KruskalWallis单因素方差分析.ppt

的分布 假定有n个研究对象和k种处理方法，把n个研究对象分配给第j种处理，分配后的秩为 在给定 后，所有可能的分法为 个,这是多项分布的系数，在零假设下，所有可能的分法都是等可能的，因此有 定理：在零假设下，有 因而，在 下， 应该与 非常接近，如果某些 与 相差很远，则可以考虑拒绝零假设. 离差平方和 混合后数据的各秩的平方和为 因此混合后各秩的总平方和为 其总方差估值（总均方）为 因此各样本处理间平方和为 无结点时Kruskal-Wallis检验统计量 在零假设下， ，因此，当 时， 拒绝零假设，接受 假设，表示处理间有差异. 由备择假设的形式及其H的统计意义，当H非常大时应该拒绝零假设,因此检验的p秩的定义为 当零假设被拒绝时，表示各处理间有差异.因此要进一步比较究竟是哪两组样本之间有差异.Dunn于1964年提议可以用以下检验公式继续检验两两样本之间的差异: 其中， 与 分别为第i和第j个处理的平均秩，SE为两平均秩差的标准误差，其计算公式如下： 特别地，当 时 ，可以简化为 若 ,则表示第i和第j种处理间有显著差异；反之，则表示差异不显著.其中 ， 为显著性水平，Z为标准正态分布的分位数值. 有结点时Kruskal-Wallis检验统计量 其中， 为第 j个结的长度，g为结的个数. 当 时，拒绝零假设，接受 假设，表示处理间有差异. * * * 第七章 多组数据的位置推断 多样本的问题是统计中最常见的一类问题.主要涉及如何检验几种不同的方法，决策或试验条件（称为处理）所产生的结果是否一样等问题. 首先，这些样本是否独立，在独立样本下，利用Kruskal-Wallis(库鲁斯卡尔-沃利斯)检验和Jonck heere-Terpstra(约恩克海尔-特普斯特拉)检验来处理两种（有序与否）备择假设情况. 在各样本不独立的时，如果是完全区组设计，引进Friedman( 弗里德曼)检验对应（有序与否）备择假设情况，当数据为二元时，考虑Corchran( 科克伦)检验. 当遇到平衡的不完全区组设计时，介绍Durbin (德宾)检验. 在参数检验中，我们常常对三个或三个以上的总体的均值进行相等性检验，使用的方法是方差分析，在非参数中也会遇到同样地问题，检验多个总体的分布是否相同.更严格的说，当几个总体的分布条件相同的条件下，讨论其位置参数是否相等. 方差分析过程需要假定条件，F检验才有效.可有时候所采集的数据常常不能满足这些条件，像多样本比较时一样，我们不妨尝试将数据转化为秩统计量，因为秩统计量的分布与总体分布无关，可以摆脱总体分布的束缚. ?完全随机设计 采用完全随机化的方法将同质的受试对象分配到各处理组,然后观察各组的实验效应。影响因素只有一个，分析这种数据的方法即单因素方差分析. 1)实验材料（动物、植物、土地）为同质; 2)各处理（比如饲料配方）要随机安排实验材料； 在实际中，除了处理外，往往还有别的因素起作用，比如在关于肥料（处理）效能的农业试验中，不同条件对应的土壤就构成了另一个因素.而土壤条件不是我们所关心的，我们只关心不同肥料的影响如何. 假设对A,B,C,D四种处理血液凝固的方法设计比较试验，每种处理方法重复观测5次，换句话说，应该随机将20为正常人分为5组，每组4人，由于每个人的体质不同，血液自然凝固时间的差异可能比较大，如果恰好自然凝血时间较短的人的血液都分给了较差的处理方法，而凝血时间较长的血液都分给了较好的处理方法，最后可能得不出哪一种处理方法更有效. 定义：类似于上述的例子，在凝血试验中，不同条件的人构成了另一个影响结果的因素，我们称之为区组. ?完全随机区组设计 影响因素有两个，处理和区组，分析这种处理的方法称为两因素方差分析. 1）试验材料为异质，试验者根据需要将其分为几组，几个性质相近的试验单位称一区组（如一个人的血液分成4组，此人即同一区组，不同人为不同区组），使得区组内试验个体之间的差异相对较小，而区组间的差异相对较大; 2)每一个区组内的试验个体按照随机安排全部参加试验的各种处理;