生统第5章方差分析.pptVIP

第五章 方差分析;一、为什么要学习方差分析？; 若进行5个处理平均数间的差异显著性比较，则需进行C25=10次t 测验，无效假设分别为：H0:μ1= μ2 , μ1= μ3 , μ1= μ4 , μ1= μ5； μ2= μ3 , μ2= μ4 , μ2= μ5；μ3= μ4 , μ3= μ5； μ4= μ5 ，因此，计算量非常大。;;3.无统一误差且误差估计值偏高使检验真实差异的灵敏度降低; 因此对多个处理平均数进行差异显著性测验，不宜采用t测验，而需采用一种新的统计方法——方差分析法（analysis of variance）。;1、方差：度量一组资料的变异程度。 2、方差分析基本思路： 将k个样本的观察值作为一个整体考虑，把观察值总变异分解成不同变异来源分量，进而获得不同变异来源所属总体方差的估计值―均方。通过计算均方之适当比值，测验假设H0:μ1= μ2=…= μk是否成立，进而确定多个处理平均数间是否存在显著差异。;三、方差分析的作用;第一节 方差分析基本原理与步骤;一、数学模型与基本假定;表5-1 k个处理n次重复完全随机观察值符号表;方差分析的线性数学模型; 上式叫单因素完全随机设计试验资料的数学模型。由于εij相互独立且服从正态分布N（0，σ2），所以各处理Ai(i=1，2，…，k)观察值所属总体亦应呈正态分布，即Ai~N(μi ,σ2)。尽管各处理所在总体的平均数μi 不一定相等，但总体方差σ2则必须假定是相等的。; 用样本符号表示观察值的数学模型 每个观察值的变异包含处理间变异和处理内变异两部分。;单因素完全随机试验资料的数学模型包含有以下几个基本假定： 效应的可加性（additivity） 分布的正态性（normality） 方差的同质性（homogeneity） 方差分析这三个基本假定也是进行其它类型方差分析的前提。 ;二、平方和与自由度的分解;　　nk个观察值的变异构成了整个资料的总变异，总变异的平方和等于各个观察值与总平均数的离差平方和，它反映了全部样本观察值间总的变异程度。;2、处理间平方和与自由度 处理间平方和指各处理的平均数与总平均数的离差平方和的和，它反映重复n次的各处理平均数 的总变异程度。即;3、处理内平方和与自由度 处理内平方和SSi指各处理内的n个观察值与其相应平均数 的离差平方和，它反映了同一处理内重复观察值间的变异程度。; 由于同一处理内各观察值的差异是由偶然因素造成的，因而，SS1、SS2、… 、SSk实际上都属于随机误差平方和，将其合并得全试验资料处理内变异的平方和：;各处理内自由度： 处理1 (第1组)：df1=n-1 处理2 (第2组)：df2=n-1 ┇ 处理k (第k组)：dfk=n-1 整个资料处理内总自由度为： dfe=df1+df2+…+dfk=k(n-1)=(nk-1)-(k-1);Date;于是， 处理间均方： 处理内均方： 总变异均方：;【例5-1】有一水稻施肥的盆栽试验，设5个处理：①和②系分别施用两种不同的氨水，③施碳酸氢铵，④施尿素，⑤不施氮肥。每处理各4盆（每盆纯氮相同），共5×4=20盆，随机放置于同一盆栽场。其稻谷产量（克/盆）列于表5-2。请分析这五种施肥处理之间是否存在显著差异。; 处 理 观察值（Ｘij） xi.; 如果以离均差形式表示20个观察值xij的各种变异，就得以下结果：;总变异　　处理间变异和试验误差 例5-1的处理数k=5，每一处理观察值个数n=4;各变异来源平方和计算 矫正数： 总变异： 处理间变异： 处理内变异：;各项变异来源自由度计算 总变异自由度: 处理间变异自由度: 处理内变异自由度:;;三、F检验;统计学已证明，各 的合并均方 （以各处理内的自由度n-1为权的加权平均数）也是σ2的无偏估计量，且估计的精确度更高。很容易推证处理内均方MSe就是各 样本方差 的合并均方。 ;（二）EMSt=; 因为各 未知，所以无法求得 的确切值，只能通过试验结果中各处理均数的差异去估计。 然而， 并非 的无偏估计。 ; 因为各处理均数间的差异来源于两方面：一是各处理所在总体μi本质不同，二是平均数的抽样误差。统计学已证明： 所以