8. Ortalamalar Analizi (ANOM)
Analiz kimliği: anom · Menü adı: Ortalamalar Analizi (ANOM) · Panel: gui/panels/analyses/anom_panel.py · Motor: stats/anom.py, run_anom (satır 219–311), _run_means (satır 314–362), kesin olasılık anom_cdf_general / anom_ppf_general / adjusted_p (satır 150–171)
8.1 Ne işe yarar
Ortalamalar analizi (ANOM; Ott 1967), her grubun ortalamasını (oranını ya da birim başına sayımını) tüm grupların genel ortalamasıyla karşılaştırır ve genel ortalamadan anlamlı biçimde yukarı ya da aşağı sapan grupları gösterir. Sonuç bir karar sınırları grafiğiyle okunur: merkez çizgisi genel ortalamadır, her grubun üst ve alt karar sınırı (ÜKS, AKS) vardır, sınır dışına düşen grup "sapan"dır.
Her grup için sınanan hipotez:
- \mu_i: i. grubun evren ortalaması; \bar\mu: grup büyüklükleriyle ağırlıklı evren genel ortalaması.
- k hipotez birlikte sınanır; karar sınırları ailenin tamamı için birinci tür hata oranını \alpha'da tutar (tek adımlı eşzamanlı sınama).
MerQur üç tür ANOM sunar: Ortalamalar (sürekli yanıt), Oranlar (p-ANOM) (ikili sonuç ya da olay/deneme sayıları) ve Poisson sayımlar (u-ANOM) (birim ya da maruziyet başına sayım).
Ne zaman kullanılır? Gruplar bir ortak ölçüte göre "ortalamanın üstünde / altında / içinde" diye sınıflandırılacaksa: hastane ya da klinik karşılaştırmaları, tedarikçi ya da üretim partisi denetimi, okul başarısı, çok merkezli çalışmalarda merkezlerin taranması. Kalite iyileştirmede ve yönetim raporlarında tek grafikle okunduğu için yaygındır.
Ne zaman kullanılmaz?
- Soru "gruplar arasında herhangi bir fark var mı?" ise: Tek Yönlü ANOVA (Bölüm 7). ANOM ve ANOVA aynı veride farklı sonuç verebilir (8.8, S1).
- Grupların birbirleriyle çift çift karşılaştırılması isteniyorsa: ANOVA'nın post hoc testleri (Tukey, Games–Howell).
- Bir kontrol grubuna karşı karşılaştırma isteniyorsa: ANOVA'da Dunnett.
- Varyanslar belirgin biçimde farklıysa: ANOM havuzlanmış SS kullanır; MerQur'da eşit olmayan varyanslı ANOM yoktur. Welch ANOVA ve Games–Howell tercih edilir.
- Birden çok faktör varsa: bu modül tek faktörlüdür. Çok lokasyonlu tesadüf blokları için Çok Lokasyonlu TDB analizinin ANOM karşılaştırması kullanılır.
Sık karıştırılan analizler. ANOM bir kontrol grafiği (Shewhart) değildir: kontrol grafiği zaman içindeki bir sürecin istikrarını izler, ANOM ise belirli sayıda grubu bir kez karşılaştırır ve sınırları çoklu karşılaştırma için ayarlar. ANOM, Dunnett'in "kontrol yerine genel ortalama" biçimi olarak düşünülebilir; ancak genel ortalama her grubun kendisini de içerdiği için sapmalar negatif ilişkilidir ve kritik değer Dunnett'inkinden farklıdır.
8.2 Varsayımlar ve veri türü
| Varsayım | Ne demek | MerQur'da nasıl denetlenir |
|---|---|---|
| Bağımsızlık | Gözlemler ve gruplar bağımsız. | Tasarımla sağlanır. |
| Normallik (Ortalamalar) | Grup içi dağılımlar yaklaşık normal. | Denetlenmez; gerekirse Normallik modülü ya da ANOVA'nın Shapiro seçeneği. |
| Varyans eşitliği (Ortalamalar) | Havuzlanmış s kullanılır; \sigma_1^2=\dots=\sigma_k^2. | Medyan merkezli Levene (Brown–Forsythe) seçilen \alpha ile; p<\alpha ise uyarı yazılır (anom.py:350–359). Test sonucu sınırları değiştirmez. |
| Normal yaklaşım (Oranlar, Sayımlar) | Grup başına beklenen olay ve olmayan sayısı yeterli. | Oranlarda n_i\bar p<5 ya da n_i(1-\bar p)<5, sayımlarda n_i\bar u<5 ise uyarı (anom.py:302–308). |
| Ölçek | Ortalamalar: sayısal yanıt; Oranlar: 0/1 ya da olay ≤ deneme; Sayımlar: negatif olmayan sayım, pozitif birim. | Uygun değilse hata (anom.py:257–271). |
Eksik değer. Yanıt, grup ya da (oranlar/sayımlarda) boyut sütunu eksik ya da sayıya çevrilemeyen satırlar liste bazında atılır ve sayısı uyarıda yazılır (anom.py:231–241). Künyedeki n, seçilen sütunların dropna() satır sayısıdır (stats_panel.py:9249–9252).
Uç durumlar.
- 0<\alpha<0{,}5 dışında hata (
anom.py:224–225); formda yalnız 0,05, 0,01 ve 0,10 seçilebilir. - Grup sayısı 2'den azsa hata; tam 2 ise uyarı: "ANOM bu durumda iki örneklem t testine denktir (iki grup genel ortalamadan simetrik sapar)" (
anom.py:248–251). - Ortalamalarda hata serbestlik derecesi \nu=N-k<1 ise hata; grup içi varyans 0 ise hata; tek gözlemli grup varsa uyarı (
anom.py:321–333). - Oranlarda genel oran 0 ya da 1 ise, sayımlarda tüm sayımlar 0 ise ANOM kurulamaz (
anom.py:278–285). - Ortalamalar türünde boyut sütunu seçildiyse yok sayılır ve ayar bloğuna "Ortalamalar ANOM'unda boyut/birim sütunu kullanılmaz" notu düşülür (
anom_panel.py:112–115).
8.3 Parametreler
Varsayılanlar anom_panel.py:56–104 içinden okunmuştur.
| Arayüz adı | Varsayılan | Ne yapar | Sonucu nasıl değiştirir |
|---|---|---|---|
| Yanıt değişkeni | ilk sayısal sütun | Ortalamalar: sürekli ölçüm. Oranlar: 0/1 ya da satırdaki olay sayısı. Sayımlar: satırdaki sayım. | |
| Grup değişkeni | ilk kategorik sütun | Genel ortalamayla karşılaştırılacak gruplar. | Gruplar MerQur'un ortak düzey sırasıyla listelenir: Veri sekmesinde tanımlı sıra, yoksa sayısal/doğal sıra, o da yoksa verideki ilk görülme sırası; kullanılan sıra çıktıda yazılır. Sıra yalnız gösterimi etkiler. |
| ANOM türü | Ortalamalar | Ortalamalar; Oranlar (p-ANOM); Poisson sayımlar (u-ANOM). | Merkez, ölçek ve sd'yi belirler (8.5). |
| Boyut / birim sütunu | (yok) | Oranlar: satırdaki deneme sayısı; Sayımlar: satırdaki birim (maruziyet). Boşsa her satır 1 deneme / 1 birim. | Grup büyüklüğü n_i bu sütunun toplamı olur. |
| α (anlamlılık seviyesi) | 0.05 | 0,05; 0,01; 0,10. Tüm gruplar için birlikte hata düzeyi. | h ve sınırlar; daha küçük \alpha daha geniş sınır. |
Neden tek bir α, neden güven düzeyi değil?
ANOM'un çıktısı bir aralık değil, karar sınırlarıdır; sınır, ailenin birinci tür hata oranını doğrudan belirler. Formda bu yüzden "Güven Düzeyi" yerine "α (anlamlılık seviyesi)" bulunur. \alpha küçüldükçe h büyür (bu veride 0,05'te 2,4986, 0,01'de 3,0685) ve sınırda kalan grup "içeri" düşebilir (8.6, Adım 5).
8.4 Tıp örneği
Tıp setinde ANOM için hazırlanmış ayrı bir dosya yoktur. Bu yüzden iki Tıp dosyası kullanılmıştır; ikisi de ANOM'un sorusuna doğal biçimde uyar.
Ortalamalar ANOM'u: english/datasets/Tip/06_anova_drug_LDL.xlsx (Bölüm 7'deki veri).
| Değişken | Rol | Tür | Açıklama |
|---|---|---|---|
LDL_change |
Yanıt değişkeni | sürekli | LDL değişimi (mg/dL); negatif = düşüş |
drug_group |
Grup değişkeni | metin, 4 düzey | drug-A, drug-B, drug-C, placebo; her biri 35 hasta (dengeli) |
Klinik soru: Hangi kollar, tüm kolların ortalama LDL değişiminden anlamlı biçimde daha fazla ya da daha az düşüş sağlıyor?
Oranlar ANOM'u: english/datasets/Tip/18_binomial_surgery_achievement.xlsx.
| Değişken | Rol | Tür | Açıklama |
|---|---|---|---|
successful |
Yanıt değişkeni | 0/1 | Ameliyat başarısı (1 = başarılı) |
surgery_type |
Grup değişkeni | metin, 3 düzey | laparoscopic 275, open 261, robotic 264 hasta (dengesiz) |
Klinik soru: Üç ameliyat tekniğinden herhangi birinin başarı oranı genel başarı oranından (%73,75) sapıyor mu?
n ve eksik değer: 140 ve 800 hasta; iki dosyada da eksik değer yoktur. Seçilen ayarlar: Ortalamalar ve Oranlar türleri, boyut sütunu boş (Oranlar'da her satır bir deneme), \alpha=0{,}05; ortalamalar için ayrıca \alpha=0{,}01.
8.5 Formüller ve hesap adımları
MerQur'un sırası: (1) eksik satırları at, grupları düzey sırasıyla al; (2) türe göre merkez, ölçek ve sd'yi hesapla; (3) \alpha ve grup büyüklükleriyle kesin kritik değer h'yi bul; (4) her grup için sapmanın SH'sini, sınırları, t'yi ve tek adımlı düzeltilmiş p'yi hesapla; (5) sınır dışı grupları işaretle, uyarıları ekle.
8.5.1 Ortalamalar ANOM'u
- \bar y: ağırlıklı genel ortalama (merkez çizgisi); s^2: tek yönlü ANOVA'nın MS_W'si (
anom.py:329–334). - SH_i: sapmanın (\bar y_i-\bar y) standart hatası; grup ortalamasının SH'si (s/\sqrt{n_i}) değildir.
- h: kesin kritik değer (8.5.3); dengeli tasarımda tüm gruplar için aynı sınır, dengesizde grup başına "basamaklı" sınır.
- t_i: grubun standartlaştırılmış sapması; |t_i|>h ise grup sınır dışıdır.
- Sonuç metni ayrıca tek yönlü ANOVA F'sini ve p'sini yazar (
anom.py:335–337).
Neden \sqrt{(N-n_i)/(Nn_i)}?
\bar y, \bar y_i'yi de içerir: \bar y_i-\bar y=\left(1-\frac{n_i}{N}\right)\bar y_i-\frac{1}{N}\sum_{j\ne i}n_j\bar y_j. Varyansı \sigma^2\left[\left(1-\frac{n_i}{N}\right)^2\frac{1}{n_i}+\frac{N-n_i}{N^2}\right]=\sigma^2\frac{N-n_i}{N\,n_i}'dir. Dengeli tasarımda \frac{N-n}{Nn}=\frac{k-1}{kn} olur; sınırlar Ott'un klasik \bar y\pm h\,s\sqrt{(k-1)/(kn)} biçimine iner. Grubun genel ortalamaya katkısı büyüdükçe (büyük n_i) sapması küçülür; bu yüzden büyük grupların sınırları dardır.
8.5.2 Oranlar ve sayımlar ANOM'u
- x_i: i. gruptaki olay sayısı (0/1 yanıtın toplamı ya da olay sütununun toplamı); n_i: deneme sayısı (boyut sütunu boşsa satır sayısı).
- c_i: toplam sayım; n_i: toplam birim (maruziyet).
- h_\infty: \nu=\infty (bilinen ölçek) ile kesin kritik değer; ölçek H_0 altında havuzlanmış \bar p ya da \bar u'dan alınır.
- Sınırlar oranlarda [0, 1], sayımlarda alttan 0 ile kırpılır (
anom.py:295–297).
Koddaki tercih
Oranlar ve sayımlar için klasik normal yaklaşımlı ANOM kullanılır (Ramig 1983; Nelson, Wludyka ve Copeland 2005): binom ya da Poisson varyansı H_0 altındaki ortak \bar p ya da \bar u ile hesaplanır, kritik değer bilinen ölçekli (\nu=\infty) ortak dağılımdan gelir. R ANOM paketi ve Pallmann ve Hothorn (2016) ise genelleştirilmiş doğrusal model ölçeğinde (logit, log) eşzamanlı GA kurar; o sınırlar asimetriktir ve küçük oranlarda farklı sonuç verebilir. MerQur bu farkı sonuç metninde not eder (v240c_anom_note_pu_method).
8.5.3 Kesin kritik değer h
h, standartlaştırılmış sapmaların ortak dağılımından bulunur:
- Sapmalar negatif ilişkilidir: bir grup yukarı saparsa genel ortalama da yukarı kayar, öteki grupların sapması aşağı iner. Dengeli tasarımda korelasyon -1/(k-1)'dir (bu veride -1/3).
- Korelasyon matrisi tekildir (rank k-1), çünkü \sum n_i(\bar y_i-\bar y)=0.
- s veriden kestirildiğinde T_i çok değişkenli t_\nu, oran/sayımlarda çok değişkenli normaldir.
MerQur bu olasılığı benzetim kullanmadan, karakteristik fonksiyon üzerinden hesaplar (anom.py:47–125). Z_i=\sqrt{n_i}(\bar y_i-\mu)/\sigma bağımsız standart normallerdir ve v_i=\sqrt{n_i/N} ile \sqrt{n_i}(\bar y_i-\bar y)/\sigma=Z_i-v_iS, S=\sum_j v_jZ_j yazılabilir. Bu vektör S'den bağımsızdır ve dağılımı "Z, S=0 koşulu altında" dağılımına eşittir. Dolayısıyla \sigma bilinirken
- a_i: c sınırının Z ölçeğindeki karşılığı (SH_i\sqrt{n_i}/\sigma=\sqrt{1-v_i^2}).
- g_i: kesilmiş normalin karakteristik fonksiyonu; w: Faddeeva fonksiyonu (
scipy.special.wofz), w(z)=e^{-z^2}\operatorname{erfc}(-iz). - \sqrt{2\pi}/\pi: koşullu yoğunluğun paydası \phi(0)=1/\sqrt{2\pi} ve ters Fourier dönüşümünün 1/(2\pi)'si; integrandın çift olmasından 2 çarpanı.
Neden karakteristik fonksiyon?
S=0 koşulu bir Dirac deltasıdır; \delta(s)=\frac{1}{2\pi}\int e^{its}dt yazıldığında k boyutlu kutu olasılığı, her biri tek boyutlu olan k çarpanın tek bir t integraline dönüşür. Tekil korelasyon matrisiyle uğraşmak gerekmez, boyut arttıkça maliyet doğrusal kalır ve sonuç Monte Carlo hatası içermez. Genz–Bretz yarı Monte Carlo yöntemi (R mvtnorm, multcomp) aynı olasılığı 10^{-5}–10^{-7} düzeyinde rastlantısal hatayla verir.
Sayısal ayrıntılar (anom.py:54–137): t integrali [0{,}60] aralığında 401 noktalı Simpson kuralıyla, gerekirse 60'lık parçalarla uzatılarak (katkı 10^{-13}'ün altına inene dek) alınır; tüm a_i>8{,}5 ise olasılık 1 kabul edilir. \nu sonluysa
integrali S'nin 10^{-12} ve 1-10^{-12} kantilleri arasında 8 parçalı, parça başına 12 düğümlü Gauss–Legendre ile alınır. h, Brent kökü ile bulunur (x_{\text{tol}}=10^{-9}); arama aralığının altı tek karşılaştırmalı t_{1-\alpha/2}, üstü Bonferroni t_{1-\alpha/(2k)}'dir. k=2'de h=t_{1-\alpha/2,\nu} doğrudan kullanılır.
Koddaki tercih
critical_value dengeli ve dengesiz tasarımda aynı genel kesin hesabı kullanır (anom.py:140–147); dengeli tasarımda kaynak etiketi "nelson" olur. Dengeli tasarım için stats.mlr_comparisons.anom_ppf ile aynı değer 10^{-7} içinde elde edilir.
8.5.4 Düzeltilmiş p
Bu, h'yi veren aynı ortak dağılımla tek adımlı düzeltmedir (adjusted_p, anom.py:150–171): p_i^{\text{düz}}<\alpha\iff\lvert t_i\rvert>h\iff grup sınır dışı. R multcomp::glht(mcp(g = "GrandMean")) ve summary(..., test = adjusted("single-step")) aynı tanımı kullanır.
8.6 Elle hesap: Tıp verisinde sayısal yürüyüş
Aşağıdaki değerler dogrulama/anom/elle_hesap.py ile, MerQur kodu çağrılmadan hesaplanmıştır. Bağımsız hesap ortak olasılığı farklı bir yoldan bulur: tekil korelasyonlu k boyutlu vektörün ilk k-1 bileşeni tekil olmayan çok değişkenli normaldir; k. bileşen bunların doğrusal birleşimidir. Olasılık, T_1,\dots,T_{k-2} üzerinde uyarlamalı quad, T_{k-1} üzerinde koşullu normal birikimli dağılımla analitik olarak hesaplanır; \nu sonluysa \chi^2_\nu üzerinde 64 düğümlü Gauss–Legendre eklenir.
Adım 1 — Merkez ve ölçek (Tıp 06). Bölüm 7.6'dan: \bar y=-27{,}787857, SS_W=22111{,}909143, \nu=136, s^2=162{,}587567, s=12{,}750983.
Adım 2 — Sapmanın SH'si. Dengeli tasarım (n_i=35, N=140):
Adım 3 — Kritik değer. Korelasyon -1/3, \nu=136, \alpha=0{,}05: h=2{,}498600. Karşılaştırma için tek karşılaştırmalı t_{0{,}975;136}=1{,}9776, Bonferroni t_{1-0{,}05/8;\,136}=2{,}5314; h ikisinin arasındadır ve Bonferroni'ye yakındır.
Adım 4 — Sınırlar ve sapmalar. Yarı genişlik 2{,}498600\times1{,}866553=4{,}663769:
| Grup | \bar y_i | Sapma | t_i | Düz. p | Durum (\alpha=0{,}05) |
|---|---|---|---|---|---|
| drug-A | −24,262857 | 3,525000 | 1,888508 | 0,199495 | sınırlar içinde |
| drug-B | −32,545714 | −4,757857 | −2,549008 | 0,043875 | DÜŞÜK |
| drug-C | −46,765714 | −18,977857 | −10,167329 | 2{,}0\times10^{-12} | DÜŞÜK |
| placebo | −7,577143 | 20,210714 | 10,827829 | 2{,}0\times10^{-12} | YÜKSEK |
drug-B, AKS'nin yalnız 0,094 mg/dL altındadır (|t|=2{,}549>h=2{,}499).
Adım 5 — α = 0,01. h=3{,}068476, sınırlar [−33,515329; −22,060386]. drug-B artık sınır içindedir; düzeltilmiş p=0{,}0439>0{,}01. Yalnız drug-C (düşük) ve placebo (yüksek) sapar.
Şekil 8.1. Ortalamalar ANOM grafiği (Tıp 06). Düz çizgi genel ortalama, kesikli turuncu α = 0,05, noktalı gri α = 0,01 karar sınırları. Kırmızı baklava α = 0,05'te sınır dışındaki gruplar.
Adım 6 — Oranlar ANOM'u (Tıp 18). \sum x=590, N=800, \bar p=0{,}7375, \sqrt{\bar p(1-\bar p)}=0{,}439993.
| Grup | n_i | x_i | \hat p_i | SH_i | AKS | ÜKS | t_i | Düz. p |
|---|---|---|---|---|---|---|---|---|
| laparoscopic | 275 | 201 | 0,730909 | 0,021494 | 0,687125 | 0,787875 | −0,306642 | 0,9495 |
| open | 261 | 194 | 0,743295 | 0,022355 | 0,685107 | 0,789893 | 0,259227 | 0,9636 |
| robotic | 264 | 195 | 0,738636 | 0,022166 | 0,685551 | 0,789449 | 0,051267 | 0,9986 |
Dengesiz tasarımda kesin h_\infty=2{,}343681; sınırlar grup büyüklüğüne göre biraz farklıdır (en büyük grup laparoscopic en dar sınıra sahiptir). Hiçbir teknik genel orandan sapmaz. Beklenen olay ve olmayan sayıları en az 261\times0{,}2625=68{,}5 olduğundan normal yaklaşım uyarısı çıkmaz.
Şekil 8.2. Oranlar ANOM grafiği (Tıp 18). Sınırlar dengesiz grup büyüklükleri nedeniyle basamaklıdır.
8.6.1 Doğrulama: MerQur, Python ve R
MerQur değerleri execute() sonuç nesnesinden alınmıştır (dogrulama/anom/merqur_calistir.py); motor yuvarlama yapmadığı için değiştirme gerekmemiştir. R 4.5.3: mvtnorm::pmvt ve pmvnorm (Genz–Bretz, maxpts = 1e7, abseps = 1e-9, tekil korelasyon matrisi doğrudan), uniroot ile h; ayrıca multcomp::glht(mcp(g = "GrandMean")). Ölçüt: ortak olasılık içermeyen büyüklüklerde (merkez, s, SH, t) en büyük fark \le10^{-6}. h, sınırlar ve düzeltilmiş p'de Python farkı \le10^{-6} aranır; R sütunu yarı Monte Carlo olduğu için bildirilen hata kestirimi ölçüsünde eşleşme aranır (tabloda "MC" ile işaretli).
| Büyüklük | MerQur | Python (bağımsız) | R 4.5.3 | En büyük fark (M–P / M–R) | Durum |
|---|---|---|---|---|---|
| Genel ortalama \bar y | −27,787857 | −27,787857 | −27,787857 | 4,6e−14 | ✓ |
| Havuzlanmış s | 12,750983 | 12,750983 | 12,750983 | 4,3e−14 | ✓ |
| ANOVA F | 57,670093 | 57,670093 | 57,670093 | 9,2e−14 | ✓ |
| Sapmanın SH'si (4 grup) | 1,866553 | 1,866553 | 1,866553 | 4,7e−15 | ✓ |
| t_i (4 grup; ilk: drug-A) | 1,888508 | 1,888508 | 1,888508 | 3,7e−14 | ✓ |
| h (\alpha=0{,}05) | 2,498600 | 2,498600 | 2,498599 | 3,6e−09 / 2,3e−07 | ✓ (MC) |
| h (\alpha=0{,}01) | 3,068476 | 3,068476 | 3,068474 | 1,3e−09 / 1,6e−06 | ✓ (MC) |
| AKS (\alpha=0{,}05) | −32,451625 | −32,451625 | −32,451625 | 6,8e−09 / 4,4e−07 | ✓ (MC) |
| ÜKS (\alpha=0{,}05) | −23,124089 | −23,124089 | −23,124089 | 6,8e−09 / 4,4e−07 | ✓ (MC) |
| Düzeltilmiş p (4 grup; ilk: drug-A) | 0,199495 | 0,199495 | 0,199495 | 4,5e−10 / 3,1e−08 | ✓ (MC) |
| p-ANOM: \bar p | 0,737500 | 0,737500 | 0,737500 | 0,0e+00 | ✓ |
| p-ANOM: SH (3 grup; ilk: laparoscopic) | 0,021494 | 0,021494 | 0,021494 | 4,5e−17 | ✓ |
| p-ANOM: t_i | −0,306642 | −0,306642 | −0,306642 | 3,9e−16 | ✓ |
| p-ANOM: h_\infty | 2,343681 | 2,343681 | 2,343681 | 4,0e−12 / 3,9e−09 | ✓ (MC) |
| p-ANOM: AKS | 0,687125 | 0,687125 | 0,687125 | 8,9e−14 / 8,8e−11 | ✓ (MC) |
| p-ANOM: ÜKS | 0,787875 | 0,787875 | 0,787875 | 8,9e−14 / 8,8e−11 | ✓ (MC) |
| p-ANOM: düzeltilmiş p | 0,949488 | 0,949488 | 0,949488 | 7,9e−10 / 8,3e−10 | ✓ (MC) |
Sonuç: 17 satırın tamamı ölçütü karşılar. MerQur ile bağımsız Python hesabı, h'de 3{,}6\times10^{-9}, düzeltilmiş p'de 4{,}5\times10^{-10} içinde eşleşir; iki program aynı olasılığı birbirinden tümüyle farklı iki yoldan (karakteristik fonksiyon ve koşullu normal ile ardışık integral) hesaplar. R'nin Genz–Bretz değerleri kendi hata kestirimleri (\le1{,}3\times10^{-7}) içindedir. Varsayılan hassasiyetle çalıştırılan multcomp::glht (GrandMean) ise h=2{,}498477 verir: MerQur'dan 1{,}2\times10^{-4} farklıdır, ama kararlar ve düzeltilmiş p'ler (drug-A 0,199495; drug-B 0,043875) aynıdır. Çok küçük düzeltilmiş p'lerde (drug-C, placebo, \approx10^{-12}) MerQur ve Python yalnız mutlak ölçütte eşleşir; bu büyüklükte iki sayısal integral de göreli olarak kesin değildir ve sonuç metni bunları "<0.0001" yazar.
8.7 Çıktıyı okuma
MerQur'un sonuç metni (Tıp 06, \alpha=0{,}05):
ORTALAMALAR ANALİZİ (ANOM) — Ortalamalar
Grup sayısı (k) = 4
Toplam (N) = 140
Genel ortalama (merkez çizgisi) = -27.787857
Havuzlanmış standart sapma (s) = 12.750983
Serbestlik derecesi (ν) = 136
α = 0.05
Kritik değer h = 2.498600 (dengeli; kesin)
Tek yönlü varyans analizi = F(3, 136) = 57.6701, p < 0.0001
Kullanılan düzey sırası (drug_group): placebo, drug-A, drug-B, drug-C
── Gruplar ve karar sınırları ──
Grup n Ortalama Alt KS Üst KS Sapma Düz. p Durum
placebo 35 -7.5771 -32.4516 -23.1241 20.2107 <0.0001 YÜKSEK
drug-A 35 -24.2629 -32.4516 -23.1241 3.5250 0.1995
drug-B 35 -32.5457 -32.4516 -23.1241 -4.7579 0.0439 DÜŞÜK
drug-C 35 -46.7657 -32.4516 -23.1241 -18.9779 <0.0001 DÜŞÜK
── Sonuç ──
Genel ortalamanın anlamlı biçimde üstünde: placebo
Genel ortalamanın anlamlı biçimde altında: drug-B, drug-C
| Satır / Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| Genel ortalama | Ağırlıklı \bar y (oranlarda \bar p, sayımlarda \bar u) | Merkez çizgisi. |
| Havuzlanmış s, \nu | Yalnız Ortalamalar türünde | ANOVA \sqrt{MS_W} ve hata sd'si. |
| Kritik değer h | Değer ve "(dengeli; kesin)" ya da "(dengesiz; kesin)" | Sınır yarı genişliği h\cdot SH_i. |
| Tek yönlü varyans analizi | F ve p | Bütünsel test; ANOM kararından ayrı okunur. |
| Tablo | n, değer, AKS, ÜKS, sapma, düz. p, durum | Durum "YÜKSEK"/"DÜŞÜK" ise grup sınır dışı. Tablo sekmesinde ek olarak sapmanın SH'si ve t vardır. |
| Ondalık sayısı | Değer, sınır ve sapma sütunlarında en az 4 ondalık; en küçük değer 4 anlamlı basamak gösterecek kadar artar (anom_panel.py:154–165) |
Küçük oranlarda (ör. 0,0027) bilgi kaybını önler. |
| Uyarılar | Atılan satır, iki grup, tek gözlemli grup, varyans eşitsizliği (Levene p<\alpha), normal yaklaşım | 8.2'deki koşullarla çıkar. |
| Grafik | Merkez, basamaklı sınırlar, sınır dışı gruplar kırmızı baklava | Grup sırası düzey sırasıdır (8.3). |
APA biçiminde rapor cümlesi (Türkçe ondalıkla):
Dört kolun ortalama LDL değişimi, ortalamalar analiziyle (ANOM; \alpha = 0{,}05, h = 2{,}50, \nu = 136) genel ortalamaya (−27,79 mg/dL) göre değerlendirildi. Plasebo kolu genel ortalamanın anlamlı biçimde üstünde (−7,58 mg/dL; düzeltilmiş p < 0{,}001), drug-C (−46,77 mg/dL; p < 0{,}001) ve drug-B (−32,55 mg/dL; p = 0{,}044) anlamlı biçimde altında kaldı; drug-A karar sınırları içindeydi (−24,26 mg/dL; p = 0{,}20). Karar sınırları −32,45 ile −23,12 mg/dL arasındaydı.
8.8 Uzman soruları
S1. ANOVA çok anlamlı (F=57{,}7) iken neden drug-A "sınırlar içinde"?
İki analiz farklı soru sorar. ANOVA "ortalamaların tümü eşit mi?" der ve H_0'ı reddeder. ANOM her grubu ağırlıklı genel ortalamayla karşılaştırır. drug-A'nın ortalaması (−24,26) genel ortalamaya (−27,79) yakındır; genel ortalama zaten bir yüksek (placebo) ve bir düşük (drug-C) uç grupla dengelenmiştir. ANOM'un anlamlı sonucu ANOVA'nın anlamlı sonucunu gerektirmez, tersi de geçerli değildir; ANOM, bir ya da iki grubun saptığı durumlarda ANOVA'dan daha güçlü, sapmanın tüm gruplara yayıldığı durumlarda daha zayıftır.
S2. Dengeli tasarımda neden "Nelson" etiketi var, ama hesap neden aynı fonksiyonla yapılıyor?
Nelson (1982, 1983) dengeli tasarım için kesin h(\alpha;k,\nu) tablolarını verdi. MerQur dengeli ve dengesiz her durumda aynı genel kesin olasılığı hesaplar; dengeli tasarımda bu Nelson'un değerine iner ve testlerde Çok Lokasyonlu TDB modülündeki ayrı Nelson hesabıyla 10^{-7} içinde eşleşir. "nelson" etiketi yalnız kaynağı belirtir (anom.py:140–147).
S3. Dengesiz tasarımda neden Bonferroni ya da yaklaşık bir h kullanılmıyor?
Eski ANOM yazılımları dengesiz tasarımda Šidák ya da Bonferroni yaklaşımı ya da ortalama n ile Nelson tablosunu kullanırdı; bunlar ya tutucu ya da yaklaşıktır. MerQur gerçek n_i'lerle korelasyon yapısını kurar ve kesin olasılığı hesaplar (motor testi: tests/test_v240_c_anom.py).
S4. Varyanslar eşit değilse ne olur?
Sınırlar havuzlanmış s ile kurulduğu için küçük varyanslı grupların sapması gereğinden kolay, büyük varyanslıların sapması gereğinden zor "anlamlı" görünür. MerQur medyan merkezli Levene p<\alpha ise uyarı verir ama sınırları değiştirmez. Nelson ve Dudewicz'in (2002) eşit olmayan varyanslı ANOM'u MerQur'da yoktur; bu durumda Welch ANOVA + Games–Howell ya da grup varyanslarıyla yeniden ölçeklenmiş bir yaklaşım düşünülmelidir. Levene eşiği formda seçilen \alpha'dır (anom.py:354–356).
S5. İki grupla ANOM ne verir?
İki grupta sapmalar \bar y_1-\bar y=\frac{n_2}{N}(\bar y_1-\bar y_2) ve \bar y_2-\bar y=-\frac{n_1}{N}(\bar y_1-\bar y_2)'dir; standartlaştırılmış halleri eşit büyüklükte ve ters işaretlidir (T_1=-T_2). h=t_{1-\alpha/2,\nu} olur ve karar Student t testiyle aynıdır: ya iki grup birlikte sınır dışındadır ya da ikisi birlikte içeridedir. MerQur bunu uyarıda açıklar.
S6. p-ANOM sınırları neden 0 ile 1 arasında kırpılıyor, kırpma kararı etkiler mi?
Normal yaklaşım küçük \bar p'de negatif alt sınır üretebilir; kırpma, grafiğin anlamlı kalması içindir. Bir oran 0'ın altına düşemeyeceği için kırpılmış alt sınırın altına da düşemez; dolayısıyla kırpma alt yönde "DÜŞÜK" sinyali vermeyi olanaksız kılar. Bu, normal yaklaşımın küçük olasılıklarda yetersiz kaldığının işaretidir; MerQur o durumda normal yaklaşım uyarısı verir. Küçük oranlarda GLM tabanlı ANOM (R ANOM paketi) daha uygundur.
S7. Düzeltilmiş p nasıl yorumlanır? Neden 0,0439, hem de sınırın çok yakınında?
p_i^{\text{düz}}, grubun sapması kadar ya da daha büyük bir en büyük standart sapmanın H_0 altında görülme olasılığıdır. Karar sınırlarıyla birebir tutarlıdır: drug-B için |t|=2{,}549, h=2{,}499 olduğundan p 0,05'in hemen altındadır. Grafikte de drug-B AKS'nin yalnız 0,094 mg/dL altındadır. Sınıra bu kadar yakın kararlar raporda düzeltilmiş p ile birlikte verilmelidir.
S8. R multcomp ile neden son basamaklarda fark var?
glht olasılıkları Genz–Bretz yarı Monte Carlo yöntemiyle hesaplar; tekrarlı çalıştırmalarda son basamaklar değişebilir ve varsayılan hassasiyet 10^{-3} mertebesindedir. MerQur'un hesabı deterministiktir. 8.6.1'deki R sütunu maxpts = 1e7 ile çalıştırılmıştır; farklar R'nin kendi bildirdiği hata kestirimi içindedir.
8.9 Sık hatalar ve tuzaklar
- ANOM'u ikili karşılaştırma sanmak. "drug-A sınırlar içinde" demek "drug-A diğerlerinden farksız" demek değildir; drug-A ile drug-C arasındaki fark çok büyüktür (Bölüm 7).
- Grafikteki basamaklı sınırları tek çizgi sanmak. Dengesiz tasarımda her grubun kendi sınırı vardır.
- Ortalamalar türünde boyut sütunu seçmek. Yok sayılır; grup büyüklüğü satır sayısıdır.
- Oranlarda boyut sütununu unutmak. Yanıt olay sayısıysa ve boyut sütunu boşsa her satır 1 deneme sayılır; yanıt 0/1 değilse hata çıkar.
- Varyans uyarısını görmezden gelmek. Havuzlanmış s eşit varyans varsayar.
- α'yı sonradan değiştirmek. Sınırdaki drug-B, \alpha=0{,}01'de içeri düşer; \alpha çalışma planında belirlenmelidir.
- Grup sırasını tanımlamamak. Sıra tanımlanmamış metin etiketlerinde gruplar verideki ilk görülme sırasıyla listelenir; anlamlı bir sıra isteniyorsa Veri sekmesinde tanımlanmalıdır.
8.10 Kaynaklar
- Genz, A., & Bretz, F. (2002). Comparison of methods for the computation of multivariate t probabilities. Journal of Computational and Graphical Statistics, 11(4), 950–971. https://doi.org/10.1198/106186002394
- Hothorn, T., Bretz, F., & Westfall, P. (2008). Simultaneous inference in general parametric models. Biometrical Journal, 50(3), 346–363. https://doi.org/10.1002/bimj.200810425
- Nelson, P. R. (1982). Exact critical points for the analysis of means. Communications in Statistics – Theory and Methods, 11(6), 699–709. https://doi.org/10.1080/03610928208828263
- Nelson, P. R. (1983). The analysis of means for balanced experimental designs. Journal of Quality Technology, 15(1), 45–54. https://doi.org/10.1080/00224065.1983.11978841
- Nelson, P. R., & Dudewicz, E. J. (2002). Exact analysis of means with unequal variances. Technometrics, 44(2), 152–160. https://doi.org/10.1198/004017002317375109
- Nelson, P. R., Wludyka, P. S., & Copeland, K. A. F. (2005). The analysis of means: A graphical method for comparing means, rates, and proportions. SIAM. https://doi.org/10.1137/1.9780898718362
- Ott, E. R. (1967). Analysis of means: A graphical procedure. Industrial Quality Control, 24(2), 101–109.
- Pallmann, P., & Hothorn, L. A. (2016). Analysis of means: A generalized approach using R. Journal of Applied Statistics, 43(8), 1541–1560. https://doi.org/10.1080/02664763.2015.1117584
- Poppe, G. P. M., & Wijers, C. M. J. (1990). More efficient computation of the complex error function. ACM Transactions on Mathematical Software, 16(1), 38–46. https://doi.org/10.1145/77626.77629
- Ramig, P. F. (1983). Applications of the analysis of means. Journal of Quality Technology, 15(1), 19–25. https://doi.org/10.1080/00224065.1983.11978837