方差分晓析11.pptVIP

方差分析 (Analysis of Variance)简称ANOVA 方差分析方法是分析试验数据的一种重要方法。实际工作中我们经常碰到多个正态总体均值的比较问题，处理这类问题通常采用Ronald A. Fisher开发并首先应用的方差分析法.方差分析的思想已经渗透到了数理统计的许多方法之中，学习方差分析不仅要掌握具体方法，还要领会它的统计思想。 单因素方差分析 单因素方差分析，是指仅分析一个因素对试验结果的影响是否显著的问题。 在方差分析中，把所有数据之间的差异叫做总变差。产生总变差的原因有两类，一类是条件变差（本例中即是酸度的影响），另一类就是试验变差。方差分析解决这个问题的办法就是： 1、从总变差中区分出试验变差和条件变差，也就是将不同因素的影响给区分开来。 2、利用F检验比较这两个变差的大小，确定出主要变差。 3、根据主要的变差，去选择较好的分析条件，或确定进一步试验的方向。 方差分析的基本思想 方差分析的依据是建立在变差平方和具有加和性的基础上的。因此，如果用变差平方和来表征测定结果的总变差，那么总变差的平方和就等于各变异因素形成的变差平方和的总和。 方差分析的基本思想，就是将总变差分解为各构成部分之和，然后对它们作统计检验。总变差： 其中m为试验水平数，n为重复次数，自由度vT = mn – 1 = N – 1 条件变差(组间方差) 每一组的测定平均值和总平均值差值的平方和再乘以重复次数： 自由度vA = m – 1 试验误差(组内方差) 各组内的每次测定值和组内平均值差值的平方和： 自由度ve = m(n – 1) = N – m 总变差的分解 定义 我们的目的是研究溶液的酸度对测定吸光度的影响，为此，需要做一些基本假定，把所研究的问题归结为一个统计问题，然后用方差分析的方法进行解决。 单因子方差分析的统计模型 在例中我们只考察了一个因子，称其为单因子试验。 通常，在单因子试验中，记因子为 A, 设其有r个水平，记为A1, A2,…, Ar。 在每一水平下考察的指标可以看成一个总体 ，因为现共有 r 个水平，故有 r 个总体， 假定： 各总体的方差相同: ? 1 2=? 22=…=? r2 =? 2 ；(即，具有方差齐次性) 从每一总体中抽取的样本是相互独立的， 即所有的试验结果 yij 都相互独立。 每一总体均为正态总体，记为 N(?i ,? i 2)， i＝1, 2,…, r ； 我们要比较各水平下的均值是否相同, 即要对如下的一个假设进行检验: H0 ：?1 =?2 =…=?r （7.1.1） 备择假设为 H1 ：?1, ?2, …, ?r 不全相等 在不会引起误解的情况下， H1 通常可省略不写。 如果检验结果为H0成立，因子A的r个水平均值相同，称因子A的r个水平间没有显著差异，简称因子A不显著；反之，当H0不成立时，因子A的r个水平均值不全相同，这时称因子A的不同水平间有显著差异，简称因子A显著。 一般情况下，在水平Ai下的试验结果yij与该水平下的指标均值 ?i 一般总是有差距的， 记 ?ij = yij??i，?ij 称为随机误差。 于是有 yij = ?i +?ij ?ij ~ N(0 ,? 2) 且?ij 相互独立，?i ,? i 2均为未知参数（7.1.2） （7.1.2）式称为单因素试验方差分析的数学模型。 方差分析的基本思想就是通过条件误差和随机误差的比较来判断假设 H0是否成立。如果条件误差比随机误差大得多，我们就认为因素A的不同水平对试验结果有显著影响，从而拒绝 H0 ；如果条件误差与随机误差得数值差别不大，则认为因素A的不同水平对试验结果没有显著影响，从而接受H0 ； 对给定的?，可作如下判断： 例1 例1 方差分析要注意以下几点 1、从理论上可推知，当ve很小时，F检验的灵敏度是很低的， ve很大时，灵敏度就高。增加实验次数，有利于灵敏度提高。一般ve应在5-10，如达不到，须将? 放宽至0.20。 2、当F值特别小时，表明可能取样或测量中有系统误差，一般不应发生，一旦发生就应仔细寻找原因，决不能放过。 3、试验应