数理统计CH方差分析0000.pptVIP

王玉顺：数理统计06_方差分析 (7)计算校正总平方和SST及自由度 Corrected Total Sums of Squares 6.1 单向分组数据方差分析 SST的算法 (8)讨论SST及总和均方MST 6.1 单向分组数据方差分析 Error Sum of Squares 6.1 单向分组数据方差分析 (9)计算误差平方和SSE及自由度 SSE的算法 6.1 单向分组数据方差分析 (10)讨论SSE及误差均方MSE SSE是a个样本方差的加权和 6.1 单向分组数据方差分析 误差均方MSE本质上是样本的合并方差，即a个样本的加权平均方差 (10)讨论SSE及误差均方MSE 无论H0是否成立MSE总是σ2的无偏估计 6.1 单向分组数据方差分析 (10)讨论SSE及误差均方MSE 6.1 单向分组数据方差分析 SSE/σ2无条件服从自由度dfE=n-a的卡方分布 (10)讨论SSE及误差均方MSE 6.1 单向分组数据方差分析 (11)计算因素A平方和SSA及自由度 SSA的算法 6.1 单向分组数据方差分析 (12)讨论SSA及因素均方MSA 因素A平方和SSA Model Sum of Squares 因素A平方和的期望 6.1 单向分组数据方差分析 (12)讨论SSA及因素均方MSA 因素A平方和的期望 6.1 单向分组数据方差分析 (12)讨论SSA及因素均方MSA 均方MSA的期望 6.1 单向分组数据方差分析 H0下均方MSA是σ2的无偏估计 (12)讨论SSA及因素均方MSA SSA的分布 6.1 单向分组数据方差分析 H0下SSA/σ2服从自由度dfA=a-1的卡方分布，证明参见cochran定理 (12)讨论SSA及因素均方MSA MSA/MSE的期望 6.1 单向分组数据方差分析 (13)均方比MSA/MSE及其分布 条件期望 Now we have two estimates of s2, within and between means. An F-test can be used to determine if the two statistics are equal. The F-statistic is written as: 6.1 单向分组数据方差分析 MSA/MSE的分布 根据F分布定义，H0下均方比MSA/MSE服从F分布，故H0下MSA/MSE是F统计量 (13)均方比MSA/MSE及其分布 ▲If H0 holds, the computed F-statistics should be close to 1. ▲If H1 holds, the computed F-statistic should be much greater than 1. ▲We use the appropriate critical value from the F-table to help make this decision. Hence, the F-test is really a test of equality of means under the assumption of normal populations and homogeneous variances. 6.1 单向分组数据方差分析 MSA/MSE的特性 (13)均方比MSA/MSE及其分布 问题归结为均方比的右方F检验 决策规则： p≤α否定H0 pα接受H0 (14)F-test method 6.1 单向分组数据方差分析 * * 第六章 方差分析 Analysis of variance 按p≤?决策规则，检验两总体均值差假设犯第一类错误的概率不大于?，即： 两总体均值差假设 6 方差分析 (1)两独立正态总体均值相等检验 犯第一类错误的概率 6 方差分析 按p≤?决策规则，检验两总体均值差假设不犯第一类错误的概率不小于1-?，即： (1)两独立正态总体均值相等检验 犯第一类错误的概率 三个独立正态总体均值相等假设等价于三个均值差假设同时成立： 6 方差分析 (2)三个独立正态总体均值相等检验 犯第一类错误的概率 每个均值差t检验犯第一类错误的概率记作ρ，三个独立正态总体均值相等检验犯第一类错误的概率记作p，若按ρ≤?决策，则p值仍是不大于?吗？ 6 方差分析 (2)三个独立正态总体均值相等检验 犯第一类错误的概率 三个独立正态总体均值相等检验，犯第一类错误的概率等于三个均值差原假设至少一个被错误否定的概率，即： P(否定H0|H0真)=P(H0被错误否定) =P(H01,H02,H03至少