方差分析与试验设计【完成大部分】精要.ppt

计算 第1步：计算总平方和 第2步：计算因子A的平方和 第3步：计算因子B的平方和 第4步：计算交互作用平方和 第5步：计算误差平方和 计算 方差来源 平方和 自由度 均方 F 因子A 6100 2 3050 1.38 因子B 45300 2 22650 10.27 交互作用 11200 4 2800 1.27 误差 19850 9 2206 总计 82450 17 　 　 练习 一次涉及因子A的三个水平与因子B的两个水平的析因实验产生下列数据。 检验显著的主影响与交互作用。α =0.05 因子B 水平1 水平2 水平3 因子A 水平1 135 90 75 165 66 93 水平2 125 127 120 95 105 136 练习 一个游乐场研究通过使游客更有效地上、下游乐车来减少等待的时间，提出了两种上、下游乐车的方法。为考虑到属于游乐车类型的潜在差异以及上、下车方法与游乐车类型之间的交互作用，设计了一个析因实验。利用下列数据，检验属于上、下车方法，游乐车类型和交互作用的显著影响。设α =0.05 。 游乐车类型 Roller Coaster Screaming Demon Log Flume 方法1 41 52 50 43 44 46 方法2 49 50 48 51 46 44 * * * 控制实验性错误概率 Bonferroni修正 在逐个检验中使用更小的比较性错误概率。 如果要检验 C个配对比较并希望总的实验性第一类错误的最大概率为 αEW ，那么令比较性错误概率等于αEW /C 对于固定的样本容量，降低犯第一类错误的概率将导致犯第二类错误的概率增加。这类错误对应于实际上两个总体均值不相等，但却接受了两个总体均值相等的假设的情形。 练习 观察值 样本1 样本2 样本3 1 165 174 169 2 149 164 154 3 156 180 161 4 142 158 148 样本均值 153 169 158 样本方差 96.67 97.33 82.00 练习 观察值 样本1 样本2 样本3 1 165 174 169 2 149 164 154 3 156 180 161 4 142 158 148 样本均值 153 169 158 样本方差 96.67 97.33 82.00 练习 为检验三家工厂生产的机器混合一批原料所需平均时间是否相同， Jacobs化学公司得到了关于混合原料所需时间的如下数据。利用这些数据检验三家工厂混合一批原料所需平均时间是否相同。设α =0.05。 用Fisher LSD方法检验厂家 1与厂家3均值的相等性。（LSD=3.54，有显著差异） 用Fisher LSD方法求总体 1与总体2均值之差的95%的置信区间估计。（-8.54，-1.46） 方法完全相同！ 制造商1 制造商2 制造商3 20 28 20 26 26 19 24 31 23 22 27 22 6 方差分析与实验设计 方差分析引论 方差分析：k个总体均值相等性检验 多重比较方法 实验设计：完全随机化设计 实验设计：随机化区组设计 析因实验 在实验性研究中，感兴趣的变量是明确规定的。因此，研究中的一个或多个因素可以被控制，使得数据可以按照因素如何影响变量来获得。(因果关系) 在观察性或非实验性研究中，则不去控制这些因素。(抽样调查) 单因子实验 只涉及到有k个总体或处理的一个因子的实验。 例：Chemitech开发了一种新的城市供水过滤系统，其元件需从几家供应商处购买，然后Chemitech在位于南加州哥伦比亚的工厂装配这些元件。由工程部负责确定新过滤系统的最佳装配方法。考虑过各种可能之后，小组将范围缩小至三种方法：方法A、方法B及方法C。这些方法在产品装配步骤上有所不同。 Chemitech的管理者希望确定哪种装配方法每周生产的过滤系统数最大。 完全随机化设计 处理被随机地指派给实验单元的一种实验设计。 假定从 Chemitech的生产车间的全体装配工人中抽取了由三名员工组成的样本，这三名随机抽取的工人被称为实验单元。 随机化的概念是所有实验设计的一个重要原理。 完全随机化设计 数据收集 Observation Method A Method B Method C 1 58 58 48 2 64 69 57 3 55 71 59 4 66 64 47 5 67 68 49 样本均值 62 66 52 样本方差 27.5 26.5 31.0 样本标准差 5.24 5.15 5.57 完全随机化设计 总体方差的组间估计 总体方差的组内估计 方差估计量的比较： F检验 ANOVA表 方差来源 平方和 自由度 均方 F 处理 520 2 260.00 9.18 误差 340 12 28.3