因素和双因素的差分析mlb.pptVIP

单因素和双因素的方差分析（Matlab） * 1 函数anova1() 单因素方差分析(ANOVA) p＝anoval(X) p＝anov1(X,group) p＝anoval(X,group,’disPlayopt’) [p,tablel]＝anoval(…) [p,table,stats]＝anoval(．．) * anoval(X) 比较数据X(M×n矩阵)中两列或多列的均值进行均衡的单因素方差分析，X的每一列表示一个独立样本，每个样本包含m个相互独立的观察值。函数返回零假设的概率值(P-值)，该假设认为X中的所有样本均来自相同的总体(或来自具有相同均值的不同总体)。 * anoval(X) 如果p-值接近零则应对零假设置疑，表明至少有一个样本的均值与其它样本的均值显著不同。临界概率值(p-值)由用户进行选择，它决定了结果是否具有统计意义上的显著性。如果概率值(p-值)小于0.05或0.01，则认为结果是显著的。 * anoval(X) anoval函数显示两幅图表，第一幅为标准ANOVA表，表中将X中数据的变化分为两部分： 由各列均值差异而产生的变化(组间差异)。 由各列的数据及均值间的差异而产生的变化(组内差异)。 * anoval(X) ANOVA表含六列数据： 第一列显示数据源； 每二列显示各类数据源的平方和(SS); 第三列显示为各类数据源相应的自由度(df)； 第四列显示为各类的均方值，也就是比值SS/df； 第五列显示F统计量，F为均方值的比值； 第六列显示概率值(p-值)，它由F的累积分布函数求得。当F增大时，概率值(p-值)减小。 * anoval(X) 第二幅图表为X各列数据的盒形(box)图。如果盒形图的中心线差别很大，则对应的F值很大，相应的概率值(P-值)也小。 * P＝anoval(x,group) 用group(字符数组或单元数组)中的值对X各样本的盒形图进行标识，X为矩阵。group的每一行包含的标识对应的是X的相应列，因此group的长度必须与X的列数相等。 * P＝anoval(x,group) 当X为向量时，anoval对包含在X的样本进行单因素方差分析(ANOVA)，X由输入的group(向量、字符数组或单元数组)索引。group中的各元素标识X中相应的元素所属于的组(如样本)，因此group必须与X具相同长度。group中标识也用来标识盒形图。anoval的向量输入形式不要求每个样本都具有相同数量的观察值，因此它对于不平衡数据也是适用的。 * P＝anoval(x,group) 对样本进行连续标识(1，2，3…·)是不必要的。例如，如果X包含在三个不同的温度(-27℃，65℃，110℃)条件下的测量值，可以用这些温度值来作为group中的样本标识。如果group中有一行包含空的单无或空字符串，则该行和相应的X中的观察值将被忽略。 * p＝anoval(x,group,’displayopt’) 当’displayopt’为’on’时(缺省)显示ANOVA表和盒形图，如图1和图2所示。当’displayopt’为’off’时关闭显示。 * [p,table]＝anoval(x,group) 以单元数组的形式返回ANOVA表（包括列和行的标识）。 [p,table,stats]=anoval(…) 返回stats结构，利用stats可进行多重比较检验。 * 例子1： x=[0.236,0.238,0.248,0.245,0.243; 0.257,0.253,0.255,0.254,0.261; 0.258,0.264,0.259,0.267,0.262]; p=anova1(x) p = 1.3431e-005 * * x=[0.236,0.238,0.248,0.245,0.243,0.257,0.253,0.255,0.254,0.261,0.258,0.264,0.259,0.267,0.262]; y=[1,1,1,1,1,2,2,2,2,2,3,3,3,3,3]; p=anova1(x,y) p = 1.3431e-005 * 2 函数anova2() 语法：p＝anova2(X,reps) p＝anova2(X,reps,’displayopt’) [P,table]＝anova2(…) [p,table,stats]＝anova2(…) * anova2(x) 进行均衡的双因素方差分析，比较数据X中两列或多列及两行或多行的均值。不同列中的数据表示因素A引起的变化情况；不同行中的数据