第六章-方差分析.pptVIP

按方差分析的思想，变异分解 (1) 总 变 异： 所有观察值之间的变异 (2) 处理间变异： 处理因素＋随机误差 (3) 区组间变异： 区组因素＋随机误差 (4) 误差 变异： 随机误差 可得： (k-1)(m-1) 误差 MSB/MSe m-1 区组间变异 MSA/Mse k-1 处理组间变异 n-1 总的变异 F值 均方MS 自由度υ 平方和SS 变异来源 随机区组设计的方差分析表 例6.2 把40个动物按月龄、体重、性别、活泼性分成10个配伍组，每个配伍组的4个动物随机分配到四个实验组，分别喂不同蛋白质饲料，喂养60天后体重增加量数据如下，试比较喂四种不同蛋白质饲料的动物的增重效果。 32 72 41 48 10 37 74 44 53 9 45 73 50 55 8 33 75 40 49 7 48 78 35 41 6 36 84 42 44 5 41 81 50 52 4 41 76 55 62 3 40 68 45 44 2 30 77 45 33 1 Ⅳ Ⅲ Ⅱ Ⅰ 饲料 窝别 不全相等或全不相等。 即:不同窝别的大白鼠其体重增加的总体均数相等 不全相等 即不同饲料喂养喂养的大白鼠其体重增加的总体均 数相 等. 1.建立假设，确定检验水准 （1）H 0： （2） 2.计算相关统计量并列出方差分析表 A 因素：４水平　　Ｂ因素：10水平； 总均数 A 因素各水平组均数： B 因素各水平组均数 * * * * (analysis of variance，ANOVA) 第六章 方差分析 第一节 完全随机设计的方差分析 第二节 随机区组设计的方差分析 第三节 多个样本均数的两两比较 第五节 方差齐性检验 本章主要内容: 前章介绍了两样本均数比较的t检验。在医学科学研究中，常常要通过多个样本均数比较来推断各处理组间是否存在差别。 此时若多次重复使用t-test ，会使犯第Ⅰ类错误（假阳性错误）的概率增大，且脱离了原先的实验设计，将多个样本均数的同时比较转变为两个样本均数的多次比较。 若采用实验设计所对应的方差分析同时分析多个样本均数的差别，则可避免以上问题。 前言 电脑实验：从已知的正态总体N（10，52）进行随机抽样，共抽取了k=10组样本，每组样本的含量ni=20，每组样本均可算出其均数和标准差： 10 9 8 7 6 5 4 3 2 1 4.08 5.38 3.89 3.88 4.86 4.83 6.55 3.93 5.44 4.29 S 8.75 9.12 10.28 9.55 9.24 10.90 9.11 9.23 10.85 12.61 采用t检验进行两两比较，比较次数为： 表9-2 从已知正态总体随机抽取10个样本的结果 实验结果表明：若α=0.05，则在45次比较中，发现5次有统计学意义，从理论上讲10个样本均来自同一正态总体N（10，52）应当无差异。 采用两样本t检验，规定第一类错误的概率α=0.05，其实际犯第一类错误的概率：5/45=0.11，显然比所要控制的0.05要大。 0.006 0.029 0.023 0.025 0.013 P 2.918 2.272 2.372 2.329 2.601 t 1与10 1与9 1与7 1与6 1与3 比较组 因此，多个样本均数的比较不能直接采用前面学过的两样本t检验来作两两比较。 表9-3 45次比较中5次有统计学意义的结果 方差分析（analysis of variance，ANOVA） 由英国统计学家R.A.Fisher提出，为了尊重Fisher本人，后人将上述统计量的分布以其名字的首字母命名为F分布，故方差分析又称 F 检验 （F test）。 用于推断多个总体均数有无差异。 1890~1962 将全部观测值的总变异按影响因素分解为相应的若干部分变异，在此基础上，计算假设检验的统计量F值，实现对总体均数是否有差别的推断。 基本思想 方差分析的应用条件 独立性 各样本是相互独立的随机样本； 正态性 各样本来自正态分布总体； 方差齐性 相互比较的各处理组样本的总体 方差相等，即具有方差齐同。 完全随机设计（completely random design）：将研究对象随机地分配到处理因素各水平组的单因素设计方法，其研究目的是推断处理因素不同水平下的试验结果的差异是否有统计学意义。 第一节 完全随机设计的方差分析 Xknk … X2n2 X1n1 … … … … Xk2 … X22 X12 Xk1 … X21 X11 水平k … 水平2 水平1 处理