Innehåll. 1 Repetitionsuppgifter 3

Transkript

1 Innehåll 1 Repetitionsuppgifter 3 2 Övningsuppgifter Enfaktorförsök och varianskomponentmodeller Tvåfaktorförsök. Blockförsök Flerfaktorförsök. Romerska kvadrater Faktorförsök 2 k. Reducerade faktorförsök 2 k p Icke-parametriska metoder Responsytor Val av stickprovsstorlek Linjära modeller. Regression Svar 60 1

2 2

3 1 Repetitionsuppgifter Ex. A Annas läkare misstänker att hon lider av hypokaliemi, d.v.s. låg kaliumhalt i blodet. Upprepade mätningar av kaliumvärdet för en person ger olika resultat, dels beroende på individuella variationer från dag till dag, dels beroende på mätfel- Man har funnit att det är rimligt att anta att ett uppmätt kaliumvärde för en person är normalfördelat med parametrar µ och σ, där µ är det karakteriska kaliumvärdet för personen och σ = 0.2. En person klassas som hypokaliemisk om kaliumvärdet är under 3.5. Anta att Anna har µ = 3.7. a) Vad är sannolikheten at Anna klassas som hypokaliemisk om man gör en enda kaliummätning? b)vad är sannolikheten att Anna klassas som hypokaliemisk om man gör fyra oberoende mätningar med lämpliga tidsavstånd och medelvärdet av dessa mätningar jämförs med 3.5? Ex. B Några forskare jämförde en mikrobiologisk metod och en hydroxylaminmetod för analyser av ampicillin. I en serie experiment analyserades par av likvärda tabletter med hjälp av de båda metoderna. I tabellen nedan nns uppmätta andelar ampicillin i procent av den påstådda mängden ampicillin (detta är bara en delmängd av materialet): Experiment nr. Mikrobiol. met. Hydroxylamin met Kan vi utgående från det här datamaterialet påvisa en systematisk skillnad mellan de båda metoderna? Besvar frågan med hjälp av ett lämpligt 95% kondensintervall eller ett test. Normalfördelning får förutsättas. Redovisa Dina slutsatser tydligt. 3

4 Ex. C Vid vissa sorters gruvdrift får man avfallsprodukter som är svagt radioaktiva. Under olyckliga omständigheter kan dessa via spillvatten läcka ut i grundvattnet och nå någon dricksvattentäkt. För dricksvatten är det rekommenderade gränsvärdet 5 picocurie per liter vatten. Från en stads dricksvattentäkt tog man 24 vattenprover och undersökte strålningen, vilket gav medelvärdet x = Anta att x i är observation av X i = µ + ɛ i, ɛ i N(0, 0.87). a) Pröva H 0 : µ = 5 mot H 1 = µ < 5 på nivån b) Beräkna testets styrka för µ = 4.5. c) I stället för hypotesprövningen i a) skulle vattenbolaget kunna pröva H 0 : µ = 5 mot H 1 : µ > 5 på nivån Vilket av testen föredrar du? Motivera ditt svar genom att beskriva hur signikansnivån kan tolkas i de båda fallen. Ex. D I en studie har man undersökt histaminnivån i slem från nio allergiska personer och tretton friska (Thomas & Simmons 1969), mätvärden x i respektive y i : Allergiska Ej allergiska Det är helt uppenbart att variationerna i nivåerna är mycket större för allergiker än för icke-allergiker. Därför studerar man i stället de logaritmerade värdena. För de transformerade värdena u i = ln x i och v j = ln y j har vi ū = s u = v = s v = Modell: De s.v. U 1,..., U 9 och V 1,..., V 13 är oberoende, U i N(µ 1, σ) och V j N(µ 2, σ). a) Kan man med någon säkerhet påstå att allergiska personer har förhöjda histaminvärden jämfört med friska personer? Motivera ditt svar med ett lämpligt 95% kondensintervall. Man misstänkte redan före mätningarna att allergiska persioner hade högre värden. b) Uppskatta sannolikheterna att en allergisk respektive frisk person har ett histaminvärde större än 50. Kommentar till uppgift Ex. D: I den här uppgiften är det inte ens efter transformationen självklart att anta samma standardavvikelse för de båda stickproven. I boken nns en metod för fallet σ u σ v. 4

5 Ex. E a) Vid mättning av en kvalitetsvariabel anses det vara rimligt att anta att det uppmätta värdet X i N(µ, 0.5). Man vill att P (X i 1) < Vad motsvaras detta av för villkor på µ? b) Vid 16 oberoende mätningar ck man följande mätvärden: Kan man med någon säkerhet hävda att villkoret i a) är uppfyllt? Besvara frågan med hjälp av ett lämpligt kondensintervall eller test. Nivå c) Verkar antagandet att σ = 0.5 rimligt? Motivera Ditt svar med hjälp av ett lämpligt tvåsidigt kondensintervall med kondensgraden 95%. Ex. F I samband med kalibrering av ett mätinstrument har man gjort upprepade mätningar i olika punkter inom mätområdet och fått stickprovsstandardavvikelser s 1 = s 2 = s 3 = s 4 = s 5 = s 6 = På grund av ett missförstånd baseras s 1, s 2, s 3 på vardera fem måtningar och s 4, s 5, s 6 på vardera fyra mätningar. Modell: Ett mätvärde x är observation av en stokastisk variabel X = µ+ɛ, där µ är det sanna värdet och ɛ N(0, σ) är ett mätfel. Mätfelen i olika mätningar är oberoende. Konstruera ett 95% uppåt begränsat kondensintervall för σ baserat på samtliga data. Ex. G Man har gjort upprepade mätningar av koncentrationen av HCl i en lösning med hjälp av titrering. Två olika färgindikatorer har utnyttjats för att hitta slutpunkten i titreringen. Resultat: Indikator Medelvärde Stickprovsstand.avv. Antal mätningar Metylrött x = s x = Bromkresol- ȳ = s y = grönt Modell: Vi har två oberoende slumpmässiga stickprov från N(µ 1, σ) respektive N(µ 2, σ). Verkar de båda indikatorerna ge likvärda resultat? Motivera ditt svar med hjälp av ett lämpligt tvåsidigt 95% kondensintervall. Ex. H Överföring av en digital bild med ett visst system tar i genomsnitt 3.45 sekunder. Genom att komprimera informationen (vilket inte behöver leda till en sämre bild hos mottagaren) kan man skära ned överföringstiden. En ny algoritm, som komprimerar informationen, ger överföringstider som är N(µ, σ), där σ = 0.32 sekunder. Femton oberoende bildöverföringar gav den genomsnittliga överföringstiden x = 2.42 sekunder. a) Pröva på nivå 0.05 H 0 : µ = 2.5 mot H 1 : µ < 2.5. b) Beräkna styrkan för testet i a), då µ =

6 Ex. I Vid ett avloppsreningsverk i laboratorieskala genomfördes en serie experiment för att fastställa hur fosfatreduktionen y mätt i procent beror av avloppsvattnets ph-värde x. Resultat: Row x y Datamaterialet har analyserats i Minitab enligt två olika modeller Y = β 0 + β 1 x + ɛ, (1) Y = β 0 + β 1 x + β 2 x 2 + ɛ, (2) där ɛ-variablerna antas vara oberoende N(0, σ). Minitabutskrift och plottar nns på nästa sida. a) Förklara kortfattat utifrån plotterna varför modell 2 beskriver datamaterialet bättre än modell 1. b) Hur framgår det av analysen att x 2 -termen är väsentlig i modell 2. Motivera ditt svar med hjälp av ett lämpligt 95% kondensintervall. c) Vilket ph-värde är optimalt enligt analysen för modell 2. Motivera ditt svar med hjälp av lämpliga beräkningar. d) Uppskatta skillnaden m 10 m 11 mellan E(Y ) för x = 10 och E(Y ) för x = 11 för modell 2. 6

7 MODEL 1... MTB > Fitline 'y' 'x'; SUBC> Confidence 95.0; SUBC> CI; SUBC> PI. Regression Analysis: y versus x The regression equation is y = x S = R-Sq = 53.0% R-Sq(adj) = 50.4% Analysis of Variance Source DF SS MS Regression Error Total MODEL 2... MTB > Fitline 'y' 'x'; SUBC> Poly 2; SUBC> Confidence 95.0; SUBC> CI; SUBC> PI (X T X) 1 = Polynomial Regression Analysis: y versus x The regression equation is y = x x^2 S = R-Sq = 89.9% R-Sq(adj) = 88.7% Analysis of Variance Source DF SS MS Regression Error Total Sequential Analysis of Variance Source DF SS F P Linear Quadratic

8 2 Övningsuppgifter 2.1 Enfaktorförsök och varianskomponentmodeller Ex Vid tillverkning av takstolar prövade man fyra olika skarvningsmetoder. Vid provbelastning erhölls följande knäckhållfastheter (enhet: 10 4 N): Metod 1: Metod 2: Metod 3: Metod 4: Vid den efterföljande analysen erhölls följande resultat: Grupp ȳ i s i VARIANSANALYSTABLÅ Kvadratsumma FG Mellan grupper Inom grupper a) Har skarvningsmetoden betydelse för hållfastheten? Besvara frågan med hjälp av ett lämpligt test. Nivå 1%. b) Gör parvisa jämförelser mellan metoderna genom att beräkna kondensintervall för de olika dierenserna µ i µ j med simultan kondensgrad exakt 99%. Den vanliga enfaktormodellen förutsätts gälla både i a) och b). Ex Följande datamaterial visar skördar av sojabönor (enhet: busels/acre) sådda med plantavståndet 2 tum på likvärda arealer och med radavstånd 20, 24, 28 respektive 32 tum: RADAVST. ȳ i s i a) Om man skall analysera datamaterialet enligt den vanliga enfaktormodellen, måste man anta att standardavvikelserna är lika stora. Visa att detta antagande är rimligt med hjälp av lämpliga test vart och ett på nivån Det räcker om du redovisar ett av testen samt anger den simultana nivån. b) Betrakta nu datamaterialet som fyra stickprov från N(µ i, σ). Undersök med ett lämpligt kondensintervall eller test på nivån 0.05 om det är möjligt att µ 1 µ 3 = 2(µ 3 µ 4 ) µ 1 3µ + 2µ 4 = 0. 8

9 Ex En plastfabrik tar emot råmaterial som tillverkats i olika tillverkningsomgångar (smältor). Man valde slumpmässigt och bestämde draghållfastheter för fem prover ur varje. Resultat (MEAN och STDEV från Minitab): Smälta Hållfastheter MEAN STDEV A A A Modell: Låt y ij vara observation nr j för smälta nr i, där Y ij = µ+τ i +ɛ ij och där τ 1,..., τ 3 är N(0, σ τ ) och ɛ 11,..., ɛ 35 är N(0, σ). a) Pröva med hjälp av ett lämpligt test på nivån 0.01 H 0 : σ 2 τ = 0 mot H 1 : σ 2 τ 0. b) Konstruera ett 95% kondensintervall för µ. Ex Vid tillverkning av en viss sorts robotar hade man problem med att få plastmaterialet i noskonen att tåla de höga temperaturer som uppstår under ygningen. Man bestämde sig för att prova fem olika tillsatser för att förbättra plastmaterialet och mätte sedan viktminskningen hos noskonen (enhet: %) vid tre olika försök för varje tillsats. Resultat: Grupp ȳ i s i VARIANSANALYSTABLÅ Kvadratsumma FG Mellan grupper Inom grupper Modell: Vi antar (med viss tvekan) att vi har fem stickprov från N(µ i, σ). a) På vilka nivåer är skillnaden i förväntad viktminskning mellan materialen signikant? b) Intervallskatta alla parvisa dierenser mellan väntevärdena med t-, Tukey- och Scheé-intervall. Låt i samtliga fall den simultana kondensgraden vara minst 95%. c) Jämför längder av kondensintervallen i b). Var det en tillfällighet att Tukey-intervallen blev kortast och Scheéintervallen längst? d) Vad är det för fel på följande resonemang: Av försöksresultaten framgår att det uppmätta skillnaden mellan material 2 och 4 är större än de övriga skillnaderna. Om vi enbart vill avgöra om skillnaden mellan de fem plastmaterialen är signikant, kan vi därför nöja oss med ett testa hypotesen µ 2 = µ 4 med ett vanligt t-test. Man nner då att skillnaden mellan µ 2 och µ 4 är signikant på nivån 0.5%. Alltså är skillnaden mellan de fem plastmaterialen signikant på nivån 0.5%. 9

10 Ex En sensor indikerar när våglängden för en ljuskälla överstiger 7000 ångström, vilket innebär övergäng till den infraröda zonen. Ur ett mycket stort parti med sensorer har man slumpmässigt valt ut 5 st och var och en av dem har testats 3 gånger, varvid man har bestämt den lägsta våglängd vid vilken sensorn indikerat att tröskeln 7000 ångström överskridits. Ambitionen är att dra slutsatser för hela partiet. Resultat av mätningarna: Sensor nr i Observationer, y ij ȳ i s i a) Ställ upp en varianskomponentmodell och skatta samtliga parametrar i modellen. Motivera kortfattat varför en varianskomponentmodell bör användas. b) Undersök med ett test på nivån 0.01 om det förekommer variationer mellan sensorerna i fråga om våglängden vid vilken indikering sker. Ex I ett företag koncentreras syra. Vissa delar av utrustningen fräts så småningom sönder. Tre olika leverantörer A, B och C tillverkar apparatur av den aktuella sorten. Produktionsvolymen mätt i hundratals ton mellan installation och felupptäckt har registrerats. Resultat: Produktion ȳ i s i A B C Modell: Vi har tre oberoende, slumpmässiga stickprov från N(0, 1). a) Intervallskatta väntevärdena µ A, µ B och µ C så att en simultana kondensgraden blir minst 94%. b) På vilka nivåer är skillnaden i förväntad produktionsvolym signikant? c) Intervallskatta alla parvisa dierenser mellan väntevärdena så att den simultana kondensgraden blir minst 94%. d) Intervallskatta alla parvisa dierenser mellan väntevärdena enligt Scheffes metod så att den simultana kondensgraden blir minst 95%. Ex A pharmaceutical manufacturer wants to investigate the bioactivity of a new drug. A completely randomized single-factor experiment wa conducted with three dosage levels, and the following results were obtained. Dosage Observations 20g g g a) Is there evidence that the dosage level aects bioactivity? Use α =

11 b) If it is appropriate to do so, make comparisons between the pairs of means. What conclusions can you draw? Ex Tre grupper med lika stora grisar ck injektioner med lugnande medel och för varje gris mättes tiden i minuter mellan injektionen och insomnandet. Grisarnna i de tre grupperna ck 0.5 mg, 1.0 mg och 1.5 mg av medlet. Resultat: Dos ȳ i s i 0.5 mg: mg: mg: Modell: Dos nr i och grip nr j i gruppen ger tiden y ij, som är observation av en s.v. Y ij N(0, 1), där j = 1,..., n i, i = 1, 2, 3. De s.v. Y ij är oberoende. a) Ger de tre doserna samma förväntade insomningstid? Genomför ett lämpligt test på nivån b) För att undersöka om sambandet mellan dos och insomningstid kan vara linjärt vill man pröva H 0 : µ 1 µ 2 = µ 2 µ 3 mot H 1 : µ 1 µ 2 µ 2 µ 3 Genomför ett lämpligt test på nivån c) Varför är H 0 en intressant hypotes då man vill undersöka linjäritet? Ex Ur ett malmparti har man tagit prover på fyra slumpmässigt valda platser. Varje prov har pulvriserats, blandats noggrant och delats upp i tre delprover vars metallhalter bestämts. Vi låter y ij beteckna metallhalt nr j för plats nr i. Resultat: Plats Metallhalt ȳ i s i Per och Stina inte riktigt överens om hur man skulle analysera datamaterialet. a) Per ställde upp modellen Y ij = µ + τ i + ɛ ij, där 4 i=1 τ i = 0 och ɛ ij N(0, σ), i = 1, 2, 3, 4, j = 1, 2, 3. Konstruera ett 95% kondensintervall för µ. b) Stina ställde upp modellen Y ij = m + ξ i + ɛ ij, 11

12 där ξ i N(0, σ ξ ) och ɛ ij N(0, σ), i = 1, 2, 3, 4, j = 1, 2, 3, och ξ- och ɛ-variablerna är oberoende. Konstruera ett 95% kondensintervall för m. c) Vad är det för skillnad på parametrarna µ och m? Ex I en studie ville man undersöka om personer med högt blodtryck i genomsnitt har hägre kolesterolvärden än personer med normalt blodtryck (Rossi et al.). I datamaterialet nedan nns uppmätta kolesterolvärden x i för personer med högt blodtryck och y j för personer med normalt blodtryck, enhet: mg/l. Data är en delmängd av ett större datamaterial. MTB > print c1 Data Display x_i MTB > print c2 Data Display y_i Modell: De stokastiska variablerna X i är oberoende och N(µ 1, σ 1 ) och de stokastiska variablerna Y j är oberoende och N(µ 2, σ 2 ). Två olika analyser har gjorts med hjälp av Minitab: ANALYS NR 1, SKILDA STANDARDAVVIKELSER (NOT EQUAL STDEV) MTB > TwoSample 'x_i' 'y_i'; SUBC> Confidence 90,0; SUBC> Test 0,0; SUBC> Alternative 0. Two-sample T for x_i vs y_i N Mean StDev SE Mean x_i ,5 29,6 4,7 y_i ,0 37,6 7,7 Difference = mu (x_i) - mu (y_i) Estimate for difference: 15,49 90% CI for difference: (0,30; 30,68) T-Test of difference = 0 (vs not =): T-Value = 1,72 P-Value = 0,094 DF = ANALYS NR 2, SAMMA STANDARDAVVIKELSER (EQUAL STDEV) MTB > TwoSample 'x_i' 'y_i'; 12

13 SUBC> Confidence 90,0; SUBC> Test 0,0; SUBC> Alternative 0; SUBC> Pooled. Two-sample T for x_i vs y_i N Mean StDev SE Mean x_i ,5 29,6 4,7 y_i ,0 37,6 7,7 Difference = mu (x_i) - mu (y_i) Estimate for difference: 15,49 90% CI for difference: (1,26; 29,71) T-Test of difference = 0 (vs not =): T-Value = 1,82 P-Value = 0,074 DF = 61 Both use Pooled StDev = 32,8318 a) Vilken av de båda analyserna är mest relevant? Motivera ditt svar kortfattat. b) Pröva H 0 : µ 1 = µ 2 mot H 1 : µ 1 > µ 2 på nivån 0.05 gärna genom att utnyttja Minitabanalysen. c) Hur ser teststorheten ut för den första analysen och hur beräknas frihetsgraden? d) Jämför de båda kondensintervall i Minitabs analyser. Vilket är mest tillförlitligt? Ex I ett projekt ska man mäta urladdningsintensiteter hos blixtar i Florida, där åskväder är mycket vanliga. I en viss region har man slumpmässigt valt ut tre platser (mätstationer), monterat upp sin utrustning och genomfört mätningar av den maximala intensiteten för fem olika åskväder på var och en. Observerade intensiteter z ij : Tracking Station Intensities Eftersom mätfelen knappast kan vara konstanta över ett så stort mätområde har värdena logaritmerats före analys. Vi har alltså modellen Y ij = ln(z ij ) = µ + τ i + ɛ ij, där τ i N(0, σ τ ) och ɛ ij N(0, σ) och där de olika τ- och ɛ-variablerna är oberoende. Minitabanalys: MTB > print c1-c3 (with log(intensities)) Data Display Row TS1 TS2 TS3 13

14 1 2, , , , , , , , , , , , , , ,11373 MTB > Describe 'TS1' - 'TS3'; SUBC> Mean; SUBC> StDeviation; SUBC> Count. Descriptive Statistics: TS1; TS2; TS3 Total Variable Count Mean StDev TS1 5 6,11 2,52 TS2 5 6,609 2,103 TS3 5 7,742 1,817 a) Konstruera ett 95% kondensintervall för µ. b) Man hoppades med hjälp av de här första mätningarna kunna visa att variationerna mellan platser var försumbar. Pröva på nivån 10% hypotesen H 0 : σ 2 τ = 0 mot H 1 : σ 2 τ 0 Är det rimligt att i fortsättningen genomföra mätningarna på samma plats i Florida? Ex Man vill i ett försök jämföra fyra olika jordtyper med avseende på förekomsten av en viss bakterie. För varje jordtyp har man tagit sju jordprover och funnit följande antal bakterier. Jordtyp Observationer Medelv. ȳ i Stand.avv. s i Modell: y ij är observation av Y ij = µ i + ɛ ij, där ɛ ij N(0, σ) för i = 1, 2, 3, 4 och j = 1,..., 7. De stokastiska variablerna Y ij är oberoende. a) Finns det skillnader melan jordtyperna vad det gäller förekomsten av den aktuella bakterien? Konstruera tvåsidiga kondensintervall för de olika dierenserna µ i µ j med simultan kondensgrad 95%. b) Av olika skäl överväger man att blanda jordtyp 1 och jordtyp 2 i förhållandet 2:1. Gör ett kondensintervall för (2µ 1 +µ 2 )/3 med kondensgraden 95%. Ex Ett företag tillverkar stålplåt vid fyra olika fabriker A, B, C och D. Man har länge ansett att fabrik D har högre kvalitet på sin plåt än övriga fabriker. I en undersökning togs prover ur produktionen för alla fabrikerna 14

15 och draghållfastheten bestämdes för varje prov. På grund av ett missförstånd togs inte like många prover vid olika fabrikerna. Data från de olika fabrikerna nns i C1-C4 i datautskriften nedan. Modell: Datamaterialet kan betraktas som fyra stickprov från N(µ i, σ), där i = 1, 2, 3, 4. a) Verkar det rimligt att anse att A, B och C har ungefär samma kvalitet på sina plåtar? Besvara frågan genom att konstruera intervall för parvisa jämförelser med simultan kondensgrad minst 94%. b) Undersök om plåtarna från fabrik D har minst 3% bättre hållfasthet än de övriga fabrikerna, dvs pröva H 0 : µ 4 = 1.03(µ 1 + µ 2 + µ 3 )/3 mot H 1 : µ 4 > 1.03(µ 1 + µ 2 + µ 3 )/3 på nivån MTB > set c1 DATA> 61,2 62,0 60,9 62,1 61,8 61,3 62,4 62,1 60,1 59,8 61,0 DATA> end MTB > set c2 DATA> 60,8 62,1 62,5 61,4 60,9 62,2 61,2 62,3 62,1 62,1 60,6 60,8 61,5 DATA> end MTB > set c3 DATA> 60,8 61,5 61,9 61,5 61,7 62,0 61,2 60,2 60,5 61,3 61,4 62,3 62,1 DATA> end MTB > set c4 DATA> 64,3 64,6 63,6 64,7 63,9 64,8 64,2 63,4 64,6 64,6 64,9 63,2 64,1 63,6 DATA> end MTB > stack c1-c4 c5; SUBC> subscript c6. MTB > Name C7 "FITS1" C8 "RESI1". MTB > OneWay; SUBC> Response C5; SUBC> Categorical C6; SUBC> TMethod; SUBC> TFactor; SUBC> TANOVA; SUBC> TMeans. One-way ANOVA: C5 versus C6 Factor Information Factor Levels Values C6 4 1; 2; 3; 4 Analysis of Variance Source DF Adj SS C6 3 76,06 Error 47 21,27 15

16 Total 50 97,33 Means C6 N Mean StDev 95% CI ,336 0,846 (60,928; 61,744) ,577 0,670 (61,202; 61,952) ,415 0,624 (61,040; 61,791) ,179 0,558 (63,817; 64,540) 2.2 Tvåfaktorförsök. Blockförsök. Ex För att bestämma optimala egenskaper hos ett försilvringsbad har man prövat två olika koncentrationer och fem olika temperaturer och mätt re- ektionsförmågan hos den behandlade metallen. Resultat: Temperatur ( F ) Konc (g/l) Datamaterialet har analyserats med hjälp av Minitab, se nedan. a) Hur ser modellen ut? b) Är det rimligt med en additiv modell eller nns det samspel mellan A och B? Genomför ett lämpligt test på nivån c) Enligt vilken modell bör datamaterialet analyseras? d) Går det att hitta en bästa kombination av koncentration och temperatur? Motivera ditt svar med hjälp av lämpliga kondensintervall med simultan kondensgrad exakt MTB > ANOVA 'Y' = A B; SUBC> Means A B. ANOVA: Y versus A, B Factor Type Levels Values A fixed 2 1, 2 16

17 B fixed 5 1, 2, 3, 4, 5 Analysis of Variance for Y Source DF SS MS A B A*B Error Total S = R-Sq = 83.37% R-Sq(adj) = 75.89% Means A N Y B N Y A B N Y Ex På ett laboratorium har man mätt draghållfastheter för fem sorters linnetråd med hjälp av fyra olika mätinstrument. Resultat: 17

18 Instrument Tråd Medelv. ȳ i Medelv. ȳ j a) Modell 1: Tråd nr i och instrument nr j ger hållfasthet y ij, där Y ij = µ + τ i + β j + ɛ ij med ɛ ij N(0, σ) och i τ i = 0 samt j β j = 0. Gör parvisa jämförelser mellan trådsorterna. Den simultana kondensgraden skall vara minst 90%. VARIANSANALYSTABLÅ Kvadratsumma FG Tråd Instrument Error b) Modell 2: Y ij = µ i + ɛ ij, där ɛ ij N(0, σ). Gör parvisa jämförelser mellan trådsorterna. Den simultana kondensgraden skall vara exakt 90%. c) Vilken av de två modellerna fungerar bäst? Motivera ditt svar kortfattat. Ex Man har genomfört ett experiment för att studera eekterna av genomblåsningstid och ångtryck vid rengöring av lter. Mängd kvarvarande partiklar: Ångtryck Genomblåsningstid (tim) Datamaterialet har dels analyserats med hjälp av Minitab, se nedan. a) Bör man använda en additiv tvåfaktormodell eller en fullständig tvåfaktormodell? Besvara frågan med hjälp av ett lämpligt test på nivån b) Vilket ångtryck bör man välja för tre timmars genomblåsningstid? Svaret skall motiveras med hjälp av lämpliga kondensintervall med simultan kondensgrad minst 85%. Använd modellen du valde i a). Datautskrift: ROW TRYCK TID Y

19 MTB > ANOVA 'Y' = TRYCK TID; SUBC> Means TRYCK TID. ANOVA: Y versus TRYCK, TID Factor Type Levels Values TRYCK fixed 3 1, 2, 3 TID fixed 3 1, 2, 3 Analysis of Variance for Y Source DF SS MS TRYCK TID TRYCK*TID Error Total Means TRYCK N Y TID N Y TRYCK TID N Y

20 Ex En kemist vill studera förbränningstemperaturens inverkan på koloxidhalten i rökgaserna från en förbränningsprocess. Han bestämmer sig för fyra olika temperaturer T 1, T 2, T 3 och T 4. Försöket får ta en dag, till sitt förfogande har han fyra försöksuppställningar och han hinner genomföra fyra försök på varje försöksuppställning. Man kan tänka sig bl.a. följande två sätt att fördela de sexton delförsöken i rummet och tiden: I. Ett fullständigt randomiserat försök med fyra mätningar vid varje temperatur. II. Ett blockförsök med randomisering inom blocket, där block = försöksuppställning. a) Beskriv kortfattat hur man gör en försöksplan av typ I. b) Beskriv kortfattat hur man gör en försöksplan av typ II. c) Ange lämpliga modeller för de observerade koloxidhalterna från de båda försöken. Ex Ett experiment har genomförts för att se om BOD-testet (BOD=biochemical oxygen demand) för vatten påverkas av närvaron av koppar. Man mäter mängden syre i vattnet i början och slutet av en femdagarsperiod, skillnaden mellan mätvärdena anses bero på bakteriernas aktivitet. Frågan är om upplöst koppar hämmar bakterieaktiviteten och ger ett lågt värde på skillnaden i syremängd. Tre olika vattenprover har delats upp i fem delprover som behandlats med olika mängd koppar. BOD-värden: Kopparjonkoncentration (ppm) Prov Medelv. ȳ i Medelv. ȳ j Modell: Vattenprov nr i och kopparjonkoncentration nr j ger BOD-värde y ij, sådana att y ij är observation av Y ij = µ + τ i + β j + ɛ ij, där i τ i = 0, j β j = 0 och ɛ-variablerna är oberoende och N(0, σ). VARIANSANALYSTABLÅ Kvadratsumma FG Prov Koppar Residual (error) a) Har kopparjonkoncentration betydelse för BOD-värdet? Genomför ett lämpligt test på nivån b) Är kopparjonkoncentrationen 0.75 signicant bättre än koncentrationen 0.3 enligt det här analysresultatet? Besvara frågan med hjälp av ett lämpligt test eller kondensintervall. Nivå

21 Ex Vid lödningar med tvåsorters lödtenn, L1 och L2, på tre olika material, M1, M2 och M3, erhölls följande hållfasthetsdata: Minitab utskritf: M1 M2 M3 L L MTB > print c1 Data Display C MTB > print c2 Data Display C MTB > print c3 Data Display C MTB > name c1 'L' c2 'M' c3 'Y' MTB > ANOVA 'Y' = L 'M'; SUBC> Means L M. ANOVA: Y versus L; M Factor Type Levels Values L fixed 2 1; 2 M fixed 3 1; 2; 3 Analysis of Variance for Y Source DF SS MS F P L 1 36,8 36,8 1,56 0,258 M ,5 2619,8 111,08 0,000 L*M ,5 885,3 37,54 0,000 Error 6 141,5 23,6 Total ,3 Means L N Y , ,000 M N Y , , ,25 21

22 L M N Y , , , , , ,50 a) Bör man välja en additiv tvåfaktormodell eller en fullständig? Motivera modellvalet med hjälp av ett lämpligt test på nivån 5%. b) Jämför de båda tennsorternas egenskaper genom att intervallskatta lämpliga parametrar, så att den simultana kondensgraden är minst 97%. (Ledning: Vilken lödtenn skall man rekommendera för respektive material?) 2.3 Flerfaktorförsök. Romerska kvadrater Ex Vid härdning av stål enligt ausforming-processen upphettas först stålet till C. Därefter avkyls det i ett salt- eller blybad till en temperatur av C, och utsätts för en kraftig mekanisk påverkan. Sedan avkyls det hastigt till rumstemperatur. Vid ett trefaktorförsök hölls faktorn A, upphettningstemperaturen, på 3 nivåer (930 C, 985 C, 1040 C); faktorn B, saltbadstemperaturen, på 2 nivåer (400 C, 550 C) och faktorn C, mekanisk påverkan, på 2 nivåer (80%, 50%). Mätresultat (dråghållfasthet): B 1 B 2 A 1 C C A 2 C C A 3 C C Analysen har gjorts med hjälp av Minitab enligt två olika modeller. a) Enligt vilken modell analyseras data i analys nr 2? Motivera valet av denna modell med hjälp av analys nr 1. b) Kan man utgående från analys nr 2 hitta en bästa kombination av A, B och C? Motivera ditt svar genom att konstruera lämpliga kondensintervall med simultan kondensgrad minst 90%. Datautskrift: MTB > MODELL NR 1 MTB > ANOVA 'Y' = A B C; ANOVA: Y versus A, B, C Factor Type Levels Values A fixed 3 1, 2, 3 B fixed 2 1, 2 22

23 C fixed 2 1, 2 Analysis of Variance for Y Source DF SS MS F A B C A*B A*C B*C A*B*C Error Total MTB > MODELL NR 2 MTB > ANOVA 'Y' = A B C; SUBC> Means A B C. ANOVA: Y versus A, B, C Factor Type Levels Values A fixed 3 1, 2, 3 B fixed 2 1, 2 C fixed 2 1, 2 Analysis of Variance for Y Source DF SS MS F P A B C B*C Error Total Means A N Y B N Y C N Y B C N Y

24 Ex I ett naturvårdsområde ville man undersöka hur behandlingen av ängsmarken påverkade förekomsten av brinklosta (en sorts gräs). Ett någorlunda rektangulärt område, som i väster begränsas av en älv och i söder av en motorväg, delades in i 4 rader och 4 kolumner vilket gav 16 försöksrutor där 4 olika behandlingar Beh 1: Höet höggs och skördades; Beh 2: Höet höggs och lämnades på marken i strängar; Beh 3: Höet höggs med lie och lämnades där det föll; Beh 4: Höet ck stå kvar. fördelades enligt en romersk kvadrat. Påföljande år valde man slumpmässigt n plantor ur varje ruta och registrerade andelen brinklosta. Resultat: 0.32 (Beh4) 0.81 (Beh1) 0.64 (Beh2) 0.57 (Beh3) älv 0.84 (Beh1) 0.27 (Beh4) 0.58 (Beh3) 0.62 (Beh2) 0.63 (Beh3) 0.67 (Beh2) 0.79 (Beh1) 0.19 (Beh4) 0.72 (Beh2) 0.65 (Beh3) 0.24 (Beh4) 0.70 (Beh1) Motorväg Relativa frekvenser (X) är observarioner av s.v. med varians proportionell mot p(1-p), dvs olika varianser. Genom transformationen Y = arcsin X får man s.v. med ungefär samma varians samtidigt som den inbördes rangordningen mellan observationerna bevaras. Dessa Y -värden har med hjälp av Minitab analyserats enligt en additiv modell. Resultat (Rad i analysen betecknar rad i datamaterialet ovan): MTB > let c5=asin(sqrt(c4)) MTB > name c1 'rad' c2 'kol' c3 'beh' c4 'x' c5 'y' MTB > ancova y=rad kol beh; SUBC> mean rad kol beh. * NOTE * Unbalanced design. A cross tabulation of your factors will show * where the unbalance exists. * NOTE * Make sure your design is orthogonal. ANCOVA: y versus rad, kol, beh Factor Levels Values rad 4 1, 2, 3, 4 kol 4 1, 2, 3, 4 beh 4 1, 2, 3, 4 Analysis of Variance for y Source DF SS MS F rad kol beh Error Total Means 24

25 rad N y kol N y beh N y a) Verkar närheten till motorvägen att ha betydelse för förekomsten av brinklosta? Genomför ett lämpligt test på nivån b) Är någon av behandlingarna överlägsen de andra om man vill ha mycket brinklosta? Besvara frågan genom att konstruera lämpliga kondensintervall med simultan kondensgrad exakt Ex Tillverkning av en viss sorts alkohol baseras på jäsning av majs. I en undersökning har man varierat temperatur, jästsort och majssort och bestämt utbytet av alkohol från processen, uttryckt i gram alkohol per 250 gram vätska. Resultat: Maizes Temp Yeasts MUS1 MUS2 MC1 MC2 21 C Y Y Y C Y Y Y C Y Y Y En Minitabanalys enligy en fullständig trefaktormodell nns nedan. a) Ställ upp modellen och ange vilka bivillkor som ska vara uppfyllda. b) Åskådliggör eventuellt samspel mellan temperatur och jäst genom att göra en så kallad samspelsplot. c) Undersök med hjälp av ett test på nivån 0.05 om det nns samspel mellan temperatur och jäst. d) Gör parvisa jämförelser av de olika majssorterna utgående från deras huvudeekter, som beskriver hur de fungerar i genomsnitt. Den simultana 25

26 kondensgraden ska vara exakt 90%. Är någon majssort bättre än de andra? Du behöver inte skriva ut alla intervallen, men det ska tydligt framgå hur du drar dina slutsatser. MTB > ANOVA 'y' = Temp Jäst Majs; SUBC> Means Temp Jäst Majs. ANOVA: y versus Temp, Jäst, Majs Factor Type Levels Values Temp fixed 3 1, 2, 3 Jäst fixed 3 1, 2, 3 Majs fixed 4 1, 2, 3, 4 Analysis of Variance for y Source DF SS MS Temp Jäst Majs Temp*Jäst Temp*Majs Jäst*Majs Temp*Jäst*Majs Error Total Means Temp N y Jäst N y Majs N y Temp Jäst N y Temp Majs N y Jäst Majs N y Faktorförsök 2 k. Reducerade faktorförsök 2 k p Ex I ett försök har man studerat hur förstärkningen för en halvledarenhet beror på fyra faktorer 26

27 Faktor Låg nivå Hög nivå A: Tillverkn.plats Laboratorium vanlig produktion B: Tryck C: Relativ fuktighet 1% 30% D: Tid sedan tillverkn. 72h 144h Två replikat har gjorts vid två olika tillfällen. Resultat: Nivåkomb. Rep. 1 Rep. 2 Nivåkomb. Rep. 1 Rep d a ad b bd ab abd c cd ac acd bc bcd abc abcd a) Först analyserades medelvärdena av de två replikaten med hjälp av Minitabs matriskommandon, se nästa sida. Vilka tre eekter ser ut att ha störst betydelse enligt denna analys? Motivera ditt svar kortfattat. b) Sedan gjordes två analyser med hjälp av ANOVA-kommandot, see nästa sida. Enligt vilken modell analyseras data i den första ANOVA-analysen? Vilka tre eekter ser ut att ha störst betydelse enligt denna analys? Motivera ditt svar kortfattat. c) Kan man hitta en bästa kombination av B och C att använda vid vanlig produktion? Besvara frågan med hjälp av lämpliga kondensintervall med simultan kondensgrad minst 70%. Använda ANOVA-analys nr 2. Man eftersträvar hög förstärkning. MTB > Read c1-c16; SUBC> File "C:...\design4.dat"; SUBC> Decimal ".". Entering data from file: C:...\DESIGN4.DAT 16 rows read. MTB > print c17 Data Display C MTB > print c18 Data Display C MTB > let c19=(c17+c18)/2 MTB > set c20 DATA> 1:16 DATA> end MTB > copy c19 m2 MTB > copy c1-c16 m1 MTB > trans m1 m3 27

28 MTB > mult m3 m2 m4 MTB > copy m4 c21 MTB > let c22=c21/16 MTB > Sort C20 C22; SUBC> By c22; SUBC> After. MTB > print c24 c23 Data Display Sorted Row C22 C MTB > copy c24 c25; SUBC> omit 16. MTB > nscores c25 c26 MTB > Plot C26*C MTB > stack c17 c18 c31 MTB > print c31 Data Display C MTB > Insert c1-c16; SUBC> File "C:\...\design4.dat"; SUBC> Decimal ".". Entering data from file: C:\...\DESIGN4.DAT 16 rows read. MTB > name c2 'A' c3 'B' c5 'C' c9 'D' c31 'Y' MTB > set c32 DATA> 16(1) DATA> 16(2) DATA> end MTB > name c32 'R' MTB > anova Y=A B C D R ANOVA: Y versus A, B, C, D, R Analysis of Variance for Y Source DF SS MS F P A B C

29 D A*B A*C A*D B*C B*D C*D A*B*C A*B*D A*C*D B*C*D A*B*C*D R Error Total MTB > anova Y=A B C R; SUBC> means A B C R. ANOVA: Y versus A, B, C, R Analysis of Variance for Y Source DF SS A B C A*B A*C B*C A*B*C R Error Total Means A N Y B N Y C N Y A B N Y A C N Y B C N Y A B C N Y R N Y Ex Man har genomfört ett amsäkerhetstest för två olika amhämmande behandlingar i form av ett 2 k -försök med faktorerna textilmaterial (A), amhämmande behandling (B), tvåttstatus (C) (låg nivå ingen tvätt, hög nivå en tvätt) och testmetod (D). Man har använt lika stora bitar textil och som responsvariabel tagit antalet tum uppbränt material. Resultat 29

30 (1) 42 d 40 a 31 ad 30 b 45 bd 50 ab 29 abd 25 c 39 cd 40 ac 28 acd 25 bc 46 bcd 50 abc 32 abcd 23 Datamaterialet har analyserats med hjälp av Minitab, se nedan. a) Först genomfördes analyser av 2 3 -försöken för var och en av testmetoderna. Vilka eekter ser ut att ha störst betydelse enligt dessa analyser? Svaret skall motiveras. b) Därefter genomfördes en analys enligt en fullständing trefaktormodell med faktorerna A, B och D. Kan man rekommendera amsäkerhetsbehandling för de olika textilmaterialen? Besvara frågan med hjälp av lämpliga kondensintervall med simultan kondensgrad minst 80%. Datautskrift: MTB > Read c1-c8; SUBC> File "C:\...\design3.dat"; SUBC> Decimal ".". Entering data from file: C:\...\DESIGN3.DAT 8 rows read. MTB > set c17 DATA> DATA> end MTB > set c18 DATA> 1:8 DATA> end MTB > copy c1-c8 m1 MTB > copy c17 m2 MTB > trans m1 m3 MTB > mult m3 m2 m4 MTB > copy m4 c19 MTB > let c20=c19/8 MTB > Sort C20 C18 c21 c22; SUBC> By c20. MTB > print c21 c22 Data Display Row C21 C22 1-6, , , , , , , ,50 1 MTB > copy c21 c23; SUBC> omit 8. MTB > nscores c23 c24 MTB > Plot C24*C23; SUBC> Symbol. 30

31 MTB > set c25 DATA> DATA> end MTB > copy c25 m2 MTB > trans m1 m3 MTB > mult m3 m2 m4 MTB > copy m4 c26 MTB > let c27=c26/8 MTB > Sort C27 C18 c28 c29; SUBC> By c27. MTB > print c28 c29 Data Display Row C28 C29 1-9, , , , , , , ,375 1 MTB > copy c28 c30; SUBC> omit 8. MTB > nscores c30 c31 MTB > Plot C31*C30; SUBC> Symbol. MTB > Read c1-c16; SUBC> File "C:\...\design4.dat"; SUBC> Decimal ".". Entering data from file: C:\...\DESIGN4.DAT 16 rows read. MTB > stack c17 c25 c32 31

32 MTB > print c32 Data Display C MTB > name c32 'Y' MTB > name c2 'A' MTB > name c3 'B' MTB > name c9 'D' MTB > anova Y=A B D; SUBC> means A B D. ANOVA: Y versus A; B; D Factor Type Levels Values A fixed 2-1; 1 B fixed 2-1; 1 D fixed 2-1; 1 Analysis of Variance for Y Source DF SS MS F P A , ,06 291,95 0,000 B 1 39,06 39,06 10,96 0,011 D 1 5,06 5,06 1,42 0,267 A*B 1 76,56 76,56 21,49 0,002 A*D 1 39,06 39,06 10,96 0,011 B*D 1 0,06 0,06 0,02 0,898 A*B*D 1 22,56 22,56 6,33 0,036 Error 8 28,50 3,56 Total ,94 Means A N Y , ,875 B N Y , ,500 D N Y , ,375 A B N Y , , , ,250 A D N Y , , , ,750 B D N Y , , , ,000 32

33 A B D N Y , , , , , , , ,000 Ex Kvaliteten för ett textilmaterial bedöms i en skala från 0 till Ett försök genomfördes för att undersöka eekterna av A: två maskinoperatörer B: två maskiner C: två olika råmaterial D: två sorters färg. Eftersom experimentet störde den ordinarie produktionen, kunde man bara genomföra åtta försök åt gången med ganska stort tidsavstånd. De sexton försöken delades upp i två block enligt regeln K=ABCD, där K är blockfaktorn. Försöken inom varje block genomfördes sedan i slumpmässig ordning inom de båda tidsperioderna. Resultat: (1) 7.8 d 8.0 a 7.0 ad 8.3 b 7.3 bd 7.5 ab 8.4 abd 8.7 c 8.5 cd 9.0 ac 8.0 acd 8.0 bc 7.6 bcd 8.6 abc 9.0 abcd 9.5 a) Hur fördelar sig observationerna på de två blocken? b) Analysresultat från Minitab nns nedan. Den första analysen svarar mot en fullständig fyrafaktormodell för A, B, C och D. I vilken eekt nns blockeekten överlagrad? Ser det ut att nnas någon skillnad mellan blocken? c) Enligt vilken modell analyseras data i ANOVA-analysen? Vad nns det för skäl att välja just denna modell? d) Vad kan man säga om valet av råmaterial och färg? Hur ska man välja maskin för de två operatörerna? Motivera ditt svar med hjälp av lämpliga kondensintervall med simultan kondensgrad minst 92% för alla intervallen tillsammans. NR 1: MTB > Read c1-c16; SUBC> File "C:\...\design4.dat"; SUBC> Decimal ".". Entering data from file: C:\...\DESIGN4.DAT 16 rows read. MTB > set c17 33

34 DATA> 7,8 7,0 7,3 8,4 8,5 8,0 7,6 9,0 8,0 8,3 7,5 8,7 9,0 8,0 8,6 9,5 DATA> end MTB > set c18 DATA> 1:16 DATA> end MTB > copy c1-c16 m1 MTB > copy c17 m2 MTB > trans m1 m3 MTB > mult m3 m2 m4 MTB > copy m4 c19 MTB > let c20=c19/16 MTB > Sort C20 C18 c21 c22; SUBC> By c20. MTB > print c21 c22 Data Display Row C21 C22 1-0, , , , , , , , , , , , , , , , MTB > copy c21 c23; SUBC> omit 16. MTB > nscores c23 c24 MTB > plot c24*c23 NR 2: MTB > name c2 'A' MTB > name c3 'B' MTB > name c5 'C' MTB > name c9 'D' MTB > name c17 'Y' MTB > anova Y=A B C D; SUBC> means A B C D. 34

35 ANOVA: Y versus A; B; C; D Factor Type Levels Values A fixed 2-1; 1 B fixed 2-1; 1 C fixed 2-1; 1 D fixed 2-1; 1 Analysis of Variance for Y Source DF SS MS F P A 1 0,4225 0,4225 5,18 0,046 B 1 0,2500 0,2500 3,07 0,110 A*B 1 2,7225 2, ,40 0,000 C 1 1,6900 1, ,74 0,001 D 1 1,0000 1, ,27 0,006 Error 10 0,8150 0,0815 Total 15 6,9000 Means A N Y , ,3625 B N Y , ,3250 A B N Y , , , ,9000 C N Y , ,5250 D N Y , ,4500 Ex I ett försök med faktorer A, B, C, D och E har E applicerats enligt regeln ABCD=E. Resultat y y e 14.8 d 16.0 a 14.5 ade 15.1 b 18.1 bde 18.9 abe 19.4 abd 22.0 c 18.4 cde 19.8 ace 15.7 acd 18.9 bce 27.3 bcd 29.9 abc 28.2 abcde 27.4 Analyser med hjälp av Minitab nns nedan. a) Först analyserades datamaterialet enligt en modell med sexton tänkbara parametrar. Vilka eekter ser ut att vara störst betydelse och vilka 35

36 samspelseekter av högre ordning har överlagrats på dessa? Svaret skall motiveras. I vilken parameterskattning ingår huvudeekten för E-faktorn? b) Datamaterialet har också analyserats enligt en reducerad modell, där vi endast tar hänsyn till faktorerna B och C. Skriv upp denna modell. Vilken nivåkombination rekommenderar du för B och C, om man eftersträvar höga y-värden. Motivera ditt svar genom att konstruera lämpliga kondensintervall med simultan kondensgrad minst 95%. c) Vilken av de faktorer vi bortsett ifrån i b) skulle du i första hand vilja undersöka ytterligare? Motivera ditt svar kortfattat. MTB > Read c1-c16; SUBC> File "C:\...\design4.dat"; SUBC> Decimal ".". Entering data from file: C:\...\DESIGN4.DAT 16 rows read. MTB > set c17 DATA> 14,8 14,5 18,1 19,4 18,4 15,7 27,3 28,2 16,0 15,1 18,9 22,0 19,8 18,9 29,9 27,4 DATA> end MTB > set c18 DATA> 1:16 DATA> end MTB > copy c1-c16 m1 MTB > copy c17 m2 MTB > trans m1 m3 MTB > mult m3 m2 m4 MTB > copy m4 c19 MTB > let c20=c19/16 MTB > Sort C20 C18 c21 c22; SUBC> By c20. MTB > print c21 c22 Data Display Row C21 C22 1-0, , , , , , , , , , , , , , , ,275 1 MTB > copy c21 c23; SUBC> omit 16. MTB > nscores c23 c24 MTB > plot c24*c23 36

37 MTB >name c3 'B' MTB > name c5 'C' MTB > name c17 'Y' MTB > anova Y=B C; SUBC> residuals c25; SUBC> means B C. ANOVA: Y versus B; C Factor Type Levels Values B fixed 2-1; 1 C fixed 2-1; 1 Analysis of Variance for Y Source DF SS MS F P B 1 210,25 210,25 107,45 0,000 C 1 136,89 136,89 69,96 0,000 B*C 1 30,25 30,25 15,46 0,002 Error 12 23,48 1,96 Total ,87 Means B N Y , ,900 C N Y , ,200 B C N Y , , , ,200 MTB > nscores c25 c26 MTB > plot c26*c25 37

38 Ex I en studie av kapillärzonselektorofores (CZE) av heterocykliska aminosyror (MCA) har man varierat fem faktorer i syfte att optimera CZEseparationen, Journal of Chromotographic Science (1996). Faktorer Låg nivå Hög nivå A: ph B: metanol 0% 3.5% C: NaCl 0mM 30mM D: temp. 35 C 25 C E: spänning 20 kv 15 kv Ett försök med E=BCD har genomförts och de angivna värdena i tabellen nedan är elektroforesens responsvärden minus 47. Höga värden är bra. Data har sorterats som om det var ett 2 4 -försök i A, B, C och D. (1) 5.08 de 9.33 a 4.97 ade 4.04 be 7.66 bd abe 3.58 abd 0.46 ce 7.78 cd 8.02 ace 3.37 acd 1.36 bc bcde abc 6.90 abcde 2.10 Datamaterialet har analyserats dels enligt den fullständiga modellen dels enligt en reducerad modell, se nedan. a) Betrakta analys nr 1. Vilka tre eekter ser ut att ha störst betydelse? Motivera kortfattat. Både eekten samt eventuell överlagring och motsvarande parameterskattning ska anges. Vilken parameterskattning innehåller E-eekten? b) Enligt vilken modell har data analyserats i analys nr 2? Redan efter den första analysen förefaller det uppenbart vilken A-nivå som bör väljas. Betrakta detta val som klart. Kan man utgående från den andra analysen rekommendera nivåer för B och D? Konstruera lämpliga kondensintervall med simultan kondensgrad minst 70%-80% och redovisa dina slutsatser. Normalfördelning får förutsättas. Datorutskrift: MTB > Read c1-c16; SUBC> File "C:\...\design4.dat"; SUBC> Decimal ".". Entering data from file: C:\...\DESIGN4.DAT 16 rows read. MTB > set c17 DATA> 5,08 4,97 7,66 3,58 7,78 3,37 12,21 6,9 9,33 4,04 12,25 0,46 8,02 1,36 11,34 2,1 DATA> end MTB > set c18 DATA> 1:16 DATA> end MTB > copy c1-c16 m1 MTB > copy c17 m2 MTB > trans m1 m3 MTB > mult m3 m2 m4 MTB > copy m4 c19 38