Print version
Transkrypt
Print version
R O CZN IKI PO LSK IEG O TOWARZYSTWA M ATEM ATYCZNEGO Seria III: MATEMATYKA STOSOWANA XXXI (1989) H en r y k B r z e s k w in ie w ic z , W ie sła w W a g n e r Poznań Badanie założenia o rozkładzie normalnym błędów losowych w dwuczynnikowym układzie split-plot* (Praca wpłynęła do Redakcji 1988.03.21) 1. Wstęp. Jednym z najczęściej przyjmowanych założeń stochastycznych przy opracowywaniu wyników doświadczalnych pochodzących z dwuczynnikowego układu split-plot jest rozkład normalny błędów doświadczalnych odpowiadających dużym i małym poletkom. Założenie to powinno być weryfikowane dla aktualnie analizowanych danych doświadczalnych. Weryfikacji takiej dokonujemy testami normalności dla próby prostej. Odpowiednią próbę prostą uzyskujemy z połączenia przekształconych obserwowalnych zmiennych losowych oraz wygenerowanych zmiennych losowych zgodnie z zasadą randomizacji Durbina. Normalność sprawdzamy testem D’Agostino, odpowiednim dla dużych prób i charakteryzującym się dobrymi własnościami mocy. W pracy podajemy metodę wyznaczania próby prostej dla badania normalności błędów doświadczalnych małych i dużych poletek w układzie split-plot, którą również ilustrujemy przykładem liczbowym. 2. Model analizy wariancji. Niech A i B będą dwoma badanymi czynnikami doświadczalnymi występującymi odpowiednio na a i b poziomach. Poziomy czynnika A rozmieszczamy losowo w blokach zgodnie ze schematem bloków zrandomizowanych kompletnych. Jednostki doświadczalne, na których umieszczono poziomy czynnika A, zwane dużymi poletkami, dzielimy na równe części, zwane małymi poletkami. Małym poletkom przyporządkowujemy losowo poziomy czynnika B. Poziomy obu czynników traktujemy jako ustalone, tzn. zajmujemy się jedynie modelem stałym analizy wariancji. Zapiszmy model matematyczny obserwowanej zmiennej losowej yUj dotyczą- PAN 501-73/254/86 H. Brzeskwiniewi cz, W. Wagner 48 czej /-tego bloku, i-tego poziomu czynnika A oraz ./-tego poziomu czynnika B w postaci (1)' yuj = H+ ?i + Qi + dii + 5 j + W i j + e iij, dla i = 1, a; / = 1, r; j = 1, b, gdzie n jest parametrem ogólnym, i,- — efektem i-tego poziomu czynnika A, — efektem /-tego bloku, <51 — efektem j-tego poziomu czynnika B, (ió)ij — efektem interakcji i-tego poziomu czynnika A z 7-tym poziomem czynnika B. Symbole dit oraz eitj oznaczają nieobserwowalne zmienne losowe związane z błędami doświadczalnymi odpowiednio dużych i małych poletek. O zmiennych losowych du oraz zakładamy, że są niezależne o wartościach oczekiwanych równych zero oraz wariancjach a\ i o\. Przyjęte założenia o zmiennych da oraz eaj implikują następujące kowariancje: Cov (dih dvl') = (2) Covieuj, evvy) = 0, i = i', l = /', poza tym, 0, i = i', / = /', j = / , poza tym, Cov{dih evvy) = 0 dla wszystkich i, l,j, i', /',/. Z (1) i (2) wynikają dla yiU kowariancje (3) U l +*2, Co\(ynj, yn -f ) = <aj, (0, i = i', ł = r ,j = / , i = i , / = /»j j ? poza tym. Na parametry stałe modelu (1) nakładamy bez straty ogólności nieestymowalne restrykcje (4) £ T«-= Z Qi = Z ^ = Z (T<%= Z (T<%= °/= 1 i= 1 i= 1 j= 1 /=1 Przy restrykcjach (4) najlepszymi nieobciążonymi estymatorami liniowymi parametrów stałych modelu (1) z uogólnionej metody najmniejszych kwadratów (uogólnionej MNK) są (patrz np. Mikos i Niedokos, 1976): A= (5) y..., *i = * = h ..., Q, Qi = y .i-y .. 1 = 1, ..., r, Sj = y .j- y .. j = U ..., b, + gdzie 1 W u = Jij-y.-. i = 1, • •• , a; j = 1, ..., b, , y,.., ... oznaczają odpowiednie średnie, przy czym uśrednienie Badanie założenia o rozkładzie normalnym błędów losowych 49 przebiega względem wskaźnika (lub wskaźników) zastąpionych kropką (lub kropkami). W analizie wariancji rozpatrywanego układu doświadczalnego dla wyznaczenia sum kwadratów dla błędów dużych i małych poletek wykorzystuje się reszty z uogólnionej MNK dla: (a) dużych poletek du = y n - f i - h - Q i = yn.-yi.-y.i.+y..., przy i = 1, a; l = 1, (b) małych poletek r; t u j = y u j - f i - i i - Q i - Sj - ( i 3)ij - d u = = y u j - y n - y u + y i .., przy i = 1, a; 1=1, ..., r; j = 1, b. Podane reszty wykorzystujemy dalej do badania normalności. Nasze postępowanie opieramy na następującym lemacie Cramera, wyrażającym własność charakteryzacji rozkładu normalnego (patrz np. Rao 1982, s. 525). L e m a t . Jeżeli U x i U 2 są dwiema niezależnymi zmiennymi losowymi takimi, że U = U X+ U2 ma rozkład normalny, to zarówno U x, jak i U2 mają rozkład normalny. Przyjmując, że błędy dn oraz eUj odpowiadają zmiennym Ux i U2 w podanym lemacie, wyznaczamy nowe reszty jako sumę reszt dit oraz eiljt które nazwiemy resztami połączonymi. Te ostatnie będą podstawą do badania normalności zmiennych d^ + euj, co na mocy podanego lematu będzie świadczyć o normalności każdej ze zmiennych oddzielnie. Jest to przyjmowane zwykle założenie stochastyczne o błędach losowych w układach split-plot. 3. Wektor reszt połączonych. Wykorzystując dit oraz eiU podane w punkcie 2, wyznaczamy reszty połączone, które oznaczymy przez fuj = i , + eitj = yaj - y Lj - y.,. f y.... (6) Reszty f aj są zmiennymi losowymi o wartościach oczekiwanych równych zero dla wszystkich wskaźników i, l, j, spełniają z prawdopodobieństwem 1 a r b warunek X Z Z fuj = a ich wariancje i kowariancje wyznaczamy z równości i= i /= 1 j = 1 (7) Cov (jw . Jrvf) = Cov {yiU, yiTf) - 2 Cov {ynj, yr j ) —2 Co\(yuj, y.r .) + 2 Cov y...) + Cov(.Vij, yr ./ ) + + 2 Cov(>’;.,, y .,')- 2 Cov (yLjJ y j + Cov(>’.,., yr.r)~ - 2 Cov 4 — Matematyka Stosowana t. 31 y...) + Cov( v >...). H. Br zeskwiniewi cz, W. Wagner 50 Przy ustalaniu kowariancji (tabela 1) występujących po prawej stronie w (7) korzystamy z oznaczeń (2) i (3), a ponadto wprowadzamy y = Co = ba2+ 02, v = (To/n, Ł, = a%jab i n = arb. Tabela 1 i = i’ Cov(v ) j= f i = i' 1= 1' i i = i' ///' j= f i = i' /#/' i *f i * i' 1= 1' i =f 0 y/r 0 a\/r z, 0 a\/r 0 0 0 0 V V y y/r yrrr ku, k j Kij, y.r. Ku, y... K.j, K’.j■ yi.j, y.v. k .j , y... y.i., K’.jy.i., y... y..., y... V y/r y/r i * i' i * i' 1= 1' i * r j * f j =f 0 0 0 V V a\/r V 0 0 i * i' 1*1' )*)' 0 0 0 V 0 0 0 0 V 0 V V V V V V V V V V V V V V V V £ 0 £ 0 V V V V V V V V Ć 0 V V V V Ć 0 V V V V Wielkości podane w tabeli 1 wyznaczono, korzystając z własności kowariancji, co ilustruje poniższy przykład: Cov(j/ , , y j = Cov ( ^ £ £ 1 f t ,1 t £ Cov(yiu> £ £ £ i' = 1I' = 1/ = 1 fl2rb2 i=lj=l 1 Z Z Cov(yiy,i'X Z a2rb2 i= 1j=-l =l/=l 1 [Z z a2rb2 /= 1j= 1 )- JVy') = f Z Covly^,^)] = i=lj,/=l j *y 1 \ab((rl + o\) + ab{b- \)o 2) = - (o’?-I-<r|-ł-feo-? —o"f) = n a2rb2 = {bo\ + ol)ln = al/n = v. Otrzymany wynik w 9 wierszu będzie identyczny dla każdej kolumny w tabeli 1, gdyż występuje tutaj tylko jeden wskaźnik /. Wyniki zawarte w tabeli 1 pozwalają wyznaczyć kowariancje (7), przy różnych układach wskaźników i, /, j, i’, /', / : Badanie założenia o rozkładzie normalnym błędów losowych 51 ' (1 -1 /r)(y -0 , —y/r + v, (8) Co v {fij, Iw y) -1 v, Reszty f Uj nie spełniają warunków próby prostej, tzn. ciągu nieskorelowanych zmiennych losowych o identycznych rozkładach, gdyż istnieją różne od zera kowariancje między tymi resztami. Uniemożliwia to zastosowanie znanych testów normalności bezpośrednio do tych reszt. Reszty f Uj przekształcamy w myśl metody randomizacji Durbina (Durbin, 1961) do nowych reszt (co pokazujemy w punkcie czwartym), które nazywamy poprawionymi resztami połączonymi. Te ostatnie będą spełniały warunki próby prostej. 4. Poprawione reszty połączone. Wyznaczanie poprawionych reszt połączonych przeprowadzamy w dwóch etapach. W pierwszym zapisujemy kowariancje podane wzorem (8) w postaci macierzowej, wykorzystując w tym celu macierze ortonormalne. W drugim budujemy pewną macierz będącą ich kombinacją liniową ze współczynnikami zależnymi jedynie od a, r, b, i cr|. Tak uzyskana macierz jest przemnożona przez wygenerowany wektor losowy o składowych będących realizacjami zmiennych losowych o rozkładzie N(0,1). Utworzony wektor jest składnikiem korygującym wektor reszt połączonych, co w efekcie prowadzi do poprawionego wektora reszt połączonych. Zapiszmy reszty f nj leksykograficznie w postaci n-wymiarowego wektora f = ( /m ,/ii2 , . . ., farb)'• Dla zapisania macierzy wariancji-kowariancji wektora f wprowadzamy macierze ortonormalne (Brzeskwiniewicz, 1980) (9) X,kcl c 2 c 3 gdzie (g) oznacza iloczyn kroneckerowski, Xjf = 1 T/s, X(!S) = 1 —1 V/s są macierzami s-tego stopnia (s = a, r, b), I oznacza macierz jednostkową, natomiast IT jest macierzą jedynek. Macierz wariancji-kowariancji wektora f wyraża się wówczas w postaci (10) D(f) = X000 + g2 X001 + 03 Xolo + 04 X0u +9s X100 + + 06 Xioi + 07 Xno + 08 Xu i , gdzie współczynniki gt, i = 1, . . . , 8, wyznaczamy z równości g = Zł. W równości tej g = (0X, ..., 08)', ł = ((1 —1/r)(y- ol/ab), ..., ol/n) jest wektorem złożonym z elementów kowariancyjnych występujących w (8), natomiast H. Brzeskwiniewi cz, W. Wagner 52 elementy ztt>, t, t' = 1, 8, macierzy Z wyznaczamy wzorem (U ) ztt' = [(1 - a j ) ( a - lJ -flrT 1 C(1 —ci2) (r —1) —a2]C2 [(1 - a 3)(b - l ) - a 3]c3, gdzie c!, c2, c3 = 0, 1 oraz t = 4at + 2a2+ a3 + 1, t' = 4c! + 2c2+ c3 + 1. Macierz Z można nazwać macierzą przejścia między macierzami partnerów (Yamoto, Fujii, Hamada, 1956, Brzesk winiewicz 1980) a macierzami ortonormalnymi (9). Dla macierzy Z suma elementów pierwszego wiersza jest równa n = arb, natomiast pozostałe wiersze sumują się do zera, co łatwo można sprawdzić, zapisując elementy (11) w postaci jawnej: r —1 ( r - l ) ( b - \ ) , a - \ ( a - l) ( f e - l ) ( o - l ) ( r - 1) (a—l)(r—l)(6 — —(«—l) ( r - I) ( f l- D ( r - l) 1-a 1—r a -1 -1 r —1 -(a-l)(b-l) 1-a 1- b a - 1 (a-l)(b-l) b - 1 -1 a —1 1—a 1-a 1 a -1 -1 -1 \-r -(r-l)(b-l) 1-b -1 b - 1 r —1 ( r - l ) ( b - \ ) r- 1 1 1—r 1—r -1 -1 r —1 b -1 1 1-b 1- b -1 b - 1 -1 b -\ -1 -1 1 -1 1 1 -1 Postać macierzy wariancji-kowariancji (10) wektora f ^skazuje na sposób wyznaczania wektora poprawiającego. Niech h = max (grj, d( = yfh —gi, i = 1, . . . , 8, oraz (12) X —di X00o+ ^X 001 +d3 X010-M4 X011 4-^5 X100 + + d6X 101+d7X 110 + d8X l l l , gdzie macierze ortonormalne podano w (9). Oznaczmy jeszcze przez w nwymiarowy wektor o rozkładzie N (O, I) i niezależny od wektora f. Tworzymy wektor poprawionych reszt połączonych, (13) v = f+ X w. Wektor losowy v ma wektor wartości oczekiwanych E(\) = £(f) + X£(w) = 0 oraz macierz wariancji-kowarancji D(\) = D(f) + XD (w) X' = Z) (f) + X X' = = 9\ X o o o + ••• + 0 8 X i n +(h —g i ) X 000+ . . . +(h —gs) X m = = MX0oo+ + X m ) = hl. Pokazaliśmy więc, że składowe wektora v, przy znanych o\ i c\ spełniają warunki próby prostej. Badanie normalności tej próby przeprowadzamy testem normalności D’Agostino podanym w punkcie 5. W przypadku niezna- Badanie założenia o rozkładzie normalnym błędów losowych 53 nych parametrów o\ i a\, zastępujemy je ich nieobciążonymi estymatorami z uogólnionej MNK, odpowiednio: 8\ = Ż Z Z e y a ( r - l ) ( b - l ) , i= 11=1 7=1 S l= { 8 l- S j) /b , °l = b t t d f i / ( a - l)(r-l), *= i i=i gdzie reszty dit oraz eiy podano w punkcie 2. 5. Wnioskowanie statystyczne o rozkładzie normalnym błędów losowych. Proponujemy dla sprawdzenia normalności próby losowej złożonej ze składowych wektora v test DA D’Agostino (1971). Test ten charakteryzuje się właściwościami testu omnibus, tzn. jest wrażliwy na asymetrię i kurtozę rozkładu (patrz np. Wagner, 1982). Oznacza to, że hipoteza zerowa o normalności jest odrzucona, gdy rozkład z próby wykazuje asymetrię i kurtozę. Test DA ma wysoką moc dla szerokiej klasy alternatywnych (różnych od rozkładu normalnego) rozkładów, jest niezmienniczy ze względu na przekształcenia liniowe obserwacji próbkowych, a ponadto dostępne są dla niego tablice wartości krytycznych (podają je m.in. Wagner i Błażczak, 1986). Niech ciąg vt , ..., vn stanowi próbę n-elementową składowych wektora v, n v — średnią arytmetyczną z tej próby, a s2 = £ (u, —u)2 — sumę kwadratów i=1 odchyleń od średniej v. Próbę v1, . . . , v H uporządkowaną według wielkości niemalejących wyraża ciąg nierówności u(1) ^ i?(2) ^ ... < v(n), który traktujemy jako próbkową realizację statystyk pozycyjnych Kl) < V(2) < ... < Statystyka testowa testu D’Agostino ma postać (141 ' ’ Y= V "(P^ - ° ’282095) 0,029986 gdzie Test D’Agostino jest dwustronny. Jeżeli zachodzi nierówność Y*,2, ^ ^ T i-a/2;n»to na poziomie istotności a nie mamy podstaw do odrzucenia hipotezy o normalności rozkładu próby vt , ..., vn. Wartości krytyczne Ya:n odczytuje się z odpowiednich tablic. Brak podstaw do odrzucenia wspomnianej wyżej hipotezy oznacza, że nie mamy także podstaw do odrzucenia hipotezy o rozkładzie normalnym wektora f, co wynika z (13). Tym samym w myśl podanego lematu brak podstaw do odrzucenia hipotezy o rozkładzie normalnym dla dużych i małych poletek. 54 H. Brzeskwiniewi cz, W. Wagner 6. Przykład liczbowy. Dane doświadczalne pochodzące z COBORU Słupia Wielka z doświadczenia dwuczynnikowego split-plot przedstawiają plony ziarna zebrane z poletek o powierzchni 25 m2. Duże poletka (czynnik A) stanowiły 4 poziomy nawożenia mineralnego, natomiast małe poletka (czynnik B) stanowiło 6 odmihn jęczmienia ozimego. Doświadczenie było przeprowadzone w SDO Rarwino. Plony z 3 powtórzeń doświadczenia założonego w układzie split-plot były następujące: Powtórzenie 1 Bi B2 B3 S4 B5 B6 A\ 6,8 5,7 5,7 6,5 6,1 3,2 a2 3,8 4,5 5,5 5,4 3,9 3,2 A3 3,7 2,8 5,5 5,8 4,6 2,0 Powtórzenie 2 A4 4,4 2,8 3,4 1,9 3,4 1,6 A! 8,5 5,4 5,6 6,9 6,5 5,4 A2 11,5 8,5 10,6 9,4 11,0 8,0 «3 3,7 3,2 4,0 4,8 3,8 2,5 Powtórzenie 3 Aą 6,5 8,1 5,5 4,8 5,7 3,6 A1 8,5 7,5 8,1 6,4 6,0 5,9 a2 10,8 7,7 10,4 8,6 8,9 7,2 A3 8,1 5,7 5,3 5,8 6,9 3,5 Aą. 8,6 5,7 6,2 7,9 7,9 3,7 Powyżej przez A u . . ., A ą oznaczono kolej ne dawki nawożenia (poziomy czynnika A), natomiast Bi , B6 oznaczają użyte w doświadczeniu odmiany jęczmienne (poziomy czynnika B). Zamierzamy przeanalizować wyniki doświadczalne od strony ewentualnego naruszenia założenia o rozkładzie normalnym błędów losowych dla dużych i małych poletek. Dla podanych obserwacji doświadczalnych mamy: a — 4, r = 3, b = 6 i n = 72. Oceny nieobciążone wariancji wynoszą: 8\ = 1,60324, 8\ = 0,98311 i 8% = 10,60255. Wyznaczamy stałe gt, i = 1, ..., 8, jako składowe wektora g = Zł = (7.46035, 8.44347, -0.98311, 0.98311, -8.44347, 3.14219, -0.98311, 0.98311)', a następnie reszty połączone f Uj według (6): 0.55278 0.10694 -0.65972 -3.21389 2.34028 0.87361 0.21944 -1.92639 1.70694 -0.41389 -0.45972 0.87361 1.18611 -1.25972 0.07361 -0.71389 1.14028 -0.42639 0.25278 -1.49306 1.24028 -1.04722 2.10694 -1.05972 0.91944 -1.32639 0.40694 -1.64722 1.30694 0.34028 2.25278 -1.39306 -0.85972 0.05278 0.00694 -0.05972 1.58611 -0.15972 -1.42639 -0.71389 1.14028 -0.42639 2.08611 -1.05972 -1.02639 -1.28056 -0.52639 1.80694 1.58611 -0.15972 -1.42639 -2.34722 2.60694 -0.25972 1.18611 -1.75972 0.57361 -0.58056 -0.42639 1.00694 0.05278 0.10694 -0.15972 -1.24722 1.40694 -0.15972 1.01944 -0.62639 -0.39306 0.25278 0.30694 -0.55972 Pomijamy szczegółowe obliczenia związane z wektorem poprawiającym Xw w (13), gdyż wymagałoby to podawania dużej ilości wyników pośrednich obliczeń. Liczby losowe normalne wygenerowane zostały według metody podanej m.in. przez Zielińskiego (1972, s. 83), przy wykorzystaniu liczb losowych z rozkładu jednostajnego, wyznaczonych algorytmem cytowanym w Badanie założenia o rozkładzie normalnym błędów losowych 55 monografii Hellwiga (1975, s. 405). Poprawione reszty połączone obliczone w e d ł u g (13) s t a n o w i ą c i ą g : - 4 .1 4 5 0 6 3 .6 3 8 0 8 - 4 .0 5 0 7 2 4 .6 4 4 3 9 - 4 .1 2 5 9 1 -3 .1 1 2 1 3 - 5 .0 1 0 3 1 - 5 .6 6 1 6 7 - 5 .8 2 7 4 5 - 2 .6 5 7 2 8 0 .7 9 3 0 1 1 .7 5 2 8 2 - 4 .8 7 7 7 1 1 .3 2 9 6 8 1 .7 5 6 8 1 - 1 .1 1 0 5 5 0 .1 6 4 5 4 - 3 .0 1 8 4 9 - 2 .7 6 4 0 8 - 0 .1 4 3 5 6 - 4 .0 2 3 4 3 3 .2 2 9 6 4 -2 .0 7 7 1 9 -3 .0 8 7 1 9 1 .0 7 4 9 2 0 .2 5 3 0 7 3 .1 3 9 1 4 -0 .6 2 3 7 5 1 .9 8 0 7 3 1 .9 6 4 7 5 1 .2 3 7 1 0 4 .8 3 4 5 1 0 .0 6 4 0 6 - 0 .4 9 2 1 6 - 1 .7 9 5 6 5 1 .6 1 3 9 8 0 .5 2 8 9 4 - 2 .4 6 9 6 2 4 .2 7 2 2 6 - 1 .9 4 3 8 9 - 3 .3 7 2 3 6 - 1 .5 2 7 0 1 -5 .5 5 8 7 3 - 3 .8 7 2 7 8 - 3 .2 3 8 0 1 - 0 .6 3 8 0 6 - 3 .5 7 5 7 5 1.74871 3 .6 4 6 0 8 1 .0 9 0 9 3 - 2 .7 9 9 9 8 2 .1 8 9 6 7 1 .3 7 0 5 7 - 1 .8 6 7 1 2 - 0 .3 1 4 1 3 0 .1 7 4 5 4 - 2 .4 6 4 2 7 1 .9 9 9 2 6 - 2 .5 9 7 1 2 5 .4 4 8 5 7 4 .4 9 2 2 5 5 .1 4 6 9 9 2 .6 5 6 2 6 1 .1 7 7 3 4 2 .3 9 6 4 3 - 0 .4 6 7 0 1 2 .4 8 5 8 4 1 .9 4 6 9 0 0 .3 9 8 4 8 1 .5 7 3 9 4 8 .4 0 3 1 5 0 .1 6 1 3 0 Wartość statystyki testowej (14) wynosi 7 = 0,58185. Przyjmując poziom istotności a = 0,05, mamy dwie wartości krytyczne: 70j025:72 = —2,644 i *0,975 72 = 1,186. Ponieważ spełniona jest nierówność —2,644 ^ 7 = = 0,58185 < 1,186, więc na poziomie istotności a = 0,05 nie mamy podstaw do odrzucenia hipotezy o rozkładzie normalnym błędów losowych dla dużych i małych poletek. Literatura H. B rzesk w in iew icz, Częściowo zrównoważone układy bloków niekompletnych dla doświadczeń czynnikowych, Dziesiąte Colloquium Metodologiczne z Agro-Biometrii (1980), 81-97. R. B. D’A g o stin o , An omnibus test of normality for moderate and large size samples, Biometrika 58 (1971), 341-348. J. D urbin, Some methods of constructing exact test, Biometrika 48 (1961), 41-55. Z. H ellw ig, Maszyny cyfrowe i ich zastosowanie, PWE, Warszawa 1975. H. M ikos, E. N ied o k o s, Estymacja parametrów w układach eksperymentalnych rozszczepionych jednostek, Szóste Colloquium Metodologiczne z Agro-Biometrii (1976), 64-92. C. R. Rao, Modele liniowe stystystyki matematycznej, PWN, Warszawa 1982. W. W agner, Testy zgodności z rozkładem normalnym dla próby prostej, Listy Biometryczne 77 (1982), 6-37. W. W agner, P. B łażczak , Statystyka matematyczna z elementami doświadczalnictwa, Skrypty AR w Poznaniu, 1986. S. Y am am oto, Y. Fuj ii, N. Ha mad a, Composition of some series of association algebras, J. Sci. Hiroshima Univ. Ser. A -I (1965), 181-215. R. Z ieliń sk i, Generatory liczb losowych. Programowanie i testowanie na maszynach cyfrowych, WNT, Warszawa 1972.