方差分析与正交实验设计初步.ppt

第 7 章 方差分析与正交实验设计初步 7.1 方差分析的基本思想 7.2 单因素方差分析 7.3 双因素方差分析 7.4 正交实验设计初步 学习目标 方差分析的基本思想和原理 单因子方差分析 多重比较 双因子方差分析的方法 实验设计方法与数据分析 不同运动队的平均成绩之间是否有显著差异？ 奥运会女子团体射箭比赛，每个队有3名运动员。进入最后决赛的运动队需要进行4组射击，每个队员进行两次射击。这样，每个组共射出6箭，4组共射出24箭 在2008年8月10日进行的第29届北京奥运会女子团体射箭比赛中，获得前3名的运动队最后决赛的成绩如下表所示 不同运动队的平均成绩之间是否有显著差异？ 每个队伍的24箭成绩可以看作是该队伍射箭成绩的一个随机样本。获得金牌、银牌和铜牌的队伍之间的射箭成绩是否有显著差异呢？ 如果采用第5章介绍的假设检验方法，用分布做两两的比较，则需要做次数比较。这样做不仅繁琐，而且每次检验犯第Ι类错误的概率都是一样的，作多次检验会使犯第Ι类错误的概率相应地增加，检验完成时，犯第Ι类错误的概率将会很大。同时，随着检验的次数的增加，偶然因素导致差别的可能性也会增加。 采用方差分析方法很容易解决这样的问题，它是同时考虑所有的样本数据，一次检验即可判断多个总体的均值是否相同，这不仅排除了犯错误的累积概率，也提高了检验的效率。 7.1 方差分析的基本思想 7.1.1方差分析的有关概念 7.1.2方差分析的基本思想和原理 7.1.3方差分析中的基本假定 7.1.4假设问题的一般提法 7.1.1方差分析的有关概念 7.1.3方差分析的基本假定 7.2.3关系强度的测量 拒绝原假设表明因素(自变量)与观测值之间有关系 组间平方和(SSA)度量了自变量(行业)对因变量(投诉次数)的影响效应 只要组间平方和SSA不等于0，就表明两个变量之间有关系(只是是否显著的问题) 当组间平方和比组内平方和(SSE)大，而且大到一定程度时，就意味着两个变量之间的关系显著，大得越多，表明它们之间的关系就越强。反之，就意味着两个变量之间的关系不显著，小得越多，表明它们之间的关系就越弱 7.4.1 实验设计的概念和设计原则 1、实验设计有三个基本原则 重复性原则 随机化原则 区组化原则 2、安排实验时应注意： 尽量减少试验误差； 尽量减少试验次数； 所设计的试验要便于对指标值进行统计分析。 7.4.2 多因子试验问题 在多因子试验中，各因子又有不同的水平数，我们的目的是要从这些因子不同的水平组合中，找出一组或几组不同组合使所要求的指标达到最优。（p202） 7.4.3 交互作用 1、一个因子的水平好坏或好坏程度受另一个因子水平制约的情况，称为因子A和B的交互作用，记作A×B或AB。 2、当因子间存在交互作用时，交互作用会随着因子个数的增加而增加。 3、我们主要考虑二级交互作用。 7.4.4正交表及其类型 1、正交表及其特性 正交表是正交设计的工具，是运用组合数字理论在正交拉丁方的基础上构造的一种规格化表格，符号：Ln(ji). 两个特征： （1）每列中不同的数字重复的次数相同。 （2）将任意两列的同行数字看成一个数对，那么任意可能数对重复的次数相等。 2、正交表的分类。（p204） 7.4.5 无交互情况的设计 1、正交表安排试验时的步骤： （1）明确实验目的，确定要考察的试验指标； （2）确定要考察的因子和因子的水平； （3）选用合适的正交表，进行表头设计； （4）根据试验号的安排进行试验，并记录试验指标的具体数据； （5）数据分析。 2、数据分析的方法： （1）用极差分析各因子对指标影响程度的大小； （2）用方差分析； （3）贡献率分析法。 【例题】某化工厂生产的一种产品的收率较低，为此希望通过试验提高收率。在试验中考察如下三个因子三个水平。 7.4.6 有交互作用设计（p211-212） 1、表头设计 自由度 在对有交互作用的试验进行分析时应遵循的原则 2、数据的方差分析 统计模型 平方和分解 方差分析表 最佳水平组合的选择 7.4 正交实验设计初步 丙 乙 甲 C:催化剂种类 55 48 35 B:加碱量 90 85 80 A:温度 三 二 一 水平 因子 例题分析 五、构造检验的统计量(计算总误差平方和 SST ： sum of squares for total) 全部观察值 与总平均值 的离差平方和 反映全部观察值的离散状况 其计算公式为 前例的计算结果： SST = (57-47.869565)2+…+(58-47.869565)2 =115.9295 六、构造检验的统计量(计算水平项平方和