O modelo mais simples com efeitos aleatórios é o modelo ANOVA unidirecional com efeitos aleatórios, dado por observações com premissas distributivas: ( y i j ∣ μ i ) ∼ iid N ( μ i , σ 2 w ) ,yij
(yij∣μi)∼iidN(μi,σ2w),j=1,…,J,μi∼iidN(μ,σ2b),i=1,…,I.
Aqui os efeitos aleatórios são os . São variáveis aleatórias, enquanto são números fixos no modelo ANOVA com efeitos fixos.μi
Por exemplo, cada um dos três técnicos em um laboratório registra uma série de medições, e y i j é a j- ésima medida do técnico i . Chame μ i o "verdadeiro valor médio" da série gerada pelo técnico i ; este é um parâmetro pouco artificial, você pode ver μ i como o valor médio que técnico i teria sido obtido se ele / ela tinha gravado uma enorme série de medições.i=1,2,3yijjiμiiμii
Se você estiver interessado em avaliar , µ 2 , µ 3 (por exemplo, para avaliar o viés entre operadores), será necessário usar o modelo ANOVA com efeitos fixos.μ1μ2μ3
Você deve usar o modelo ANOVA com efeitos aleatórios quando estiver interessado nas variações e σ 2 b que definem o modelo e na variação total σ 2 b + σ 2 w (veja abaixo). A variação σ 2 w é a variação das gravações geradas por um técnico (é assumido o mesmo para todos os técnicos) e σ 2σ2wσ2b σ2b+σ2wσ2w é chamado de variação entre os técnicos. Talvez o ideal seja que os técnicos sejam selecionados aleatoriamente.σ2b
Este modelo reflete a fórmula de decomposição de variância para uma amostra de dados:
Variação total = variação das médias médias das intra-variações+
o que é refletido pelo modelo ANOVA com efeitos aleatórios:
De fato, a distribuição de é definida por sua distribuição condicional ( y i j ) dada μ i e pela distribuição de μ i . Se alguém calcular a distribuição "incondicional" de y i j, então encontraremos y i j ∼ N ( μ , σ 2 b + σ 2 w ) .yij(yij)μiμiyijyij∼N(μ,σ2b+σ2w)
Vejo slides 24 e 25 aqui para obter melhores fotos (você precisa salvar o arquivo pdf para apreciar as sobreposições, não assista à versão online).