算法总结.doc

单因素方差分析： 1）均衡数据： p=anoval(x) 返回值p 是一个概率，当 p α 时接受H0，x为m×r的数据矩阵，x 的每一列是一个水平的数据（这里各个水平上的样本容量ni= m）。另外，还输出一个方差表和一个Box 图。 2）非均衡数据 p=anova1(x,group) x 为向量，从第 1 组到第 r 组数据依次排列；group 为与 x 同长度的向量，标志 x 中数据的组别（在与 x 第i 组数据相对应的位置处输入整数i(i=1,2,……,r) 双因素方差分析 p=anova2(x,reps) 其中 x 不同列的数据表示单一因素的变化情况，不同行中的数据表示另一因素的变化情 况。如果每种行—列对（“单元”）有不止一个的观测值，则用参数 reps 来表明每个“单 元”多个观测值的不同标号，即 reps 给出重复试验的次数t。 例 3 一种火箭使用了四种燃料、三种推进器，进行射程试验，对于每种燃料与每 种推进器的组合作一次试验，得到试验数据如表 8。问各种燃料之间及各种推进器之间 有无显著差异？ 解 记燃料为因素A，它有4个水平，水平效应为 αi ，i=1,2,3,4。推进器为因素B， 它有3个水平，水平效应为βj , j=1,2,3 。我们在显著性水平 α=0.05 下检验 编写如下的Matlab程序： x=[58.2 56.2 65.3 49.1 54.1 51.6 60.1 70.9 39.2 75.8 58.2 48.7]; [p,t,st]=anova2(x) 求得p=0.4491 0.7387，表明各种燃料和各种推进器之间的差异对于火箭射 程无显著影响。 例 4 一火箭使用了 4 种燃料，3 种推进器作射程试验，每种燃料与每种推进器的 组合各发射火箭 2 次，得到如表 9 结果。 试在水平 0.05 下，检验不同燃料（因素A）、不同推进器（因素B）下的射程是 否有显著差异？交互作用是否显著？ 解 编写程序如下： clc,clear x0=[58.2,52.6 56.2,41.2 65.3,60.8 49.1,42.8 54.1,50.5 51.6,48.4 60.1,58.3 70.9,73.2 39.2,40.7 75.8,71.5 58.2,51.0 48.7,41.4]; x1=x0(:,1:2:5);x2=x0(:,2:2:6); for i=1:4 x(2*i-1,:)=x1(i,:); x(2*i,:)=x2(i,:); end [p,t,st]=anova2(x,2) 求得 p=0.0035 0.0260 0.0001，表明各试验均值相等的概率都为小概率，故 可拒绝均值相等假设。即认为不同燃料（因素A）、不同推进器（因素B）下的射程有 显著差异，交互作用也是显著的。 回归分析： 多元线性回归： [b,bint,r,rint,stats]=regress(Y,X,alpha) alpha为显著性水平（缺省时设定为0.05），b,bint为回归系数估计值和它们的置信区间，r,rint 为残差（向量）及其置信区间，stats 是用于检验回归模型的统计量，有四个数值，第一个是R^2，第二个是F，第三个是与F对应的概率p， pα 拒绝 H0，回归模型成立，第四个是残差的方差s ^2 一元多项式回归:(类似插值) [p,s]=polyfit(x0,y0,n); x0=17:2:29;x0=[x0,x0]; y0=[20.48 25.13 26.15 30.0 26.1 20.3 19.35 24.35 28.11 26.3 31.4 26.92 25.7 21.3]; [p,s]=polyfit(x0,y0,2); p 得到 p =-0.2003 8.9782 -72.2150 即a2=-0.2003 a1=8.9782 a0= -72.2150 polytool(x0,y0,2) 可以得到一个交互式画面 多元二项式回归: rstool(x,y,model,alpha) 也会产生交互式画面 linear(线性) purequadratic(纯二次)： interaction（交叉）： quadratic(完全二次)： 编程如下： x1=[120 140 190 130 155 175 125 145 180 150]; x2=[100 110 90 150 210 150 250 270 300 250]; y=[102 100 120 77 46 93 26 69 65 85]; x=[x1 x2]; rstool(x,y,purequadratic) 图的左下方有两个下拉式菜单，一个菜单Export用