第一节 方差分析的基本原理与步骤.pdf

第一节 方差分析的基本原理与步骤 第一节 方差分析的基本原理与步骤 一、线性模型与基本假定 一、线性模型与基本假定 假设某单因素试验有k个处理，n次重 假设某单因素试验有k个处理，n次重 复，完全随机设计，则共有nk个观察值，其 复，完全随机设计，则共有nk个观察值，其 数据结构和符号如表5-1所示。 数据结构和符号如表5-1所示。 x 可以表示为 xij 可以表示为 ij x   ij i ij 其中，i 为第i个处理观测值总体平均数； ij 为试验误差、相互独立、且 2 服从正态分布N （0，σ ）。 若令 1 k  i k i 1    i i 则（5-1 ）式可以改写为 x   （5-4 ） ij i ij 其中，μ为全试验观测值总体平均数；  i 是第i个处理的效应，表示处理i 对试验结果产生的影响。 显然有 k  0  i i 1 （5-4 ）式叫做单因素完全随机设计试验资 料的数学模型。 x ij 表示为总平均数μ、处理效应α、试 i 验误差ε 之和。 ij 由ε相互独立且服从正态分布N （0， ij 2 ），可知各处理A (i=1，2，…，k) 所属 σ i 总体亦应具正态性 ，即服从正态分 布 2 N( μ, σ) 。尽管各总体的均数可以不等 i 或相等，σ2则必须是相等的。 所以，单因素完全随机设计试验资料的 数学模型可归纳为： 效应的可加性 （additivity ） 分布的正态性 （normality ） 方差的一致性 （homogeneity ） 二、平方和与自由度的分解 在方差分析中用样本方差即均方来度量 资料的变异程度。 在表5-1中，度量全部观测值总变异的总 均方分解为度量处理间变异的处理间均方和 度量处理内变异的处理内均方两部分。 统计学上，这种分解