实验设计第三讲 方差分析和回归分析.ppt

* 正态概率纸法的缺陷 实验设计中，重复次数少于8的情形很多，此时单独就每组样本数据使用正态概率纸来检验，效果不好。容易判断失误； * 可行办法一：汇总残差项数 把各组的残差合并成一个大样本之后再利用正态概率纸法来诊断 * 若ni相同，均为m，则诸残差来自于同一正态分布总体 因此，在各处理重复次数接近时，就可以利用正态概率纸法，将残差合并进行正态性检验。 * 残差对原始数据的散点图 * 方差齐性检验（略） * 双因素方差分析 * 两个因素A与B B1 B2 … Bb A1 x111,x112,…,x11n x121,x122, …,x12n … x1b1,x1b2,…,x1bn A2 x211,x212,…,x21n x221,x222, …,x22n … x2b1,x2b2,…,x2bn … …… …… … Aa xa11,xa12,…,xa1n xa21,xa22, …,xa2n … xab1,xab2,…,xabn * * * * * P18 * 关于自由度及方差分析表 P18-19 例1.2.2 P19 * 谢谢！ * 方差分析的任务是检验该线性统计模型中a个总体 的均值 是否相等 * 固定效应模型与随机效应模型 简单了解 * 固定效应模型 a个处理（水平）由实验者具体选定。 且满足约束条件 得到的相关结论仅适用于分析中所考虑的因素水平，不能推广至未曾明确考虑的相似处理中。 * 随机效应模型（方差分量模型） 把a个处理（水平）看作是来自一个较大的处理总体的一个随机样本。在此情形下，希望能够把结论推广至总体所有可能的处理当中。而不管它在分析中是否明确考虑。此时 是随机变量。 例如实验者关注很多可能水平的因素，若从这多个水平中随机选取a个水平，则称因素是随机的。 * 总离差平方和的分解 水平Ai下的样本均值 样本数据的总均值 总离差平方和 * 总离差平方和的分解 * 总离差平方和的分解 总离差平方和 因素A效应平方和，组间差 Ai水平下样本值与样本均值之间的差异，由于随机误差引起的，称为误差平方和 * 总离差平方和的分布 H0成立时（即因素水平效应为零时，即所有样本数据来自于同一个正态总体） * 误差平方和的分布 无论H0成立与否 * 因素A效应的平方和 * * * 在原假设成立的条件下 而 * 事实上 * 在H0成立的条件下，统计量 Mean Square 均方 * 方差来源 平方和 自由度 均方 F比 因素A SA a-1 MSA F=MSA/MSE 误差E SE n-a MSE 总和T ST n-1 * 简化计算公式 P8 例题1.1.1 思考：请问这里的F检验是单侧还是双侧的？ * 完全随机化的单因素实验设计 例：产品开发工程师考虑让合成纤维的抗拉强度增加的方案。根据经验，抗拉强度会受纤维中所含的棉花的比例的影响。而且还知道，若要成品布具有所希望的质量特性（受恒压加工处理），棉花的含量应当在10-40%之间。现在决定检验15%，20%，25%，30%，35%这五种棉花含量水平。每种水平试验5种样品。 a=5, n1=n2=n3=n4=n5=5 如何来安排实验？ * 实验编号 棉花含量 实验序号 15% 1 2 3 4 5 20% 6 7 8 9 10 25% 11 12 13 14 15 30% 16 17 18 19 20 35% 21 22 23 24 25 * 如何进行实验？ * 随机抽选序号进行实验 例如利用随机数表选择序号，直到做完25个实验为止。 之所以如此进行，是为了防止未知的干扰因素对实验结果造成污染。因此即是进行所谓的随机化。 如果依次按照1-25号做完实验，会有什么后果 ？ * 为何说检验若干个均值是否相等的恰当方法是方差分析？ 例如前例检验五个均值是否相等 u1=u2=u3=u4=u5 一种做法是可以利用两个独立样本的t检验来检验所有可能样本对 需要检验多少次？ 假设检验犯错误的概率大为增加： 1-0.9510=1-0.60=0.40 * 多重比较 在否定了原假设之后，并未明确指出哪些均值不同。此时需要进一步比较各组均值之间的差异，即所谓的多重比较。需要检验 个假设： * 最小显著性差异法（LSD） * * * 双边检验，则当 就认为 与 有显著差异 就是所谓的最小显著性差异 此时只需要将每对均值差 的绝对值与LSD比较，如果 大于LSD，就显著。否则就 不显著。 * LSD方法的问题 可能极大地提高犯第一类错误的风险； 有时候方差分析的F值是显著的，但利用LSD方法找不到任何有显著差异的水平对。即有些差异不一定以两个水平的均值之差表现出来。 LSD方法与Duncan方