ما الذي تفعله حاسبة اختبار فريدمان
تختبر هذه الحاسبة ما إذا كانت k من المعالجات لها تأثيرات متطابقة عندما يُقاس كل معالج داخل كل كتلة من b كتل (مثل الأفراد أو الدفعات أو الأيام). وهو بديل لا معلمي قائم على الرتب لتحليل التباين ذي القياسات المتكررة. تقوم الحاسبة برتب القيم داخل كل كتلة، وتجمع الرتب لكل معالجة، ثم تعيد إحصاءة فريدمان T1، وإحصاءة كونوفر T2، وقيمتي p لكل منهما، والقيمة الحرجة، وقرار الرفض أو عدم الرفض.
طريقة الاستخدام
أدخل جدول البيانات بحيث تمثل كل سطر كتلة واحدة، وكل عمود معالجة واحدة. افصل القيم بفواصل أو فواصل منقوطة أو مسافات أو تabs، واستخدم النقطة كفاصل عشري. يجب أن يحتوي كل سطر على العدد نفسه من القيم، مع وجود كتلتين على الأقل ومعالجتين على الأقل. ثم اختر مستوى الدلالة alpha (10%، أو 5%، أو 2.5%، أو 1%) وتوزيع المرجع للقرار: توزيع F (T2 لكونوفر، وهو الخيار الافتراضي والمفضل) أو مربع كاي (T1).
الصيغ
داخل كل كتلة تُرتَّب القيم، و\(R_j\) هو مجموع رتب المعالجة j.
$$S=\sum_{j=1}^{k}\left(R_j-\frac{b(k+1)}{2}\right)^2$$
$$T_1=\frac{12\,S}{bk(k+1)}\quad\text{(بدون تعادل)},\qquad T_1=\frac{(k-1)\,S}{A_1-C_1}\quad\text{(مع تعادل)}$$
$$A_1=\sum_i\sum_j R(X_{ij})^2,\qquad C_1=\frac{bk(k+1)^2}{4}$$
$$T_2=\frac{(b-1)\,T_1}{b(k-1)-T_1}$$
هنا \(b\) = عدد الكتل، و\(k\) = عدد المعالجات، و\(A_1\) = مجموع مربعات الرتب كلها، و\(C_1\) = معامل التصحيح. تُقارن T1 بتوزيع مربع كاي بدرجات حرية \(k-1\)، وتُقارن T2 بتوزيع F بدرجات حرية \(k-1\) و\((b-1)(k-1)\).
الاصطلاحات والافتراضات
- يكون الترتيب تصاعديًا داخل كل كتلة، فالرتبة 1 لأصغر قيمة. تأخذ القيم المتعادلة متوسط الرتب التي تشغلها. اتجاه الترتيب لا يغير الإحصاءة.
- إذا وُجد تعادل في أي كتلة، تُستخدم T1 المصححة للتعادل. وبدون تعادل تتطابق الصيغتان.
- تُعد T2 الإحصاءة المفضلة لأن تقريب F لها أدق عادةً من تقريب مربع كاي لـ T1.
- قيم p هي احتمالات الذيل الأيمن. تُرفض H0 فقط إذا كانت الإحصاءة أكبر تمامًا من القيمة الحرجة (أي أن p أقل من alpha)، وعند التساوي يكون القرار عدم الرفض.
- لا يُطبَّق تصحيح الاستمرارية.
- إذا كانت T1 تساوي b(k-1)، فإن جميع الكتل ترتب المعالجات بالترتيب نفسه، وتكون T2 لانهائية، وقيمة p لـ F تساوي 0، وتُرفض H0.
- إذا كانت جميع القيم في كل كتلة متساوية، تكون الإحصاءة غير معرّفة ويُعاد خطأ.
- لا تُشمل المقارنات المتعددة بعد الاختبار.
مثال محلول
تتكون البيانات من b = 6 كتل و k = 3 معالجات، مع alpha = 0.05 والمرجع F. الصفوف هي 4 5 3، و6 7 5، و8 6 9، و5 7 4، و7 9 6، و3 6 5. بعد الترتيب داخل كل صف، تكون مجاميع الرتب 11 و16 و9.
$$A_1=84,\qquad C_1=\frac{6\times 3\times 4^2}{4}=72$$
$$T_1=4.33333,\qquad T_2=\frac{(6-1)\times 4.33333}{6\times 2-4.33333}=2.82609$$
قيمة p لـ F بدرجات حرية 2 و10 هي 0.10645، والقيمة الحرجة هي 4.103. وقيمة p لمربع كاي لـ T1 هي 0.11456. وبما أن 2.82609 أقل من 4.103 (وقيمة p = 0.10645 أكبر من 0.05)، فإن القرار هو عدم رفض H0.
كيفية قراءة النتيجة
تشير قيمة p الصغيرة إلى أن معالجة واحدة على الأقل تميل إلى أن تُرتَّب أعلى أو أدنى من غيرها داخل الكتل. أما قيمة p الكبيرة فتعني أن البيانات لا تُظهر تأثيرًا ثابتًا للمعالجة، لكنها لا تُثبت تساوي المعالجات. ولا يخبر الاختبار بأي المعالجات تختلف. ويجعل عدد الكتل القليل تقريب مربع كاي أقل موثوقية، وهذا أحد أسباب كون T2 الخيار الافتراضي. القيم المفقودة غير مدعومة، لذا يجب أن تكون كل كتلة مكتملة.
الأسئلة الشائعة
متى ينبغي أن أستخدم اختبار فريدمان؟
استخدمه عندما تُقاس الوحدات نفسها تحت عدة شروط، وتكون البيانات ترتيبية أو غير موزعة توزيعًا طبيعيًا، فلا يكون تحليل التباين ذو القياسات المتكررة مناسبًا.
لماذا توجد قيمتا p؟
تتبع T1 توزيع مربع كاي التقريبي، بينما تتبع T2 توزيع F التقريبي الذي يكون عمومًا أدق. ويعتمد القرار على الإحصاءة التي تختارها.
كيف تُعالج القيم المتعادلة؟
تأخذ القيم المتعادلة متوسط رتبها، وتنتقل T1 إلى الصيغة المصححة للتعادل.
هل لاتجاه الترتيب أهمية؟
لا. فالترتيب التنازلي يعطي الإحصاءة نفسها.
ماذا تعني T2 اللانهائية؟
تحدث عندما ترتب كل كتلة المعالجات بالترتيب نفسه. وعندئذ تكون قيمة p لـ F تساوي 0 وتُرفض H0.
المصادر
- Dataplot FRIEDMAN TEST، NIST/ITL، 2023