第四章方差分析选编.ppt

第四章 方差分析与正交试验设计;§1 单因子方差分析; 例:为寻求适应本地区的高产油菜品种,今选了五种不同品种进行试验,每一品种在四块试验田上得到在每一块田上的亩产量如下:; 试验的目的就是要检验假设 H0:μ1=μ2=μ3=μ4=μ5 是否成立.若是拒绝 ,那么我们就认为这五种品种的平均亩产量之间有显著差异;反之,就认为各品种间产量的不同是由随机因素引起的.方差分析就是检验假设的一种方法. ; 设在某试验中,因子A有r个不同水平A1,A2,...,Ar,在Ai水平下的试验结果Xi服从正态分布N(μi,σ2),i=1,2,...,r,且X1,X2,...,Xr间相互独立.现在水平Ai下做了ni次试验,获得了ni个试验结果Xij,j=1,2,...,ni这可以看成是取自Xi的一个容量为ni的样本,i=1,2,...,r. ; 由于Xij~N(μi,σ2) ,故Xij与μi的差可以看成一个随机误差εij~N(0,σ2) .这样一来,可以假定Xij具有下述数据结构式:; 在这样的改变下,单因子方差分析模型中的数据结构式可以写成:; 引起诸Xij 波动的原因有两个:一个是假设H0为真时,诸Xij的波动纯粹是随机性引起的;另一个可能是假设H0不真而引起的.因而我们就想用一个量来刻划诸Xij之间的波动,并把引起波动的两个原因用另两个量表示出来,这就是方差分析中常用的平方和分解法.;其中交叉乘积项;下面我们来看各式的意义;;§1.3 检验统计量的构造;对于各组样本有;;; 一般,当FF0.01时,称因子的影响高度显著,记为“**”;当F0.01F≥F0.05时,称因子的影响显著,记为“*”; 当F＜F0.05时,称因子无显著影响,即认为因子各水平间无差异.;;; 例:为寻求适应本地区的高产油菜品种,今选了五种不同品种进行试验,每一品种在四块试验田上得到在每一块田上的亩产量如下:; 解:先列表计算;;;;例: 下面给出了随机选取的, 用于计算器的四种类型的电路的响应时间(以毫秒计).表: 电路的响应时间;设四种类型电路的响应时间的总体均为正态, 且各总体方差相同, 但参数均未知. 又设各样本相互独立. ;ST,SA,SE的自由度依次为17,3,14;;§2 双因子方差分析;;;;;; SE表示试验的随机波动引起的误差,称为误差平方和;SA除了反映了试验的随机波动引起的误差外,还反映了因子A的效应间的差异,称为因子A的偏差平方和; SB除了??映了试验的随机波动引起的误差外,还反映了因子B的效应间的差异,称为因子B的偏差平方和.;;;; 具体计算时可用计算表和方差分析表:; 一般,当FF0.01时,称因子的影响高度显著,记为“**”;当F0.01F≥F0.05时,称因子的影响显著,记为“*”; 当F＜F0.05时,称因子无显著影响,即认为因子各水平间无差异.; 例:为了考察蒸馏水的pH值和硫酸铜溶液浓度对化验血清中白蛋白与球蛋白的影响,对蒸馏水的pH值(A)取了4个不同水平,对硫酸铜溶液浓度(B)取了3个不同水平,在不同水平组合(Ai,Bj)下各测一次白蛋白与球蛋白之比,其结果列于计算表的左上角.试检验两因子对化验结果有无显著差异.;;查F-分布表得:F0.05(3,6)= 4.76, F0.05(2,6)= 5.14 , F0.01(3,6)=9.78, F0.01(2,6)=10.9, 由此可知FA F0.01(3,6); FB F0.01(2,6).所以因子A及因子B的不同水平对化验结果有高度显著影响.;§3 有交互作用的双因子方差分析;;;;§3 .2 平方和分解 ;由此可知;总的偏差平方和可作如下的分解:;其中各偏差平方和表达式如下:;§3.3 各偏差平方和的意义; 同无交互作用的情况类似可得: ; 这就是用来检验假设H01,H02,H03,的统计量.按照显著性假设检验程序,对给定的显著性水平α, 当FAF1-α(r-1,rs(t-1))时拒绝H01; 当FBF1-α(s-1,rs(t-1))时拒绝H02; 当 FA×BF1-α((r-1)(s-1),rs(t-1))时拒绝H03. ;;; 一般,当FF0.01时,称因子的影响高度显著,记为“**”;当F0.01F≥F0.05时,称因子的影响显著,记为“*”;当F＜F0.05时, 称因子无显著影响,即认为因子各水平间无差异.; 例:在某化工生产中为了提高收率,选了三种不同浓度,四种不同温度做试验.在同一浓度与同一温度组合下各做二次试验,其收率数据如下而计算表所列(数据均已减去