生统8-第六章方差分析1.ppt

第四章中，我们已经介绍了两个样本所属总体平均值的假设检验可用 t-test 或 u-test 来检验其差异性。 但在大多数情况下，我们的试验有 3 个或 3 个以上的样本需要进行比较。 如果这许多样本都只和对照组相比，我们仍然可以使用 t-test 或 u-test 进行，但如果需要样本之间两两相比较的话，就不能使用 t-test 或 u-test 进行了。 其理由有以下几个： 1、当有 k个样本所属总体的平均值相互两两比较，就需作 次比较，即作 次假设检验。 例如有 10 个样本平均值相比较，即需作 次比较，其工作量相当繁琐。 2、假定每一样本的容量均为 n，那么如果我们用t-test 来作两两比较时，每一差数的标准误就都只能由 2(n-1) 来估计，而不能用总自由度 k(n-1) 来估计总的标准误，这就使得误差估计的精确度受到一定的损失，即我们不能充分使用试验中所有的信息量，这是十分可惜的。 3、这种两两比较会随着样本组数的增加而加大犯Ⅰ型错误的概率。 假定我们要比较 5 个样本平均数，两两比较就会有 个差数，对这10个差数如果我们都以α=0.05 进行假设检验，单独对每一差数进行检验时，每一差数获得正确结论的概率就是1-α=0.95 ，但这 10 个差数在一起进行比较、且都获得正确结论的概率就只有 因此在 10 次比较中至少出现一个错误结论的概率就不再是α=0.05 ，而是 。 这说明，当有多个样本相比较时，如果仍然采用 t-test 法，就大大地增加了犯Ⅰ型错误的概率。 因此此时再用 t-test 法进行检验就不恰当了。 如何对 个样本进行假设检验？ 这就是本章所要讨论的方差分析。 什么叫方差？ 方差是对数据（或称资料）变异的度量。 能使变量发生变异的原因很多，这些原因我们都将其称为变异因素或变异来源。 方差分析就是发现各类变异因素相对重要性的一种方法。 方差分析的思路就是：把整个试验（设有 k 个总体）的样本资料作为一个整体来考虑。 把整个试验的总变异按照变异的来源分解成不同因素的变异。 由于方差等于平方和除以自由度，因此总方差分解成各因素的方差，就是将形成总方差的平方和和自由度分解为各因素的平方和和自由度。 然后对各个因素的方差作出数量上的估计，从而发现各个因素的方差的相对重要程度。 从总方差中除去各可控因素所引起的方差后，剩余方差又可以准确地估计试验误差，作为统计假设检验的依据。 因此，方差分析可以帮助我们抓住试验的主要矛盾和技术关键，发现主要的变异来源，从而抓住主要的、实质性的东西。 因此，方差分析是一种十分重要的统计工具。 方差分析中F分布： 方差分析的概念 方差分析（ Analysis Of Variance， ANOVA）又称变异数分析或F检验，比较组间方差是否可以用组内方差来进行解释，从而判断若干组样本是否来自同一总体。 方差分析的意义 其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。 教学内容 第一节 方差分析的基本方法 第二节 单因素方差分析 第三节 二因素方差分析 教学内容 第一节 方差分析的基本方法 一、相关术语 二、方差分析的基本原理 三、数学模型 四、平方和与自由度的分解 五、多重比较 一、相关术语 因素 水平 主效应 交互效应 处理 固定因素 随机因素 误差 三、数学模型 假设某单因素试验有k个处理，每个处理有n次重复，共有nk 个观测值。这类试验资料的数据模式如表6-1所示。 四、平方和与自由度的分解 方差分析的基本思想，就是将总变差分解为各构成部分之和，然后对它们作统计检验。即： 四、平方和与自由度的分解 方差与标准差都可以用来度量样本的变异程度。在方差分析中是用样本方差即均方(mean squares)来度量资料的变异程度的。 表6-1中全部观察值的总变异可以用总均方来度量，处理间变异和处理内变异分别用处理间均方和处理内均方来度量。 ㈠ 总平方和的分解 在表6-1中，反映全部观察值总变异的总平方和是各观察值与总平均数的离均差平方和，记为SST。即 因为 平方和与自由度的分解 平方和与自由度的分解 平方和与自由度的分解 其中 称为处理间平方和，记为SSt，即 而 称为处理内平方和或误差平方和，记为SSe，即 (二)总自由度的分解 ?在计算总平方和时，资料中的各个观察值要受