61单因素方差要点.pptVIP

* 超级连接到6.2.1 若统计量的 p 值 p 0.01，称 A 的影响高度显著，记为 **； 方差分析中习惯作如下规定： 若统计量的 p 值0.01≤ p 0.05，称 A 的影响显著，记为 *； 若统计量的 p 值0.05 ≤ p0.1，称 A 有一定影响，记为 （*）； 若统计量的 p 值 p ≥ 0.1，称 A 无显著影响。 四. 重复数不等情形下的方差分析 1. 数据略有不同 T T n 合计 Tr yr1, yr2 ,…., yrmr mr Ａr … … ……. … T2 y21, y22 ,…., y2m2 m2 Ａ２ T1 y11, y12 ,…., y1m1 m1 Ａ１ 平均 和 试验数据 重复数 水平 设因素 A 有 r 个水平A1，A2, …, Ar . 且第 i 水平Ai下重复进行mi 次试验, i=1, …,r, 获如下数据: 2. 基本假定、平方和分解、方差分析及判断准则相同 计算公式稍有不同。特别注意 SA 的计算公式！ 统计模型为: 记 则各平方和公式为： 五. 数据结构式及其参数估计 1. 数据结构式 其中μ为总体均值，αi为第 i 个水平的效应, 且 εij 为试验误差, 在上述结构式下, i=1,…,r, j=1, …,m 且独立 2. 点估计 总平均μ的无偏估计: 主效应αi 的无偏估计: 误差方差σ2 的无偏估计: 各水平均值μi 的无偏估计: 置信区间 由于 且两者独立, 故 故各水平均值 μi 的1- α置信区间为 , Se /σ2 ~ χ2 (n - r), 故 σ2 的1- α置信区间为 故两水平均值差 μi - μj 的1- α置信区间为 注：单因子试验的统计分析可得如下三个结果: (1) 因子 A 是否显著. (2) 试验的误差方差σ 2 的估计. (3)各水平均值μi 的点估计与区间估计. (此项在因子A不显著时无需进行) 例2 茶是一种饮料，它含有叶酸（folacin），这是一种维他命B。如今要比较各种茶叶中的叶酸含量。现选定绿茶，这是一个因子，用A表示。又选定四个产地的绿茶，记为A1, A2, A3, A4，它是因子A的四个水平。测定试验误差，需要重复。选用不平衡设计，即A1, A2, A3, A4分别制作了7,5,6,6个样品，共有24个样品。试对之进行方差分析，从中可得到什么结果？ 因子A的水平 数 据（毫克） A1 7.9 6.2 6.6 8.6 8.9 10.1 9.6 A2 5.7 7.5 9.8 6.1 8.4 A3 6.4 7.1 7.9 4.5 5.0 4.0 A4 6.8 7.5 5.0 5.3 6.1 7.4 若取显著性水平α=0.05．查表可得 由于F3.10，故应拒绝原假设 即认为四种绿茶的叶酸平均含量有显著差异． 从方差分析表上还可以获得 诸均值的参数估计 故均值 的95%的置信区间是[7.13，9.41]． 思考： 方差分析中的检验与两个独立正态总体（方差未知且相等）中均值差的检验有何异同？ 补充一：多重比较 在确认因子 A 的 r 个水平均值间有显著差异的情况下，进一步要问：哪些水平均值间确有显著差异，那些水平均值间无显著差异，这就要进行多重比较． 同时比较任意两个水平间有无显著差异的问题称为多重比较问题． 譬如，r=3 时，同时检验如下三个假设 若r较大，要同时检验 个假设，即: 多重比较 因此拒绝域形式： 同时考虑 考察因子A的r个水平，每个水平下重复数为mi .假设诸试验数据 ，则样本均值 应是 的良好估计， 若假设为真， 不应过大，过大就应拒绝 下面讨论临界值 cij 的确定： 在各mi不同时，诸临界值也不相同，但可要求 拒绝域形式： 其中： 判断： 当　　　　　　时，拒绝 ，否则保留 故两水平均值差 μ1 – μ2 的水平为 95% 的置信区间为 补充：方差齐性检验 方差齐性是进行方差分析的三个基本假定之一，需要确认． 实际确定：如,两个车间的设备相同，操作技术水平相当，可确认两车间生产的产品的误差近似相等． 统计确定：要对如下的假设作出判断： (齐性,即相等) 第六章 方差分析与实验设计 第一节 单因素方差分析 第二节 双因素方差分析 方差分析(analysis of variance)就是采用数理统计方法对数据进行分析，以鉴别各种因素及因素间的交互作用对研究对象某些试验指标的影响大小的一种有效方法. 第一节 单因素方差分析 一、问题的提出 注：方差分析简记为ANOVA. 例1 检验不同饲料对鸡增重的效应。选用三种饲料：A1 以鱼粉为主，A2 以槐树粉为主，A3