第六章及多个多元均值向量的比较.pptx

二、成对试验的T2统计量设(xi,yi)，i=1,2,?,n(np)是成对试验的数据，令di=xi?yi，i=1,2,?,n 又设d1,d2,?,dn独立同分布于Np(δ,Σ)，其中Σ0，δ=μ1?μ2，μ1和μ2分别是总体x和总体y的均值向量。希望检验H0：μ1=μ2，H1：μ1≠μ2 等价于H0：δ=0，H1：δ≠0 这样，两个总体的均值比较检验问题就可以化为一个总体的情形。检验统计量为 其中 当原假设H0：δ=0为真时，统计量 对给定的显著性水平α，拒绝规则为：若 ，则拒绝H0 其中例6.1法律要求重复测量设计中各种处理的等效性检验设样本 取自总体Np(μ,Σ)， C为对比矩阵，我们希望检验H0：Cμ=0 ，H1：Cμ≠0 检验统计量为 其中S是Σ的无偏估计。§4.5 两个总体均值分量间结构关系的检验设两个独立的样本 和 分别取自总体Np(μ1,Σ)和总体Np(μ2,Σ)，Σ0，n1+n2?2≥p，我们希望检验H0：C(μ1?μ2)=φ，H1：C(μ1?μ2)≠φ 其中C为一已知的k×p矩阵，k＜p,rank(C)=k，φ为一已知的k维向量。检验统计量为 其中Sp是Σ的联合无偏估计。当原假设H0为真时，拒绝规则为：若 ，则拒绝H0其中例4.5.1某种产品有甲、乙两种品牌，从甲产品批和乙产品批中分别随机地抽取5个样品，测量相同的5个指标，数据列于表4.5.1。在多元正态性假定下，试问甲、乙两种品牌产品的每个指标间的差异是否有显著的不同。该题就是要检验H0：C(μ乙?μ甲)=0，H1：C(μ乙?μ甲)≠0 其中表4.5.1甲、乙两种品牌产品的指标值指标12345样品甲111181518152332731211732028272319418261818952223221610均 值20.824.422.619.214.0乙1181720181823124312620314161720174252431261853628242629均 值24.821.824.623.220.4 检验统计量为 经计算 所以 由于 ，所以在α=0.05下拒绝原假设H0(p=0.044)。两个总体均值分量间结构关系的检验设两个独立的样本 和 分别取自总体Np(μ1,Σ)和总体Np(μ2,Σ)，Σ0，n1+n2?2≥p，我们希望检验H0：μ1?μ2= φ ，H1：μ1?μ2≠ φ φ为一已知的k维向量。检验统计量为 其中Sp是Σ的无偏估计。两个总体均值分量间结构关系的检验设两个独立的样本 和 分别取自总体Np(μ1,Σ1)和总体Np(μ2,Σ2)，n1+n2?2≥p，我们希望检验H0：μ1?μ2= φ ，H1：μ1?μ2≠ φ φ为一已知的k维向量。检验统计量为 其中Sp是Σ的无偏估计。§5.6 多个总体均值的比较检验（多元方差分析）设有k个总体π1,π2,?,πk，它们的分布分别是Np(μ1,Σ),Np(μ2,Σ), ?,Np(μk,Σ)，今从这k个总体中各自独立地抽取一个样本，取自总体πi的样本为 ，i=1,2,?,k。现欲检验H0：μ1=μ2=?=μk，H1：μi≠μj,至少存在一对i≠j 记 则SST=SSE+SSTR 称SST、SSE和SSTR分别为总平方和及交叉乘积和、误差(或组内)平方和及交叉乘积和和处理(或组间)平方和及交叉乘积和，它们分别具有自由度(n?1)、(n?k)和(k?1)。采用似然比方法可以得到威尔克斯（Wilks）Λ统计量 对给定的显著性水平α，拒绝规则为：若Λp,k?1,n?k≤Λp,k?1,n?k,α，则拒绝H0 其中临界值Λp,k?1,n?k,α满足：当原假设H0为真时，P(Λp,k?1,n?k≤Λp,k?1,n?k,α)=α Λp,m,r,α常通过查F分布(或卡方分布)表得到(或近似得到)。例4.6.1为了研究销售方式对商品销售额的影响，选择四种商品（甲、乙、丙和丁）按三种不同的销售方式（Ⅰ、Ⅱ和Ⅲ）进行销售。这四种商品的销售额分别为x1,x2,x3,x4,其数据见表4.6.1。表4.6.1销售额数据编 号销售方式Ⅰ销售方式Ⅱ销售方式Ⅲx1x2x3x4x1x2x3x4x1x2x3x4112560338210665445531065334802602119802333308245403210100344682953635126020365653122806563416265465514291504051477280117484682505130654032056754481293114633953806694535019038504682105530546235746605852004245351190645150732081466627325011340390310110904422259875458