方差分析(郭上课用) 体育统计学 知识介绍.pptVIP

第八章 方差分析 方差分析又叫变异数分析，是对多个样本平均数差异显著性检验的一种引伸。在对多个样本进行比较时，如果用 检验就会产生较大的误差，提高了犯 错误的概率。例如我们用 检验一对一比较的方法检验4个样本平均数之间的差异显著性，就需要做 次检验，每次无效假设的概率都是l— ＝0.95，而且这些检验都是独立的，那么6次都接受的概率是(0.95)6＝0.735，犯 错误的概率为 1—0.735＝0.265，即6次犯错误可能性的累积，因此所犯错误的概率大大增加，使用方差分析就可以避免这一问题。方差分析是对各因素总体处理效应的显著性检验。 方差分析的基本原理: 在一个多处理试验中，可以得到多组不同的观测值。各组观测值不同的原因可以分为两大类，一类是因素处理的不同引起的，叫处理效应或条件误差，另一类是试验过程中偶然性因素的干扰或抽样所致，称为随机误差或试验误差。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条件误差(处理效应)和随机误差(试验误差)，并作出其数量估计。 通过方差比较以确定两种原因在总变异中所占的重要程度，如果处理效应和试验误差相差不大，说明试验处理对指标影响不大，如二者相差较大，处理效应比试验误差大得多，说明试验处理影响是很大的，不可忽视。 例2：为了探索简便易行的发展大学生心血管系统机能水平的方法，在某年级各项身体发育水平基本相同、同年龄女生中抽取36人随机分为三组，用三种不同的方法进行训练，三个月后，测得哈佛台阶指数如表8.1，试分析三种不同的训练方法对女大学生心血管系统的影响有无显著性差异？ 指标：哈佛台阶指数；因素：训练方法；水平：3。 二、实验误差与条件误差 实验误差（随机误差）：由于随机抽样或试验过程中随机因素的影响而导致实验结果存在差异。 条件误差(处理效应)：由于实验条件的不同而引起的实验结果差异。 三、因素间的交互作用 实验因素不同水平的搭配对实验指标产生的作用即因素间的交互作用。 四、方差分析的前提条件 各样本的随机性：样本都是随机抽取的。 各样本的独立性：只有各样本为相互独立，才能保证变异的可加性。 正态性：即所有观察值都是从正态总体中抽样得出。 方差齐性：各总体的方差相等。 第二节 单因素方差分析 单因素实验：观察的因素只有一个的实验。 单因素方差分析：对单因素实验结果进行方差分析的方法。它所讨论的是在k个总体标准差都相等的条件下，解决k个总体平均数是否相等的问题。 F分布与F 测验 一、F 分布 在N(μ,σ2) 正态总体中随机抽取两个独立样本，分别求得 和 ，将 和 的比值定义为F： 其均方 按上述方法从正态总体中进行一系列抽样，就可得到一系列的F 值而作成一个F 分布。它是具平均数μF=1和取值区间为[0, ∞]的一组曲线； 而某一特定曲线的形状仅决定于参数自由度1和自由度2。 F分布下一定区间的概率可从已制成的统计表中查出。附表4给出了各种自由度下右尾概率α=0.01和α=0.05 二、F 测验 在方差分析的体系中，F测验可用于检测某项变异因素的效应或方差是否存在。所以在计算F值时，总是将要测验的那一项变异因素的均方作分子，而以另一项变异(如误差项)作分母。 时的临界F 值。其值是专供测验 的总体方 是否显著大于 的总体方差 差 而设计的(H0 ： 对H1： ＞ )。 ≤ F测验所需条件：(1)变量y遵循N(μ，σ2)； [例1] 经某实验测得组间的均方为 =168.00，组内均方为 =8.17，具有自由度n1`=3，n2`=12。问测验组之间变异 是否显著大于组内变异？ 假设H0： 对H1： α=0.05 和 彼此独立。 (2) 查附表4在n1`=3，n2`= 12时 F0.05=3.49， F0.01=5.95 因此F＞ F0.01 P＜0.01。 差异显著，表明组间变异显著大于组内变异。 测验计算： 六、方差分析的计算步骤 1.计算各组内的 ， 2.计算 3.计算离差平方和 总离差平方和： 组间离差平方和： 组内离差平方和： 4.计算方差 组间方差： 组内方差： 5.计算F值 6.判断显著性 对于给定的显著性水平 ，如果 差异显著，需进行多重比较；若 差异不显著，不需进行多重比较。 例2：为了探索简便易行的发展大学生心血管系统机能水平的方法，在某年级各项身体发育水平基本相同，同年龄女生中抽取36人随机分为三组，用三种不同的方法进行训练，三个月后，