统计审查.ppt

如果因子A的水平间没有显著差异，则这n个数据可以看成是来自于一个正态总体。反之则来自不同的正态总体。设第i个水平下的样本平均值为 μi ，i=1,2, ···,r, 则检验因子A的水平之间是否有显著差异的问题就是一次假设检验的问题。 方差分析原理：利用试验数据与总平均差距的离差平方和进行分析，将水平间的偏差平方和和水平内的偏差平方和加以区别，通过比较两类偏差平方和的大小，构造F统计量，达到检验的目的。 检验假设： H0 ：μ1=μ2= ··· =μr H1: μ1 , μ2 , ···,μr不全相等 当H0不真时, 表示不同水平下的指标有显著差异, 或者说因子的作用是非常显著的。 三、离差平方与 若记总的数据的均值为 ，每个水平下的数据均值为 ，它们波动用总的偏差平方和SST来表示： 其中SSA表示因子A的水平不同使各水平下的指标的均值与总平均之间的差异程度，称为组间（效应）平方和。 若将SST、 SSA 、 SSE 自由度分别记为fT 、fA、fe，其中： fT =试验次数–1= n-1 fA =水平数–1 = r-1 fe=fT – fA= n-r 由数学理论可以证明，当H0为真时有 SSA/?2 ~ ?2 (r-1), SSE/?2 ~ ?2 (n-r)， 故有 : 而由于随机误差造成的误差平方与称组内偏差平方和SSE： 四、检验方法 由前面证明知，当原假设成立时，统计量 根据给定的显著性水平?，查出临界值F?（r-1,n-r),若FF?，则拒绝原假设，接受替换假设。反之，接受原假设。 注意： 弄清楚上面两个平方与的具体含义，是理解方差分析的关键。 因素A的效应平方和（组间平方和）SSA表示的是水平间的差异，由水平变化引起，而误差平方和（组内平方和）SSE表示样本观察值与样本均值的差异，完全是随机误差引起的。 方差来源 离差平方和 SS 自由度 df 平均方差 MS F值 组 间 组 内 总 和 SSA SSE SST r-1 n-r n-1 MSA=SSA/(r-1) MSE=SSE/(n-r) MSA/MSE 方 差 分 析 表 五、方差分析表 从以上的介绍可以得出，对多个总体均值的检验的统计方法就是方差分析。将方差分析过程与离差平方和等统计量的计算结果列成表的形式，可以得到方差分析表。 六、方差分析步骤： １、提出假设；包括原假设与备择假设； ２、计算每一个水平的平均值及总平均值； ３、计算总平方与SST，因素A的效应平方和SSA及误差平方和SSE； ４、计算均方，消除每个水平下试验次数多少的差异。 ５、制作方差分析表，将计算结果填入表中。 ６、查F分布表得百分位点Fα ( fA, fe )与F值进行比较。 当F＞ Fα ( fA, fe )时，表示水平间的差异显著，原假设不能成立． 例题： 甲、乙、丙三厂生产同一种零件。为了了解不同企业的零件的强度有无明显的差异，现从每个企业随机抽取四个零件测定其强度，数据如表所示，试问三个企业的零件是否相同？ 解：首先提出假设：H０：三个企业产生产的零件强度没有什么区别. H1 ：三个企业生产的零件强度有区别。 企 业 A1 A2 A3 总 和Σ 1 2 3 4 115 103 73 116 107 89 98 118 85 83 116 97 因素A的第j 个水平的和 ?Xij 412 444 344 ??Xij = 1200 和的平方 (?Xij)2 169744 197136 118336 ?(?Xij)2 = 485216 平方和 ?Xij2 43174 49438 29884 ??Xij2 =122496 根据给出的试验数据进行计算得： 根据方差分析的步骤进行计算，将分析结果列在下面的表中。 设α＝ 0.05, 查表得Ｆ0.05 (