概率论与数理统计九章 方差分析.docVIP

PAGE PAGE 21 第九章 方差分析 在生产过程和科学实验中，我们经常遇到这样的问题：影响产品产量、质量的因素很多.例如，在化工生产中，影响结果的因素有：配方、设备、温度、压力、催化剂、操作人员等.我们需要通过观察或试验来判断哪些因素对产品的产量、质量有显著的影响.方差分析(Analysis of variance)就是用来解决这类问题的一种有效方法.它是在20世纪20年代由英国统计学家费舍尔首先使用到农业试验上去的.后来发现这种方法的应用范围十分广阔，可以成功地应用在试验工作的很多方面. 第一节 单因素试验的方差分析 在试验中，我们将要考察的指标称为试验指标，影响试验指标的条件称为因素.因素可分为两类，一类是人们可以控制的；一类是人们不能控制的.例如，原料成分、反应温度、溶液浓度等是可以控制的，而测量误差、气象条件等一般是难以控制的.以下我们所说的因素都是可控因素，因素所处的状态称为该因素的水平.如果在一项试验中只有一个因素在改变，这样的试验称为单因素试验，如果多于一个因素在改变，就称为多因素试验. 本节通过实例来讨论单因素试验. 1.数学模型 例9.1 某试验室对钢锭模进行选材试验.其方法是将试件加热到700℃后，投入到20℃的水中急冷，这样反复进行到试件断裂为止，试验次数越多，试件质量越好.试验结果如表9 表9-1 试验号 材质分类 A1 A2 A3 A4 1 160 158 146 151 2 161 164 155 152 3 165 164 160 153 4 168 170 162 157 5 170 175 164 160 6 172 166 168 7 180 174 8 182 试验的目的是确定4种生铁试件的抗热疲劳性能是否有显著差异. 这里，试验的指标是钢锭模的热疲劳值，钢锭模的材质是因素，4种不同的材质表示钢锭模的4个水平，这项试验叫做4水平单因素试验. 例9.2 考察一种人造纤维在不同温度的水中浸泡后的缩水率，在40℃，50℃,…, 表9-2 （%） 试验号 温度 40 50 60 70 80 90 1 4.3 6.1 10.0 6.5 9.3 9.5 2 7.8 7.3 4.8 8.3 8.7 8.8 3 3.2 4.2 5.4 8.6 7.2 11.4 4 6.5 4.1 9.6 8.2 10.1 7.8 这里试验指标是人造纤维的缩水率，温度是因素，这项试验为6水平单因素试验. 单因素试验的一般数学模型为：因素A有s个水平A1，A2，…，As,在水平Aj(j=1,2,…,s)下进行nj(nj≥2)次独立试验，得到如表9-3的结果： 表9-3 水平 观测值 A1 A2 … 样本总和 样本均值 总体均值 x11 x12 … x1s x21 x22 … x2s … … … … … T·1 T·2 … T·s … μ1 μ2 … μs 假定：各水平Aj(j=1,2,…,s)下的样本xij~N(μj,σ2),i=1,2,…,nj,j=1,2,…,s,且相互独立. 故xij-μj可看成随机误差，它们是试验中无法控制的各种因素所引起的，记xij-μj=εij,则 (9.1) 其中μj与σ2均为未知参数.（9.1）式称为单因素试验方差分析的数学模型. 方差分析的任务是对于模型（9.1），检验s个总体N(μ１，σ2),…,N(μs,σ2)的均值是否相等， 即检验假设 (9.2) 为将问题（9.2）写成便于讨论的形式，采用记号 μ=， 其中n=，μ表示μ１，μ2,…,μs的加权平均，μ称为总平均. δj=μj-μ, j=1,2,…,s， δj表示水平Aj下的总体平均值与总平均的差异.习惯上将δj称为水平Aj的效应.利用这些记号，模型（9.1）可改写成：