方差分析(数学模).pptVIP

方差分析 　　　方差分析是分析试验（或观测）数据的一种统计方法。在工农业生产和科学研究中，经常要分析各种因素对某些指标值的影响。在方差分析中，把试验数据的总波动（总变差或总方差）分解为由所考虑因素引起的波动（各因素的变差）和随机因素引起的波动（误差的变差），然后通过分析比较这些变差来推断哪些因素对所考察指标的影响是显著的，哪些是不显著的。 第一节 单因素方差分析 某个可控制因素A对结果的影响大小可通过如下实验来间接地反映，在其它所有可控制因素都保持不变的情况下，只让因素A变化，并观测其结果的变化，这种试验称为“单因素试验”。 第一节 单因素方差分析 因素A的变化严格控制在几个不同的状态或等级上进行变化，因素A的每个状态或等级成为因素A的一个水平。 若因素A设定了s个水平，则分别记为 A1，A2，…，As。 显著性影响问题转化为因素A不同水平下各随机变量总体的均值是否相等问题，即检验假设 是否成立 第一节 单因素方差分析 例1（单因素方差分析）一位教师想要检查3种不同的教学方法的效果，为此随机地选取水平相当的15位学生。把他们分为3组，每组5人，每一组用一种方法教学，一段时间以后，这位教师给15位学生进行统考，成绩见下表。问这3种教学方法的效果有没有显著差异。 方法 成绩 甲 75 62 71 58 73 乙 71 85 68 92 90 丙 73 79 60 75 81 第一节 单因素方差分析 Matlab中可用函数anova1(…)函数进行单因子方差分析。 调用格式：p=anova1(X) 含义：比较样本 m×n的矩阵X中两列或多列数据的均值。其中，每一列表示一个具有m个相互独立测量的独立样本。 返回：它返回X中所有样本取自同一总体（或者取自均值相等的不同总体）的零假设成立的概率p。 解释：若p值接近0（接近程度有解释这自己设定），则认为零假设可疑并认为至少有一个样本均值与其它样本均值存在显著差异。 第一节 单因素方差分析 Matlab程序： Score=[75 62 71 58 73;81 85 68 92 90;73 79 60 75 81]; P=anova1(Score) 输出结果：方差分析表和箱形图 ANOVA Table Source SS df MS F ProbF Columns 604.9333 2 302.4667 4.2561 0.040088 Error 852.8 12 71.0667 Total 1457.7333 14 由于p值小于0.05，拒绝零假设，认为3种教学方法存在显著差异。 第二节 双因素方差分析 　　　在两个因素的试验中，不但每一个因素单独对试验结果起作用，往往两个因素的不同水平组合还会产生一定的合作效应，在方差分析中称为交互效应。交互效应在对因素方差分析中，通常是当成一个新因素来处理。 　　　设因素A 有 r 个不同的水平：A1，A2，…，Ar；因素B 有 s 个不同的水平：B1，B2，…，Bs；现对因素A、B的每一种不同的水平组合（Ai，Bj）（i=1,2,…,r；j=1,2,…,s）都安排t(t≥2)次试验（等重复试验）,且各次试验相互独立。 第二节 双因素方差分析 　例2（双因素方差分析）为了考察4种不同燃料与3种不同型号的推进器对火箭射程（单位：海里）的影响，做了12次试验，得数据如表2所示。 表2 燃料-推进器-射程数据表 推进器1 推进器2 推进器3 燃料1 58.2 56.2 65.3 燃料2 49.1 54.1 51.6 燃料3 60.1 70.9 39.2 燃料4 75.8 58.2 48.7 第二节 双因素方差分析 　在Matlab中利用函数 anova2函数进行双因素方差分析。 调用格式：p=anova2(X,reps) 含义：比较样本X中两列或两列以上和两行或两行以上数据的均值。不同列的数据代表因素A的变化，不同行的数据代表因素B的变化。若在每个行-列匹配点上有一个以上的观测量，则参数reps指示每个单元中观测量的个数。 返回：当 reps=1（默认值）时，anova2将两个p值返回到向量p中。 H0 A：因素A的所有样本（X中的所有列样本）取自相同的总体； H0 B：因素B的所有样本（X中的所有行样本）取自相同的总体。 当reps1时，anova2还返回第三个p值： H0 AB：因素A与因素B没有交互效应。 解释：如果任意一个p值接近于0，则认为相关的零假设不成立。 第二节 双因素方差分析 disp1=[5