方差分析与正交试验设计4—1方差分析.ppt

 第二章 常用统计技术  第二节 方差分析(参考“质量统计技术”第四章） 方差分析用不同的生产方法生产同一种产品，比较各种生产方法对产品的影响是人们经常遇到的问题。比如，化工生产中，原料成份、剂量、顺序、催化剂、反应温度、压力、时间、机器设备以及操作人员技术水平等因素对产品都会有影响，有的影响大些，有的影响小些。为此，需要找出对产品有显著影响的因素。方差分析就是鉴别各因素效应的一种有效的统计方法。它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。 第二节 方差分析 方差分析也是统计检验的一种。由英国著名统计学家： R.A.FISHER推导出来的，也叫F检验。 一、几个基本概念 本例是要比较各个总体均值是否一致，可以用方差 分析方法来解决。现分析如下： 从每一个工厂随机抽取四个零件测定其强度，因而该 试验中考察的指标是零件的强度，不同的工厂零件强度不同， 因此可以将工厂看成影响指标的一个因素，不同的工厂便是该 因素的不同状态。我们把试验中可改变的（可控制的）试验条 件称为因素，它们常用大写字母A、B、C等表示。在例1中， 工厂便是一个因素，用字母A表示。 2．水平 基本假设 ?各样本是相互独立的随机样本 ?各样本的指标服从正态分布 ?各样本不同水平的方差和均方差σ相等。 方差分析的实质： 在相同方差下检验若干正态总体均值是否 相等的一种统计分析方法。 各种变异的表示方法 S总 f总 V总 统计量F 的计算及其意义 方差分析的基本思想 根据资料的设计类型，即变异的不同来源，将全部观察值总的偏差平方和和自由度分解为两个或多个部分，除随机误差外，其余每个部分的变异可由某个因素的作用加以解释，通过比较不同来源变异的均方（V），借助F分布做出统计推断，从而了解该因素对观察指标有无显著影响。 * * 1．因素 有时我们会遇到需要比较多个总体均值的问题，现举例如下： 例1 现有甲、乙、丙三个工厂生产同一种零件，为了了解不同工厂的零件的强度有无明显的差异，现分别从每一个工厂随机抽取四个零件测定其强度，数据如表1所示，试问三个工厂的零件强度是否相同（假定每一个总体都服从正态分布且各总体的方差相等）？ 表1 三个工厂的零件强度数据 103 101 98 110 113 107 108 116 82 92 84 86 甲 乙 丙 零件强度 工厂 因素所处的各个状态（等级）称为因素的水平，用因素的字母加下标来表示，譬如本例中因素有三个水平， 可以记为 、 、 。 3、目标 Y 试验中所考察的指标为强度，用 Y表示，它是一个随机变量。 S组内 f组内 V组内 S组间 f组间 V组间 三者之间的关系： S总= S组内+ S组间 f总= f组内+ f组间 均方和 V= S / f --- 因素及误差的偏差平方和与其相应自由度之比 F=V组间 / V组内 自由度：f组间=组数-1 fA=水平数— 1= r-1 f组内=N-组数 fr = N— r 通过这个公式计算出统计量F，在给定的显著性水平?下，从F分布表查出F的临界值 当 时拒绝假设 ，即认为因素A在显著性水平?上是显著的 121492 485216 1200 42514 49338 29640 169744 197136 118336 412(103） 444(111） 344( 86） 103 101 98 110 113 107 108 116 82 92 84 86 甲 乙 丙 T2i Ti （ ） 零件强度 因素 工厂 数据计算一览表 r=3 m=4 n=12 计算修正项 （5）计算因素及误差 纯波动贡献率： 计算因素A的纯波动平方和 误差E的纯波动平方和： 贡献率： 总和 T 15.4% 229.9 20.9 误差 e 84.6% 1262.2 *** 高度显著 31.21 652 因素 A 纯波动贡献率 % 纯波动平方和 S