概率论与数理统计第8章方差分析与回归分析.ppt

本例中，四个样本方差可由表8.3.1中诸Qi求出，即 由此可得统计量H的值 在? =0.05时，由附表10查得H0.95(4,9) =6.31，由于H6.31，所以应该保留原假设H0，即认为四个总体方差间无显著差异。 8.3.2 Bartlett检验 在单因子方差分析中有r个样本，设第i个样本方差为： 由于几何平均数总不会超过算术平均数，故有GMSe≤MSe , 其中 等号成立当且仅当诸si2彼此相等，若诸si2间的差异愈大，则此两个平均值相差也愈大。 由此可见，在比值GMSe/MSe较大时，就意味着诸样本方差差异较大，从而检验（8.3.1）表示的一对假设的拒绝域应是 W={ln GMSe/MSe d} （8.3.4） Bartlett证明了，检验的拒绝域为 W={B ?1- ?2 (r-1) } （8.3.8） 考虑到这里?2分布是近似分布，在诸样本量mi均不小于5时使用上述检验是适当的。 例8.3.2 为研究各产地的绿茶的叶酸含量是否有显著差异，特选四个产地绿茶，其中A1制作了7个样品， A2制作了5个样品， A3与A4各制作了6个样品，共有24个样品，按随机次序测试其叶酸含量，测试结果如表8.3.3所示。 为能进行方差分析，首先要进行方差齐性检验，从表8.3.3中数据可求得s12=2.14, s22=2.83, s32=2.41, s42=1.12，再从表8.3.4上查得MSe =2.09，由(8.3.6)，可求得 再由(8.3.7)，还可求得Bartlett检验统计量的值 对给定的显著性水平? =0.05，查表知?0.952 (4?1) =7.815。由于B7.815，故应保留原假设H0，即可认为诸水平下的方差间无显著差异。 8.3.3 修正的Bartlett检验 针对样本量低于5时不能使用Bartlett检验的缺点，Box提出修正的Bartlett检验统计量 （8.3.9） 其中B与C如（8.3.7）与（8.3.6）所示，且 在原假设H0：?12 =?22=?=?r2成立下，Box还证明了统计量 的近似分布是F分布F(f1, f2)，对给定的显著性水平? ，该检验的拒绝域为 （8.3.10） 其中f2的值可能不是整数，这时可通过对F分布的分位数表施行内插法得到分位数。 例8.3.3 对例8.3.2中的绿茶叶酸含量的数据，我们用修正的Bartlett检验再一次对等方差性作出检验。 在例8.3.2中已求得：C=1.0856，B=0.970，还可求得： 对给定的显著性水平? =0.05，在F分布的分位数表上可查得 F0.95(3,682.4)= F0.95(3,?)=2.60 由于 2.60，故保留原假设H0，即认为四个水平下的方差间无显著差异。 §8.4 一元线性回归 8.4.1 变量间的两类关系 十九世纪，英国生物学家兼统计学家高尔顿研究发现： 其中x表示父亲身高， y 表示成年儿子的身高（单位：英寸，1英寸=2.54厘米）。这表明子代的平均高度有向中心回归的意思，使得一段时间内人的身高相对稳定。之后回归分析的思想渗透到了数理统计的其它分支中。 回归分析便是研究变量间相关关系的一门学科。它通过对客观事物中变量的大量观察或试验获得的数据，去寻找隐藏在数据背后的相关关系，给出它们的表达形式——回归函数的估计。 变量间的相关关系不能用完全确切的函数形式表示，但在平均意义下有一定的定量关系表达式，寻找这种定量关系表达式就是回归分析的主要任务。 回归分析处理的是变量与变量间的关系。变量间常见的关系有两类：确定性关系与相关关