6-方差分析--应用数学------概率与统计.ppt

方差分析 显然 称 为理论总均值，表示所考虑的rs 个总体数学期望的总平均；称a i 为因素A的第i 个水平对试验结果的效应；称b j 为因素B 的第j 个水平对试验结果的效应；称g i j 为水平搭配Ai×Bj 对试验结果的交互效应。 等重复试验二因素方差分析的数学模型 令 2. 平方和与自由度的分解 则 观测数据总变异的平方和记为 SST 反映了全部数据总的偏差程度，称为总离差平方和； SSA 称为因子A引起的离差平方和； SSB 称为因子B引起的离差平方和； SSA XB 称为因子A和B的交互作用引起的离差平方和； SSE 称为随机误差引起的离差平方和。 定理2.1 对于模型（Ⅱ），有 定理2.2 对于模型（Ⅱ），有 (1) (2) H0 A 成立时， (3) H0 B 成立时， (4) H0 A×B 成立时， (5) SSE ，SSA ， SSB ，SSA×B 相互独立。 H0 A 成立时，检验统计量 由定理2.2 ，有 H0 B 成立时，检验统计量 H0 A×B 成立时，检验统计量 检验规则： FA FB FA×B F值 临界值Fa MSA MSB MSA×B MSE 均方 MS r-1 s-1 (r-1)?(s-1) rs(c-1) rsc-1 自由度 df SSA SSB SSA×B SSE SST 因素A 因素B A×B 误差 总和 平方和 SS 方差来源 3. 考虑交互作用的二因素方差分析表 例2.2 考察合成纤维中对纤维弹性有影响的两个因素：收缩率A和总拉伸倍数B。A和B各取4种水平，整个试验重复一次，试验结果如下：试问收缩率和总拉伸倍数分别对纤维弹性有无显著影响，并问两者对纤维弹性有无显著交互作用？ 74, 73 74, 75 79, 77 76, 73 8 (A3) 69, 69 70, 71 73, 72 75, 73 12 (A4) 74, 74 78, 77 76, 74 73, 75 4 (A2) 77, 75 75, 73 72, 73 71, 73 0 (A1) 640 (B4) 580 (B3) 520 (B2) 460 (B1) 因子B 因子A SAS程序 data exam2_2; input y A B @@; cards; 71 1 1 73 1 1 72 1 2 73 1 2 75 1 3 73 1 3 77 1 4 75 1 4 73 2 1 75 2 1 76 2 2 74 2 2 78 2 3 77 2 3 74 2 4 74 2 4 76 3 1 73 3 1 79 3 2 77 3 2 74 3 3 75 3 3 74 3 4 73 3 4 75 4 1 73 4 1 73 4 2 72 4 2 70 4 3 71 4 3 69 4 4 69 4 4 ; proc anova ; class A B; model y=A|B; run; 方差分析表： 0.0006 6.58 8799 A*B .0001 17.51 23 703 A 180.2187500 31 Corrected Total 1.3437500 21.5000000 16 Error 0.1363 2.13 2.864583333 83 B Pr F F Value Mean Square Sum of Squares DF Source 三、无重复试验的二因素方差分析（无交互作用） 设因素A有r 个不同的水平： 对每个可能的搭配 进行一次独立试验，共获得 rs个试验结果 列表如下： 因素B有s 个不同的水平： 1. 无重复试验二因素方差分析的数学模型 令 2. 平方和与自由度的分解 则 观测数据总变异的平方和记为 SST 反映了全部数据总的偏差程度，称为总离差平方和； SSA 称为因子A引起的离差平方和； SSB 称为因子B引起的离差平方和； SSE 称为随机误差引起的离差平方和。 定理2.3 对于模型（Ⅲ），有 定理2.4 对于模型（Ⅲ），有 (1) (2) H0 A 成立时， (3) H0 B 成立时， (4) SSE ，SSA ， SSB 相互独立。 H0 A 成立时，检验统计量 由定理2.4 ，有 H0 B 成立时，检验统计量 检验规则： 3. 无交互作用的二因素方差分析表 FA FB F值 临界值Fa MSA MSB MSE 均方 MS r-1 s-1 (r-1)(s-1) rs-1 自由度 df SSA SSB SSE SST 因素A 因素B 误差 总和 平方和 SS 方差来源 例2