方差分析与正交实验设计.pptVIP

第四章 方差分析与正交试验设计 教学目的与要求：复习方差分析的主要内容，了解正交实验设计的基本内容，掌握各种不同的正交试验设计的数据分析方法。要求学生初步掌握统计质量控制的含义，掌握相关理论。重点与难点：本章的重点是无交互作用的正交试验设计与数据分析，难点是有交互作用的正交试验设计与数据分析。所需课时：4+2 本章主要内容 §4·1 方差分析（略） §4·2 正交试验的基本概念与正交表 §4·3 无交互作用的正交设计与数据分析 §4·4 有交互作用的正交设计与数据分析 §4·5 有重复试验的情况 §4·6 水平数不等的试验设计与数据分析 §4·7 筛选试验 ＊§4·8 多指标的数据分析 ＊§4·9 饱和设计 第一节 方差分析 所谓方差分析，是通过比较因素的方差与试验误差的方差，来检验因素对试验指标的影响是否显著。其实质是假设多个总体方差相等的情况下，判断它们的均值是否相等。也就是将试验数据的总波动平方和分解成各因素和交互作用以及试验误差的波动平方和，并比较它们的方差，以判断因素影响的显著性。 方差分析（Analysis of Variance，简称ANOVA）能够解决多个均值是否相等的检验问题。节省时间是这种方法明显的优点，它的另一个好处是，由于进行分析时是将所有的样本资料结合在一起，因而增加了稳定性。例如，有30个样本，每一个样本包括10个观察单位。如果用T检验法，一次只能研究两个样本，20个观察单位，而使用方差分析则可以把300个观察单位结合在一起进行研究。所以说，方差分析是一种实用、有效的分析方法。方差分析是一种因素分析方法，广泛应用于优化设计、理化分析、绩效考核中。 （一）方差分析的内容 方差分析是对多个总体均值是否相等这一假设进行检验。下面通过一个例子说明方差分析的内容。 ［例4-1］某饮料生产企业研制出一种新型饮料。饮料的颜色共有四种，分别为橘黄色、粉色、绿色和无色透明。随机从五家超级市场上收集了前一期该种饮料的销售量，如表4--6所示。问饮料的颜色是否对销售量产生影响。  这是一个方差分析问题。即对四种饮料销售量均值是否相等进行检验。由于饮料是同一厂家生产的，它们的营养含量、味道、价格、装潢等可能影响销售量的因素全部相同，如果检验结果为μ1、μ2、μ3、μ4不相等，如图4-5（a）所示，则意味着它们来自于不同的总体，表明饮料颜色对销售量产生影响。反之，如果检验结果为μ1、μ2、μ3、μ4不存在显著影响，则可以认为饮料的颜色对销售量没有影响，它们来自于相同的总体。见图4—5 (b)。   在方差分析中，常常用到一些术语。一个是因素，因素是一个独立的变量，也是方差分析研究的对象。在前面的例子中，饮料的颜色就是一个因素。因素中的内容称为水平。上例因素中的水平有四个，即饮料的四种不同颜色。如果方差分析只针对一个因素进行，称为单因素方差分析。如果同时针对多个因素进行，称为多因素分析。在多因素方差分析中，双因素方差分析是最常见的。在方差分析中，通常假定各个水平的观察数据是来自于服从正态分布总体中的随机样本，各个总体相互独立，且方差相同。实际应用中严格地满足这些假定，特别是对社会经济现象的分析，确实过于苛刻。但一般应近似地符合上述要求。 （二）方差分析的原理 从方差分析的目的看，是要检验各个水平的均值μ1、μ2、μ3、μ4是否相等，而实现这个目的的手段是通过方差的比较。观察值之间存在着差异，差异的产生来自于两个方面，一个方面是由因素中的不同水平造成的，例如饮料的不同颜色带来不同的销售量，对此我们可以称为系统性差异；另一个方面是由于抽选样本的随机性而产生的差异，例如，相同颜色的饮料在不同的商场销售量也不同。两个方面产生的差异可以用两个方差来计量，一个称为水平之间的方差，一个称为水平内部的方差。前者既包括系统性因素，也包括随机性因素。后者仅包括随机性因素。  如果不同的水平对结果没有影响，如前例饮料的颜色对销售量不产生影响，那么在水平之间的方差中，就仅仅有随机因素的差异，而没有系统性差异，它与水平内部方差就应该近似，两个方差的比值就会接近于1；反之，如果不同的水平对结果产生影响，在水平之间的方差中就不仅包括了随机性差异，也包括了系统性差异。这时，该方差就会大于水平内方差，两个方差的比值就会显著地大于1许多，当这个比值大到某个程度，或者说达到某临界点，就可以作出判断，说不同的水平之间存在着显著性差异。因此，方差分析就是通过不同方差的比较，作出接受原假设或拒绝原假设的判断。 （三）F分布 水平间（也称组间）方差和水平内（也称组内）方差之比是一个统计量。数理统计证明，这个统计量服从F分布（F Distribution）。 F分布有这样几个特征： ① 统计量F是大于零的正数。 ② F分布曲线为正