用基礎統計看 01金卡納測試 - 汽車

因為找不到測試本文
就用板友提供的圖片當作樣本資料

首先用R的KNN機器學習 填補遺失值
命名成RE

這次的試驗由於是實驗設計 適用ANOVA分析
*contrast利用helmert編成
*使用type3 SS

檢定結果
Pr(>F)
(Intercept) < 2.2e-16 ***
re$車手 2.034e-12 ***
re$廠牌 6.764e-06 ***
re$車手:re$廠牌 0.004231 ***

車手 跟 廠牌皆顯著對於實驗時間有影響(車再好也會被人劇烈影響)
車手跟廠牌之間也不獨立(廠牌情節?)
https://i.imgur.com/JPtKUAx.jpg

TukeyHSD 看有興趣的廠牌部分
upr p adj
2-1 -1.7530629 0.0000074
3-1 -0.9668515 0.0005248
4-1 -1.0598039 0.0003219
3-2 2.3459652 0.5367120
4-2 2.2530128 0.6357714
4-3 1.4668015 0.9985240
每家皆對於一號廠 有顯著差異
其餘三家差異不大
品牌
2 3 4 1
-------
--


















--------------------------------------------------------

首先測試 該整體樣本是否符合常態分配
https://i.imgur.com/mMbOual.jpg
恩...顯著不符合
(因每配方測試重複兩次 故無法使用配方shapiro test)

那弄個BOX PLOT 看看
https://i.imgur.com/l9ctfLV.jpg
https://i.imgur.com/RxfESY9.jpg
挖...這每組變異性非常大
不符合同值變異性的基本假設

看到這基本上可以判斷該次測試(實驗)是"失敗的"
基本上結果不具參考性
解決方法----> 增加實驗次數 減少測試人員數量 增加單人測試數量 輪胎控制等等
就是為了 降低誤差 讓資料符合檢定的基本條件
這種實驗是很多民調(抽樣) 試驗 沒有統計人員會出現的事情

那...如果遮住眼睛 做了檢定我們會得到甚麼結果?(所以上面看看就好)
-----------------------------------------------------------
KNN填補後資料
車手 廠牌 時間
1 1 49.43
1 1 43.77
1 2 37.95
1 2 37.42
1 3 38.82
1 3 39.63
1 4 41.42
1 4 38.73
2 1 45.47
2 1 48.96
2 2 47.85
2 2 41.68
2 3 47.12
2 3 45.79
2 4 51.55
2 4 49.07
3 1 46.29
3 1 45.72
3 2 45.99
3 2 45.27
3 3 53.76
3 3 45.68043068
3 4 41
3 4 43.02
4 1 45.8
4 1 45.06
4 2 44.30366532
4 2 44.17
4 3 44.05
4 3 42.68
4 4 43.53
4 4 42.3
5 1 50.9
5 1 51.64
5 2 45.57
5 2 46.71
5 3 44.10406845
5 3 46.89
5 4 47.8
5 4 47.92
6 1 42.62
6 1 41.28
6 2 39.53
6 2 39.69
6 3 40.05
6 3 40.03
6 4 39.83
6 4 41.2
7 1 42.25
7 1 41.83
7 2 41.2
7 2 39.05
7 3 42.3
7 3 40.92
7 4 41.15
7 4 39
8 1 44.88
8 1 42.67
8 2 43.43
8 2 39.1
8 3 38.33
8 3 37.09
8 4 37.86
8 4 37.02
9 1 45.79
9 1 43.3
9 2 39
9 2 39.26
9 3 41.5
9 3 42.18
9 4 40.10442261
9 4 40.10442261
10 1 41.99
10 1 41.52
10 2 39.17
10 2 38.57
10 3 39.52
10 3 40.19339335
10 4 46.25
10 4 39.92








--
Sent from my Windows

--