十一方差分析与试验设计.pptVIP

第十一章 方差分析与试验设计 方差分析导论 方差分析 多重比较方法 试验设计（完全随机化试验设计、随机化区组设计、双因素方差分析） 方差分析导论 之前已经讨论过对于双总体均值差异的假设检验，那么如果是三个或三个以上的总体均值差异比较的检验呢？ 先看一个现实例子： 某公司有下属甲、乙、丙三家工厂生产主要产品。为了确定这些工厂中有多少员工了解全面质量管理，从每个工厂中抽取一个由6名员工组成的样本，对这些样本进行质量管理有关知识的考核。得到了下表所示的考试分数： 公司想知道：下属的三个工厂工人在质量管理知识掌握上是否有差异？ 因此相应的检验假设为： ； Ha: u1,u2,u3不全相等 该例题中，响应变量(response variables)为工人考分；因素(factor)为工厂；各工厂的名称所属为处理(Treatment) 我们本章引入的方差分析方法就是用来检验：三个或三个以上总体均值的方法。 如果拒绝了H0,则说明：三个或三个以上的总体均值不全相等；至少有两个总体均值不同。 进行方差分析之前有几个假设： 1. 对于每个总体，响应变量服从正态分布； 2. 对于所有总体，响应变量的方差相同； 3. 观测值是独立的。 方差分析的原理： 如果H0：u1=u2=u3为真，且满足以上假定时，对于三个样本均值 都来自同一个抽样分布，那么此时该总体的均值估计(或称为 )可以用三个样本均值的算术平均数来估计。 此时的总体方差 的估计可以由： 此时 可以由样本的组间方差估计得到； 也可以通过样本的组内方差的平均值估计。在H0为真的情况下，二者的比值应接近于1。 组间方差： 组内估计： 如果H0：u1=u2=u3为假，说明总体均值不全相等，他们来自不同的抽样分布。此时的样本均值不接近。 相应的，组间方差增大。此时的组间方差不适合估计 且组间方差和组内方差的比值远大于1. 由上例计算: 可见，总体方差的组间估计远大于组内估计，比率为9. 如前所述，当总体方差的组间估计与组内估计的比值较大时，可能导致拒绝原假设，那么多大的程度可以拒绝H0的原假设呢？ 方差分析的思想： 比较总体方差的组间估计和组内估计： 组间估计是以样本均值间的变动来估计总体方差 组内估计是合并每个样本内的变动来估计总体方差 方差分析 根据之前对方差分析原理的阐述，我们可以用判断样本方差比值的方法对k个总体均值进行检验。 假设从k个总体或处理中选择一个样本容量为n的简单随机样本。我们有以下定义， 若每个样本的样本容量相等,则总样本平均值为: 即总体均值恰好等于k个样本均值的算术平均数. 定义总体方差的组间估计和组内估计 的组间估计: MSTR称为处理均方(mean square due to treatments) 其中,MSTR的分子称为处理平方和SSTR(sum of squares due to treatments) 的组内估计: MSE称为组内均方(mean square due to error) 其中,MSE的分子称为组内平方和,(sum of square due to error) 若H0为真,组间估计是总体方差的无偏估计;若H0为假,组间估计得到的 则偏大.不论H0真或假,组内估计都是总体方差的无偏估计.组内估计反映每个处理内部的变动. 定义方差分析的统计量 F统计量的构造:两个chi方分布被各自自由度除以后的比值. 在响应变量服从独立正态分布的假定下,且H0为真时, 我们可以推知,SSTR/ , SSE/ 分别服从自由度为 (K-1)和(nT-k)的chi方分布.根据F分布的构造,可知, 统计量F=MSTR/MSE~F(k-1,nT-k) 服从自由度为k-1和nT-k的F分布. 由上例的数据计算可得,样本F统计量为 F=258/28.67=9 方差分析的拒绝规则: H0: u1=u2=…=uk; Ha: u1,u2,…,uk 不全相等 在显著水平α下的拒绝规则为: 若FF(α;k-1,nT-k),则拒绝H0的原假设,认为总体1,总体2,….总体k的均值不全相等. 上例中的拒绝域是, FF(0,05,2,15)=3.68 即当由样本信息计算得到的F统计量大于3.68时,拒绝初始假设H0.因为93.68,我们拒绝三个总体均值无差异的假设. 方差分析表(ANOVA) 方差分析就是将总得平方和及自由度分解为相应的来源:处理和误差. 当各样本的容量相等时, 多重比较方法 之前讨论的方差分析检验原假设时,只能得到所有总体均值