5实验 方差分析.docVIP

实验五 方差分析 一 实验目的 学习用Mathematica求单因素方差分析的方法. 二 学习Mathematica命令 1. 调用线性回归软件包命令Statistics\LinearRegression.m 用Mathematica作方差分析，必须调用线性回归软件包. 对Mathematica2.2 版本，首先要输入并执行命令 statisti\linearre.m 对Mathematica4.0版本，要输入并执行命令 Statistics\ LinearRegression.m 或者输入调用整个统计软件包命令 Statistics` 2. 线性设计回归命令DesignedRegress 在线性回归模型 中, 向量Y是因变量, 也称作响应变量. 矩阵X称作设计矩阵, 是参数向量. 是误差向量. DesignedRegress也是作一元和多元线性回归的命令, 它的应用范围更广些. 其格式与命令Regress的格式略有不同: DesignedRegress[设计矩阵X, 因变量Y的值集合, RegressionReport-{选项1, 选项2, 选项3, …}] 回归报告(RegressionReport)可以包含: ParameterCITable(参数的置信区间表), PredictedResponse(因变量的预测值), MeanPredictionCITable(均值的预测区间), FitResiduals(拟合的残差), SummaryReport(总结性报告)等. 但不含BestFit. 三 实验的准备――将方差分析问题纳入线性回归问题 在线性回归中, 把总的平方和分解为回归平方和与误差平方和之和, 并在输出中给出了方差分析表. 而在方差分析问题中, 也把总的平方和分解为模型平方和与误差平方和之和, 其方法与线性回归中的方法相同. 因此只要把方差分析问题转化为线性模型的问题, 就可以利用线性回归中的设计回归命令DesignedRegress作方差分析. 单因素试验方差分析的模型是 (1) 也可以改写成下面的形式 (2) 在有了数据以后, 可以把(2)写成线性模型 (3) 的形式, 其中X称为设计矩阵, 它的元素是0或1. 由于(2)的每一个等式的右边都有, 因此X的第一列都是1, 线性模型中就有了必须要有的常数这一列. 是线性模型中的参数. 相当于线性模型中的常数项. , , …相当于线性模型中的参数,,…. 当然也可以用或代替. Y是因变量(向量). 是误差向量. 将通过下面的例子来了解和熟悉其方法. 例1 今有某种型号的电池三批, 它们分别是A、B、C三个工厂所生产的. 为评比其质量,各随机抽取5只电池为样品, 经试验得其寿命(小时)如下: A 40 42 48 45 38 B 26 28 34 32 30 C 39 50 40 50 43 试在显著性水平0.05下检验电池的平均寿命有无显著的差异. 若差异是显著的, 试求均值差, 及的置信水平为95%的置信区间. 解 这是方差分析问题, 先把它转化为线性模型: . 令 , , , 则线性模型 (3) 与方差分析模型(1)完全等价. 而模型(3)完全可以用DesignedRegress命令作设计回归, 得到所要的方差分析表. 面临的任务是1o检验3个总体的均值是否相等. 即作假设检验 , 不全相等. 2o求均值差, 及的置信水平为95%的置信区间. 任务1o等价于: 对模型(3)作检验: 不全等于零. 而任务2o等价于求及的置信区间. 在DesignedRegress命令中加入选项 RegressionReport- {ParameterCITable, MeanPredictionCITable, SummaryReport} 以后, 便能完成上述任务. 四 实验内容 1. 用回归分析作单因素方差分析 例2 续实验的准备中的例1, 完成对模型的假设检验和对模型参数的区间估计任务. 解：输入设计矩阵和数据 X1={{1.0,0,0},{1,0,0},{1,0,0},{1,0,0},{1,0,0}, {1,1,0},{1,1,0},{1,1,0},{1,1,0},{1,1,0}, {1,0,1},{1,0,1},{1,0,1},{1,0,1},{1,0,1}}; (*输入X1={{1.0,0,0},…}, 以小数代替整数, 可以避免计算中无限精度的出现*) Y1={40,42,48,45,38,26,28,34,32,30,39,50,40,