方差21.pptVIP

* * * * 第二节 双因素实验的方差分析 双因素等重复试验的方差分析 双因素无重复试验的方差分析 但在实践中，某种试验结果往往受到两个或两个以上因素的影响．例如，产品的合格率可能与所用的设备以及操作人员有关，企业的利润可能与市场的潜力、产品的式样和所投入的广告费用等等有关． 是试验结果仅受一个因素影响的情形． 要求检验的是当因素取不同水平时对结果所产生的影响是否显著． 单因素方差分析： 双因素方差分析： 是试验结果受两个因素的影响的情形； 要求检验的是当两个因素取不同水平时对结果所产生的影响是否显著 两个因素的影响既可能是相互联系、相互影响的，也可能是相互独立的．因此，在分析的方法和步骤上要比单因素时来得复杂一些．双因素方差分析根据两个因素相互之间是否有交互影响而分为无交互影响的和有交互影响的两种情形． 双因素等重复试验的方差分析 1. 数学模型 设在某试验中，有二个因素在变动。 因子A取r个不同水平 A1，A2，…，Ar， 因子B取s个不同水平 B1，B2，…，Bs， 这样共有rs个不同的水平组合（Ai,Bj）, 对每个水平组合独立重复t次试验，试验结果为 这样双因素多水平等重复试验的结果数据列成表: 　双因素等重复试验的结果表 我们把每一水平组合 下的结果记作 则 是一个随机变量，并把它理解成一个总体，这样共有 个总体 看作是从总体 中抽取的容量为t的样本 假定 相互独立． 其中 表示水平组合 下的试验结果的理论均值． 双因素试验方差分析的数学模型: （9.7） 可以看成随机误差， 因为 和 都是未知参数． 为了今后便于讨论我们记　　　 　　　 -----理论总均值 αi为因子A的第i个水平Ai对试验结果的效应， βj为因子B的第j个水平Bj对试验结果的效应，它们满足： （9.8） 反映水平组合 对试验指标的总效应, 与 对试验指标的交互效应． 一般，对试验指标的交互效应记为 双因素试验方差分析的数学模型可改成： 　 　 且所有的 模型也称为两向分类模型或称两种方式分组模型． （9.9） 相互独立 作显著性检验． 要检验因素A,B, 对试验指标的影响是否显著, 分别对假设　 2. 统计分析 　　　 　　　 与单因素方差分析类似,还是利用平方和分解法． 利用 然后展开,并注意交叉乘积项之和为零,可得总的偏差平方和分解公式: 　　 （9. 13） 　记　　　　 于是总偏差平方和 可简写成 ---误差平方和 ---总的偏差平方和 反映了数据 波动 反映了误差的波动 ----因子A的偏差平方和 反映了假设H01不真,因子A的 效应间的差异引起的波动 ----因子B的偏差平方和 反映了假设H02不真,因子B的 效应间的差异引起的波动 ----交互作用 的平方和 定理 9.1　在模型（9. 9）之下，有　　　 　　　　 当 成立时， 反之 反之 反之 当 成立时， 当 成立时， 检验假设的统计量和否定域: 定理 9. 2 ．　 当 成立时， 当 成立时， 当 成立时， 否定域: 总和 误差 交互作用 因素 B 因素 A 均方误差 自由度 平方和 方差来源 为了便于计算，记 于是 例 9.3 农科站对三种大麦种子和四种化肥，在相同的试验田里 做试验，结果列于下表，表中数据是大麦的亩产量(单位kg)． 问大麦种子和化肥以及它们的交互作用对大麦产量有无显著 的影响? 169，169 174，173 174，174 177，175 170，171 174，175 178，177 175，173 172，173 173，179 174，176 173，172 化肥亩产量 种子 解 为简化计算，将表的数据都减去170，得表， 在这种变换下，所有的平方和的值保持不变． 94 4 32 33 25 25 4，3（7） 4，4（8） 7，5（12） 66 0，1（1） 4，5（9） 8，7（15） 5，3（8） 36 2，3（5） 3，9（12） 4，6（10） 3，2（5） 　 化肥 亩产量 种子 表中括弧内的数是 ，现在 ，故有 　 ． 　　 　　　 　　　 方差分析表 因素 因素B 交互作用 23 161.83 总和 0.92 12 11.00 误差 9.40** 8.65 6 51.92 32.91** 30.28 3 90.83 4.39 4.04 2 8.08 A