统计学导论 科学出版社 第六章 方差分析.pptVIP

第六章 方差分析 第一节 方差分析的基本问题 第二节 单因素方差分析 学习目标 理解方差分析的概念 理解方差分析的基本思想和原理 3. 掌握单因素方差分析的方法及应用 第一节 方差分析的基本问题 一. 方差分析的内容 二. 方差分析的原理 三. F 分布 什么是方差分析?(概念要点) 检验多个总体均值是否相等 通过对各观察数据误差来源的分析来判断多个总体均值是否相等 2. 变量 一个定类尺度的自变量 2个或多个 (k 个) 处理水平或分类 一个定距或定比尺度的因变量 3. 方差分析的优点 节省时间 增加了稳定性 一、方差分析的内容原理（一个例子） 方差分析的内容 检验饮料的颜色对销售量是否有影响，也就是检验四种颜色饮料的平均销售量是否相同 设?1为无色饮料的平均销售量，?2粉色饮料的平均销售量，?3为橘黄色饮料的平均销售量，?4为绿色饮料的平均销售量，也就是检验下面的假设 H0: ?1 ? ?2 ? ?3 ? ?4 H1: ?1 , ?2 , ?3 , ?4 不全相等 检验上述假设所采用的方法就是方差分析 方差分析的几个基本概念 因素或因子 所要检验、研究的对象称为因子 要分析饮料的颜色对销售量是否有影响，颜色是要检验的因素或因子 水平 因素的具体表现，也即因素中的内容称为水平 A1、A2、A3、 A4四种颜色就是因素的水平 观察值 在每个因素水平下得到的样本值 每种颜色饮料的销售量就是观察值 方差分析的基本概念 单因素方差分析 只针对一个因素进行的方差分析 多因素方差分析 同时针对多个因素进行的方差分析 方差分析中的基本假定 每个总体都应服从正态分布 对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本 比如，每种颜色饮料的销售量必需服从正态分布 各个总体的方差必须相同 对于各组观察数据，是从具有相同方差的总体中抽取的 比如，四种颜色饮料的销售量的方差都相同 观察值是独立的 比如，每个超市的销售量都与其他超市的销售量独立 二、方差分析的原理例子（两类误差） 随机误差 在因素的同一水平(同一个总体)下，样本的各观察值之间的差异 比如，同一种颜色的饮料在不同超市上的销售量是不同的 不同超市销售量的差异可以看成是随机因素的影响，或者说是由于抽样的随机性所造成的，称为随机误差 系统误差 在因素的不同水平(不同总体)下，各观察值之间的差异 比如，同一家超市，不同颜色饮料的销售量也是不同的 这种差异可能是由于抽样的随机性所造成的，也可能是由于颜色本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差 方差分析的原理分析 1. 比较两类误差，以检验均值是否相等 2. 比较的基础是方差比 方差分析的原理（两类方差） 组内方差 因素的同一水平(同一个总体)下样本数据的方差 比如，无色饮料A1在5家超市销售数量的方差 组内方差只包含随机误差 组间方差 因素的不同水平(不同总体)下各样本之间的方差 比如，A1、A2、A3、A4四种颜色饮料销售量之间的方差 组间方差既包括随机误差，也包括系统误差 方差分析的原理（方差的比较） 如果不同颜色(水平)对销售量(结果)没有影响，那么在组间方差中只包含有随机误差，而没有系统误差。这时，组间方差与组内方差就应该很接近，两个方差的比值就会接近1 如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有系统误差，这时组间方差就会大于组内方差，组间方差与组内方差的比值就会大于1 当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异 三、F分布 水平间(也称组间)方差和水平内(也称组内)方差之比是一个统计量。数理统计证明，这个统计量服从F分布。即： 第二节 单因素方差分析 一. 单因素方差分析的步骤 二. 单因素方差分析中的其他问题 一、单因素方差分析的步骤 建立假设 构造检验统计量 计算水平均值 计算离差平方和 计算方差 方差分析表 统计决策 均值的F检验 建立假设 一般提法 (因素有r个水平） 不全相等 对前面的例子 H0: m1 = m2 = m3 = m4 颜色对销售量没有影响 H0: m1 ，m2 ，m3， m4不全相等 颜色对销售量有影响 构造检验的统计量 为检验H0是否成立，需确定检验的统计量 构造统计量需要计算 水平的均值 离差平方和 方差(MS) 构造检验的统计量(计算水平的均值 ) 假定从第j个总体中抽取一个容量为 的简单随机样本，第j个总体的样本均值为该样本的全部观察值总和除以观察值的个数 计算公式为 构造检验的统