方差分析.docVIP

第 五 章 方 差 分 析 在生产实践和科学试验中, 人们经常发现: 试验条件的不同会得到不同的试验结果, 有时即使在相同的试验条件下也会得到不同的试验结果. 那么, 试验结果之间的差异到底是由于试验条件不同引起的呢, 还是由于试验误差引起的呢? 如果试验结果是由于试验条件不同所引起的, 那么, 对试验指标最有利的试验条件及其水平又应该如何选取呢? 方差分析与试验设计正是处理这类问题的一种数学方法. 本章先介绍单因素方差分析, 然后介绍双因素方差分析. 第一节 引 言 表5.1 灯泡使用寿命数据表(单位：小时) 1 2 3 4 5 6 7 8 甲 乙 丙 丁 1600 1610 1650 1680 1700 1720 1800 1580 1640 1640 1700 1750 1460 1550 1600 1620 1640 1740 1660 1820 1510 1520 1530 1570 1680 1600 在试验中, 称所关心的试验结果为试验指标, 试验中需要考察的可控制条件, 称为因素或因子. 为了考察某一个因素或因子对试验指标的影响, 通常将影响试验指标的其它因素固定, 而把要考察的那个因素严格控制在几个不同状态或等级上进行试验, 这样的试验称为单因素试验或单因子试验, 处理单因素试验的统计推断问题, 称为单因素方差分析或单因子方差分析. 类似地, 可以定义多因素方差分析. 在方差分析中, 将因素的每一状态或等级称为该因素的一个水平; 通常, 我们用大写字母A, B, C, …表示不同的因素, 而用A1, A2, …表示因素A的不同水平. 引例5.1(灯丝配料方案) 某灯泡厂用四种不同的配料方案制成的灯丝生产了四批灯泡, 在每批灯泡中抽取若干只测得其使用寿命如表5.1所示. 试问用这4种灯丝生产的灯泡的使用寿命有无显著性差异? 若无显著性差异, 我们就可以从中选一种既经济又方便的配料方案; 若有显著性差异, 则希望选一种较优的配料方案, 以便提高灯泡的使用寿命. 表5.2 火箭射程数据表(单位：海里) 　 B1 B2 B3 A1 58.2, 52.6 56.2, 41.2 65.3, 60.8 A2 49.1, 42.8 54.1, 50.5 51.6, 48.4 A3 60.1, 58.3 70.9, 73.2 39.2, 40.7 A4 75.8, 71.5 58.2, 51.0 48.7, 41.4 引例5.2 一火箭用了四种燃料(A)、三种推进器(B)作射程试验, 每种燃料与每种推进器的组合各作2次试验, 得火箭射程如表5.2所示. 试问, 燃料、推进器以及它们之间的交互作用对火箭射程有无显著影响? 在引例5.1中, 灯泡的使用寿命是试验指标, 灯泡的配料方案是因素, 四种不同的配料方案对应因素的四个水平, 因此它是一个单因素试验; 在引例5.2中, 火箭的射程是试验指标, 燃料与推进器是因素, 其中四种燃料相当于燃料取四个水平、三种推进器相当于推进器取三个水平, 因此它是一个双因素试验. 第二节 单因素方差分析 一、数学模型 设因素A取r个水平: A1, A2,…, Ar. 设与水平Ai对应的总体Yi～, 从总体Yi中抽取容量为ni的样本Yij, j=1, 2, … , ni, i=1, 2, … , r, 见表5.3. 设所有的样本Yij相互独立. 记=Yij－, 是在水平Ai下第j次试验时的误差. 易知 表5.3 单因素试验结果表 1 2 … … … … … Yij～, ～, j=1, 2, … , ni, i=1, 2, … , r. 于是, 单因素方差分析模型可以写成为: (5.1) 欲检验的假设为H0: . 记 , , , . 称为理论总均值, 为水平Ai的效应. 易知, . 则上述模型又可以写成为: (5.2) 此时, 待检验的假设为H0: . 二、统计分析 1. 平方和分解公式 记 , , , , . 称为水平Ai下的样本均值; 为样本总均值; 为总平方和(反应了因素A与试验误差的共同作用所导致的样本波动之大小); 为组间平方和(主要反应了因素A所导致的样本波动之大小); 为试验误差平方和(也称组内平方和, 反应了试验误差所导致的样本波动之大小). 定理5.1 在单因素方差分析模型中, 我们有 , . 2. 有关统计量的分布 定理5.2 在单因素方差分析模型中, 我们有 (1) , 且与相互独立; (2) 当H0成立时, , 从而. 3. 模型的检验 由定理5.2知, 单因素方差分析模型(5.2)关于H0的否定域为: