SSC CGL सांख्यिकी — प्रसरण विश्लेषण (ANOVA): F-परीक्षण, Degrees of Freedom और ANOVA तालिका

अवधारणा

मान लो तुम्हारे सामने यह प्रश्न है: तीन अलग-अलग शिक्षण पद्धतियों से पढ़े छात्रों के अंकों के बीच कोई सार्थक अंतर है या नहीं? सिर्फ दो समूहों की तुलना होती तो t-परीक्षण काफी था। लेकिन जब तीन या उससे अधिक समूह हों, तो प्रत्येक जोड़े का अलग-अलग t-परीक्षण करने से Type-I error की संभावना बढ़ जाती है। यहीं प्रसरण विश्लेषण (Analysis of Variance, ANOVA) की ज़रूरत पड़ती है।

ANOVA का मूल विचार सरल है: कुल विचरण (variation) को दो भागों में बाँटो —

1. समूहों के बीच का विचरण (Between Groups / Treatment): यह दर्शाता है कि विभिन्न समूहों के माध्य एक-दूसरे से कितने अलग हैं।
2. समूहों के भीतर का विचरण (Within Groups / Error): यह दर्शाता है कि एक ही समूह के अंदर मान कितने बिखरे हुए हैं — यही प्राकृतिक या यादृच्छिक त्रुटि है।

एक सहज सादृश्य: कल्पना करो कि पाँच कक्षाओं में परीक्षा परिणाम आए। "Between Groups" विचरण यह है कि एक कक्षा का औसत दूसरी से कितना अलग है। "Within Groups" विचरण यह है कि एक ही कक्षा के छात्रों के अंक आपस में कितने बिखरे हैं। यदि कक्षाओं के बीच का अंतर, कक्षा के भीतर के बिखराव की तुलना में बहुत बड़ा है — तो शिक्षण पद्धति का प्रभाव सार्थक माना जाएगा।

F-अनुपात इसी तुलना को संख्यात्मक रूप देता है:

$F = \frac{\text{Mean Square Between (MSB)}}{\text{Mean Square Within (MSW)}}$

जब शून्य परिकल्पना (सभी समूहों के माध्य बराबर हैं) सत्य होती है, तो दोनों mean squares एक ही जनसंख्या-विचरण का अनुमान लगाते हैं, इसलिए F का अपेक्षित मान 1 के करीब रहता है। F का मान 1 से बहुत अधिक होने पर हम शून्य परिकल्पना अस्वीकार करते हैं।

गहन विश्लेषण

एकमार्गी ANOVA (One-Way ANOVA)

एकमार्गी ANOVA में एक ही कारक (factor) के $k$ स्तर (levels/groups) होते हैं। मान लो $k$ समूह हैं और प्रत्येक समूह में $n_i$ प्रेक्षण हैं। कुल प्रेक्षण $N = \sum n_i$।

Degrees of Freedom (df) — सबसे महत्वपूर्ण

| स्रोत | df सूत्र | संख्यात्मक उदाहरण ($k=4, N=20$) | |-------|----------|----------------------------------| | Between Groups (Treatment) | $k - 1$ | $4 - 1 = 3$ | | Within Groups (Error) | $N - k$ | $20 - 4 = 16$ | | कुल (Total) | $N - 1$ | $20 - 1 = 19$ |

सत्यापन: $df_{Between} + df_{Within} = df_{Total}$, अर्थात् $3 + 16 = 19$। यह जाँच परीक्षा में एक सेकंड में होती है।

वर्गों का योग (Sum of Squares)

$SST = SS_{Between} + SS_{Within}$

• $SS_{Between}$: प्रत्येक समूह के माध्य और महासमग्र माध्य (grand mean) के बीच का भारित वर्ग-योग।
• $SS_{Within}$: प्रत्येक प्रेक्षण और उसके समूह के माध्य के बीच का वर्ग-योग।

Mean Square और F-अनुपात

$MSB = \frac{SS_{Between}}{k-1}, \quad MSW = \frac{SS_{Within}}{N-k}$

$F = \frac{MSB}{MSW}$

यह F, $F(k-1,\ N-k)$ distribution का अनुसरण करता है।

द्विमार्गी ANOVA (Two-Way ANOVA)

द्विमार्गी ANOVA में दो कारक होते हैं — मान लो कारक A के $a$ स्तर और कारक B के $b$ स्तर। यहाँ दो प्रकार होते हैं:

(i) Replication रहित Two-Way ANOVA (प्रत्येक cell में एक प्रेक्षण)

| स्रोत | df | |-------|----| | Rows (Factor A) | $a - 1$ | | Columns (Factor B) | $b - 1$ | | Error (Residual) | $(a-1)(b-1)$ | | कुल | $ab - 1$ |

उदाहरण: $a = 3$ rows, $b = 4$ columns:

• $df_{rows} = 2$, $df_{columns} = 3$
• $df_{error} = (3-1)(4-1) = 2 \times 3 = 6$
• $df_{total} = 12 - 1 = 11 = 2 + 3 + 6$ ✓

(ii) Replication सहित Two-Way ANOVA (प्रत्येक cell में $n$ प्रेक्षण)

| स्रोत | df | |-------|----| | Factor A | $a - 1$ | | Factor B | $b - 1$ | | Interaction (A×B) | $(a-1)(b-1)$ | | Error | $ab(n-1)$ | | कुल | $abn - 1$ |

उदाहरण: $a = 3$ teaching methods, $b = 4$ school types, $n = 2$ observations per cell:

• $df_{interaction} = (3-1)(4-1) = 2 \times 3 = 6$
• $df_{error} = 3 \times 4 \times (2-1) = 12$
• $df_{total} = 3 \times 4 \times 2 - 1 = 23$
• सत्यापन: $2 + 3 + 6 + 12 = 23$ ✓

ANOVA की मूल मान्यताएँ

परीक्षा में कभी-कभी मान्यताओं पर प्रश्न आते हैं:

1. सामान्यता (Normality): प्रत्येक समूह का population सामान्य वितरण का अनुसरण करता है।
2. समविचरणता (Homoscedasticity): सभी समूहों का विचरण समान है।
3. स्वतंत्रता (Independence): प्रेक्षण एक-दूसरे से स्वतंत्र हैं।

F-अनुपात की व्याख्या

• $F \approx 1$: शून्य परिकल्पना सत्य होने की संभावना — सभी समूहों के माध्य बराबर।
• $F >> 1$: Between-groups variation, within-groups variation से बहुत अधिक — शून्य परिकल्पना अस्वीकार।
• $F$ कभी ऋणात्मक नहीं हो सकता (क्योंकि Mean Squares हमेशा धनात्मक होते हैं)।

शॉर्टकट और युक्तियाँ

तेज़-समाधान रूपरेखा

परीक्षा-कक्ष में ANOVA प्रश्न देखते ही यह क्रम अपनाओ:

पहला काम — ANOVA का प्रकार पहचानो:

• एक कारक का ज़िक्र → एकमार्गी ANOVA
• दो कारकों का ज़िक्र → द्विमार्गी ANOVA
• "interaction" या "replication" शब्द → Replication सहित two-way ANOVA

दूसरा काम — दी गई संख्याएँ नोट करो:

• $k$ = समूह/levels, $N$ = कुल प्रेक्षण, $n$ = प्रति cell प्रेक्षण (two-way में)

तीसरा काम — df का formula लगाओ:

• One-way: $df_B = k-1$, $df_W = N-k$
• Two-way (no replication): $df_{error} = (r-1)(c-1)$
• Two-way (with replication): $df_{interaction} = (a-1)(b-1)$, $df_{error} = ab(n-1)$

चौथा काम — जोड़कर सत्यापित करो: सभी df का योग = $N - 1$ (या $abn - 1$ two-way में)। यह 5 सेकंड की जाँच तुम्हें गलती से बचाती है।

F-अनुपात प्रश्न के लिए: हमेशा $F = MSB/MSW$ — अंश में Between, हर में Within।

हल किए गए PYQs

क्यों यह प्रश्न: यह SSC CGL का सबसे बुनियादी ANOVA प्रश्न है — सिर्फ Within Groups का df माँगा। यहाँ गलती सिर्फ formula भूलने से होती है।

समाधान का रास्ता: $N = 20$, $k = 4$। Within Groups df $= N - k = 20 - 4 = 16$। जोड़ से जाँच: Between df $= k - 1 = 3$, $3 + 16 = 19 = N - 1$ ✓।

क्यों यह प्रश्न: यह प्रश्न दोनों df एक साथ माँगता है — Between और Within। विकल्पों में "4 और 16" और "3 और 15" जानबूझकर भ्रामक हैं।

समाधान का रास्ता: $df_{Between} = k-1 = 3$, $df_{Within} = N-k = 16$। विकल्प "4 और 19" में $k$ को घटाया नहीं — trap। "3 और 15" में $N-k-1 = 15$ — extra एक घटा दिया — trap। जोड़ से जाँच: $3 + 16 = 19$ ✓।

क्यों यह प्रश्न: यह conceptual प्रश्न है — Between Groups का df formula सीधे पूछा। विकल्प में $k$, $N-1$, $N-k$ भी हैं।

समाधान का रास्ता: Between Groups df = समूहों की संख्या $- 1 = k - 1$। $N-1$ कुल df है, $N-k$ Within Groups df है — दोनों गलत। $k$ (बिना घटाए) भी गलत।

क्यों यह प्रश्न: F-अनुपात की परिभाषा सीधे पूछी। विकल्प में SS को MS से, और MSW/MSB को MSB/MSW से बदला है।

समाधान का रास्ता: $F = MSB / MSW$। विकल्प (a) में SS है, MS नहीं — गलत। विकल्प (c) में हर-अंश उलटे हैं — गलत। विकल्प (d) का कोई सांख्यिकीय अर्थ नहीं। उत्तर: MSB/MSW।

क्यों यह प्रश्न: H₀ सत्य होने पर F का मान — यह conceptual trap है। कई छात्र "0" चुनते हैं।

समाधान का रास्ता: H₀ सत्य → सभी माध्य बराबर → MSB और MSW दोनों $\sigma^2$ का estimate → $F = \sigma^2 / \sigma^2 = 1$। F = 0 तभी होता जब MSB = 0, यानी सभी group means बिल्कुल grand mean के बराबर — theoretical extreme, expected value नहीं।

क्यों यह प्रश्न: Two-way ANOVA with replication में interaction df — SSC CGL का advancing level प्रश्न।

समाधान का रास्ता: $a = 3$ (teaching methods), $b = 4$ (school types), $n = 2$ (observations per cell)। $df_{interaction} = (a-1)(b-1) = (2)(3) = 6$। विकल्प "12" trap है — वह $df_{error} = ab(n-1) = 3 \times 4 \times 1 = 12$ है। Interaction और Error की df मत मिलाओ।

क्यों यह प्रश्न: Replication रहित two-way ANOVA में error df — formula $(r-1)(c-1)$ का सीधा application।

समाधान का रास्ता: $r = 3, c = 4$। $df_{total} = rc - 1 = 11$। $df_{rows} = 2$, $df_{columns} = 3$। $df_{error} = 11 - 2 - 3 = 6$। या सीधे: $(r-1)(c-1) = 2 \times 3 = 6$। दोनों रास्ते एक ही उत्तर देते हैं।

आम गलतियाँ

• $k-1$ की जगह $k$ लिखना: Between Groups df में "minus 1" भूलना सबसे आम गलती है। याद रखो: "Between में एक हमेशा घटता है।" विकल्प "4 और 16" जैसे trap इसी गलती को exploit करते हैं।

• Within Groups df में $N-k-1$ लिखना: $N-k$ सही है, $N-k-1$ नहीं। t-परीक्षण में $n-1$ होता है, ANOVA में $N-k$। दोनों को मिलाना खतरनाक है।

• Replication सहित two-way ANOVA में interaction और error df की अदला-बदली: $df_{interaction} = (a-1)(b-1)$ और $df_{error} = ab(n-1)$ — दोनों अलग हैं। प्रश्न में "interaction" शब्द देखते ही $(a-1)(b-1)$ लगाओ।

• F-अनुपात में MSW को अंश में रखना: $F = MSW/MSB$ कभी नहीं होता। "Between ऊपर, Within नीचे" — यह नियम अटल है।

• H₀ सत्य होने पर F = 0 मानना: F = 0 impossible नहीं है पर expected value नहीं। Expected value = 1 जब H₀ सत्य हो। "0" विकल्प देखो तो तुरंत खारिज करो।

• Replication रहित two-way में interaction term निकालने की कोशिश: बिना replication के interaction df = $(r-1)(c-1)$ वह error/residual का df है, interaction का नहीं — क्योंकि बिना replication के interaction और error अलग नहीं किए जा सकते।

संबंधित विषय

• hypothesis testing
• t test
• chi square test
• f distribution
• degrees of freedom
• two way anova

SarkariRise पर अभ्यास