Differences

This shows you the differences between two versions of the page.

--- anova_note:output01 [2025/12/07 10:39] – hkimscil
+++ anova_note:output01 [2025/12/09 22:54] (current) – hkimscil
@@ Line 48: / Line 48: @@
 [1] 0.009215657
 >
+</code>
+<code>
 > #
 > comb <- list(o = o, p = p)
@@ Line 70: / Line 73: @@
 102.94545     o
 103.89794     o
-> boxplot(op$values~op$group)
+> boxplot(op$values~ss.o <- ss(o)
+ss.p <- ss(p)
+df.o <- length(o)-1
+df.p <- length(p)-1
+op$group)
 >
 >
@@ Line 81: / Line 90: @@
 +        c("o","p"), fill=terrain.colors(2), horiz=TRUE)
 >
-> # o = IQ
+>
-> # p = IQ
+</code>
-> # 둘을 합하여 구한 집합 op 의 IQ 점수
+{{.:pasted:20251207-105645.png}}
-> # 이 전체집합의 분산은?
+{{.:pasted:20251207-105705.png}}
+<code>
 > m.tot <- mean(op$values)
 > m.o <- mean(o)
@@ Line 101: / Line 112: @@
 > abline(v=m.tot, col='red', lwd=3)
 >
-> hist(o, breaks=br,
+</code>
-+      col=rgb(1,1,1,.5))
+{{.:pasted:20251207-105815.png}}
-> abline(v=m.o, col="black", lwd=3)
-> abline(v=m.tot, col='red', lwd=3)
+<code>
->
+</code>
-> hist(p, breaks=br,
-+      col=rgb(.5,1,1,.5))
+<code>
-> abline(v=m.p, col="blue", lwd=3)
-> abline(v=m.tot, col='red', lwd=3)
->
 > hist(o, breaks=br,
 +      col=rgb(1,1,1,.5))
@@ Line 126: / Line 134: @@
 [1] 5383.588
 >
-> ss.o <- ss(o)
+</code>
-> ss.p <- ss(p)
+{{.:pasted:20251207-105935.png}}
-> df.o <- length(o)-1
-> df.p <- length(p)-1
+<code>
->
 > m.tot
 [1] 99.71228
@@ Line 145: / Line 152: @@
 +      col=rgb(1,1,1,.5))
 > abline(v=m.o, col="black", lwd=3)
-> hist(p, add=T, breaks=br,
+> abline(v=m.tot, col='red', lwd=3)
+>
+> hist(p, breaks=br,
 +      col=rgb(.5,1,1,.5))
 > abline(v=m.p, col="blue", lwd=3)
 > abline(v=m.tot, col='red', lwd=3)
 >
-> ss.bet <- n.o*(m.tot-m.o)^2 + n.p*(m.tot-m.p)^2
+> ss.bet <- n.o*(m.tot-m.o)^2 +  # m.tot 에서 o그룹공통 까지의 거리를 제곱해서 모두 더한 값
-> ss.bet
+                                 # 아래 그림에서 빨간색 선에서 검은색 선까지의 거리를 제곱해서 모두 더한 값
++           n.p*(m.tot-m.p)^2    # m.tot 에서 p그룹공통 까지의 거리를 제곱해서 모두 더한 값
+                                 # 아래 그림에서 빨간색 선에서 파란색 선까지의 거리를 제곱해서 모두 더한 값
+                                 # 이것은 그룹 (IV, 독립변인) 때문에 생긴 그룹 간 차이이다
+> ss.bet                         # 따라서 이것을 SS between group이라고 부른다
 [1] 598.7747
 >
+</code>
+{{.:pasted:20251207-105845.png}}
+{{.:pasted:20251207-105903.png}}
+<code>
 > hist(o, breaks=br,
 +      col=rgb(1,1,1,.5))
 > abline(v=m.o, col="black", lwd=3)
-> ss.o
+> ss.o <- ss(o)  # o집단의 평균인 검은색 선에서 개인 점수까지의 거리는 (오차는) 독립변인과 상관없이 랜덤하게 나타나는 것
+> ss.o           # o집단의 것을 ss.o라고 부른다
 [1] 2179.19
 >
@@ Line 163: / Line 182: @@
 +      col=rgb(.5,1,1,.5))
 > abline(v=m.p, col="blue", lwd=3)
-> ss.p
+> ss.p <- ss(p)  # p집단도 마찬가지이다. 이 집단 내의 sum of square값은 p 집단의 공통특징인 평균에서 개인점수가 랜덤하게
+> ss.p           # 나타나는 것이고, 이것을 sum of square p라고 부른다
 [1] 2605.623
 >
+> # 이 둘은 각 그룹의 평균을 중심으로 random 하게 나타나는 평균에서의 거리이다 (에러).
+> # 따라서 우리는 이것을 sum of square within group이라고 부른다
 > ss.wit <- ss.o+ss.p
 > ss.wit
 [1] 4784.813
 >
+</code>
+{{.:pasted:20251207-110048.png}}
+{{.:pasted:20251207-110101.png}}
+<code>
 > ss.bet
 [1] 598.7747
@@ Line 179: / Line 207: @@
 > ss.tot
 [1] 5383.588
 >
+</code>
+<code>
 > df.tot <- length(op$values)-1
 > df.bet <- nlevels(op$group) - 1
@@ Line 190: / Line 221: @@
 [1] 58
 >
+</code>
+<code>
 > ms.tot <- ss.tot / df.tot
 > ms.bet <- ss.bet / df.bet