数学建模之方差课程方案.ppt

第一讲 方差分析 1.1 方差分析的概念 1.2 单因素方差分析 1.3 有交互作用的双因素方差分析 1.4 无交互作用的双因素方差分析 例1：某饮料生产企业研制出一种新型饮料。饮料的颜色共有四种，分别为橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等可能影响销售量的因素全部相同。现从地理位置相似、经营规模相仿的五家超级市场上收集了前一时期该饮料的销售情况，见下表，试分析饮料的颜色是否对销售量产生影响。 方差分析：在若干个能够相互比较的资料组中，判别各组资料是否存在差异以及分析差异原因的方法和技术。 方差分析由英国统计学家R.A.Fisher首创，为纪念Fisher，方差分析又称 F 检验 （F test）。用于推断多个总体均值有无差异 三、方差分析的基本思想 比较两类误差 以检验均值是否相等 随机误差和系统误差 组间方差：因素的不同水平 不同总体 下各样本之间的方差 比如，例1中橘黄色、粉色、绿色和无色透明四种颜色饮料销售量之间的方差。组间方差既包括随机误差，也包括系统误差。 方差的比较 如果不同颜色 水平 对销售量 结果 没有影响，那么在组间方差中只包含有随机误差，而没有系统误差。这时，组间方差与组内方差就应该很接近，两个方差的比值就会接近1。 如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有系统误差，这时组间方差就会大于组内方差，组间方差与组内方差的比值就会大于1。 当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异。 四、基本假定 1.每个总体都应服从正态分布 对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本 比如，每种颜色饮料的销售量必须服从正态分布 2.各个总体的方差必须相同 对于各组观察数据，是从具有相同方差的总体中抽取的。 比如，四种颜色饮料的销售量的方差都相同。 3.不同水平下的样本相互独立 二、平方和的分解 ST是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，从而反映了全部数据总的误差程度。 SA既包括随机误差，也包括系统误差，反映的是随机误差和系统误差的大小。 总误差平方和 组间误差平方和+组内误差平方和 如果组间方差明显高于组内方差，说明样本数据波动的主要来源是组间方差，因子是引起波动的主要原因，可认为因子对实验的结果存在显著的影响； 反之，如果波动的主要部分来自组内方差，则因子的影响就不明显，没有充足理由认为因子对实验或抽样的结果有显著作用。 判断因子的不同水平是否对其观察值有影响，实际上就是比较组间方差与组内方差之间差异的大小。 检验这种差异，需要构造一个用于检验的统计量。 1.3 有交互作用的双因素方差分析 一、问题的引出 在实际问题的分析中，常常需要考虑多个因素的影响。如在对某商品销售量影响因素的分析中，除了考虑广告内容的影响，还要考虑销售价格、包装等因素的影响。——多因素的方差分析 若只考虑两个因素的影响——双因素的方差分析 有交互作用的双因素方差分析 无交互作用的双因素方差分析 二、数学模型 1.4 无交互作用的双因素方差分析 p anova1 B :,2:4 例2 为比较同一类型的三种不同食谱的营养效果，将19支幼鼠随机分为三组，各采用三种食谱喂养. 12周后测得体重，三种食谱营养效果是否有显著差异？ 187 212 215 220 248 265 281 丙 185 197 201 231 乙 164 190 203 205 206 214 228 257 甲 体重增加量 食谱 解：这是单因素非均衡数据的方差分析 A [164 190 203 205 206 214 228 257 185 197 201 231 187 212 215 220 248 265 281]; group [ones 1,8 ,2*ones 1,4 ,3*ones 1,7 ]; p anova1 A, group 方差分析表 均值盒子图 由于概率p 0.1863比较大，故认为三种食料没有显著差异. 五、因素各水平均值的估计与比较 从例1的结果可以知道四种饲料对鱼类体重增长效果有显著差异，如何进一步比较选择最优的因素水平？ 1.各水平均值的估计及其置信区间 根据方差分析的要求每个因素水平Ai的数据来自正态分布N ?i,?2 ，因此样本均值 标准化得到 又因为 ,所以 进而根据 定理：设X~N 0,1 , 则 因为 代入定理立得 对给定的置信水平?，可得 ?i置信度为1- ?的置信区间为： 2. 各对均值差的置信区间 根据两样本均值差构造标准正态分布，进而得到两样本的T统计量，于是?i- ?j置信度1-?的置信区间 3. 多重