คุณจะทำอย่างไรถ้าองศาอิสระของคุณผ่านจุดสิ้นสุดของตารางของคุณ?


11

องศาความเป็นอิสระในตาราง F ของฉันไม่สูงขึ้นมากพอสำหรับกลุ่มตัวอย่างขนาดใหญ่ของฉัน

ตัวอย่างเช่นถ้าฉันมี F ที่มี 5 และ 6744 องศาอิสระฉันจะหาค่าวิกฤต 5% สำหรับ ANOVA ได้อย่างไร

ถ้าฉันทำแบบทดสอบไคสแควร์ที่มีองศาอิสระขนาดใหญ่ล่ะ

[คำถามเช่นนี้โพสต์เมื่อไม่นานมานี้ แต่ OP สร้างข้อผิดพลาดและจริง ๆ แล้วมีขนาดเล็ก df ลดลงเป็นซ้ำ - แต่คำถาม df ขนาดใหญ่ดั้งเดิมควรมีคำตอบในที่]


1
รับตารางที่ใหญ่ขึ้นไหม
Federico Poloni

คำตอบ:


16

ตาราง F :

  1. วิธีที่ง่ายที่สุด - ถ้าคุณทำได้ - คือการใช้แพ็คเกจสถิติหรือโปรแกรมอื่นเพื่อให้คุณค่าที่สำคัญแก่คุณ ตัวอย่างเช่นใน R เราสามารถทำได้:

     qf(.95,5,6744)
    [1] 2.215425
    

    (แต่คุณสามารถคำนวณค่า p ที่แน่นอนสำหรับ F ของคุณได้อย่างง่ายดาย)

  2. โดยทั่วไปแล้วตาราง F มาพร้อมกับองศาอิสระแบบไม่มีที่สิ้นสุดที่ส่วนท้ายของตาราง หากคุณมี df ที่มีขนาดใหญ่มาก (เช่น 6744 มีขนาดใหญ่มาก) คุณสามารถใช้รายการ infinity ( ) แทน

    ดังนั้นคุณอาจมีตารางสำหรับที่ให้ 120 df และ df:ν1=5

          ...    5      ...
     ⁞
    120        2.2899   
     ∞         2.2141
    

    DF แถวจะมีการทำงานสำหรับการใด ๆ จริงๆขนาดใหญ่ (หาร DF) ถ้าเราใช้สิ่งนั้นเรามี 2.2141 แทนที่จะเป็น 2.2154 แน่นอน แต่นั่นก็ไม่ได้แย่เกินไปเข้าพบ2ν2

  3. หากคุณไม่มีองศาอิสระเข้าคุณสามารถหาหนึ่งออกจากตารางไคสแควร์โดยใช้ค่าวิกฤติสำหรับตัวเศษ df หารด้วย df เหล่านั้น

    ดังนั้นสำหรับตัวอย่างเช่นสำหรับค่าที่สำคัญใช้เวลาค่าวิกฤตและหารด้วย5ค่าที่สำคัญ 5% สำหรับเป็น11.0705หากเราหารด้วยนั่นคือซึ่งเป็นแถวจากตารางด้านบน χ 2 5 5 χ 2 5 11.0705 5 2.2141 F5,χ525χ5211.070552.2141

  4. หากองศาอิสระของคุณอาจเล็กไปหน่อยที่จะใช้รายการ "อินฟินิตี้" (แต่ก็ยังใหญ่กว่า 120 หรืออะไรก็ตามที่โต๊ะของคุณขึ้นไป) คุณสามารถใช้การแก้ไขผกผันระหว่างค่า จำกัด df สูงสุดและรายการอินฟินิตี้ สมมติว่าเราต้องการคำนวณค่าวิกฤตสำหรับ dfF5,674

       F       df     120/df    
     ------   ----    -------
     2.2899    120      1     
       C       674    0.17804
     2.2141     ∞       0    
    

    จากนั้นเราคำนวณค่าวิกฤตที่ไม่รู้จัก,เป็นC

    C2.2141+(2.28992.2141)×(0.178040)/(10)2.2276

    (ค่าที่แน่นอนคือเพื่อให้ทำงานได้ค่อนข้างดี)2.2274

    รายละเอียดเพิ่มเติมเกี่ยวกับการแก้ไขและการแก้ไขผกผันให้ที่โพสต์ที่เชื่อมโยง


ตาราง Chi-squared :

หาก chi-squared df ของคุณมีขนาดใหญ่มากคุณสามารถใช้ตารางปกติเพื่อรับการประมาณ

สำหรับขนาดใหญ่ DFการกระจายไคสแควร์จะอยู่ที่ประมาณปกติที่มีค่าเฉลี่ยและความแปรปรวน2จะได้รับค่าบน 5% จะต้องมีมูลค่าหนึ่งเทลด์ 5% ที่สำคัญสำหรับมาตรฐานปกติ ( ) และคูณด้วยและเพิ่ม\νν2ν1.6452νν

ตัวอย่างเช่นสมมติว่าเราจำเป็นต้องบนค่าวิกฤต 5% สำหรับ{6744}χ67442

เราจะคำนวณ6935 คำตอบที่แน่นอน (ไปตัวเลขที่สำคัญ) เป็น6,936.21.645×2×6744+6744693556936.2

ถ้าองศาอิสระมีขนาดเล็กเราสามารถใช้ความจริงที่ว่าถ้าเป็นแล้ว1)Xχν22X˙N(2ν1,1)

ตัวอย่างเช่นถ้าเรามี df เราอาจใช้การประมาณนี้ ค่าวิกฤตที่แน่นอนบน 5% สำหรับไคสแควร์กับ 674 DF คือ (5 ตัวเลข) 735.51ด้วยการประมาณนี้เราจะคำนวณดังนี้:674735.51

รับค่าวิกฤต 5% ส่วนบน (สำหรับค่ามาตรฐานปกติ (1.645), เพิ่ม , ยกกำลังสองทั้งหมดแล้วหารด้วย 2 ในกรณีนี้:2ν1

(1.645+2×6741)2/2735.2735.2

อย่างที่เราเห็นมันค่อนข้างใกล้เคียง

สำหรับองศาอิสระที่น้อยกว่ามากการแปลงแบบวิลสัน - ฮิลเฟอร์ตี้สามารถใช้ได้ - มันใช้งานได้ดีเพียงไม่กี่องศา - แต่ตารางควรครอบคลุม การประมาณนี้คือ .(Xν)13˙N(129ν,29ν)


2
+1 สามารถปรับปรุงความคิดได้ ใช้ข้อเท็จจริงที่ว่าจำกัด ฟังก์ชั่นที่มีเหตุผลของการเมื่อพารามิเตอร์ที่สองโตขึ้นมาก ในตัวอย่างเช่นคุณจะคำนวณว่ามันเป็น คุณจะได้รับแม่นยำถึงสามตัวเลขที่สำคัญ โปรดทราบว่าพารามิเตอร์เป็นจำนวนเต็มเล็กน้อยซึ่งแสดงว่ามีแนวโน้มว่าจะอยู่ในตารางและพร้อมใช้งานโดยไม่ต้องแก้ไข F χ 2 2.2177 χ 2χ2Fχ2Rdf2/df1 * (-1 + 1/(1-qchisq(0.95, df1) / df2))2.2177χ2
whuber

ฉันคิดว่าฉันพลาดอะไรบางอย่างที่นี่ - ฉันพยายามหลายต่อหลายครั้งเพื่อหาข้อได้เปรียบที่คุณหมายถึงในการปรับปรุงสิ่งที่ฉันทำในข้อ 3 (ซึ่งถือว่ามันเป็นฟังก์ชั่นง่าย ๆ ของไค - สแควร์ ตามที่ทฤษฎีบทของ Slutsky แนะนำว่าเป็น df2 ) ในตัวอย่างในมือการประมาณของฉันนั้นง่ายกว่าที่จะดำเนินการและแม่นยำยิ่งขึ้น (เช่นมีข้อผิดพลาดสัมบูรณ์ประมาณ 57%) ข้อเสนอแนะนี้ดีกว่าที่ค่าอื่น ๆ ของทั้งสอง df หรือดีกว่าเพราะมันเป็นแบบอนุรักษ์นิยมมากกว่าต่อต้านแบบอนุรักษ์นิยม ...
Glen_b

... หรือเป็นความตั้งใจที่ว่าข้อผิดพลาดของทั้งสองวิธีนั้นจะตรงกันข้ามกัน
Glen_b -Reinstate Monica

ฉันจำได้ว่าฉันกำลังอ้างถึงรายการ 4
whuber

อ่านั่นอาจจะสมเหตุสมผลมากกว่า ขออภัยที่จะหนาแน่น ฉันจะลองอีกครั้ง
Glen_b -Reinstate Monica
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.