16.1)
X
ðX jk À ¯XÞ 2 ¼ X ðX jk À ¯X j: Þ 2 þ X ð ¯X j: À ¯XÞ 2 ð5Þ
j; k j; k j; k
X
atau ðX jk À ¯XÞ 2 ¼ X ðX jk À ¯X j: Þ 2 þ b X j ð ¯X j: À ¯XÞ 2 ð6Þ
j; k j; k
Kami menyebut penjumlahan pertama di sisi kanan persamaan ( 5 ) dan ( 6 ) variasi dalam perawatan
(karena melibatkan kuadrat deviasi dari X jk dari pengobatan berarti X j: ) dan melambangkannya dengan V W .
Jadi
VW¼X ðX jk À ¯X j: Þ 2 ð7Þ
j; k
Penjumlahan kedua di sisi kanan persamaan ( 5 ) dan ( 6 ) disebut variasi di antaranya

perawatan (karena melibatkan kuadrat penyimpangan dari berbagai cara perawatan ¯ X j: dari
mean X) dan dinotasikan dengan V B . Jadi
VB¼X ð ¯X j: À ¯XÞ 2 ¼ b X j ð ¯X j À ¯XÞ 2 ð8Þ

j; k
Dengan demikian, persamaan ( 5 ) dan ( 6 ) dapat ditulis
V¼VWþVB ð9Þ
METODE SINGKAT UNTUK MEMPEROLEH VARIASI
Untuk meminimalkan tenaga kerja penghitungan variasi di atas, bentuk-bentuk berikut nyaman:
T2
V¼X X2 ð 10 Þ
jk À ab
j; k
1 2 T2
VB¼ T j: À ð 11 Þ
bXj ab
VW¼VÀVB ð 12 Þ
Halaman 3
BAB 16] ANALISIS VARIASI 405
di mana T adalah total semua nilai X jk dan di mana T j: adalah total semua nilai dalam perlakuan ke- j :
T¼X X jk T j: ¼ X k X jk ð 13 Þ
j; k
Dalam praktiknya, akan lebih mudah untuk mengurangi beberapa nilai tetap dari semua data dalam tabel untuk mempermudah
penghitungan; ini tidak berpengaruh pada hasil akhir.
MODEL MATEMATIK UNTUK ANALISIS VARIASI
Kita dapat menganggap setiap baris Tabel 16.1 sebagai sampel acak berukuran b dari populasi untuk itu
perawatan khusus. X jk akan berbeda dari rata-rata populasi j untuk perawatan ke- j secara kebetulan
kesalahan , atau kesalahan acak , yang kami tunjukkan dengan " jk ; dengan demikian
X jk ¼ j þ " jk ð 14 Þ
Kesalahan ini diasumsikan terdistribusi normal dengan rata-rata 0 dan varian 2 . Jika adalah rata-rata
populasi untuk semua perawatan dan jika kita membiarkan j ¼ j À, sehingga j ¼ þ j , maka persamaan ( 14 )
menjadi
X jk ¼ þ j þ " jk ð 15 Þ
di mana P j j ¼ 0 (lihat Soal 16.9). Dari persamaan ( 15 ) dan asumsi bahwa " jk adalah normal
didistribusikan dengan mean 0 dan varians 2 , kami menyimpulkan bahwa X jk dapat dianggap sebagai variabel acak
yang terdistribusi normal dengan mean dan varian 2 .
Hipotesis nol bahwa semua rata-rata perlakuan adalah sama diberikan oleh 0H 0 : j ¼ 0; j ¼ 1, 2, ..., aÞ atau,
dengan kata lain, oleh ðH 0 : j ¼; j ¼ 1, 2, ..., aÞ. Jika H 0 benar, populasi pengobatan semua akan memiliki
distribusi normal yang sama (yaitu, dengan mean dan varians yang sama). Dalam kasus seperti itu hanya ada satu
populasi ment (yaitu, semua perawatan identik secara statistik); dengan kata lain, tidak ada yang signifikan
perbedaan antara perawatan.
NILAI-NILAI YANG DIHARAPKAN DARI VARIASI
Dapat ditunjukkan (lihat Soal 16.10) bahwa nilai yang diharapkan dari VW , V B , dan V diberikan oleh
EðV W Þ ¼ aðb À 1Þ 2 ð 16 Þ
EðV B Þ¼ða À 1Þ 2 þ b X j 2 ð 17 Þ
j
2
EðVÞ¼ðab À 1Þ 2 þ b X j j ð 18 Þ
Dari persamaan ( 16 ) berikut
VW
E ¼2 ð 19 Þ
aðb À 1Þ!
ˆS 2 VW
yang seperti itu ð 20 Þ
W¼
aðb À 1Þ
selalu merupakan estimasi terbaik (tidak bias) dari 2 terlepas dari apakah H 0 benar. Di sisi lain, kita lihat
dari persamaan ( 16 ) dan ( 18 ) bahwa hanya jika H 0 benar (yaitu, j ¼ 0Þ akan kita miliki
VB ¼2 V ¼2
E dan E ð 21 Þ
aÀ1 ab À 1
Halaman 4
sehingga hanya dalam kasus seperti itu yang akan
ˆS 2 VB ˆS 2 ¼ V
dan ð 22 Þ
B¼ a À 1 ab À 1
memberikan estimasi 2 yang tidak bias . Jika H 0 tidak benar, maka dari persamaan ( 16 ) kita miliki
b
ˆS 2 2
À
j
Eð BÞ ¼ 2þ aÀ1Xj ð 23 Þ
DISTRIBUSI VARIASI
Menggunakan properti aditif chi-square, kita dapat membuktikan teorema dasar berikut
mengenai distribusi variasi VW , V B , dan V :
Teorema 1: V W = 2 adalah chi-square didistribusikan dengan ADB derajat À 1th kebebasan.
Teorema 2: Di bawah hipotesis nol H 0 , V B = 2 dan V = 2 didistribusikan secara chi-square

dengan degrees 1 dan ab À 1 derajat kebebasan, masing-masing.
Hal ini penting untuk menekankan bahwa Teorema 1 adalah valid atau tidaknya H 0 diasumsikan, sedangkan Teorema 2 adalah
hanya valid jika H 0 diasumsikan.
THE F UJI UNTUK NULL HIPOTESIS YANG SAMA SARANA
Jika hipotesis nol H 0 tidak benar (yaitu, jika rata-rata perlakuan tidak sama), kita melihat dari persamaan
( 23 ) yang dapat kita harapkan ˆS 2
B menjadi lebih besar dari 2 , dengan efeknya menjadi lebih jelas sebagai
perbedaan antara peningkatan berarti. Di sisi lain, dari persamaan ( 19 ) dan ( 20 ) dapat kita harapkan
ˆS 2
W menjadi sama dengan 2 terlepas dari apakah artinya sama. Ini mengikuti statistik yang baik untuk pengujian
hipotesis H 0 disediakan oleh ˆS 2
B = ˆS
W 2. Jika statistik ini sangat besar, kita dapat menyimpulkan bahwa ada a
perbedaan yang signifikan antara cara pengobatan dan dengan demikian dapat menolak H 0 ; kalau tidak, kita bisa
menerima H 0 atau cadangan keputusan, sambil menunggu analisis lebih lanjut.
Untuk menggunakan ˆS 2
B= ˆS
Secara
2 statistik, kita harus tahu distribusi samplingnya. Ini disediakan oleh
Teorema 3.
Teorema 3: Statistik F ¼ ˆS 2 B= ˆS
W 2memiliki distribusi F dengan À 1 dan aðb À 1Þ
derajat kebebasan.
Teorema 3 memungkinkan kita untuk menguji hipotesis nol pada tingkat signifikansi tertentu dengan menggunakan one-tailed
uji distribusi F (dibahas pada Bab 11).
ANALISA-OF-VARIANCE TABLES
Perhitungan yang diperlukan untuk pengujian di atas dirangkum dalam Tabel 16.2, yang disebut sebagai
tabel analisis-varian . Dalam prakteknya, kita akan menghitung V dan V B dengan menggunakan metode panjang
[persamaan ( 3 ) dan ( 8 )] atau metode singkat [persamaan ( 10 ) dan ( 11 )] dan kemudian dengan komputasi
V W ¼ V À V B . Perlu dicatat bahwa derajat kebebasan untuk variasi total (yaitu, ab À 1Þ
sama dengan jumlah derajat kebebasan untuk perawatan antara dan dalam perawatan
variasi.
Halaman 5
Tabel 16.2
Variasi Derajat kebebasan Square Berarti F
Antara perawatan,
VB ˆS 2
VB¼bXj ð ¯X j: À ¯XÞ 2 aÀ1 ˆS 2 B
B¼ a À 1 ˆS 2
W
Dalam perawatan,
VW dengan À 1 dan aðb À 1Þ
VW¼VÀVB aðb À 1Þ ˆS 2
W¼ aðb À 1Þ derajat kebebasan
Total,
V¼VBþVW ab À 1
¼X ðX jk À ¯XÞ 2
j; k
MODIFIKASI UNTUK JUMLAH PENGAMATAN YANG TIDAK SESUAI
Jika perawatan 1, ..., a memiliki jumlah pengamatan yang berbeda — sama dengan N 1 , ..., N a ,
masing-masing — hasil di atas mudah dimodifikasi, demikian kita dapatkan
2
T
V¼X ðX jk À ¯XÞ 2 ¼ X X2 ð 24 Þ
jk À
j; k j; k
N
T j:2 T2
VB¼X ð ¯X j: À ¯XÞ 2 ¼ X j N j ð ¯X j: À ¯XÞ 2 ¼ X j ð 25 Þ
j; k
NjÀ N
VW¼VÀVB ð 26 Þ
di mana P j; k menunjukkan penjumlahan atas k dari 1 ke Nj dan kemudian penjumlahan atas j dari 1 ke a .
Tabel 16.3 adalah tabel analisis varians untuk kasus ini.
Tabel 16.3
Antara perawatan
VB ˆSB 2
VB¼Xj N j ð ¯X j: À ¯XÞ 2 aÀ1 ˆS 2
B¼ ˆS 2
aÀ1 W
Dalam perawatan,
VW dengan À 1 dan N À a
VW¼VÀVB NÀa ˆS 2
W¼ derajat kebebasan
NÀa
Total,
V¼VBþVW NÀ1
j; k
KLASIFIKASI DUA-CARA, ATAU DUA PERCOBAAN FAKTOR
Ide-ide analisis varians untuk klasifikasi satu arah, atau eksperimen satu-faktor, bisa
digeneralisasi. Contoh 2 menggambarkan prosedur untuk klasifikasi dua arah , atau eksperimen dua faktor .
Halaman 6
CONTOH 2. Misalkan suatu percobaan pertanian terdiri dari memeriksa hasil per 4 hektar berbeda
varietas gandum, di mana masing-masing varietas ditanam di 5 bidang tanah yang berbeda. Dengan demikian total ð4Þð5Þ ¼ 20 plot
dibutuhkan. Dalam kasus seperti itu, mudah untuk menggabungkan plot menjadi blok , katakanlah 4 plot menjadi blok, dengan variasi yang berbeda
gandum yang ditanam di setiap plot dalam satu blok. Jadi 5 blok diperlukan di sini.
Dalam hal ini ada dua klasifikasi, atau faktor, karena mungkin ada perbedaan dalam hasil per acre karena (1)
jenis gandum tertentu yang ditanam atau (2) blok tertentu yang digunakan (yang mungkin melibatkan kesuburan tanah yang berbeda, dll.).
Dengan analogi dengan eksperimen pertanian pada Contoh 2, kita sering merujuk pada dua faktor dalam
sebuah eksperimen sebagai perawatan dan penghambat , tetapi tentu saja kita bisa menyebutnya sebagai faktor 1 dan
faktor 2.
PEMBERITAHUAN UNTUK PERCOBAAN DUA FAKTOR
Dengan asumsi bahwa kita memiliki sebuah perawatan dan b blok, kita membangun Tabel 16.4, di mana ia seharusnya bahwa
ada satu nilai eksperimental (seperti hasil per hektar) yang sesuai untuk setiap perlakuan dan blok. Untuk
pengobatan j dan blok k , kami menyatakan nilai ini dengan X jk . Mean dari entri di baris j dilambangkan dengan
X j :, di mana j ¼ 1, ..., a, sedangkan rata-rata entri dalam kolom k dilambangkan dengan ¯X : k , di mana
k ¼ 1, ..., b. Keseluruhan, atau grand, berarti dilambangkan dengan ¯X. Dalam simbol,
b Sebuah
1 1 1
¯X j: ¼ X jk ¯X : k ¼ X jk ¯X ¼ X jk ð 27 Þ
bX
k¼1
a Xj¼1 ab Xj; k
Tabel 16.4
Blok
1 2 ÁÁÁ b
Perawatan 1 X 11 X 12 ÁÁÁ X 1b ¯X 1:
Perawatan 2 X 21 X 22 ÁÁÁ X 2b ¯X 2:
.
.. .
.. .
.. .
.. .
.. ...
Perawatan a X a1 X a2 ÁÁÁ X ab ¯X a:
¯X : 1 ¯X : 2 ¯X : b
VARIASI UNTUK EKSPERIMEN DUA FAKTOR
Seperti dalam kasus percobaan satu faktor, kita dapat menentukan variasi untuk eksperimen dua faktor.
Pertama-tama kita mendefinisikan variasi total , seperti pada persamaan ( 3 ), menjadi
V¼X ðX jk À ¯XÞ 2 ð 28 Þ
j; k
Dengan menulis identitas
X jk À ¯X ¼ jX jk À ¯ j j: À ¯X : k þ ¯XÞþð ¯X j: À ¯XÞþð ¯X : k À ¯XÞ ð 29 Þ
dan kemudian mengkuadratkan dan menjumlahkan j dan k , kita dapat menunjukkan itu
V¼VEþVRþVC ð 30 Þ
Halaman 7
dimana V E ¼ variasi karena kesalahan atau kebetulan ¼ XðX jk À ¯X j: À ¯X : k þ ¯XÞ 2

j; k
Sebuah
V R ¼ variasi antara baris ðpengobatanÞ ¼ b X ð ¯X j: À ¯XÞ 2

j¼1
V C ¼ variasi antar kolom ðblokÞ ¼ a X ð ¯X : k À ¯XÞ 2

k¼1
Variasi karena kesalahan atau kebetulan juga dikenal sebagai variasi residu atau variasi acak .
Berikut ini, analog dengan persamaan ( 10 ), ( 11 ), dan ( 12 ), adalah rumus pintasan untuk perhitungan:
2
T
V ¼ X jk X2 ð 31 Þ
jk À
ab
Sebuah
1 T2
VR¼ T2 ð 32 Þ
j: À
b Xj¼1 ab
b
1 T2
VC¼ T2 ð 33 Þ
:kÀ
a Xk¼1 ab
VE¼VÀVRÀVC ð 34 Þ
di mana T j: adalah total entri di baris ke- j , T : k adalah total entri di kolom ke- k , dan T adalah
total semua entri.
ANALISIS VARIASI UNTUK PERCOBAAN DUA FAKTOR
Generalisasi model matematika untuk percobaan satu faktor yang diberikan oleh persamaan ( 15 )
membuat kita berasumsi untuk percobaan dua faktor itu
X jk ¼ þ j þ k þ " jk ð 35 Þ
di mana P j ¼ 0 dan P k ¼ 0. Di sini adalah mean populasi, j adalah bagian dari X jk karena
perawatan yang berbeda (kadang-kadang disebut efek perawatan ), k adalah bagian dari X jk karena berbeda
blok (kadang-kadang disebut efek blok ), dan " jk adalah bagian dari X jk karena kebetulan atau kesalahan. Seperti sebelumnya,
kita asumsikan bahwa " jk biasanya terdistribusi dengan rata-rata 0 dan varians 2 , sehingga X jk juga
terdistribusi normal dengan mean, dan varian 2 .
Sesuai dengan hasil ( 16 ), ( 17 ), dan ( 18 ), kita dapat membuktikan bahwa harapan variasi adalah
diberikan oleh
EðV E Þ¼ða À 1Þðb À 1Þ 2 ð 36 Þ
2 ð 37 Þ
EðV R Þ¼ða À 1Þ 2 þ b X j j
EðV C Þ¼ðb À 1Þ 2 þ a X k 2 k ð 38 Þ
2
EðVÞ¼ðab À 1Þ 2 þ b X j 2 k ð 39 Þ
jþ a Xk
Ada dua hipotesis nol yang ingin kami uji:
H ð1Þ
0 : Semua perawatan (baris) berarti sama; yaitu, j ¼ 0, dan j ¼ 1, ..., a.
H ð2Þ
0 : Semua blok (kolom) berarti sama; yaitu, k ¼ 0, dan k ¼ 1, ..., b.
Halaman 8
Kita melihat dari persamaan ( 38 ) bahwa, tanpa memperhatikan

0 H
atau
ð1Þ H ð2Þ
0 , perkiraan terbaik (tidak bias) dari 2 adalah
disediakan oleh
VE
Sˆ2 itu adalah; Eð Sˆ2 ð 40 Þ
E¼ ða À 1Þðb À 1Þ EÞ ¼2
Juga, jika hipotesis H ð1Þ 0 dan H ð2Þ

0 itu benar
VR VC V
Sˆ2 Sˆ2 Sˆ 2 ¼ ð 41 Þ
R¼ aÀ1 C¼ bÀ1 ab À 1
akan menjadi estimasi 2 yang tidak bias . Jika0 H ð1Þ

dan H ð2Þ
0
tidak benar, namun, kemudian dari persamaan ( 36 ) dan
( 37 ), masing-masing, kita miliki
b
Eð ˆS 2 2
j ð 42 Þ
RÞ ¼ 2þ
aÀ1Xj
Sebuah
Eð ˆS 2 2 k ð 43 Þ
CÞ ¼ 2þ
bÀ1Xk
Teorema berikut mirip dengan Teorema 1 dan 2:
Teorema 4: V E = 2 adalah chi-square yang didistribusikan dengan ða À 1Þðb À 1Þ derajat kebebasan,

tanpa memperhatikan 0H ð1Þ
atau H ð2Þ
0.
Teorema 5: Di bawah hipotesis H ð1Þ

0 , V R = 2 adalah chi-square yang didistribusikan dengan À 1
derajat kebebasan. Di bawah hipotesis H ð2Þ
0 , V C = 2 adalah chi-square yang terdistribusi
ð1Þ
b À 1 derajat kebebasan. Di bawah kedua hipotesis, H 0 dan H ð2Þ
0 , V = 2 adalah chi-square
didistribusikan dengan ab À 1 derajat kebebasan.
Untuk menguji hipotesis H ð1Þ

0 , wajar untuk mempertimbangkan statistik ˆSR 2= ˆSE karena
2 kita dapat melihat dari persamaan
( 42 ) bahwa ˆS 2
R diharapkan berbeda secara signifikan dari 2 jika rataan (perlakuan) berarti secara signifikan
berbeda. Demikian pula untuk menguji hipotesis H ð2ð E2
C = ˆS
0 , kami mempertimbangkan statistik E .2 Distribusi
ˆS 2 ˆS 2 R = ˆS
dan 2S 2
C = ˆS
E diberikan
2 dalam Teorema 6, yang analog dengan Teorema 3.
Teorema 6: Di bawah hipotesis H ð1Þ

0 , statistik ˆS 2 R = ˆS
E memiliki
2 distribusi
ð2Þ F dengan
a À 1 dan ða À 1Þðb À 1Þ derajat kebebasan. Di bawah hipotesis H
0 , statistik
Sˆ
2
C = ˆS
E memiliki
2 distribusi F dengan derajat kebebasan b À 1 dan ða À 1Þðb À 1Þ.
Teorema 6 memungkinkan kita untuk menerima
0
atau
atau
menolak
H
0
pada
ð2Þ Htingkat
ð1Þ signifikansi yang ditentukan. Untuk kenyamanan, sebagai
dalam kasus satu faktor, tabel analisis varian dapat dibangun seperti yang ditunjukkan pada Tabel 16.5.
PERCOBAAN DUA FAKTOR DENGAN REPLIKASI
Dalam Tabel 16.4 hanya ada satu entri yang sesuai dengan perlakuan yang diberikan dan blok yang diberikan. Lebih
informasi mengenai faktor-faktor seringkali dapat diperoleh dengan mengulangi percobaan, proses yang disebut
replikasi . Dalam kasus seperti itu akan ada lebih dari satu entri yang sesuai dengan perawatan yang diberikan dan yang diberikan
blok. Kami akan mengandaikan bahwa ada c entri untuk setiap posisi; perubahan yang tepat dapat dilakukan
ketika nomor replikasi tidak semuanya sama.
Karena replikasi, model yang sesuai harus digunakan untuk menggantikan yang diberikan oleh persamaan ( 35 ).
Kita gunakan
X jkl ¼ þ j þ k þ jk þ " jkl ð 44 Þ
di mana subskrip j , k , dan l dari X jkl berhubungan dengan baris ke- j (atau perlakuan), kolom ke- k (atau
blok), dan repetisi ke- l (atau replikasi), masing-masing. Dalam persamaan ( 44 ), j , dan k didefinisikan
Halaman 9
Tabel 16.5
Antara perawatan, ˆS 2
E
R = ˆS 2
VR
aÀ1 ˆS 2 dengan À 1 dan ða À 1Þðb À 1Þ
ð ¯X j: À ¯XÞ 2 R¼
VR¼bXj aÀ1
derajat kebebasan
Antar blok, ˆS 2 E
C = ˆS 2
VC
bÀ1 ˆS 2 dengan b À 1 dan ða À 1Þðb À 1Þ
V C X a X k ð ¯X : k À ¯XÞ 2 C¼
bÀ1
derajat kebebasan
Sisa atau acak, VE

ˆS 2
VE¼VÀVRÀVC ða À 1Þðb À 1Þ E¼ ða À 1Þðb À 1Þ
Total,
V¼VRþVCþVE
ab À 1
j; k
seperti sebelumnya; " jkl adalah istilah kesempatan atau kesalahan, sedangkan jk menunjukkan kolom baris (atau blok pengobatan)
efek interaksi , sering disebut interaksi . Kami memiliki batasan
Xj Xk Xj Xk
j ¼0 k ¼0 jk ¼0 jk ¼0 ð 45 Þ
dan X jkl diasumsikan terdistribusi normal dengan mean dan varian 2 .

Seperti sebelumnya, variasi total V dari semua data dapat dipecah menjadi variasi karena baris V R ,
kolom V C , interaksi V I , dan kesalahan acak atau residual V E :
V¼VRþVCþVIþVE ð 46 Þ
dimana V¼X DX jkl À xth 2 ð 47 Þ

j; k; l
Sebuah
V R ¼ bc X ð ¯X j :: À ¯XÞ 2 ð 48 Þ
j¼1
V C ¼ ac X ð ¯X : k: À ¯XÞ 2 ð 49 Þ
k¼1
VI¼cX ð ¯X jk: À ¯X j :: À ¯X : k: þ ¯XÞ 2 ð 50 Þ

j; k
VE¼X DX jkl x jk: Þ 2 ð 51 Þ

j; k; l
Dalam hasil ini, titik-titik dalam subskrip memiliki makna yang analog dengan yang diberikan sebelumnya; jadi, untuk
contoh,
¯X j :: ¼ 1 X jkl ¼
1 ¯ X jk: ð 52 Þ
bc Xk; l bXk
Nilai variasi yang diharapkan dapat ditemukan seperti sebelumnya. Menggunakan jumlah derajat yang sesuai
kebebasan untuk setiap sumber variasi, kita dapat mengatur tabel analisis-varians seperti yang ditunjukkan pada
Halaman 10
Tabel 16.6. The F rasio dalam kolom terakhir dari Tabel 16.6 dapat digunakan untuk menguji hipotesis nol:
H ð1Þ
0 : Semua perawatan (baris) berarti sama; yaitu, j ¼ 0.
H ð2Þ
0 : Semua blok (kolom) berarti sama; yaitu, k ¼ 0.
H ð3Þ
0 : Tidak ada interaksi antara perawatan dan blok; yaitu, jk ¼ 0.
Tabel 16.6
Antara perawatan, ˆS 2 E
R = ˆS 2
ˆS 2 VR
aÀ1 dengan À 1 dan abðc À 1Þ
VR R¼ a À 1
derajat kebebasan
Antar blok, ˆS 2
E
C = ˆS 2
ˆS 2 VC
bÀ1 dengan b À 1 dan abðc À 1Þ
VC C¼ bÀ1
derajat kebebasan
ˆS 2
1 = ˆS
E 2
Interaksi, VI
ða À 1Þðb À 1Þ ˆS 2 dengan ða À 1Þðb À 1Þ dan
Saya ¼ða À 1Þðb À 1Þ
VI
abðc À 1Þ derajat kebebasan
Sisa atau acak, VE

ˆS 2
VE abðc À 1Þ E¼
abðc À 1Þ
Total,
abc À 1
V
Dari sudut pandang praktis, pertama-tama kita harus memutuskan apakah H ð3Þ atau
0
tidak
dapat ditolak di
tingkat signifikansi yang sesuai dengan menggunakan rasio F ˆS 2
I = ˆS
E dari
2 Tabel 16.6. Dua kemungkinan kasus muncul:
1. H ð 3 Þ0 Tidak Dapat Ditolak. Dalam hal ini kita dapat menyimpulkan bahwa interaksinya tidak terlalu besar. Kita dapat
kemudian uji
0 H dan
ð1Þ H ð2Þ
0 dengan menggunakan rasio F ˆS 2
R = ˆS
E dan
2 ˆS 2C = ˆSE 2, masing-masing, seperti yang ditunjukkan pada Tabel 16.6.
Beberapa ahli statistik merekomendasikan untuk menggabungkan variasi dalam kasus ini dengan mengambil total V I þ V E dan
membaginya dengan total derajat kebebasan yang sesuai ða À 1Þðb À 1Þ þ abðc À 1Þ dan menggunakan ini
nilai untuk mengganti penyebut ˆS 2
E dalam uji F.
2. H ð 3 Þ0 Dapat Ditolak. Dalam hal ini kita dapat menyimpulkan bahwa interaksinya sangat besar.
Perbedaan faktor kemudian akan menjadi penting hanya jika mereka besar dibandingkan dengan interaksi seperti itu.
tindakan. Untuk alasan ini, banyak ahli statistik merekomendasikan 0
thath
andHð1Þ
ð2Þ diuji dengan menggunakan rasio F
0
ˆS 2
R = ˆS
I dan
2 2S 2C = ˆSSaya
2 daripada yang diberikan pada Tabel 16.6. Kami juga akan menggunakan prosedur alternatif ini.
Analisis varian dengan replikasi paling mudah dilakukan dengan terlebih dahulu menjumlahkan replikasi
nilai yang sesuai dengan perawatan tertentu (baris) dan blok (kolom). Ini menghasilkan dua faktor
tabel dengan entri tunggal, yang dapat dianalisis seperti pada Tabel 16.5. Prosedur ini diilustrasikan dalam
Masalah 16.16.
DESAIN EKSPERIMENTAL
Teknik-teknik analisis varians yang dibahas di atas digunakan setelah hasil dari suatu pengalaman.
telah diperoleh. Namun, untuk mendapatkan informasi sebanyak mungkin, desain sebuah
Halaman 11
Percobaan harus direncanakan dengan hati-hati sebelumnya; ini sering disebut sebagai desain percobaan .
Berikut ini adalah beberapa contoh penting dari desain eksperimental:
1. Pengacakan Lengkap. Misalkan kita memiliki eksperimen pertanian seperti pada Contoh 1. Untuk
merancang eksperimen semacam itu, kita dapat membagi tanah menjadi 4 4 ¼ 16 plot (ditunjukkan pada Gambar 16-1 oleh
kotak, meskipun secara fisik bentuk apa pun dapat digunakan) dan menetapkan setiap perawatan (ditunjukkan oleh A , B , C ,
dan D ) ke empat blok yang dipilih sepenuhnya secara acak. Tujuan dari pengacakan adalah untuk
menghilangkan berbagai sumber kesalahan, seperti kesuburan tanah.
Blok Perawatan
D SEBUAH
C C
saya C B SEBUAH
D
B D B SEBUAH
II SEBUAHB D C
D C B D
AKU AKU AKU

B C D SEBUAH
SEBUAHB C SEBUAH
IV SEBUAH
D C B
Gbr. 16-1 Pengacakan lengkap.
Gbr. 16-2 Blok acak.
Faktor 1 Bγ Aβ Dδ Cα
D B C SEBUAH
Aδ Bα Cγ Dβ
B D SEBUAH
C
Dα Cδ Bβ Aγ
Faktor 2
C SEBUAH
D B
Cβ Dγ Aα Bδ
SEBUAH
C B D
Gambar. 16-4 Kotak Graeco-Latin.
Gbr. 16-3 Kotak Latin.
2. Blok Acak. Ketika, seperti dalam Contoh 2, perlu memiliki serangkaian perawatan lengkap untuk
setiap blok, perawatan A , B , C , dan D diperkenalkan secara acak dalam setiap blok: I, II,
III, dan IV (yaitu, baris pada Gambar. 16-2), dan untuk alasan ini blok disebut sebagai acak
blok . Jenis desain ini digunakan ketika diinginkan untuk mengontrol satu sumber kesalahan atau variabilitas :
yaitu, perbedaan dalam blok.
3. Kotak Latin. Untuk beberapa tujuan perlu untuk mengendalikan dua sumber kesalahan atau variabilitas di
waktu yang sama, seperti perbedaan dalam baris dan perbedaan dalam kolom. Dalam percobaan
Contoh 1, misalnya, kesalahan dalam baris dan kolom yang berbeda bisa disebabkan oleh perubahan kesuburan tanah
di berbagai bagian tanah. Dalam hal demikian diinginkan bahwa setiap perlakuan terjadi satu kali dalam setiap baris
dan sekali di setiap kolom, seperti pada Gambar 16-3. Pengaturan ini disebut kotak Latin dari fakta itu
huruf Latin A , B , C , dan D digunakan.
4. Kotak Graeco-Latin. Jika perlu untuk mengendalikan tiga sumber kesalahan atau variabilitas , sebuah Graeco-Latin
kuadrat digunakan, seperti yang ditunjukkan pada Gambar. 16-4. Kotak seperti itu pada dasarnya adalah dua kotak Latin yang ditumpangkan
satu sama lain, dengan huruf Latin A , B , C , dan D digunakan untuk satu kotak dan huruf Yunani,,,
dan digunakan untuk alun-alun lainnya. Persyaratan tambahan yang harus dipenuhi adalah setiap huruf Latin
harus digunakan sekali dan hanya sekali dengan setiap huruf Yunani; ketika persyaratan ini dipenuhi, kuadratnya adalah
dikatakan orthogonal .
Halaman 12
Memecahkan Masalah
16.1 Buktikan bahwa V ¼ V W þ V B ; itu adalah,

X
ðX jk À ¯XÞ 2 ¼ X ðX jk À ¯X j: Þ 2 þ X ð ¯X j: À ¯XÞ 2
j; k j; k j; k
LARUTAN
Kita punya X jk À ¯X ¼ ðX jk À ¯X j: Þþð ¯X j: À ¯XÞ
Kemudian, mengkuadratkan dan menjumlahkan j dan k , kita dapatkan

X
ðX jk À ¯XÞ 2 ¼ X ðX jk À ¯X j: Þ 2 þ X ð ¯X j: À ¯XÞ 2 þ 2 X ðX jk À ¯X j: Þð ¯X j: À ¯XÞ
j; k j; k j; k j; k
Untuk membuktikan hasil yang diperlukan, kami harus menunjukkan bahwa penjumlahan terakhir adalah nol. Untuk melakukan ini, kami melanjutkan
sebagai berikut:
Sebuah " b #
X
ðX jk À ¯X j: Þð ¯X j: À ¯XÞ ¼ X ð ¯X j: À ¯XÞ X ðX jk À ¯X j: Þ
j; k j¼1 k¼1
Sebuah " #¼0

Xb
¼X ð ¯X j: À ¯XÞ X jk ! À b ¯X j:
j¼1 k¼1
b
1
sejak ¯X j: ¼ X jk
b Xk¼1
16.2 Pastikan bahwa ( a ) T ¼ ab ¯X, ( b ) T j: ¼ b ¯X j :, dan ( c ) P j T j: ¼ ab ¯X, menggunakan notasi pada halaman 362.
LARUTAN
1
(a) T¼X X jk ¼ ab X jk ! ¼ ab ¯X
j; k
ab Xj; k
1
(b) T j: ¼ X k X jk ¼ b X jk ! ¼ b ¯X j:
bXk
( c ) Karena T j: ¼ P k X jk , bagian ( a ) yang kita miliki
Xj Xk
T j: ¼ X j X jk ¼ T ¼ ab ¯X
16.3 Verifikasi rumus cara pintas ( 10 ), ( 11 ), dan ( 12 ) bab ini.
LARUTAN
Kita punya V¼X ðX jk À ¯XÞ 2 ¼ X ðX 2

jk À 2 ¯XX jk þ ¯X 2 Þ
j; k j; k
¼X X jk
2 X jk þ ab ¯X 2
À 2 ¯XX
j; k j; k
¼X X jk
2
À 2 ¯Xðab ¯XÞ þ ab ¯X 2
j; k
¼X X2
jk À ab ¯X 2
j; k
T2
¼X X jk
2
À ab
j; k
Halaman 13
menggunakan Soal 16.2 ( a ) pada baris ketiga dan terakhir di atas. Demikian pula,
VB¼X ð ¯X j: À ¯XÞ 2 ¼ X ð ¯X 2
j: À 2 ¯X ¯X j: þ ¯X 2 Þ
j; k j; k
¼X ¯X 2 ¯X j: þ ab ¯X 2
j: À 2 ¯XX
j; k j; k
2
T j: T j:
¼X À 2 ¯XX ab ¯X 2
j; k
b j; k
bþ
1
¼ T j:2 À 2 ¯Xðab ¯XÞ þ ab ¯X 2
b2Xa k¼1
j¼1 X b
Sebuah
1
¼ T j:2 À ab ¯X 2
b Xj¼1
Sebuah
1 T2
¼ T2
b Xj¼1 j: À ab
menggunakan Soal 16.2 ( b ) di baris ketiga dan Soal 16.2 ( a ) di baris terakhir. Akhirnya, persamaan ( 12 ) berikut
dari fakta bahwa V ¼ V W TH V B , atau V W ¼ V À V B .
16.4 Tabel 16.7 menunjukkan hasil dalam gantang per hektar dari varietas gandum tertentu yang ditanam secara khusus
ketik tanah diperlakukan dengan bahan kimia A , B , atau C . Temukan ( a ) hasil rata-rata untuk perlakuan berbeda
KASIH, ( b ) grand mean untuk semua perawatan, ( c ) variasi total, ( d ) variasi antara
perawatan, dan ( e ) variasi dalam perawatan. Gunakan metode yang panjang. ( f ) Berikan EXCEL
analisis untuk data yang ditunjukkan pada Tabel 16.7.
Tabel 16.7 Tabel 16.8
48
SEBUAH 49 50 49 3 4 5 4
B 47 49 48 48 2 4 3 3
C 49 51 50 50 4 6 5 5
LARUTAN
Untuk menyederhanakan aritmatika, kita dapat mengurangi beberapa angka yang sesuai, katakanlah 45, dari semua data tanpa
mempengaruhi nilai variasi. Kami kemudian mendapatkan data dari Tabel 16.8.
( A ) Perlakuan (baris) berarti untuk Tabel 16.8 diberikan, masing-masing, oleh
¯X 1: ¼ 1 ¯X 2: ¼ 1 ¯X 3: ¼ 1
4 ð3 þ 4 þ 5 þ 4Þ ¼ 4 4 ð2 þ 4 þ 3 þ 3Þ ¼ 3 4 ð4 þ 6 þ 5 þ 5Þ ¼ 5
Jadi hasil rata-rata, diperoleh dengan menambahkan 45 ini, adalah 49, 48, dan 50 gantang per hektar untuk A , B , dan
C , masing-masing.
( B ) Nilai tengah untuk semua perawatan adalah
¯X ¼ 1
12 ð3 þ 4 þ 5 þ 4 þ 2 þ 4 þ 3 þ 3 þ 4 þ 6 þ 5 þ 5Þ ¼ 4
Dengan demikian mean rata-rata untuk set data asli adalah 45 þ 4 ¼ 49 gantang per hektar.
( c ) Variasi totalnya adalah
V¼X ðX jk À XÞ 2 ¼ ð3 À 4Þ 2 þ ð4 À 4Þ 2 þ ð5 À 4Þ 2 þ ð4 À 4Þ 2 þ ð2 À 4Þ 2 þ ð4 À 4Þ 2
j; k
þ ð3 À 4Þ 2 þ ð3 À 4Þ 2 þ ð4 À 4Þ 2 þ ð6 À 4Þ 2 þ ð5 À 4Þ 2 þ ð5 À 4Þ 2 ¼ 14
Halaman 14
( D ) Variasi antara perawatan adalah
VB¼bXj ð ¯X j: À ¯XÞ 2 ¼ 4½ð4 À 4Þ 2 þ ð3 À 4Þ 2 þ ð5 À 4Þ 2 Š ¼ 8
( e ) Variasi dalam perawatan adalah
V W ¼ V À V B ¼ 14 À 8 ¼ 6
Metode lain
VW¼X ðX jk À X j: Þ 2 ¼ ð3 À 4Þ 2 þ ð4 À 4Þ 2 þ ð5 À 4Þ 2 þ ð4 À 4Þ 2 þ ð2 À 3Þ 2 þ ð4 À 3Þ 2
j; k
þ ð3 À 3Þ 2 þ ð3 À 3Þ 2 þ ð4 À 5Þ 2 þ ð6 À 5Þ 2 þ ð5 À 5Þ 2 þ ð5 À 5Þ 2 ¼ 6
Catatan : Tabel 16.9 adalah tabel analisis varians untuk Masalah 16.4, 16.5, dan 16.6.
Tabel 16.9
Variasi Tingkat Kebebasan Square Berarti F
Antara perawatan, ˆSB 2 4

8 6
VB¼8 aÀ1¼2 ˆS 2 4 ˆS 2
B¼ 2 ¼ 2=3¼
W¼
Dalam perawatan,
ˆS 2 6 2 dengan 2 dan 9
VW¼VÀVB aðb À 1Þ¼ð3Þð3Þ ¼ 9
W¼ 9¼ 3 derajat kebebasan
¼ 14 À 8 ¼ 6
Total, ab À 1 ¼ ð3Þð4Þ À 1
V ¼ 14 ¼ 11
( F ) The EXCEL pull-down Alat ! Analisis data ! Anova faktor tunggal memberikan analisis di bawah ini.
Nilai- p memberitahu kita bahwa cara untuk ketiga varietas berbeda pada ¼ 0:05.
SEBUAH B C
48 47 49
49 49 51
50 48 50
49 48 50
Anova: Faktor Tunggal
RINGKASAN
Jumlah Grup Jumlah Rata-rata Perbedaan
SEBUAH 4 196 49 0.666667

B 4 192 48 0.666667
C 4 200 50 0.666667
ANOVA
Sumber dari
Variasi SS df NONA F Nilai-P
Antar Grup 8 2 4 6 0,022085

Di dalam Grup 6 9 0.666667
Total 14 11
Halaman 15
Gambar 16-5 menunjukkan MINITAB dot plot untuk hasil dari tiga varietas gandum. Gambar 16-6
menunjukkan plot kotak MINITAB untuk hasil dari tiga varietas gandum. Analisis EXCEL dan
MINITAB plot memberitahu kita bahwa berbagai C secara signifikan keluar hasil berbagai B .
Dotpot hasil vs pengobatan
SEBUAH
B
Pengobatan
C
47 48 49 50 51
Hasil
Gbr. 16-5 Titik plot MINITAB untuk hasil dari ketiga varietas gandum.
Boxplot hasil vs varietas
51
50
49
Menghasilkan
48
47
SEBUAH B C
Variasi
Gbr. 16-6 Plot kotak MINITAB untuk hasil tiga varietas gandum.
16.5 Mengacu pada Soal 16.4, temukan estimasi yang tidak bias dari varians populasi 2 dari ( a ) the
variasi antara perawatan di bawah hipotesis nol berarti perlakuan yang sama dan ( b )
variasi dalam perawatan. ( c ) Lihat output MINITAB yang diberikan dalam solusi untuk Masalah
16.4 dan temukan estimasi varians yang dihitung dalam bagian ( a ) dan ( b ).
LARUTAN
VB 8
(a) ˆS 2 ¼ ¼4
B¼ 3À1
aÀ1
VW 6 2
(b) ˆS 2 ¼ ¼
W¼ 3ð4 À 1Þ 3
aðb À 1Þ
( c ) Estimasi varians ˆS 2
B adalah sama dengan kuadrat Factor pada output MINITAB. Itu adalah
Faktor MS ¼ 4: 000 sama dengan ˆS 2
B.
Estimasi varians ˆS 2
W sama dengan kotak Mean error dalam output MINITAB. Itu adalah
Kesalahan MS ¼ 4: 000 sama dengan ˆS 2
W.
16.6 Mengacu pada Soal 16.4, dapatkah kita menolak hipotesis nol dari sarana yang sama pada tingkat signifikansi
dari ( a ) 0,05 dan ( b ) 0,01? ( c ) Rujuk ke keluaran MINITAB yang diberikan dalam solusi untuk Masalah 16.4
untuk menguji hipotesis nol dengan cara yang sama.
Halaman 16
LARUTAN
ˆS 2 4
B
Kita punya F¼ 6
ˆS 2 2=3¼
W¼
dengan À 1 ¼ 3 À 1 ¼ 2 derajat kebebasan dan aðb À 1Þ ¼ 3ð4 À 1Þ ¼ 9 derajat kebebasan.
( a ) Mengacu pada Lampiran V, dengan 1 ¼ 2 dan 2 ¼ 9, kita melihat bahwa F : 95 95 4:26. Karena F ¼ 6> F : 95 , kita bisa
menolak hipotesis nol dari mean yang sama pada tingkat 0,05.
( b ) Mengacu pada Lampiran VI, dengan 1 ¼ 2 dan 2 2 9, kita melihat bahwa F : 99 ¼ 8:02. Sejak F ¼ 6 <F : 99 , kami
tidak dapat menolak hipotesis nol dari sarana yang sama pada tingkat 0,01.
( c ) Dengan merujuk pada keluaran MINITAB yang ditemukan pada Soal 16.4, kami menemukan bahwa nilai F yang dihitung adalah
6,00 dan p -value sama dengan 0,022. Dengan demikian tingkat signifikansi pre-set terkecil di mana nol
hipotesis yang akan ditolak adalah 0,022. Oleh karena itu, hipotesis nol akan ditolak pada 0,05, tetapi tidak
pada 0,01.
16.7 Gunakan rumus cara pintas ( 10 ), ( 11 ), dan ( 12 ) untuk mendapatkan hasil dari Soal 16.4. Tambahan,
gunakan MINITAB pada data, dari yang 45 telah dikurangi dari setiap nilai, untuk mendapatkan
analisis-varian-tabel.
LARUTAN
Lebih mudah mengatur data seperti pada Tabel 16.10.
Tabel 16.10
T jÁ T j2Á
SEBUAH
3454 16 256
B 2433 12 144
C 4655 20 400
X Xj
X jk
2
¼ 206 T¼Xj T j Á ¼ 48 T j2Á ¼ 800
j; k
( a ) Menggunakan rumus ( 10 ), kita miliki
X
X jk
2
¼ 9 þ 16 þ 25 þ 16 þ 4 þ 16 þ 9 þ 9 þ 16 þ 36 þ 25 þ 25 þ 25 ¼ 206
j; k
dan T ¼ 3 þ 4 þ 5 þ 4 þ 2 þ 4 þ 3 þ 3 þ 4 þ 6 þ 5 þ 5 þ 5 ¼ 48
T2 ð48Þ 2
Jadi V¼X X2 ¼ 206 À 192 ¼ 14
jk À ab ¼206 À ð3Þð4Þ
j; k
( B ) Total baris adalah
T 1: ¼ 3 þ 4 þ 5 þ 4 ¼ 16 T 2: ¼ 2 þ 4 þ 3 þ 3 ¼ 12 T 3: ¼ 4 þ 6 þ 5 þ 5 ¼ 20
dan T ¼ 16 þ 12 þ 20 ¼ 48
Jadi, menggunakan rumus ( 11 ), kita punya
1 T2 1 ð48Þ 2
VB¼ T2 2þ 12 2 þ 20 2 Þ À ¼ 200 À 192 ¼ 8
bXj j: À ab ¼ 4 ð16 ð3Þð4Þ
( c ) Menggunakan rumus ( 12 ), kita miliki
V W ¼ V À V B ¼ 14 À 8 ¼ 6
Halaman 17
Hasilnya setuju dengan yang diperoleh dalam Soal 16.4, dan dari titik ini analisis dilanjutkan sebagai
sebelum.
Stat pull-down MINITAB ! Anova ! Oneway memberikan output berikut. Perhatikan perbedaan dalam
terminologi yang digunakan. Variasi dalam perawatan disebut Within Groups dalam output EXCEL dan
Kesalahan dalam
output MINITAB. Variasi antara perawatan disebut Antara Kelompok dalam
Output EXCEL dan Faktor dalam output MINITAB. Anda harus terbiasa dengan terminologi yang berbeda
digunakan oleh berbagai paket perangkat lunak.
ANOVA satu arah: A, B, C
Sumber DF SS NONA F P
Faktor 2 8.000 4.000 6,00 0,022
Kesalahan 9 6,00 0,667
Total 11 14.000
S = 0,8165 R-Sq = 57,14% R-Sq (adj) = 47,62%
16.8 Sebuah perusahaan ingin membeli salah satu dari lima mesin yang berbeda: A , B , C , D , atau E . Dalam percobaan
dirancang untuk menguji apakah ada perbedaan dalam kinerja mesin, masing-masing dari lima pengalaman
Operator enced bekerja pada setiap mesin untuk waktu yang sama. Tabel 16.11 menunjukkan angka
unit yang diproduksi per mesin. Uji hipotesis bahwa tidak ada perbedaan antara mesin
pada tingkat signifikansi ( a ) 0,05 dan ( b ) 0,01. ( c ) Berikan solusi STATISTIX untuk masalah dan
uji hipotesis bahwa tidak ada perbedaan antara mesin menggunakan pendekatan p -value.
Gunakan ¼ 0:05.
SEBUAH
68 72 77 42 53 T jÁ T j2Á
B 72 53 63 53 48 SEBUAH 8 12 17 À18 À7 12 144
C 60 82 64 75 72 B 12 À7 3 À7 À12 À11 121
D 48 61 57 64 50 C 0 22 4 15 12 53 2809
E 64 65 70 68 53 D À12 1 À3 4 À10 À20 400
E 4 5 10 8 À7 20 400
PX 2 54 3874
jk ¼ 2658
LARUTAN
Kurangi angka yang sesuai, katakan 60, dari semua data untuk mendapatkan Tabel 16.12. Kemudian
ð54Þ 2
V ¼ 2658 À ¼ 2658 À 116: 64 ¼ 2541: 36
ð5Þð5Þ
3874 ð54Þ 2
dan VB¼ ¼ 774: 8 À 116: 64 ¼ 658: 16
5À ð5Þð4Þ
Kami sekarang membentuk Tabel 16.13. Untuk 4 dan 20 derajat kebebasan, kita memiliki F 0,95 ¼ 2,87. Jadi kita tidak bisa menolak
hipotesis nol pada level 0,05 dan karenanya tentu saja tidak dapat menolaknya pada level 0,01.
Statistik pull-down STATISTIX ! Satu, dua, tes multi-sampel ! Anova satu arah memberikan
berikut output.
Halaman 18
Statistix 8.
One-Way AOV untuk: ABCDE
Antara 4 658.16 164.540 1.75 0,1792
Dalam 20 1883.20 94.160
Total 24 2541.36
Grand Mean 62.160 CV 15.61
Variabel Berarti
SEBUAH 62.400
B 57.800
C 70.600
D 56.000
E 64.000
Nilai p adalah 0,1792. Tidak ada perbedaan berarti dalam populasi.
Tabel 16.13
Variasi Derajat kebebasan Berarti persegi F
Antara perawatan
V B ¼ 658: 2 aÀ1¼4 ˆS 2 658: 2 164: 5 F¼
164: 55
1:75
B¼ 4¼ 94:16 ¼
Dalam perawatan
1883: 2
V W ¼ 1883: 2 aðb À 1Þ¼ð5Þð4Þ ¼ 20ˆS 2 94:16
W¼ 20 ¼
Total ab À 1 ¼ 24
V ¼ 2514: 4
16.9 Tabel 16.14 menunjukkan masa hidup dalam jam sampel dari tiga jenis tabung televisi
diproduksi oleh perusahaan. Dengan menggunakan metode yang panjang, tentukan apakah ada perbedaan
antara ketiga jenis pada tingkat signifikansi ( a ) 0,05 dan ( b ) 0,01.
Tabel 16.14
Contoh 1 407 411 409
Contoh 2 404 406 408 405 402
Contoh 3 410 408 406 408
LARUTAN
Lebih mudah untuk mengurangi angka yang sesuai dari data, misalnya 400, mendapatkan Tabel 16.15. Meja ini
menunjukkan total baris, mean sampel (atau grup), dan mean grand. Demikianlah yang kita miliki
Halaman 19
V¼X ðX jk À ¯XÞ 2 ¼ ð7 À 7Þ 2 þ ð11 À 7Þ 2 þÁÁÁþð8 À 7Þ 2 ¼ 72

j; k
VB¼X ð ¯Xj: À ¯XÞ 2 ¼ X j N j ð ¯X j: À ¯XÞ 2 ¼ 3ð9 À 7Þ 2 þ 5ð7 À 5Þ 2 þ 4ð8 À 7Þ 2 ¼ 36

j; k
V W ¼ V À V B ¼ 72 À 36 ¼ 36
Kita juga dapat memperoleh VW secara langsung dengan mengamati bahwa itu sama dengan
ð7 À 9Þ 2 þ ð11 À 9Þ 2 þ ð9 À 9Þ 2 þ ð4 À 5Þ 2 þ ð6 À 5Þ 2 þ ð8 À 5Þ 2 þ ð5 À 5Þ 2
þ ð2 À 5Þ 2 þ ð10 À 8Þ 2 þ ð8 À 8Þ 2 þ ð6 À 8Þ 2 þ ð8 À 8Þ 2
Tabel 16.15
Total Berarti
Contoh 1 7 11 9 27 9
Contoh 2 4 6 8 5 2 25 5
Contoh 3 10 8 6 8 32 8
¯X ¼ grand mean ¼ 84
12 ¼ 7
Data dapat diringkas seperti pada Tabel 16.16, tabel analisis-varians. Sekarang untuk 2 dan 9 derajat
kebebasan, kita temukan dari Appendix V bahwa F : 95 ¼ 4:26 dan dari Appendix VI bahwa F : 99 ¼ 8:02. Jadi kita bisa
tolak hipotesis dengan mean yang sama (yaitu, tidak ada perbedaan antara ketiga jenis tabung) pada tingkat 0,05 tetapi
tidak pada level 0,01.
Tabel 16.16
Variasi Tingkat Kebebasan Square Berarti F
36
V B ¼ 36 aÀ1¼2 ˆS 2 18 ˆSB 2
B¼ 18
2¼
ˆS 2 4
W¼
36
V W ¼ 36 NÀa¼9 ˆS 2 4 ¼ 4: 5
W¼ 9¼
16.10 Kerjakan Masalah 16.9 dengan menggunakan rumus cara pintas yang termasuk dalam persamaan ( 24 ), ( 25 ), dan ( 26 ).
Selain itu, berikan solusi SAS untuk masalah tersebut.
LARUTAN
Dari Tabel 16.15 kita memiliki N 1 ¼ 3, N 2 ¼ 5, N 3 ¼ 4, N ¼ 12, T 1: ¼ 27, T 2: ¼ 25, T 3: ¼ 32, dan T ¼ 84.
Demikianlah yang kita miliki
T2 ð84Þ 2
V¼X X Jk2 À 7 2 þ 11 2 þÁÁÁþ 6 2 þ 8 2 À 72
j; k
N¼ 12 ¼
T j:2 T2 ð27Þ 2 ð25Þ 2 ð32Þ 2 ð84Þ 2

VB¼Xj 36
NjÀ N¼ 3þ 5þ 4À 12 ¼
V W ¼ V À V B ¼ 36
Dengan menggunakan ini, analisis varian kemudian dilanjutkan seperti pada Soal 16.9.
Halaman 20
Statistik pull-down SAS ! ANOVA ! Oneway ANOVA memberikan output berikut.
Prosedur ANOVA
Informasi Tingkat Kelas
Kelas Tingkat Nilai-nilai
Sampel_ 3 123
Jumlah Pengamatan Baca 12

Jumlah Pengamatan Yang Digunakan 12
Prosedur ANOVA
Variabel dependen: seumur hidup
Sumber DF Jumlah Kuadrat Square Berarti Nilai f Pr> F

Model 2 36.00000000 18.00000000 4,50 0,0442
Kesalahan 9 36.00000000 4.00000000
Total yang dikoreksi 11 72.00000000
R-Square coeff Var Root MSE Mean seumur hidup

0,500000 0,491400 2.000000 407.0000
Sumber DF Anova SS Square Berarti Nilai F Pr> F

Sampel_ 2 36.00000000 18.00000000 4,50 0,0442
Perhatikan bahwa SAS memanggil variasi antara model perawatan dan variasi dalam perawatan yang disebutnya
kesalahan .
Statistik uji disebut nilai F dan sama dengan 4,50. Nilai- p diwakili Pr > F dan ini
sama dengan 0,0442. Pada ¼ 0:05 masa hidup akan dinyatakan tidak setara.
16.11 Tabel 16.17 menunjukkan hasil per hektar dari empat tanaman tanaman berbeda yang ditanam pada banyak yang diolah dengan tiga
berbagai jenis pupuk. Dengan menggunakan metode panjang, tentukan pada tingkat signifikansi 0,01
apakah ada perbedaan dalam hasil per hektar ( a ) karena pupuk dan ( b ) karena tanaman.
( c ) Berikan solusi MINITAB untuk percobaan dua faktor ini.
LARUTAN
Hitung total baris, berarti baris, total kolom, berarti kolom, total keseluruhan, dan
grand mean, seperti yang ditunjukkan pada Tabel 16.18. Dari tabel ini kita memperoleh:
Variasi mean baris dari grand mean adalah
V R ¼ 4½ð6: 2 À 6: 8Þ 2 þ ð8: 3 À 6: 8Þ 2 þ ð5: 9 À 6: 8Þ 2 Š ¼ 13:68
Variasi mean kolom dari grand mean adalah
V C ¼ 3½ð6: 4 À 6: 8Þ 2 þ ð7: 0 À 6: 8Þ 2 þ ð7: 5 À 6: 8Þ 2 þ ð6: 3 À 6: 8Þ 2 Š ¼ 2:82
Tabel 16.17
Pangkas I Pangkas II Tanaman III Pangkas IV
Pupuk A 4.5 6.4 7.2 6.7
Pupuk B 8.8 7.8 9.6 7.0
Pupuk C 5.9 6.8 5.7 5.2
Halaman 21
Tabel 16.18
Baris Baris
Pangkas I Pangkas II Tanaman III Pangkas IV Total Berarti
Pupuk A 4.5 6.4 7.2 6.7 24.8 6.2
Pupuk B 8.8 7.8 9.6 7.0 33.2 8.3
Pupuk C 5.9 6.8 5.7 5.2 23.6 5.9
Total kolom 19.2 21.0 22.5 18.9 Total keseluruhan ¼ 81,6
Berarti kolom 6.4 7.0 7.5 6.3 Rata-rata besar ¼ 6.8
Variasi totalnya adalah
V ¼ ð4: 5 À 6: 8Þ 2 þ ð6: 4 À 6: 8Þ 2 þ ð7: 2 À 6: 8Þ 2 þ ð6: 7 À 6: 8Þ 2
þ ð8: 8 À 6: 8Þ 2 þ ð7: 8 À 6: 8Þ 2 þ ð9: 6 À 6: 8Þ 2 þ ð7: 0 À 6: 8Þ 2
þ ð5: 9 À 6: 8Þ 2 þ ð6: 8 À 6: 8Þ 2 þ ð5: 7 À 6: 8Þ 2 þ ð5: 2 À 6: 8Þ 2 ¼ 23:08
Variasi acak adalah
V E ¼ V À V R À V C ¼ 6:58
Ini mengarah pada analisis varian pada Tabel 16.19.
Tabel 16.19
Derajat
Variasi Kebebasan Square Berarti F
ˆS 2
R = ˆS
E¼2 6:24
V R ¼ 13:68 2 ˆS 2 dengan 2 dan 6
R ¼ 6:84
derajat kebebasan
ˆS 2
C = ˆS
E¼2 0:86
V C ¼ 2:82 3 ˆS 2 dengan 3 dan 6
C ¼ 0:94
derajat kebebasan
V E ¼ 6:58 6 ˆS 2
E ¼ 1: 097
V ¼ 23:08 11
Pada tingkat signifikansi 0,05 dengan kebebasan 2 dan 6 derajat, F : 95 ¼ 5:14. Lalu, sejak 6:24> 5:14, kita
dapat menolak hipotesis bahwa mean baris sama dan menyimpulkan bahwa pada level 0,05 ada signifikan
perbedaan hasil karena pupuk.
Karena nilai F yang sesuai dengan perbedaan dalam rata-rata kolom kurang dari 1, kita dapat menyimpulkan itu
tidak ada perbedaan yang signifikan dalam hasil karena tanaman.
( C ) Struktur data untuk lembar kerja MINITAB diberikan pertama, diikuti oleh analisis MINITAB dari
percobaan dua faktor.
Halaman 22
Baris Tanaman Pupuk Menghasilkan
1 1 1 4.5
2 1 2 8.8
3 1 3 5.9
4 2 1 6.4
5 2 2 7.8
6 2 3 6.8
7 3 1 7.2
8 3 2 9.6
9 3 3 5.7
10 4 1 6.7
11 4 2 7.0
12 4 3 5.2
MTB> Twoway 'Yield' 'Crop' 'Fertilizer';

SUBC> Berarti 'Pangkas' 'Pupuk'.
Analisis Varian Dua Arah
Analisis Varians untuk Hasil

Tanaman 3 2.82 0,94 0,86 0,512
Fertiliz 2 13.68 6.84 6.24 0,034
Kesalahan 6 6.58 1.10
Total 11 23.08
Individu 95% CI
Tanaman Berarti - - þ --------- þ --------- þ --------- þ ---------
1 6.40 (- - - - - - - - - - - - - - * - - - - - - - - - - -)
2 7.00 (- - - - - - - - - - - - - - * - - - - - - - - - - -)
3 7,50 (- - - - - - - - - - - - - - * - - - - - - - - - - -)
4 6.30 (- - - - - - - - - - - - - - * - - - - - - - - - - -)
- - þ --------- þ --------- þ --------- þ ---------
5.00 6,00 7.00 8.00
Individu 95% CI
Fertiliz Berarti - - þ --------- þ --------- þ --------- þ ---------
1 6.20 (- - - - - - - - - - * - - - - - - - -)
2 8.30 (- - - - - - - - - - * - - - - - - - - -)
3 5.90 (- - - - - - - - - - * - - - - - - - - -)
- - þ --------- þ --------- þ --------- þ ---------
4.80 6,00 7.20 8.40
Struktur data dalam lembar kerja harus sesuai persis dengan data seperti yang diberikan pada Tabel 16.17. Itu
baris pertama, 1 1 4.5 , berkorespondensi dengan Crop 1, Pupuk 1, dan Yield 4.5, baris kedua, 1 2 8.8 , berkorespondensi
untuk Pangkas 1, Pupuk 2, dan Yield 8.8, dll. Kesalahan yang sering terjadi dalam menggunakan perangkat lunak statistik adalah dengan mengatur
struktur data di lembar kerja salah. Pastikan bahwa data diberikan dalam tabel seperti Tabel
16.17 dan struktur data dalam lembar kerja sesuai dengan cara satu-ke-satu. Perhatikan bahwa dua arah
analisis tabel varians yang diberikan dalam output MINITAB berisi informasi yang sama yang diberikan pada Tabel 16.19.
Nilai p yang diberikan dalam output MINITAB memungkinkan peneliti untuk menguji hipotesis yang menarik tanpa
tabel konsultasi dari distribusi F untuk menemukan nilai kritis. Nilai p untuk tanaman adalah 0,512. Ini adalah
tingkat signifikansi minimum di mana kita dapat menolak perbedaan hasil rata-rata untuk tanaman. Hasil rata-rata
untuk empat tanaman secara statistik tidak signifikan pada 0,05 atau 0,01. Nilai p untuk pupuk adalah 0,034. Ini memberitahu
kami bahwa hasil rata-rata untuk ketiga pupuk secara statistik berbeda pada 0,05 tetapi tidak berbeda secara statistik
pada 0,01.
Interval kepercayaan untuk sarana dari empat tanaman yang ditunjukkan dalam output MINITAB diperkuat
kesimpulan kami tentang tidak ada perbedaan dalam hasil rata-rata untuk empat tanaman yang berbeda. Interval kepercayaan untuk
ketiga pupuk tersebut menunjukkan bahwa ada kemungkinan bahwa Pupuk B menghasilkan hasil rata-rata yang lebih tinggi daripada keduanya
Pupuk A atau C .
Halaman 23
16.12 Gunakan rumus komputasi pendek untuk mendapatkan hasil dari Masalah 16.11.
Selain itu, berikan solusi SPSS untuk Masalah 16.11.
LARUTAN
Dari Tabel 16.18 yang kita miliki
X
X2
jk ¼ ð4: 5Þ 2 þ ð6: 4Þ 2 þÁÁÁþð5: 2Þ 2 ¼ 577: 96
j; k
T ¼ 24: 8 þ 33: 2 þ 23: 6 ¼ 81: 6

XT 2
j: ¼ ð24: 8Þ 2 þ ð33: 2Þ 2 þ ð23: 6Þ 2 ¼ 2274: 24
XT 2 :k¼ ð19: 2Þ 2 þ ð21: 0Þ 2 þ ð22: 5Þ 2 þ ð18: 9Þ 2 ¼ 1673: 10
T2
Kemudian V¼X X jk2 À
j; k
ab ¼577: 96 À 554: 88 ¼ 23:08
1 T2 1
VR¼ T j:2 À
bX ab ¼ 4 ð2274: 24Þ À554: 88 ¼ 13:68
1 T2 1
VC¼ T2
:kÀ
aX ab ¼ 3 ð1673: 10Þ À554: 88 ¼ 2:82
V E ¼ V À V R À V C ¼ 23:08 À 13:68 À 2:82 ¼ 6:58
dalam perjanjian dengan Soal 16.11.

SPSS pull-down Analyze ! Model Linier Umum ! Univariat memberikan output berikut.
Tes Efek Antara-Subjek
Variabel Dependen: Hasil
Tipe 1 Jumlah
Sumber kotak df Square Berarti F Sig.
Model yang diperbaiki 16.500 a 5 3.300 3,009 .106

Mencegat 554.880 1 554.880 505.970 .000
Tanaman 2.820 3 0,940 0,857 0,512
Fert 13.680 2 6.840 6.237 0,034
Kesalahan 6.580 6 1.097
Total 577.960 12
Total yang dikoreksi 23.080 11
a R Squared ¼ .715 (Adjusted R Squared ¼ .477)
Perhatikan bahwa statistik uji diberikan oleh F dan untuk tanaman nilai F adalah 0,857 dengan yang sesuai
p -nilai 0,512. Nilai F untuk pupuk adalah 6,237 dengan nilai p -sesuai 0,034. Nilai-nilai ini
sesuai dengan nilai-nilai pada Tabel 16.19 serta output MINITAB dalam Soal 16.11.
16.13 Pabrikan ingin menentukan keefektifan dari empat jenis mesin ( A , B , C , dan D )
dalam produksi baut. Untuk mencapai ini, jumlah baut cacat diproduksi oleh masing-masing
mesin pada hari-hari tertentu diperoleh untuk masing-masing dari dua shift; hasilnya ditunjukkan pada
Tabel 16.20. Lakukan analisis varian untuk menentukan pada tingkat signifikansi 0,05 apakah
Halaman 24
ini adalah perbedaan ( a ) antara mesin dan ( b ) antara shift. ( c ) Gunakan MINITAB untuk
melakukan analisis varian dan uji untuk perbedaan antara mesin dan perbedaan
antar shift menggunakan pendekatan p -value.
Tabel 16.20
Giliran pertama Giliran kedua
Mesin Senin Sel Mengawinkan.

Kam Jumat Senin Sel Mengawinkan.
Kam Jumat
SEBUAH 6 4 5 5 4 5 7 4 6 8
B 10 8 7 7 9 7 9 12 8 8
C 7 5 6 5 9 9 7 5 4 6
D 8 4 6 5 5 5 7 9 7 10
LARUTAN
Data dapat disusun secara ekivalen seperti pada Tabel 16.21. Dalam tabel ini dua faktor utamanya adalah
ditunjukkan: mesin dan shift. Perhatikan bahwa dua shift telah ditunjukkan untuk setiap mesin. Itu
hari dalam seminggu dapat dianggap sebagai ulangan (atau pengulangan) kinerja untuk setiap mesin
dua shift. Variasi total untuk semua data pada Tabel 16.21 adalah
ð268Þ 2
V ¼ 6 2 þ 4 2 þ 5 2 þÁÁÁþ 7 2 þ 10 2 À
40 ¼1946 À 1795: 6 ¼ 150: 4
Tabel 16.21
Replika
Faktor I: Faktor II:
Mesin Bergeser Senin Sel Mengawinkan.
Kam Jumat Total
&1 6 4 5 5 4 24
SEBUAH
2 5 7 4 6 8 30
&1 10 8 7 7 9 41
B
2 7 9 12 8 8 44
&1 7 5 6 5 9 32
C
2 9 7 5 4 6 31
&1 8 4 6 5 5 28
D
2 5 7 9 7 10 38
Total 57 51 54 47 59 268
Untuk mempertimbangkan dua faktor utama (mesin dan shift), kami membatasi total perhatian kami
nilai replikasi yang sesuai dengan setiap kombinasi faktor. Ini diatur dalam Tabel 16.22, yang
dengan demikian tabel dua faktor dengan entri tunggal. Variasi total untuk Tabel 16.22, yang akan kita sebut
variasi subtotal V S , diberikan oleh
ð24Þ 2 ð41Þ 2 ð32Þ 2 ð28Þ 2 ð30Þ 2 ð44Þ 2 ð31Þ 2 ð38Þ 2 ð268Þ 2

VS¼
5þ 5þ 5þ 5þ 5þ 5þ 5þ 5À 40
¼ 1861: 2 À 1795: 6 ¼ 65: 6
Halaman 25
Variasi antara baris diberikan oleh
ð54Þ 2 ð85Þ 2 ð63Þ 2 ð66Þ 2 ð268Þ 2

VR¼
10 þ 10 þ 10 þ 10 À 40 ¼1846: 6 À 1795: 6 ¼ 51: 0
Tabel 16.22
Mesin Giliran pertama Giliran kedua Total
SEBUAH 24 30 54
B 41 44 85
C 32 31 63
D 28 38 66
Total 125 143 268
Variasi antar kolom diberikan oleh
ð125Þ 2 ð143Þ 2 ð268Þ 2

VC¼
20 þ 20 À 40 ¼1803: 7 À 1795: 6 ¼ 8: 1
Jika sekarang kita kurangi dari variasi subtotal V S jumlah variasi antara baris dan kolom
ðV R þ V C Þ, kami memperoleh variasi karena interaksi antara baris dan kolom. Ini diberikan oleh
V I ¼ V S À V R À V C ¼ 65: 6 À 51: 0 À 8: 1 ¼ 6: 5
Akhirnya, variasi residu, yang dapat kita anggap sebagai variasi acak atau kesalahan V E (asalkan kita
percaya bahwa berbagai hari dalam seminggu tidak memberikan perbedaan penting), ditemukan dengan mengurangi
variasi subtotal (yaitu jumlah variasi baris, kolom, dan interaksi) dari total variasi
V . Ini menghasilkan
V E ¼ V À ðV R þ V C þ V I Þ ¼ V À V S ¼ 150: 4 À 65: 6 ¼ 84: 8
Variasi ini ditunjukkan pada Tabel 16.23, analisis varians. Tabel juga memberikan nomor
derajat kebebasan sesuai dengan setiap jenis variasi. Jadi, karena ada empat baris pada Tabel 16.22,
Tabel 16.23
Derajat
Baris "mesin", 17: 0

3 ˆS 2 6:42
V R ¼ 51: 0 R ¼ 17: 0 2:65 ¼
Kolom ðshiftsÞ, 8: 1
1 ˆS 2 3:06
C ¼ 8: 1 2:65 ¼
V C ¼ 8: 1
Interaksi, 2: 167
3 ˆS 2 0: 817
Saya ¼ 2: 167 2:65 ¼
V I ¼ 6: 5
Subtotal,
7
V S ¼ 65: 6
Acak atau sisa,

32 ˆS 2
E ¼ 2:65
V E ¼ 84: 8
Total,
39
V ¼ 150: 4
Halaman 26
variasi karena baris memiliki 4 À 1 ¼ 3 derajat kebebasan, sedangkan variasi karena dua kolom memiliki
2 À 1 ¼ 1 derajat kebebasan. Untuk menemukan derajat kebebasan karena interaksi, kami mencatat bahwa ada delapan
entri dalam Tabel 16.22; dengan demikian derajat kebebasan total adalah 8 À 1 ¼ 7. Karena 3 dari 7 derajat kebebasan ini
karena baris dan 1 karena kolom, sisanya ½7 À ð3 þ 1Þ ¼ 3Š disebabkan oleh interaksi. Sejak disana
40 entri dalam Tabel 16.21 asli, total derajat kebebasan adalah 40 À 1 ¼ 39. Dengan demikian derajat
kebebasan karena variasi acak atau residu adalah 39 À 7 ¼ 32.
Pertama, kita harus menentukan apakah ada interaksi yang signifikan. Nilai kritis yang diinterpolasi untuk
yang F distribusi dengan 3 dan 32 derajat kebebasan adalah 2,90. Nilai F yang dihitung untuk interaksi adalah 0,817
dan tidak signifikan. Ada perbedaan yang signifikan antara mesin, karena nilai F dihitung untuk
mesin adalah 6,42 dan nilai kritisnya adalah 2,90. Nilai kritis untuk shift adalah 4.15. Nilai yang dihitung dari F
untuk shift adalah 3.06. Tidak ada perbedaan dalam cacat karena pergeseran.
Struktur data untuk MINITAB ditunjukkan di bawah ini. Bandingkan struktur data dengan data yang diberikan di
Tabel 16.21 untuk melihat bagaimana dua set data dibandingkan.
Baris Mesin Bergeser Cacat

1 1 1 6
2 1 1 4
3 1 1 5
4 1 1 5
5 1 1 4
6 1 2 5
7 1 2 7
8 1 2 4
9 1 2 6
10 1 2 8
11 2 1 10
12 2 1 8
13 2 1 7
14 2 1 7
15 2 1 9
16 2 2 7
17 2 2 9
18 2 2 12
19 2 2 8
20 2 2 8
21 3 1 7
22 3 1 5
23 3 1 6
24 3 1 5
25 3 1 9
26 3 2 9
27 3 2 7
28 3 2 5
29 3 2 4
30 3 2 6
31 4 1 8
32 4 1 4
33 4 1 6
34 4 1 5
35 4 1 5
36 4 2 5
37 4 2 7
38 4 2 9
39 4 2 7
40 4 2 10
Perintah MTB> Twoway 'Cacat' 'Mesin' 'Pergeseran' digunakan untuk menghasilkan dua arah
analisis varian. Nilai p untuk interaksi adalah 0,494. Ini adalah tingkat signifikansi minimum untuk itu
hipotesis nol akan ditolak. Jelas, tidak ada jumlah interaksi yang signifikan antar shift
dan mesin. Nilai p untuk shift adalah 0,090. Karena ini melebihi 0,050, jumlah rata-rata cacat untuk
Halaman 27
dua shift tidak berbeda secara signifikan. Nilai p untuk mesin adalah 0,002. Jumlah rata-rata cacat untuk
keempat mesin berbeda secara signifikan pada tingkat signifikansi 0,050.
MTB> Twoway 'Cacat' 'Mesin' 'Shift'
Analisis Varian Dua Arah

Analisis Varians untuk Cacat
Mesin 3 51.00 17.00 6.42 0,002

Bergeser 1 8.10 8.10 3.06 0,090
Interaksi 3 6.50 2.17 0,82 0,494
Kesalahan 32 84.80 2.65

Total 39 150.40
Gambar 16-7 memberikan plot interaksi untuk shift dan mesin. Plot menunjukkan kemungkinan interaksi
antara shift dan mesin. Namun, nilai p untuk interaksi dalam analisis tabel varians memberitahu kita
bahwa tidak ada jumlah interaksi yang signifikan. Ketika interaksi tidak ada, grafik garis terputus
untuk shift 1 dan shift 2 adalah paralel. Plot efek utama yang ditunjukkan pada Gambar. 16-8 menunjukkan bahwa mesin 1 diproduksi
rata-rata cacat paling sedikit dalam percobaan ini dan mesin 2 yang paling banyak menghasilkan. Ada lebih banyak
cacat yang dihasilkan pada shift 2 daripada shift 1. Namun, analisis varians memberitahu kita bahwa perbedaan ini tidak
signifikan secara statistik.
Gbr. 16-7 Plot interaksi — sarana data untuk cacat.

Gbr. 16-8 Plot efek utama — sarana data untuk cacat.
Halaman 28
16.14 Gunakan EXCEL untuk mengerjakan Masalah 16.13.
LARUTAN
SEBUAH B C D E
mesin1 mesin2 mesin3 mesin4
shift1 6 10 7 8
shift1 4 8 5 4
shift1 5 7 6 6
shift1 5 7 5 5
shift1 4 9 9 5
shift2 5 7 9 5
shift2 7 9 7 7
shift2 4 12 5 9
shift2 6 8 4 7
shift2 8 8 6 10
Anova: Dua Faktor Dengan Replikasi
RINGKASAN mesin1 mesin2 mesin3 mesin4 Total

shift1
Menghitung 5 5 5 5 20
Jumlah 24 41 32 28 125
Rata-rata 4.8 8.2 6.4 5.6 6.25
Perbedaan 0,7 1.7 2.8 2.3 3.25
shift2
Menghitung 5 5 5 5 20
Jumlah 30 44 31 38 143
Rata-rata 6 8.8 6.2 7.6 7.15
Perbedaan 2.5 3.7 3.7 3.8 4.239474
Total
Menghitung 10 10 10 10
Jumlah 54 85 63 66
Rata-rata 5.4 8.5 6.3 6.6
Perbedaan 1.822222 2.5 2.9 3.822222
ANOVA
Sumber dari
Variaton SS df NONA F Nilai-P
Sampel 8.1 1 8.1 3.056604 0,089999

Kolom 51 3 17 6.415094 0,001584
Interaksi 6.5 3 2.166667 0.81761 0.49371
Dalam 84.8 32 2.65
Total 150.4 39
Atur data di lembar kerja EXCEL seperti yang ditunjukkan. Pull-down Alat ! Analisis data ! Anova:
Two-Factor with Replication memberikan kotak dialog pada Gbr. 16-9 yang diisi seperti yang ditunjukkan.
Halaman 29
Gbr. 16-9 Kotak dialog EXCEL untuk Masalah 16.14.
Di ANOVA, identifikasi sampel dengan shift dan mesin dengan kolom. Bandingkan keluaran ini dengan
Keluaran MINITAB untuk Soal 16.13.
LATIN SQUARES
16.15 Seorang petani ingin menguji efek dari empat pupuk yang berbeda ( A , B , C , dan D ) pada hasil panen.
gandum. Untuk menghilangkan sumber kesalahan karena variabilitas dalam kesuburan tanah, ia menggunakan
pupuk dalam pengaturan Latin-square, seperti yang ditunjukkan pada Tabel 16.24, di mana angka menunjukkan
hasil dalam gantang per satuan luas. Lakukan analisis varian untuk menentukan apakah ada
perbedaan antara pupuk pada tingkat signifikansi ( a ) 0,05 dan ( b ) 0,01. ( c ) Berikan
Solusi MINITAB untuk desain Latin-square ini. ( d ) Berikan solusi STATISTIX untuk ini
Desain persegi-Latin.
LARUTAN
Kami pertama-tama mendapatkan total untuk baris dan kolom, seperti yang ditunjukkan pada Tabel 16.25. Kami juga memperoleh hasil total untuk
masing-masing pupuk, seperti yang ditunjukkan pada Tabel 16.26. Variasi total dan variasi untuk baris, kolom,
dan perawatan kemudian diperoleh seperti biasa. Kami menemukan:
ð295Þ 2
V ¼ ð18Þ 2 þ ð21Þ 2 þ ð25Þ 5 þÁÁÁþð10Þ 2 þ ð17Þ À
16
¼ 5769 À 5439: 06 ¼ 329: 94
A 18 C 21 D 25 B 11 Total
D 22 B 12 A 15 C 19 A 18 C 21 D 25 B 11 75
B 15 A 20 C 23 D 24 D 22 B 12 A 15 C 19 68
C 22 D 21 B 10 A 17 B 15 A 20 C 23 D 24 82
C 22 D 21 B 10 A 17 70
Total 77 74 73 71 295
Halaman 30
Tabel 16.26
SEBUAH B C D
Total 70 48 85 92 295
Variasi antara baris adalah
ð75Þ 2 ð68Þ 2 ð82Þ 2 ð70Þ 2 ð295Þ 2

VR¼
4þ 4þ 4þ 4À 16
¼ 5468: 25 À 5439: 06 ¼ 29:19
Variasi antara kolom adalah
ð77Þ 2 ð74Þ 2 ð73Þ 2 ð71Þ 2 ð295Þ 2

VC¼
4þ 4þ 4þ 4À 16
¼ 5443: 75 À 5439: 06 ¼ 4:69
Variasi antara perawatan adalah
ð70Þ 2 ð48Þ 2 ð85Þ 2 ð92Þ 2 ð295Þ 2

VB¼ ¼ 5723: 25 À 5439: 06 ¼ 284: 19
4þ 4þ 4þ 4À 16
Tabel 16.27 menunjukkan analisis ragam.
Tabel 16.27
Derajat
Baris, 29.19 3 9,73 4.92
Kolom, 4.69 3 1.563 0,79
Perawatan, 284.19 3 94.73 47.9
Residual, 11,87 6 1.978
Total, 329,94 15
( a ) Sejak F : 95; 3; 6 ¼ 4:76, kita dapat menolak pada tingkat 0,05 hipotesis bahwa ada rata-rata baris yang sama. Itu
mengikuti bahwa pada tingkat 0,05 ada perbedaan kesuburan tanah dari satu baris ke baris lainnya.
Karena nilai F untuk kolom kurang dari 1, kami menyimpulkan bahwa tidak ada perbedaan kesuburan tanah di
kolom.
Karena nilai F untuk perawatan adalah 47: 9> 4:76, kita dapat menyimpulkan bahwa ada perbedaan di antara keduanya
pupuk.
( B ) Sejak F : 99; 3; 6 ¼ 9:78, kita dapat menerima hipotesis bahwa tidak ada perbedaan dalam kesuburan tanah dalam baris
(atau kolom) pada level 0,01. Namun, kita harus tetap menyimpulkan bahwa ada perbedaan di antara keduanya
pupuk pada tingkat 0,01.
Halaman 31
( c ) Struktur file data untuk lembar kerja MINITAB diberikan terlebih dahulu.
Baris Baris Kolom Pengobatan Menghasilkan
1 1 1 1 18
2 1 2 3 21
3 1 3 4 25
4 1 4 2 11
5 2 1 4 22
6 2 2 2 12
7 2 3 1 15
8 2 4 3 19
9 3 1 2 15
10 3 2 1 20
11 3 3 3 23
12 3 4 4 24
13 4 1 3 22
14 4 2 4 21
15 4 3 2 10
16 4 4 1 17
Perhatikan bahwa baris dan kolom dalam tata letak pertanian diberi nomor 1 hingga 4. Pupuk A sampai D di
Tabel 16.24 dikodekan sebagai 1 hingga 4, masing-masing, dalam lembar kerja. Stat pull-down MINITAB !
ANOVA ! General Linear Model memberikan output berikut.
Model Linear Umum: Hasil versus Baris, Kolom, Perawatan
Faktor Tipe Tingkat Nilai-nilai

Baris tetap 4 1, 2, 3, 4
Kolom tetap 4 1, 2, 3, 4
Pengobatan tetap 4 1, 2, 3, 4
Analisis Varians untuk Yield, menggunakan Adjusted SS untuk Tes
Sumber DF SS Seq Ajud SS Ajukan MS F P

Baris 3 29.188 29.188 9,729 4.92 0,047
Kolom 3 4.688 4.687 1.562 0,79 0,542
Pengobatan 3 284.188 284.188 94.729 47.86 0,000
Kesalahan 6 11.875 11.875 1.979
Total 15 329.938
S = 1,40683 R-Sq = 96,40% R-sq (adj) -91.00%
Output MINITAB sama dengan yang dihitung dengan tangan di atas. Ini menunjukkan perbedaan dalam
kesuburan dari baris ke baris pada level 0,05 tetapi tidak pada level 0,01. Tidak ada perbedaan kesuburan dari
kolom ke kolom. Ada perbedaan dalam empat pupuk pada tingkat 0,01.
( d ) Statistik pull-down STATISTIX ! Model Linier ! Analisis Varian ! Desain Kotak Latin
memberikan hasil sebagai berikut.
Statistix 8.0
Latin Square AOV Table untuk Yield
Baris 3 29.188 9,7292
Kolom 3 4.688 1.5625
Pengobatan 3 284.188 94.7292 47.86 0,0001
Kesalahan 6 11.875 1.9792
Total 15 329.938
Halaman 32
KOTAK GRAECO-LATIN
16.16 Adalah menarik untuk menentukan apakah ada perbedaan signifikan dalam jarak tempuh per galon
antara bensin A , B , C , dan D . Rancang percobaan yang menggunakan empat driver berbeda,
empat mobil yang berbeda, dan empat jalan yang berbeda.
LARUTAN
Karena jumlah gasolin, pengemudi, mobil, dan jalan yang sama terlibat (empat), kita dapat menggunakan
Kotak Latin. Misalkan mobil yang berbeda diwakili oleh baris dan driver yang berbeda
diwakili oleh kolom, seperti yang ditunjukkan pada Tabel 16.28. Kami sekarang menetapkan gasolin yang berbeda ( A , B , C , dan D )
ke baris dan kolom secara acak, hanya tunduk pada persyaratan bahwa setiap huruf hanya muncul sekali
di setiap baris dan hanya sekali di setiap kolom. Dengan demikian setiap pengemudi akan memiliki kesempatan untuk mengendarai setiap mobil dan untuk
gunakan setiap jenis bensin, dan tidak ada mobil yang akan dikendarai dua kali dengan bensin yang sama.
Kami sekarang menetapkan secara acak empat jalan yang akan digunakan, dilambangkan dengan,,, dan, menundukkan mereka ke
persyaratan yang sama diberlakukan pada kotak Latin. Dengan demikian setiap pengemudi juga akan memiliki kesempatan untuk mengemudi
di sepanjang masing-masing jalan. Tabel 16.28 menunjukkan satu kemungkinan pengaturan.
Tabel 16.28
Sopir
1 2 3 4
Mobil 1 B SEBUAH D C
Mobil 2 SEBUAH B C D
Mobil 3 D C B SEBUAH
Mobil 4 C D SEBUAH B
16.17 Misalkan dalam melakukan percobaan pada Soal 16.16, jumlah mil per galon adalah
seperti yang diberikan pada Tabel 16.29. Gunakan analisis varian untuk menentukan apakah ada perbedaan pada
tingkat signifikansi 0,05. Gunakan MINITAB untuk mendapatkan analisis varians dan menggunakan p -values
disediakan oleh MINITAB untuk menguji setiap perbedaan pada tingkat signifikansi 0,05.
Tabel 16.29
Sopir
1 2 3 4
Mobil 1 B 19 A 16 D 16 C 14
Mobil 2 A 15 B 18 C 11 D 15
Mobil 3 D 14 C 11 B 21 A 16
Mobil 4 C 16 D 16 A 15 B 23
Halaman 33
LARUTAN
Kami pertama-tama mendapatkan total baris dan kolom, seperti yang ditunjukkan pada Tabel 16.30. Kami kemudian mendapatkan total untuk masing-masing
Huruf Latin dan untuk setiap huruf Yunani, sebagai berikut:
Total: 15 þ 16 þ 15 þ 16 ¼ 62
Total B: 19 þ 18 þ 21 þ 23 ¼ 81
Total C: 16 þ 11 þ 11 þ 14 ¼ 52
D total: 14 þ 16 þ 16 þ 15 ¼ 61
total: 14 þ 18 þ 15 þ 14 ¼ 61
total: 16 þ 16 þ 21 þ 15 ¼ 68
total: 19 þ 16 þ 11 þ 16 ¼ 62
total: 15 þ 11 þ 16 þ 23 ¼ 65
Kami sekarang menghitung variasi yang sesuai dengan semua ini, menggunakan metode pintasan:
ð65Þ 2 ð59Þ 2 ð62Þ 2 ð70Þ 2 ð256Þ 2
Baris:
4þ 4þ 4þ 4À 16 ¼4112: 50 À 4096 ¼ 16:50
ð64Þ 2 ð61Þ 2 ð63Þ 2 ð68Þ 2 ð256Þ 2

Kolom:
4þ 4þ 4þ 4À 16 ¼4102: 50 À 4096 ¼ 6:50
ð62Þ 2 ð81Þ 2 ð52Þ 2 ð61Þ 2 ð256Þ 2

Bensin ðA; B; C; DÞ:
4þ 4þ 4þ 4À 16 ¼4207: 50 À 4096 ¼ 111: 50
ð61Þ 2 ð68Þ 2 ð62Þ 2 ð65Þ 2 ð256Þ 2

Jalanð; ; ; Þ:
4þ 4þ 4þ 4À 16 ¼4103: 50 À 4096 ¼ 7:50
ð256Þ 2
ð19Þ 2 þ ð16Þ 2 þ ð16Þ 2 þÁÁÁþð15Þ 2 þ ð23Þ 2 À
16 ¼4244 À 4096 ¼ 148: 00
sehingga variasi karena kesalahan adalah
148: 00 À 16:50 À 6:50 À 111: 50 À 7:50 ¼ 6:00
Hasilnya ditunjukkan pada Tabel 16.31, analisis varian. Jumlah total derajat kebebasan adalah
N 2 À 1 untuk kotak N N. Setiap baris, kolom, huruf Latin, dan huruf Yunani memiliki N À 1 derajat
kebebasan. Dengan demikian derajat kebebasan untuk kesalahan adalah N 2 À 1 À 4ðN À 1Þ¼ðN À 1ÞðN À 3Þ. Di kami
kasus, N ¼ 4.
Tabel 16.30
Total
B 19 A 16 D 16 C 14 65
A 15 B 18 C 11 D 15 59
D 14 C 11 B 21 A 16 62
C 16 D 16 A 15 B 23 70
Total 64 61 63 68 256
Halaman 34
Tabel 16.31
Derajat
Baris ð mobilÞ; 5: 500

3 5.500 2:75
16:50 2: 000 ¼
Kolom ð driverÞ; 2: 167

3 2.167 1:08
6:50 2: 000 ¼
Bensin ðA; B; C; DÞ; 37: 167

3 37.167 18: 6
111: 50 2: 000 ¼
Jalan ð; ; ; Þ; 2: 500
3 2.500 1:25
7:50 2: 000 ¼
Kesalahan;
3 2.000
6:00
Total;
15
148:00
Kami memiliki F : 95; 3; 3 ¼ 9:28 dan F : 99; 3; 3 ¼ 29: 5. Dengan demikian kita dapat menolak hipotesis bahwa gasolin adalah
sama pada level 0,05 tetapi tidak pada level 0,01.
Struktur file data untuk lembar kerja MINITAB diberikan terlebih dahulu.
Baris Mobil Sopir Bensin Jalan MPG
1 1 1 2 3 19
2 1 2 1 2 16
3 1 3 4 4 16
4 1 4 3 1 14
5 2 1 1 4 15
6 2 2 2 1 18
7 2 3 3 3 11
8 2 4 4 2 15
9 3 1 4 1 14
10 3 2 3 4 11
11 3 3 2 2 21
12 3 4 1 3 16
13 4 1 3 2 16
14 4 2 4 3 16
15 4 3 1 1 15
16 4 4 2 4 23
Perhatikan bahwa mobil dan pengemudi diberi nomor yang sama di lembar kerja MINITAB seperti pada Tabel 16.29.
Merek bensin A hingga D pada Tabel 16.29 dikodekan sebagai 1 hingga 4, masing-masing, dalam lembar kerja.
Jalan,,, dan, dalam Tabel 16.29 dikodekan sebagai 1, 2, 3, dan 4 di lembar kerja. MINITAB menarik -
turun Stat ! ANOVA ! General Linear Model memberikan output berikut.
Model Linear Umum: Mpg versus Mobil, Pengemudi, Bensin, Jalan
Faktor Tipe Tingkat Nilai-nilai

Mobil tetap 4 1, 2, 3, 4
Sopir tetap 4 1, 2, 3, 4
Bensin tetap 4 1, 2, 3, 4
Jalan tetap 4 1, 2, 3, 4
Halaman 35
Analisis Variance untuk Mpg, menggunakan Adjusted SS untuk Tes
Sumber DF SS Seq Ajud SS Ajukan MS F P

Mobil 3 16.500 16.500 5.500 2.75 0,214
Sopir 3 6.500 6.500 2.167 1,08 0,475
Bensin 3 111.500 111.500 37.167 18.58 0,019
Jalan 3 7.500 7.500 2.500 1.25 0,429
Kesalahan 3 6.000 6.000 2.000
Total 15 148.000
Kolom berlabel Seq MS dalam output MINITAB sama dengan kolom Mean Square di
Tabel 16.31. Nilai F yang dihitung dalam output MINITAB adalah sama dengan yang diberikan pada Tabel 16.31.
Nilai p untuk mobil, pengemudi, merek bensin, dan jalan masing-masing adalah 0,214, 0,475, 0,019, dan 0,429.
Ingatlah bahwa p -value adalah nilai minimum untuk tingkat signifikansi yang telah ditetapkan sebelumnya di mana hipotesis
sarana yang sama untuk faktor yang diberikan dapat ditolak. Nilai p menunjukkan tidak ada perbedaan untuk mobil, pengemudi, atau
jalan di level 0,01 atau 0,05. Sarana untuk merek bensin secara statistik berbeda pada tingkat 0,05
tetapi tidak pada tingkat 0,01. Investigasi lebih lanjut dari sarana untuk merek akan menunjukkan bagaimana
artinya berbeda.
MASALAH YANG LAINNYA
16.18 Buktikan [seperti dalam persamaan ( 15 ) dari bab ini] bahwa P j j ¼ 0.
LARUTAN
Populasi perlakuan berarti j dan total populasi rata-rata terkait oleh
1 j
¼ ð 53 Þ
aXj
Kemudian, karena j ¼ j À, kita miliki, menggunakan persamaan ( 53 ),

Xj
j ¼Xj ðjÀÞ¼Xj j Àa¼0 ð 54 Þ
16.19 Turunkan ( a ) persamaan ( 16 ) dan ( b ) persamaan ( 17 ) dari bab ini.
LARUTAN
( a ) Menurut definisi, kita punya
"
Sebuah b #¼b
1 Xa
VW¼X ðX jk À ¯X j: Þ 2 ¼ b X ðX jk À ¯X j: Þ 2 S j2
j; k j¼1
b Xk¼1 j¼1
dimana S 2
j adalah varians sampel untuk perawatan ke- j . Kemudian, karena ukuran sampel adalah b ,
b À 1 2 ¼ aðb À 1Þ 2
Sebuah Sebuah
EðV W Þ ¼ b X EðS 2j Þ ¼ b X
j¼1 j¼1
b
( B ) Menurut definisi
Sebuah Sebuah Sebuah Sebuah
VB¼bX ð ¯X j: À ¯XÞ 2 ¼ b X ¯X 2 ¯X j: þ ab ¯X 2 ¼ b X ¯X 2
j: À 2b ¯X j: À ab ¯X 2
j¼1 j¼1 j¼1 j¼1
karena ¯X ¼ ðP j ¯X j: Þ = a. Kemudian, menghilangkan indeks penjumlahan, kita miliki
EðV B Þ ¼ b X Eð ¯X 2 ð 55 Þ
j: Þ À abEð ¯X 2 Þ
Halaman 36
Sekarang untuk setiap variabel acak U; Edu 2 Þ ¼ var ðUÞþ½EðUÞŠ 2 , di mana var ðUÞ menunjukkan varians dari U .
Jadi
EXX 2 ð 56 Þ
j: Þ ¼ var ð ¯X j: Þþ½Eð ¯X j: ÞŠ 2
Eð ¯ X 2 Þ ¼ var ð ¯XÞþ½Eð ¯XÞŠ 2 ð 57 Þ
Tetapi karena populasi pengobatan normal dengan rata-rata j ¼ þ j , kita memilikinya
2
var ð ¯X j: Þ ¼ ð 58 Þ
b
2
var ð ¯XÞ ¼ ð 59 Þ
ab
Eð ¯X j: Þ ¼ j ¼ þ j ð 60 Þ
Eð ¯XÞ ¼ ð 61 Þ
Menggunakan hasil ( 56 ) hingga ( 61 ) bersama dengan hasil ( 53 ), kami miliki

"2 # À ab 2" #
2
EðV B Þ ¼ b X j Þ2
bþðþ ab þ
¼ a 2 þ b Xð þ j Þ 2 À 2 À ab 2
¼ ða À 1Þ 2 þ ab 2 þ 2b X j þ b X 2
jþ ab 2
¼ ða À 1Þ 2 þ b X 2 j
16.20 Buktikan Teorema 1 dalam bab ini.
LARUTAN
Seperti yang ditunjukkan pada Soal 16.19,

Sebuah Sebuah
VW bS j2
VW¼bX S j2 atau
2
j¼1
2 ¼X j¼1
dimana S 2
j adalah varians sampel untuk sampel ukuran b yang diambil dari populasi perlakuan j . Kami melihat itu
bS 2
j = 2 memiliki distribusi chi-square dengan b À 1 derajat kebebasan. Jadi, karena varian S 2 j adalah
independen, kami menyimpulkan dari halaman 264 yang V W = 2 adalah chi-square-didistribusikan dengan ADB derajat À 1th dari
kebebasan.
Halaman 37
Masalah Pelengkap
Dalam semua masalah tambahan, pembaca didorong untuk mengerjakan masalah '' dengan tangan ''
menggunakan persamaan yang diberikan dalam bab sebelum menggunakan perangkat lunak yang disarankan untuk mengatasi masalahnya. Ini
akan meningkatkan pemahaman Anda tentang teknik ANOVA serta membantu Anda menghargai kekuatan
perangkat lunak.
16,21 Sebuah eksperimen dilakukan untuk menentukan hasil dari lima varietas gandum yang berbeda: A , B , C , D , dan E .
Empat bidang tanah ditugaskan untuk masing-masing varietas, dan hasilnya (dalam gantang per hektar) seperti yang ditunjukkan pada Tabel 16.32.
Dengan asumsi bahwa plot memiliki kesuburan yang sama dan bahwa varietas ditugaskan ke plot secara acak,
tentukan apakah ada perbedaan antara hasil pada tingkat signifikansi ( a ) 0,05 dan ( b ) 0,01. ( c ) Berikan
analisis MINITAB untuk klasifikasi satu arah atau percobaan satu faktor ini.
Tabel 16.32
SEBUAH20 12 15 19
B 17 14 12 15
C 23 16 18 14
D 15 17 20 12
E 21 14 17 18
16,22 Sebuah perusahaan ingin menguji empat jenis ban: A , B , C , dan D . Umur ban, seperti ditentukan dari
tapaknya, diberikan (dalam ribuan mil) pada Tabel 16.33, di mana masing-masing jenis telah dicoba pada enam yang serupa
mobil ditugaskan secara acak ke ban. Tentukan apakah ada perbedaan yang signifikan antara
ban pada level ( a ) 0,05 dan ( b ) 0,01. ( c ) Berikan analisis STATISTIX untuk klasifikasi satu arah ini atau
percobaan satu faktor.
Tabel 16.33
33
SEBUAH 38 36 40 31 35
B 32 40 42 38 30 34
C 31 37 35 33 34 30
D 29 34 32 30 33 31
16.23 Seorang guru ingin menguji tiga metode pengajaran yang berbeda: I, II, dan III. Untuk melakukan ini, tiga kelompok beranggotakan lima orang
siswa masing-masing dipilih secara acak, dan setiap kelompok diajar dengan metode yang berbeda. Pemeriksaan yang sama
kemudian diberikan kepada semua siswa, dan nilai pada Tabel 16.34 diperoleh. Tentukan apakah ada a
perbedaan antara metode pengajaran pada tingkat signifikansi ( a ) 0,05 dan ( b ) 0,01. ( c ) Berikan EXCEL
analisis untuk klasifikasi satu arah atau percobaan satu faktor ini.
Tabel 16.34
Metode I 75 62 71 58 73
Metode II 81 85 68 92 90
Metode III 73 79 60 75 81
Halaman 38
16.24 Tabel 16.35 memberikan jumlah mil ke galon yang diperoleh oleh mobil serupa menggunakan lima berbeda
merek bensin. Tentukan apakah ada perbedaan antara merek pada tingkat signifikansi
( a ) 0,05 dan ( b ) 0,01. ( c ) Berikan analisis SPSS untuk klasifikasi satu arah atau percobaan satu faktor ini.
Merek a 12 15 14 11 15 Matematika 72 80 83 75
Merek B 14 12 15 Ilmu 81 74 77
Merek C 11 12 10 14 Inggris 88 82 90 87 80
Merek D 15 18 16 17 14 Ekonomi 74 71 77 70
Merek E 10 12 14 12
16.25 Selama satu semester seorang siswa menerima nilai dalam berbagai mata pelajaran, seperti yang ditunjukkan pada Tabel 16.36. Menentukan
apakah ada perbedaan yang signifikan antara nilai siswa di ( a ) 0,05 dan ( b ) 0,01.
( c ) Berikan analisis SAS untuk klasifikasi satu arah atau percobaan satu faktor ini.
16.26 Artikel yang diproduksi oleh perusahaan diproduksi oleh tiga operator menggunakan tiga mesin yang berbeda. Itu
pabrikan ingin menentukan apakah ada perbedaan ( a ) antara operator dan ( b ) antara operator
mesin. Eksperimen dilakukan untuk menentukan jumlah artikel per hari yang dihasilkan oleh masing-masing
operator menggunakan setiap mesin; hasilnya ditunjukkan pada Tabel 16.37. Berikan informasi yang diinginkan menggunakan
MINITAB dan tingkat signifikansi 0,05.
Operator Jenis Jagung
1 2 3 saya II AKU AKU

IV AKU
Mesin a 23 27 24 Blok A 12 15 10 14
Mesin B 34 30 28 Blok B 15 19 12 11
Mesin C 28 25 27 Blok C 14 18 15 12
Blok D 11 16 12 16
Blok E 16 17 11 14
16.27 Gunakan EXCEL untuk mengerjakan Soal 16.26 pada tingkat signifikansi 0,01.
16.28 Benih empat jenis jagung ditanam dalam lima blok. Setiap blok dibagi menjadi empat plot, yang mana
kemudian secara acak ditugaskan ke empat jenis. Tentukan pada tingkat signifikansi 0,05 apakah hasil dalam
gantang per hektar, seperti yang ditunjukkan pada Tabel 16.38, sangat bervariasi dengan perbedaan dalam ( a ) tanah (yaitu, lima
blok) dan ( b ) jenis jagung. Gunakan SPSS untuk membangun ANOVA Anda.
16.29 Kerjakan Masalah 16.28 pada tingkat signifikansi 0,01. Gunakan STATISTIX untuk membangun ANOVA Anda.
16.30 Misalkan dalam Soal 16.22 pengamatan pertama untuk setiap jenis ban dilakukan dengan menggunakan satu jenis ban tertentu
mobil, pengamatan kedua dibuat menggunakan jenis tertentu kedua, dan sebagainya. Tentukan pada 0,05
Halaman 39
tingkat signifikansi apakah ada perbedaan ( a ) antara jenis ban dan ( b ) antara jenis ban
mobil. Gunakan SAS untuk membangun ANOVA Anda.
16.31 Gunakan MINITAB untuk mengerjakan Soal 16.30 pada tingkat signifikansi 0,01.
16.32 Misalkan dalam Soal 16.23 entri pertama untuk setiap metode pengajaran sesuai dengan seorang siswa pada satu waktu
sekolah tertentu, metode kedua sesuai dengan siswa di sekolah lain, dan seterusnya. Uji
hipotesis pada tingkat signifikansi 0,05 bahwa ada perbedaan ( a ) antara metode pengajaran dan
( B ) antara sekolah. Gunakan STATISTIX untuk membangun ANOVA Anda.
16.33 Eksperimen dilakukan untuk menguji apakah warna rambut dan tinggi badan siswa perempuan dewasa di Amerika
Negara memiliki kaitan dengan prestasi akademis. Hasilnya diberikan pada Tabel 16.39, di mana angkanya
menunjukkan individu dalam 10% teratas dari mereka yang lulus. Analisis percobaan pada tingkat signifikansi
0,05. Gunakan EXCEL untuk membangun ANOVA Anda.
Si rambut merah Berambut pirang

Brunette SEBUAH16 18 20 23
Tinggi 75 78 80 B 15 17 16 19
Medium 81 76 79 C 21 19 18 21
Pendek 73 75 77 D 18 22 21 23
E 17 18 24 20
16.34 Masalah Kerja 16.33 pada tingkat signifikansi 0.01. Gunakan SPSS untuk membangun ANOVA Anda dan membandingkan
output dengan output EXCEL pada Soal 16.33.
16.35 Misalkan percobaan pada Soal 16.21 dilakukan di bagian selatan Amerika Serikat dan
bahwa kolom pada Tabel 16.32 sekarang mengindikasikan empat jenis pupuk yang berbeda, sementara percobaan yang sama
dilakukan di bagian barat memberikan hasil yang ditunjukkan pada Tabel 16.40. Tentukan pada tingkat signifikansi 0,05
apakah ada perbedaan dalam hasil karena ( a ) pupuk dan ( b ) lokasi. Gunakan MINITAB untuk membangun
ANOVA Anda.
16.36 Kerjakan Soal 16.35 pada tingkat signifikansi 0.01. Gunakan STATISTIX untuk membangun ANOVA Anda dan membandingkan
output Anda dengan output MINITAB pada Soal 16.35.
16.37 Tabel 16.41 memberikan jumlah artikel yang diproduksi oleh empat operator berbeda yang bekerja pada dua jenis yang berbeda
mesin, I dan II, pada hari yang berbeda dalam seminggu. Tentukan pada tingkat 0,05 apakah ada yang signifikan
Tabel 16.41
Mesin saya Mesin II
Senin Sel Mengawinkan. Kam Jumat Senin Sel Mengawinkan.

Kam Jumat
Operator A 15 18 17 20 12 14 16 18 17 15
Operator B 12 16 14 18 11 11 15 12 16 12
Operator C 14 17 18 16 13 12 14 16 14 11
Operator D 19 16 21 23 18 17 15 18 20 17
Halaman 40
perbedaan ( a ) antara operator dan ( b ) antara mesin. Gunakan SAS dan MINITAB untuk membangun
ANOVA.
LATIN SQUARES
16.38 Percobaan dilakukan untuk menguji efek pada hasil jagung dari empat perlakuan pupuk yang berbeda ( A , B , C ,
dan D ) dan variasi tanah dalam dua arah tegak lurus. Kuadrat Latin dari Tabel 16.42 diperoleh,
di mana angka menunjukkan hasil jagung per satuan luas. Uji pada tingkat signifikansi 0,01 hipotesis itu
tidak ada perbedaan antara ( a ) pupuk dan ( b ) variasi tanah. Gunakan STATISTIX untuk membangun
ANOVA.
C8 A 10 D 12 B 11 E 75 W 78 M 80
A 14 C 12 B 11 D 15 M 81 E 76 W 79
D 10 B 14 C 16 A 10 W 73 M 75 E 77
B7 D 16 A 14 C 12
16,39 Kerjakan Soal 16,38 pada tingkat signifikansi 0,05. Gunakan MINITAB untuk membangun ANOVA Anda dan membandingkan
output dengan output STATISTIX dari Soal 16.38.
16.40 Mengacu pada Masalah 16.33, misalkan kita memperkenalkan faktor tambahan — dengan memberikan bagian E , M , atau W
Amerika Serikat tempat siswa dilahirkan, seperti yang ditunjukkan pada Tabel 16.43. Tentukan pada tingkat 0,05
apakah ada perbedaan yang signifikan dalam prestasi akademik siswa perempuan karena perbedaan dalam
( a ) tinggi, ( b ) warna rambut, dan ( c ) tempat kelahiran. Gunakan SPSS untuk membangun ANOVA Anda.
KOTAK GRAECO-LATIN
16.41 Untuk menghasilkan jenis pakan ayam yang unggul, empat kuantitas berbeda dari masing-masing dua bahan kimia tersebut
ditambahkan ke bahan dasar. Jumlah yang berbeda dari bahan kimia pertama ditunjukkan oleh A , B , C , dan D ,
sedangkan bahan kimia kedua ditunjukkan oleh,,, dan. Pemberian pakan diberikan kepada bayi perempuan yang diatur
dalam kelompok sesuai dengan empat bobot awal yang berbeda ðW 1 , W 2 , W 3 , dan W 4 Þ dan empat spesies yang berbeda ðS 1 , S 2 ,
S 3 , dan S 4 ). Peningkatan berat per satuan waktu diberikan dalam kotak Graeco-Latin pada Tabel 16.44.
Lakukan analisis varian percobaan pada tingkat signifikansi 0,05, yang menyatakan kesimpulan apa pun itu
dapat ditarik. Gunakan MINITAB untuk membangun ANOVA Anda.
Tabel 16.44
W1 W2 W3 W4
S1 C8 B 6 5
SEBUAH D6
S2 A4 D 3 C 7 B3
S3 D 5 SEBUAH
6 B 5 C6
S4 B6 C 10 D 10 A 8
16.42 Empat jenis kabel Dt 1 , T 2 , T 3 , dan T 4 ) yang diproduksi oleh masing-masing dari empat perusahaan Dc 1 , C 2 , C 3 ,
dan C 4 ). Empat operator ( A , B , C , dan D ) menggunakan empat mesin yang berbeda ð,,, dan) mengukur
Halaman 41
kekuatan kabel. Kekuatan rata-rata yang diperoleh diberikan dalam kotak Graeco-Latin pada Tabel 16.45.
Lakukan analisis varian pada tingkat signifikansi 0,05, yang menyatakan kesimpulan apa pun yang dapat ditarik.
Gunakan SPSS untuk membangun ANOVA Anda.
MASALAH YANG LAINNYA
16.43 Tabel 16.46 memberikan data tentang akumulasi karat pada besi yang telah diperlakukan dengan bahan kimia A , B , atau C ,
masing-masing. Tentukan pada tingkat ( a ) 0,05 dan ( b ) 0,01 apakah ada perbedaan yang signifikan dalam
perawatan. Gunakan EXCEL untuk membangun ANOVA Anda.
C1 C2 C3 C4 SEBUAH3 5 4 4
T1 A 164 B 181 C 193 D 160 B 423 3
T2 C 171 D 162 A 183 B 145 C 645 5
T3 D 198 C 212 B 207 A 188
T4 B 157 A 172 D 166 C 136
16.44 Eksperimen mengukur kecerdasan kecerdasan (IQ) siswa laki-laki dewasa yang tinggi, pendek, dan sedang
perawakannya. Hasilnya diberikan dalam Tabel 16.47. Tentukan pada tingkat signifikansi ( a ) 0,05 dan ( b ) 0,01 apakah
ada perbedaan dalam skor IQ relatif terhadap perbedaan ketinggian. Gunakan MINITAB untuk membangun
ANOVA.
Tabel 16.47
Tinggi 110 105 118 112 90
Pendek 95 103 115 107
Medium 108 112 93 104 96 102
16.45 Buktikan hasil ( 10 ), ( 11 ), dan ( 12 ) dari bab ini.
16.46 Pemeriksaan diberikan untuk menentukan apakah veteran atau bukanvarians dari IQ yang berbeda berkinerja lebih baik.
Skor yang diperoleh ditunjukkan pada Tabel 16.48. Tentukan pada tingkat signifikansi 0,05 apakah ada a
perbedaan skor karena perbedaan dalam ( a ) status veteran dan ( b ) IQ. Gunakan SPSS untuk membangun ANOVA Anda.
Tabel 16.48
Skor Tes
Tinggi Medium Rendah

IQ IQ IQ
Veteran 90 81 74
Nonveteran 85 78 70
Halaman 42
16.47 Gunakan STATISTIX untuk mengerjakan Soal 16.46 pada tingkat signifikansi 0,01.
16.48 Tabel 16.49 menunjukkan nilai tes untuk sampel mahasiswa yang berasal dari berbagai bagian negara dan
yang memiliki IQ berbeda. Analisis tabel pada tingkat signifikansi 0,05 dan nyatakan kesimpulan Anda.
Gunakan MINITAB untuk membangun ANOVA Anda.
16.49 Gunakan SAS untuk mengerjakan Soal 16.48 pada tingkat signifikansi 0,01.
16.50 Dalam Soal 16.37, dapatkah Anda menentukan apakah ada perbedaan yang signifikan dalam jumlah artikel
diproduksi pada hari yang berbeda dalam seminggu? Menjelaskan.
Tabel 16.49
Skor Tes
Tinggi Medium Rendah
IQ IQ IQ
Timur 88 80 72
Barat 84 78 75
Selatan 86 82 70
Utara dan tengah 80 75 79
16.51 Dalam perhitungan analisis varians diketahui bahwa konstanta yang cocok dapat ditambahkan atau dikurangi
setiap entri tanpa memengaruhi kesimpulan. Apakah ini juga benar jika setiap entri dikalikan atau dibagi dengan a
cocok konstan? Benarkan jawaban Anda.
16.52 Hasil turunan ( 24 ), ( 25 ), dan ( 26 ) untuk jumlah pengamatan yang tidak sama.
16.53 Misalkan hasil pada Tabel 16.46 dari Soal 16.43 berlaku untuk bagian timur laut Amerika Serikat,
sedangkan hasil yang sesuai untuk bagian barat adalah yang diberikan pada Tabel 16.50. Tentukan pada 0,05
tingkat signifikansi apakah ada perbedaan karena ( a ) bahan kimia dan ( b ) lokasi. Gunakan MINITAB untuk membangun
ANOVA Anda.
SEBUAH 5 4 6 3 SEBUAH17 14 18 12
B 3 4 2 3 B 20 10 20 15
C 5 7 4 6 C 18 15 16 17
D 12 11 14 11
E 15 12 19 14
16.54 Mengacu pada Masalah 16.21 dan 16.35, anggaplah bahwa percobaan tambahan dilakukan di timur laut
bagian dari Amerika Serikat menghasilkan hasil yang diberikan pada Tabel 16.51. Tentukan pada tingkat signifikansi 0,05
apakah ada perbedaan dalam hasil karena ( a ) pupuk dan ( b ) tiga lokasi. Gunakan STATISTIX untuk
bangun ANOVA Anda.
Halaman 43
16.55 Kerjakan Masalah 16.54 pada tingkat signifikansi 0,01. Gunakan MINITAB untuk membangun ANOVA Anda.
16.56 Lakukan analisis varians pada kuadrat Latin dari Tabel 16.52 pada tingkat signifikansi 0,05 dan status
kesimpulanmu. Gunakan SPSS untuk membangun ANOVA Anda.
Tabel 16.52
Faktor 1
B 16 C 21 A 15
Faktor 2 A 18 B 23 C 14
C 15 A 18 B 12
16.57 Buat percobaan yang mengarah ke kuadrat Latin dari Tabel 16.52.
16.58 Lakukan analisis varian pada kuadrat Graeco-Latin dari Tabel 16.53 pada tingkat signifikansi 0,05 dan
nyatakan kesimpulan Anda. Gunakan SPSS untuk membangun ANOVA Anda.
Tabel 16.53
Faktor 1
SEBUAH
6 B 12 C 4 D 18
B 3 8
SEBUAH D 15 C 14
Faktor 2
D 15 C 20 B 9 5
SEBUAH
C 16 D 6 A 17 B 7
16.59 Buat percobaan yang mengarah ke alun-alun Graeco-Latin pada Tabel 16.53.
16.60 Jelaskan cara menggunakan teknik analisis varian untuk percobaan tiga faktor dengan replikasi.
16.61 Rias dan pecahkan masalah yang menggambarkan prosedur dalam Soal 16.60.
16.62 Buktikan ( a ) persamaan ( 30 ) dan ( b ) hasil ( 31 ) sampai ( 34 ) bab ini.
16.63 Dalam praktiknya, apakah Anda berharap menemukan ( a ) a2 Â 2 Latin square dan ( b ) a3 Â 3 square Graeco-Latin? Menjelaskan.

Analisis Varians

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Varians

Diunggah oleh

Hak Cipta:

Format Tersedia

Halaman 1

TUJUAN ANALISIS VARIASI

KLASIFIKASI SATU-ARAH, ATAU EKSPERIMEN SATU FAKTOR

... ... ...

VARIASI TOTAL, VARIASI DALAM PERAWATAN, DAN VARIASI

Variasi total ¼ V ¼ X ðX jk À ¯XÞ 2 ð3Þ

Dengan menulis identitas

Penjumlahan kedua di sisi kanan persamaan ( 5 ) dan ( 6 ) disebut variasi di antaranya

VB¼X ð ¯X j: À ¯XÞ 2 ¼ b X j ð ¯X j À ¯XÞ 2 ð8Þ

Dengan demikian, persamaan ( 5 ) dan ( 6 ) dapat ditulis

METODE SINGKAT UNTUK MEMPEROLEH VARIASI

MODEL MATEMATIK UNTUK ANALISIS VARIASI

NILAI-NILAI YANG DIHARAPKAN DARI VARIASI

Dari persamaan ( 16 ) berikut

sehingga hanya dalam kasus seperti itu yang akan

Teorema 1: V W = 2 adalah chi-square didistribusikan dengan ADB derajat À 1th kebebasan.

Teorema 2: Di bawah hipotesis nol H 0 , V B = 2 dan V = 2 didistribusikan secara chi-square

THE F UJI UNTUK NULL HIPOTESIS YANG SAMA SARANA

Variasi Derajat kebebasan Square Berarti F

Variasi Derajat kebebasan Square Berarti F

KLASIFIKASI DUA-CARA, ATAU DUA PERCOBAAN FAKTOR

PEMBERITAHUAN UNTUK PERCOBAAN DUA FAKTOR

VARIASI UNTUK EKSPERIMEN DUA FAKTOR

Dengan menulis identitas

X jk À ¯X ¼ jX jk À ¯ j j: À ¯X : k þ ¯XÞþð ¯X j: À ¯XÞþð ¯X : k À ¯XÞ ð 29 Þ

dimana V E ¼ variasi karena kesalahan atau kebetulan ¼ XðX jk À ¯X j: À ¯X : k þ ¯XÞ 2

V R ¼ variasi antara baris ðpengobatanÞ ¼ b X ð ¯X j: À ¯XÞ 2

V C ¼ variasi antar kolom ðblokÞ ¼ a X ð ¯X : k À ¯XÞ 2

ANALISIS VARIASI UNTUK PERCOBAAN DUA FAKTOR

EðV E Þ¼ða À 1Þðb À 1Þ 2 ð 36 Þ

Ada dua hipotesis nol yang ingin kami uji:

Kita melihat dari persamaan ( 38 ) bahwa, tanpa memperhatikan

Juga, jika hipotesis H ð1Þ 0 dan H ð2Þ

akan menjadi estimasi 2 yang tidak bias . Jika0 H ð1Þ

Teorema berikut mirip dengan Teorema 1 dan 2:

Teorema 4: V E = 2 adalah chi-square yang didistribusikan dengan ða À 1Þðb À 1Þ derajat kebebasan,

Teorema 5: Di bawah hipotesis H ð1Þ

Untuk menguji hipotesis H ð1Þ

Teorema 6: Di bawah hipotesis H ð1Þ

X jkl ¼ þ j þ k þ jk þ " jkl ð 44 Þ

Variasi Derajat kebebasan Square Berarti F

Sisa atau acak, VE

dan X jkl diasumsikan terdistribusi normal dengan mean dan varian 2 .

dimana V¼X DX jkl À xth 2 ð 47 Þ

VI¼cX ð ¯X jk: À ¯X j :: À ¯X : k: þ ¯XÞ 2 ð 50 Þ

VE¼X DX jkl x jk: Þ 2 ð 51 Þ

Variasi Derajat kebebasan Square Berarti F

Sisa atau acak, VE

AKU AKU AKU

Gbr. 16-3 Kotak Latin.

KLASIFIKASI SATU-ARAH, ATAU EKSPERIMEN SATU FAKTOR

16.1 Buktikan bahwa V ¼ V W þ V B ; itu adalah,

Kita punya X jk À ¯X ¼ ðX jk À ¯X j: Þþð ¯X j: À ¯XÞ

Kemudian, mengkuadratkan dan menjumlahkan j dan k , kita dapatkan

Sebuah " #¼0

( c ) Karena T j: ¼ P k X jk , bagian ( a ) yang kita miliki

16.3 Veriﬁkasi rumus cara pintas ( 10 ), ( 11 ), dan ( 12 ) bab ini.

Kita punya V¼X ðX jk À ¯XÞ 2 ¼ X ðX 2

Tabel 16.7 Tabel 16.8

( A ) Perlakuan (baris) berarti untuk Tabel 16.8 diberikan, masing-masing, oleh

( D ) Variasi antara perawatan adalah

VB¼bXj ð ¯X j: À ¯XÞ 2 ¼ 4½ð4 À 4Þ 2 þ ð3 À 4Þ 2 þ ð5 À 4Þ 2 Š ¼ 8

( e ) Variasi dalam perawatan adalah

Variasi Tingkat Kebebasan Square Berarti F