Ẹ̀rọ Ìṣirò Àyẹ̀wò Friedman

Nípa ẹ̀rọ ìṣirò yìí

Àyẹ̀wò Friedman jẹ́ ọ̀nà mìíràn tí kì í ṣe ti paramẹ́tà dípò ANOVA onídíwọ̀n-àtúnwí, tí a ń lò láti mọ̀ bóyá ìyàtọ̀ tí ó ṣe pàtàkì wà kọjá ipò tàbí ìtọ́jú mẹ́ta tàbí jù bẹ́ẹ̀ lọ tí ó ní í ṣe pẹ̀lú ara wọn tí a díwọ̀n lórí àwọn ẹni kan náà, láìsí rírò pé àwọn dátà náà pín ní ọ̀nà déédéé. Dípò kí ó ṣiṣẹ́ pẹ̀lú iye àìṣàtúnṣe, àyẹ̀wò náà ń to àmì ẹnìkọ̀ọ̀kan sípò kọjá àwọn ìtọ́jú náà (1 dé k fún ìlà kọ̀ọ̀kan), ó ń ṣàpapọ̀ àwọn ipò fún ìtọ́jú kọ̀ọ̀kan kọjá gbogbo ẹni tí a ṣàyẹ̀wò láti rí àpapọ̀ ipò R_j, ó sì ń dà wọ́n pọ̀ sínú àmì àyẹ̀wò χ²_F = [12 / (n·k·(k+1))] × Σ(R_j²) − 3n(k+1), níbi tí n jẹ́ iye àwọn ẹni tí a ṣàyẹ̀wò tí k sì jẹ́ iye àwọn ìtọ́jú.

Lábẹ́ àbá tí ó sọ pé kò sí ìyàtọ̀ gidi láàrin àwọn ìtọ́jú, àmì yìí fẹ́rẹ̀ẹ́ tẹ̀ lé ìpínkiri chi-square pẹ̀lú ìwọ̀n òmìnira k−1, nítorí náà a ń fi iye tí a ṣírò wéra pẹ̀lú iye pàtàkì chi-square tàbí a ń yí i padà sí p-value láti pinnu bóyá a ó kọ àbá náà. Àwọn onímọ̀ ìṣirò-ìsọ̀rọ̀ ẹ̀dá, àwọn onímọ̀ nípa ọpọlọ, àti àwọn olùwádìí ní ẹ̀ka èyíkéyìí tí ó ní ìdíwọ̀n àtúnwí tàbí ètò ẹni-tí-a-bá-ara-wọn-mu máa ń lo àyẹ̀wò Friedman nígbà tí dátà bá jẹ́ ti ipò, tí ó tẹ̀ sí ẹ̀gbẹ́ kan, tàbí tí ó ní àwọn iye àjèjì tí yóò rú èrò déédéé tí ó wà lẹ́yìn ANOVA onídíwọ̀n-àtúnwí — fún àpẹẹrẹ, fífi ìtòsípò àwọn adájọ́ kan náà lórí ọjà púpọ̀ wéra. Ẹ̀rọ ìṣirò yìí ń ṣírò àmì Friedman χ²_F àti ìwọ̀n òmìnira (k−1) láti inú àpapọ̀ ipò tí a tẹ̀ sínú rẹ̀ àti iye àwọn ẹni tí a ṣàyẹ̀wò; kì í dá p-value padà, nítorí náà fi χ²_F wé iye pàtàkì chi-square fún ìwọ̀n òmìnira wọ̀nyẹn (tàbí wá p-value nínú sọ́fútíwètì statistics). Ìwọ fúnra rẹ ni yóò to àmì ẹnìkọ̀ọ̀kan sípò kí o sì ṣàpapọ̀ àwọn ipò fún ìtọ́jú kọ̀ọ̀kan kí o tó tẹ̀ wọ́n sínú rẹ̀, gẹ́gẹ́ bí àtòjọ tí a yà sọ́tọ̀ pẹ̀lú kọ́mà.