Primijenjena statistika
  • Priručnik primijenjene statistike u R-u
  • Predgovor
  • 1. Uvod u R
    • 1.1. R objekti
    • 1.2. Manipulacije i agregacije podataka
    • 1.3. Import i eksport podataka
    • 1.4. Korisničke funkcije
  • 2. Tipovi i nivoi mjerenja statističkih obilježja
  • 3. Deskriptivna statistika i grafičko predstavljanje podataka
    • 3.1. Mjere centralne tendencije
    • 3.2. Mjere varijabiliteta
    • 3.3. Mjere oblika rasporeda
    • 3.4. Grafičko predstavljanje podataka
  • 4. Distribucije vjerovatnoća slučajne promjenljive
    • 4.1. Binomni raspored
    • 4.2. Normalni raspored
    • 4.3. Studentov t raspored
    • 4.4. Fišerov F raspored i hi-kvadrat raspored
  • 5. Uzorak i uzoračke ocjene
  • 6. Statističko testiranje hipoteza
    • 6.1. t-test na osnovu jednog uzorka
    • 6.2. t-test na osnovu dva uzorka
    • 6.3. Test proporcija
    • 6.4. Analiza varijanse – ANOVA (klasična ANOVA i Welch ANOVA)
    • 6.5. Wilcoxonov test ranga na osnovu jednog uzorka
    • 6.6. Wilcoxonov test na osnovu dva uzorka
    • 6.7. Kruskal-Wallisov test
    • 6.8. Testovi normalnosti
      • 6.8.1. Jarque-Bera test normalnosti
      • 6.8.2. Pearsonov hi-kvadrat test normalnosti
    • 6.9. Testovi homogenosti varijanse
      • 6.9.1. F test jednakosti varijansi
      • 6.9.2. Bartlettov test homogenosti varijansi
      • 6.9.3. Fligner-Killeenov test homogenosti varijansi
  • 7. Linearna regresija
    • 7.1. Ocjena modela linearne regresije
    • 7.2. Dijagnostika ocijenjenog modela linearne regresije
  • 8. Binomna logistička regresija
  • 9. Literatura
  • Biografija
Powered by GitBook
On this page

Was this helpful?

  1. 6. Statističko testiranje hipoteza
  2. 6.9. Testovi homogenosti varijanse

6.9.2. Bartlettov test homogenosti varijansi

U slučaju postojanja više od dva uzorka, za ispitivanje homogenosti varijansi može se primijeniti Bartlettov test. Pretpostavke ovog testa iste su kao i za F test: normalnost i nezavisnost uzoraka. Test statistika je data sljedećom formulom:

T=(n−k)ln(sp2)−∑i=1k(ni−1)ln(si2)1+13(k−1)∑i=1k1ni−1−1n−kT = \frac{(n-k)ln(s_p^2) - \sum_{i=1}^{k}(n_i-1)ln(s_i^2)}{1 + \frac{1}{3(k-1)}\sum_{i=1}^{k}\frac{1}{n_i-1} - \frac{1}{n-k}}T=1+3(k−1)1​∑i=1k​ni​−11​−n−k1​(n−k)ln(sp2​)−∑i=1k​(ni​−1)ln(si2​)​

gdje nnn predstavlja ukupan broj opservacija, nin_ini​ broj opservacija u iii-tom uzorku, kkk broj uzoraka, si2s_i^2si2​ varijansu analiziranog obilježja u iii-tom uzorku, dok je sp2s_p^2sp2​ dat izrazom:

sp2=∑i=1k(ni−ki)si2n−ks_p^2 = \sum_{i=1}^{k}\frac{(n_i-k_i)s_i^2}{n-k}sp2​=i=1∑k​n−k(ni​−ki​)si2​​

Izračunata test statistika prati hi-kvadrt raspored sa k−1k - 1k−1 stepeni slobode.

Primjer 56: Za podatke o realizovanom LGD-iju (kolona LGDR, fajl LGD.csv), pod pretpostavkom normalnosti i koristeći Bartlettov test, testirati jednakost varijansi segmenata (kolona segment.e). Koristiti nivo značajnosti od 5%.

> #nivo znacajnosti
> alpha <- 0.05
> #broj opservacija
> n <- length(lgd$LGDR)
> n
[1] 500
> #broj uzoraka
> k <- length(unique(lgd$segment.e))
> k
[1] 4
> #broj opservacija u uzorcima
> ni <- tapply(lgd$LGDR, lgd$segment.e, length)
> ni
segment1 segment2 segment3 segment4 
      41      233      197       29 
> #varijansa unutar uzoraka
> si <- tapply(lgd$LGDR, lgd$segment.e, var)
> si
   segment1    segment2    segment3    segment4 
0.001885841 0.002237075 0.002429202 0.002409014 
> #test statistika
> sp <- sum((ni - 1) * si / (n - k))
> sp
[1] 0.002294377
> test.stat <- ((n - k) * log(sp) - sum((ni - 1) * log(si))) /  (1 + (sum(1 / (ni - 1)) - 1 / (n - k)) / (3 * (k - 1)))
> test.stat 
[1] 1.145558
> #p vrijednost
> p.val <- pchisq(test.stat, k - 1, lower.tail = FALSE)
> p.val
[1] 0.7660892
> p.val < alpha
[1] FALSE
> #r funkcija
> bt.r <- bartlett.test(x = lgd$LGDR, g = lgd$segment.e)
> bt.r

        Bartlett test of homogeneity of variances

data:  lgd$LGDR and lgd$segment.e
Bartlett's K-squared = 1.1456, df = 3, p-value = 0.7661

> bt.r$p.val
[1] 0.7660892

Previous6.9.1. F test jednakosti varijansiNext6.9.3. Fligner-Killeenov test homogenosti varijansi

Last updated 4 years ago

Was this helpful?