第7章 方差分析－1.ppt

第 七 章方 差 分 析 1. 采用 t 检验法检验过程烦琐。 2. 采用 t 检验法无统一的试验误差，误差估计的精确性和检验的灵敏性低。 3. 采用 t 检验法推断的可靠性低，检验的 I 型错误率大。如6次检验H0的概率是0.95时的误差为：1-0.956 =0.265。 先介绍几个常用术语: 1、试验指标(experimental index) 为 衡 量 试 验结果的好坏或处理效应的高低 ，在试验中具体测定的性状或观测的项目称为试验指标。由于试验目的不同 ，选择的试验指标也不相同。在畜禽 、水产试验中常用的试验指标有 ：日增重 、产仔数 、产奶量 、产蛋率、瘦肉率、某些生理生化和体型指标(如血糖含量、体高、体重)等。 第一节 方差分析的基本原理 在科学研究中进行多个平均数间的差异显著性检验，即方差分析。 方差分析的基本思想是将测量数据的总变异按照变异原因不同分解为处理效应和试验误差，并作出其数量估计。 一、数学模型 假设有k组观测数据，每组有n个观测值，则用线性可加模型来描述每一个观测值，有： xij 是在第i次处理下的第 j 次观测值，μ为总体平均数，αi 为处理效应，εij 是试验误差，εij 要求是相互独立的，且服从正态分布N(0,σ2)。 对于样本估计的线性模型为： 为总体平均数，ti 为样本处理效应，eij 是试验误差。 根据对αi 的不同假定，将数学模型分为固定模型(各个处理的效应值αi 是固定的)和随机模型(各个处理的效应值αi 不是固定的)。 二、平方和与自由度的分解 将总变异分解为处理间变异和处理内变异。但这种分解是通过将总均方的分子─称为总离均差平方和，简称为总平方和，分解成处理间平方和与处理内平方和两部分；将总均方的分母─称为总自由度，分解成处理间自由度与处理内自由度两部分来实现的。 （一）总平方和的分解 设某单因素试验A具有n个处理样本，每个样本有n个观测值，则试验A共有nk个观测值。这类试验资料的模式如下表所示。 处理间平均数的差异由处理效应所致；同一处理内的变异则由随机误差引起，根据线性可加数学模型，则有： 每组具有n个观测值的k组样本符号表 每一处理n个观测值离均差平方和累加，有： 把 k 个处理的离均差平方和累加，得： 上式可简写成：SST=SSt+SSe 分别表示总平方和，处理间平方和，处理内平方和。即：总平方和=处理间平方和+处理内平方和，实际计算时SST 及SSt 可用下式推导： 令矫正数C=T2/kn，则： 即 （二）自由度的分解 在计算总平方和时，资料中的各个观测值要受 　　 这一条件的约束，故总自由度等于资料中观测值的总个数减1，即dfT=kn-1。 处理间自由度为处理数减1，即dft=k-1。 处理内自由度为资料中观测值的总个数减k，即dfe=kn-k=k(n-1)。 因为 所以 综合以上各式得： 各部分平方和除以各自的自由度便得到总均方、处理间均方和处理内均方，分别记为 MST（或 ）、MSt（或 ）和MSe（或 ）。 即 *总均方一般不等于处理间均方加处理内均方。 【例】某猪场对4个不同品种幼猪进行4个月增重测定，每个品种选择体重接近的幼猪4头，测定结果列如下表,试进行方差分析。 4个不同品种猪4个月的增重量（kg） 本例中，品种k=4，重复n=4，观测数据总数 nk=4×4=16。 (1)平方和计算: (2)自由度的计算: (3)方差的计算: 在方差分析中不涉及总均方的数值，所以不必计算之。 三、统计假设的显著性检验—F检验 F= S12/S22 将大方差做分子，使F值大于1，做单尾检验。 进行不同处理差异显著性的F检验时，一般把处理间方差St2为分子，称大样方；误差方差Se2为分母，称小样方；求其比值。统计学上把两个均方之比值称为F值。即: F= St2/Se2 F具有两个自由度： df1= dft =k-1, df2 = dfe =k(n-1) 若在给定的k和n的条件下，继续从该总体进行一系列抽样，则可获得一系列的F值。这些F值所具有的概率分布称为F分布。F分布密度曲线是随自由度df1、df2的变化而变化的一簇偏态曲线。 不同自由度df1和df2 的F 分布曲线 F 分布的特征： 1、F分布平均数μF=1，F的取值区间[0，∞）； 2．F分布曲线仅决定于df1和df2 。df1=1或2时，曲线为反J