课程释疑7第七章假设检验.pptVIP

第八章 方差分析与回归分析 §8.1 方差分析 §8.2 多重比较× §8.3 方差齐性分析× §8.4 一元线性回归 §8.5 一元非线性回归× §8.1 方差分析 8.1.1 问题的提出 实际工作中我们经常碰到： 多个正态总体均值的比较问题 处理这类问题采用所谓的方差分析方法。 注：1、方差分析是一种特别的假设检验 2、计算过程繁琐但机上实现很容易 例8.1.1 在饲料养鸡增肥的研究中，某研究所提出三种饲料配方：A1是以鱼粉为主的饲料，A2是以槐树粉为主的饲料，A3是以苜蓿粉为主的饲料。为比较三种饲料的效果，特选 24 只相似的雏鸡随机均分为三组，每组各喂一种饲料，60天后观察它们的重量。试验结果如下表所示： 表8.1.1 鸡饲料试验数据 本例中，我们要比较的是三种饲料对鸡的增肥作用是否相同。为此，把饲料称为因子，记为A，三种不同的配方称为因子A的三个水平，记为A1, A2, A3，使用配方Ai下第 j 只鸡60天后的重量用yij表示，i=1, 2, 3, j=1, 2,?, 8。我们的目的是比较三种饲料配方下鸡的平均重量是否相等，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。 8.1.2 单因子方差分析的统计模型 在例8.1.1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，1个因子为 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 ，现有 r 个水平，故有 r 个总体，每一水平下的总体抽取m个样本，假定： 每一总体均为正态总体，记为 N(?i ,? i 2)， i＝1, 2,…, r ； 各总体的方差相同: ? 1 2=? 22=…=? r2 =? 2 ； 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。 我们要比较各水平下的均值是否相同 即原假设 H0 ：?1 =?2 =…=?r 备择假设为 H1 ：?1, ?2, …, ?r 不全相等 如果 H0 成立，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。 样本数据 每一水平下的总体抽取m个样本，共得如下n=r?m个试验结果： yij， i＝1, 2,…, r ， j＝1, 2, …, m 表8.1.2 单因子方差分析试验数据 若记随机误差?ij = yij??i，而 ?i = ?+ai 1、组内偏差 仅反映组内数据与组内平均的随机误差； 2、组间偏差 除反映随机误差外还反映了第i个水平的效应ai 总偏差平方和表示各 yij 间总的差异大小 1、选择检验统计量 各偏差平方和的简化计算公式 利用(8.1.19)，可算得各偏差平方和为： 把上述诸平方和及其自由度填入方差分析表 §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。 8.4.2 一元线性回归模型 设y与x间有相关关系，称x为自变量(预报变量)，y为因变量(响应变量)，在知道x取值后，y有一个分布p(y?x)，我们关心的是y的均值E(Y?x)： (8.4.1) 这便是y关于x的理论回归函数——条件期望，也就是我们要寻找的相关关系的表达式。 通常，相关关系可用下式表示 y =f (x)+ ? 其中?是随机误差，一般假设? ~N(0, ? 2)。 例8.4.1 合金的强度y (×107Pa) 与合金中碳的含量x (%) 有关。为研究两个变量间的关系。首先是收集数据，我们把收集到的数据记为(xi,yi),i=1,2,?,n。本例中，我们收集到12组数据，列于表8.4.1中 表8.4.1 合金钢强度y与碳含量x的数据 为找出两个量间存在的回归函数的形式，可以画一张图：把每一对数(xi,yi)看成直角坐标系中的一个点，在图上画出n个点，称这张图为散点图，见图8.4.1