第二章正态总体的均值检验ppt整理.ppt

第一节 单因素方差分析 问题的提出 统计的模型及检验方法 多重比较检验 问题的提出 某工厂实行早、中、晚三班工作制。工厂管理部门想了解不同班次工人劳动效率是否存在明显的差异。每个班次随机抽出了7个工人，得工人的劳动效率（件/班）资料如表。分析不同班次工人的劳动效率是否有显著性差异。 a=0.05，0.01。 早班 中班 晚班 34 49 39 37 47 40 35 51 42 33 48 39 33 50 41 35 51 42 36 51 40 为什么各值 会有差异？可能的原因有两个。 一是，各个班次工人的劳动效率可能有差异，从而导致了不同水平下的观察值之间差异，即存在条件误差。 二是，随机误差的存在。 如何衡量两种原因所引起的观察值的差异? 总平均劳动效率为： 三个班次工人的平均劳动效率分别为： 总离差平方和ss 组间离差平方和(条件误差)ssA 组内离差平方和（随机误差）sse 统计量F 把计算的F值与临界值比较， 当F ? F?时，拒绝原假设，不同水平下的效应有显著性差异；当F F ?时，接受原假设。 方 差 来 源 离差平方和 自由度 方差 F值 ? 组间A ? ? ? 组内E ? — ? 总和 ? ? — — NEXT 查F分布表得临界值 因为 故应拒绝原假设，即不同班次工人的劳动效率有显著的差异。 方差分析：比较3个或3个以上的总体均值是否有显著性差异。用组间的方差与组内方差相比，据以判别误差主要源于组间的方差（不同组工人的产量，条件误差），还是源于组内方差（随机误差）。 NEXT 50家上市公司，按行业计算其1999年底的资产负债情况，如下： 序号 制造业 商业 运输业 公用事业 房地产业 1 65 90 50 25 70 2 55 95 65 30 75 3 50 90 58 45 60 4 45 93 63 50 80 5 40 92 64 40 65 6 58 90 60 25 70 7 60 85 58 30 72 8 75 88 56 30 76 9 80 90 60 35 68 10 60 92 55 25 66 平均 58.8 90.5 58.9 33.5 70.2 多重比较检验 1、多重比较检验 前面的F检验只能说明在单一因素的影响下，不同水平是否存在显著性的差异，但不能断言哪些总体之间存在差异，在方差分析中否定了原假设，并不意味着接受了假设： 因而还应该进一步讨论到底是哪些总体之间存在差异。 Scheffe检验 检验的结论： 例子 小白鼠在接种了3种不同菌型的伤寒杆菌后的存活天数如下 第一组: 2, 4, 3, 2, 4, 7, 7, 2, 2, 5, 4 第二组: 5, 6, 8, 5, 10, 7, 12, 12, 6, 6 第三组: 7, 11, 6, 6, 7, 9, 5, 5, 10, 6, 3, 10 判断小白鼠被注射三种菌型后的平均存活天数有无显著差异? 解答: 三组之间有无显著差异, 假定这三组来自正态总体 并首先作方差齐性检验: 数据输入 mouse-data.frame( X=c( 2, 4, 3, 2, 4, 7, 7, 2, 2, 5, 4, 5, 6, 8, 5, 10, 7, 12, 12, 6, 6, 7, 11, 6, 6, 7, 9, 5, 5, 10, 6, 3, 10), A=factor(c(rep(1,11),rep(2,10), rep(3,12)))) Bartlett检验方差齐性 bartlett(X,A,data=mouse) Bartlett test of homogeneity of variances data: X and A Bartletts K-squared = 1.2068, df = 2, p-value = 0.5469 于是得到接受原假设,接受方差齐性. 接下来我们做方差分析, 使用aov 方差分析的结果 Df Sum Sq Mean Sq F value Pr(F) A 2 94.256 47.128