正交检验的极差分析和方差分析［新版］.ppt

解： 若五种包装方式的销售的均值相等，则表明不同的包装方式在销售上没有差别。 建立假设 对因素A： H0： , 包装方式之间无差别 H1： 不全相等, 包装方式之间有差别 对因素B： H0： 地区之间无差别 H1： 不全相等 地区之间有差别 4.3.4 应用实例 最新文档 * 计算F值 因素A的列均值分别为： 因素B的行均值分别为： 总均值=15.04 故： SST=（20-15.04）2 +…+(10-15.04)2=880.96 SSA=5(21.6-15.04)2 +…+5(11.6-15.04)2=335.36 SSB=5(15.2-15.04)2 +…+5(18.8-15.04)2=199.36 SSE=880.96-335.36-199.36=346.24 4.3.4 应用实例 最新文档 * 接下来： 因此 4.3.4 应用实例 最新文档 * 统计决策 对于因素A，因为 FA=3.87Fcrit =3.01 故拒绝H0，接受H1， 说明不同的包装方式对该商品的销售产生影响。 对于因素B，因为 FB=2.30Fcrit=3.01 故接受H0， 说明不同地区该商品的销售没有显著差异。 4.3.4 应用实例 最新文档 * 在工农业生产和科学研究中，经常会遇到多因素试验问题，在实际中不需要进行各种水平组合的全面试验，只需从各种不同搭配情况中，选取一小部分来进行就可以了。那么，怎样选取以及如何分析试验结果，才能科学的回答如下问题： 各因素对指标的影响，哪个因素重要？哪个因素次之？ 每个因素中，哪个水平为好？ 各个因素和水平依哪种情况搭配可使试验结果最佳？ 解决这些问题正是正交试验设计的主要内容。 4.4 正交试验设计 最新文档 * 由(4-4)可知,上述偏差平方和 令下列各偏导数为零 (i=1,2,…,k) 4.2.2 参数点估计 最新文档 * 由 解得 (4-7) 由 解得 (4-8) 4.2.2 参数点估计 最新文档 * 并由此得 的估计量 至此,求得参数 的估计量 (4-9) 4.2.2 参数点估计 最新文档 * 按照上述原则求参数估计量的方法称为最小二乘法, 称为最小二乘估计量. 我们还可以证明 分别是参数 的无偏估计量。 将 和 分别用它们的估计量代替,可以得到试验误差 的估计量 , (4-10) 4.2.2 参数点估计 最新文档 * 为了由观测值的偏差中分析出各水平的效应,我们研究三种偏差: , 和 . 根据前面参数估计的讨论,它们分别表示 , 定理 (4-11) 的估计. 和 4.2.3 分解定理 自由度 最新文档 * 证明： 4.2.3 分解定理 自由度 最新文档 * 令 则分解定理(8-11)可写成 (4-12) 4.2.3 分解定理 自由度 最新文档 * 上式中, 称为总偏差平方和. 称为误差平方和(或组内平方和); 称为因素A的效应平方和(或组间平方和), ST的自由度fT=km-1 SA的自由度fA=k-1 SE的自由度fE=k(m-1) 容易看出，自由度之间也有类似于分解定理的关系 (4-13) 4.2.3 分解定理 自由度 最新文档 * 参数假设检验的假设条件 观测值(i=1,2,…,k;j=1,2,…,m) 相互独立 在水平Ai条件下, Yij(j=1,2,…m) 服从正态分布N 4.2.4 显著性检验 最新文档 * 要判断在因素A的k个水平条件下真值之间是否有显著性差异, 即检验假设 H0: