9 第九章 方差分析83 (修1).pptVIP

第九章 方差分析 第九章 方差分析 第一节 方差分析的基本问题 第二节 单因素方差分析 第三节 双因素方差分析 第四节 试验设计初步 学习目标 解释方差分析的概念 解释方差分析的基本思想和原理 2. 掌握单因素方差分析的方法及应用 3. 掌握双因素方差分析的方法及应用 第一节 方差分析的基本问题 一. 方差分析的内容 二. 方差分析的原理 三. F 分布 方差分析的背景 方差分析的背景 续 方差分析概念要点 1. 检验多个总体均值是否相等 ■ 检验饮料的颜色对销售量是否有影响，也就是检验四种颜色饮 料的平均销售量是否相同 ■ 设?1为无色饮料的平均销售量，?2粉色饮料的平均销售量，?3为橘黄色饮料的平均销售量，?4为绿色饮料的平均销售量，也 就是检验下面的假设 H0: ?1 ? ?2 ? ?3 ? ?4 H1: ?1 , ?2 , ?3 , ?4 不全相等 方差分析概念要点 2.通过对各观察数据误差来源的分析来判断多个总 体均值是否相等 3. 检验上述假设所采用的方法就是方差分析 4. 变量 一个定类尺度的自变量包含2个或多个 (k 个) 处理水平或分类(颜色4种) 一个定距或定比尺度的因变量（销售额） 方差分析的基本思想和原理 方差分析的基本思想和原理（几个基本概念） 因素或因子 所要检验的对象称为因素 要分析饮料的颜色对销售量是否有影响，颜色是要检验的因素或因子（颜色—销售量，即因素—结果） 这里只涉及一个因素，因此称为单因素四水平的试验 水平 因素的具体表现称为水平 A1、A2、A3、 A4四种颜色就是因素的水平 续 3.观察值 在每个因素水平下得到的样本值 每种颜色饮料的销售量就是观察值 4.总体 因素的每一个水平可以看作是一个总体 比如A1、A2、A3、 A4四种颜色可以看作是四个总体 5.样本数据 上面的数据可以看作是从这四个总体中抽取的样本数据 方差分析的基本思想和原理（差异来源——两类误差） 数据的不同，表明其差异，其差异来自两个方面： 1、由于因素中不同水平而造成（如不同颜色带来不同销售量），称为系统误差。 2、由于样本的随机性而造成（如不同市场带来不同销售量），称为随机差异。 方差分析的基本思想和原理（两类方差） 组内方差 因素的同一水平下(同一个总体) 样本数据的差异，以组内方差表示 比如，无色饮料A1在5家超市销售数量的方差 组内方差只包含随机误差 组间方差 因素的不同水平(不同总体)下各样本之间差异，以组间方差表示 比如，A1、A2、A3、A4四种颜色饮料销售量之间的方差 组间方差既包括随机误差，也包括系统误差 方差分析的基本思想和原理（方差的比较—组间方差/组内方差） 2、如果不同颜色(水平)对销售量(结果)没有影响，那么在组间方差中只包含有随机误差，而没有系统误差。这时，组间方差与组内方差就应该很接近，两个方差的比值就会接近1 续 2、如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有系统误差，这时组间方差就会大于组内方差，组间方差与组内方差的比值就会大于1 3、当这个比值大到某种程度时，就可以说明不同水平之间存在着显著差异。 4、方差分析就是通过不同方差比较，作出判断。 续 方差分析中的基本假定 方差分析中的基本假定 每个总体都应服从正态分布 对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本 比如，每种颜色饮料的销售量必需服从正态分布 各个总体的方差必须相同 对于各组观察数据，是从具有相同方差的总体中抽取的 比如，四种颜色饮料的销售量的方差都相同 观察值是独立的 比如，每个超市的销售量都与其他超市的销售量独立 方差分析中的基本假定下的结论 在上述假定条件下，判断颜色对销售量是否有显著影响，实际上也就是检验具有同方差的四个正态总体的均值是否相等的问题 如果四个总体的均值相等，四个样本的均值也会很接近；四个样本的均值越接近，我们推断四个总体均值相等的证据也就越充分。 ? H0: m1 = m2 = m3 = m4 原假设成立就意味着四种颜色饮料销售的均值都相等—没有系统误差; 这意味着每个样本都来自均值为??、差为?2的同一正态总体 续 ?如果备择假设成立，即H1: μi (i=1，2， 3，4)不全相等 至少有一个总体的均值是不同的 有系统误差 这意味着四个样本分别来自均值不同的四个正态总体 第二节 单因素方差分析 一. 单因素方差分析的步骤 二. 方差分析中的多重比较 三. 单因素方差分析中的其他问题 单因素方差分析的数据结构 单因素方差分析的步骤 ? 提出假设 ? 构造检验统计量 ? 给出显著性水平