单因素方差分析80718.pptVIP

单因素方差分析 1 问题的提出 某灯泡厂用四种不同的配料方案制成的灯丝，生产了四批灯泡．在每批灯泡中随机抽取若干灯泡测得其使用寿命(单位：小时) 数据如表1所示 ： 例 有三台机器，生产同一种规格的铝合金薄板．测量三台机器所生产的薄板厚度(单位：毫米)，得结果如下表所示: * 1510 1520 1530 1570 1600 1680 丁 1460 1550 1600 1640 1660 1740 1620 1820 丙 1580 1640 1640 1700 1750 乙 1600 1610 1650 1680 1700 1720 1800 甲 灯泡的使用寿命 灯丝类别 表1 要求根据上述试验结果，在显著水平α下，检验用不同灯丝生产的灯泡使用寿命是否有显著差异,从统计的角度看，就是要检验用四种不同灯丝生产的灯泡使用寿命的均值是否一致． 方差分析——根据试验的结果进行分析,鉴别 各个有关因素对试验结果的影响程度. 试验指标——试验中要观察的数据. 因　　素——影响试验指标的条件.A、B、C… 因素 可 控 因 素 不可控因素 水　　平——因素所处的不同状态.A1、A2…Ar 单因素试验——在一项试验中只有一个因素改变. 多因素试验——在一项试验中有多个因素在改变. 一般地，设单因素试验中，因素A有r个水平 ，记为A1，A2，…，Ar，相应的总体记为X1，X2，…，Xr ，且r个总体相互独立，并设Xi~N(μi, σ2) 对第i个总体进行ni次重复观测，得到ni个观测数据xij（j=1, 2, …, ni ），这可以看成是取自Xi的一个容量为ni的样本。 这里，并不要求n1, n2, …,nr完全相同。 观测数据表如下 单因素方差分析的数学模型 则εij为水平Ai下第j次试验的误差， 即随机误差，一般认为εij ~N(0, σ2) 单因素方差分析的数学模型为 其中εij相互独立. 三个基本假定：正态性、方差齐性、独立性 记样本的总容量为 均值的总平均为 记因素A的第i个水平Ai对指标的效应为 则上述数学模型可等价地表示为 其中εij 相互独立. 不全相等. 不全为零. 单因素方差分析的主要任务 检验 或等价地检验检验 2. 统计分析 ---总平均值 ---总离差平方和 ---Xi的样本均值 ---Xi的样本方差 ---组间离差平方和（效应平方和） ---组内离差平方和（误差平方和） Se表示第i组样本观察值与第i组样本均值离差的平方和,它是由随机因素影响引起的，通常称Se为组内平方和(或误差平方和)． SA表示各组样本均值与总均值的离差的加权平方和, 它是由因素A的不同水平影响所产生的，通常称SA为组间平方和（或效应平方和）. 上式称为离差平方和分解式，若SA与Se的比值较大，则说明A对指标的影响显著。 由于 是来自总体 由 分布的可加性可以得到， 的样本，故 在H0成立时，即 则r 组样本全部来自同一正态总体 其样本容量为n，故 利用离差平方和分解式和柯赫伦定理可以证明，在H0成立下，SA和Se相互独立, 且 由以上分析可知，在H0为真时，有 F就是检验H0的检验统计量 当H0不真时，F有偏大的趋势 对于给定的显著水平α，若F≥Fα(r-1,n-r)，则拒绝H0， 反之，则接受H0 计算过程的化简 总和-平方-均值 行和-平方-均值-和 总平方和 可以证明： 说明： 若FF0.1，则称因素A无显著影响 若F0.1≤FF0.05，则称因素A有一定影响，标注为（*） 若F0.05≤FF0.01，则称因素A的影响显著，标注为* 若F0.01≤F，则称因素A的影响高度显著，标注为** F0.01 F0.05 F0.1 ** * （*） 无显著影响 F 0.258 0.264 0.259 0.267 0.262 III 0.257 0.253 0.255 0.254 0.261 II 0.236 0.238 0.248 0.245 0.243 I 薄板厚度 机器 试分析机器对薄板厚度有无显著的影响？ *