案例库-项目八假设检验、回归分析与方差分析.docx

项目八 假设检验、回归分析与方差分析 实验 3 方差分析 目的 学 利用 Mathematica 求 因素方差分析的方法 . 基本命令 1. 用 性回 件包的命令 Statistics\LinearRegression.m 作方差分析 , 必 用 性回 件包的命令 Statistics\LinearRegression.m 或 入 用整个 件包命令 Statistics` 2. 性 回 的命令 DesignedRegress 在 性回 模型 X 中, 向量 Y 是因 量 , 也称作响 量 . 矩 X 称作 矩 , 是参数向量 是 差向量 DesignedRegress  也是作一元和多元 性回 的命令  ,  它的 用范 更广些  .  其格式与 命令  Regress  的格式略有不同  : DesignedRegress[  矩  X, 因 量  Y 的 集合 , RegressionReport -{  1,  2,  3, ⋯}] RegressionReport(  回 告  ) 可以包含  :ParameterCITable(  参数  的置信区 表 PredictedResponse (  因 量的  ), MeanPredictionCITable(  均 的 区  ), FitResiduals(  合的残差  ), SummaryReport(  性 告  ) 等,  但不含  BestFit. 准 —将方差分析 入 性回 在 性回 中 , 把 的平方和分解 回 平方和与 差平方和之和 , 并在 出中 出了方差分析表 . 而在方差分析 中 , 也把 的平方和分解 模型平方和与 差平方和之 和 , 其方法与 性回 中的方法相同 . 因此只要把方差分析 化 性模型的 , 就可以利用 性回 中的 回 命令 DesignedRegress 做方差分析 . 因素 方差分析的模型是 Yij j ij , ij ~ N(0, 2 ),各 ij 独立 , (3.1) i 1,2, , n j ; j 1,2, , s. 上式也可改写成 Yi1 1 i 1, i 1,2, , n1 , Yij 1 ( j 1) ij , j 2,3, , s; (3.2) ij ~ N(0, 2 ), 各 ij 独立 ,i 1,2, , n j ; j 1,2, , s. 给定具体数据后 , 还可 (2.2) 式写成线性模型的形式 : Y X 其中 X 称为设计矩阵 , 它的元素是 0或 1. 由于 (3.2) 的每一个等式的右边都有 1,因此 X的 0 第一列都是 1, 线性模型中就有了必须要有的常数这一列. 1 是线性模型中的参 s 1 数 . 1 相当于线性模型中常数项 0 .2 1 , 3 1, 相当于线性模型中的参数 1,2,. 当然也可以用 2 或 3 代替 1 .Y 是因变量 ( 向量 ), 是误差向量 . 可以通过下面的例子来了 解和熟悉此方法 . 实验举例 例 3.1 ( 教材 例 3.1) 今有某种型号的电池三批 , 它们分别是 A, B, C三个工厂所生产的 . 为评比起质量 , 各随机抽取 5 只电池为样品 , 经试验得其寿命 ( 单位 :h) 如下表 : A 40 42 48 45 38 B 26 28 34 32 30 C 39 50 40 50 43 试在显著性水平  0.05 下检验电池的平均寿命有无显著的差异  .  若差异是显著的  , 试求均值 差  A  B ,  A  C 及  B  C 的置信水平为  95%的置信区间  . 这是方差分析问题  ,  先把它转化为线性模型  : Y X Y1 A 1 0 0 11 Y5 A 1 0 0 51 Y1B 1 1 0 A 12 令 Y , X , B A , Y5 B 1 1 0 C A 52 Y1C 1 0 1 13 Y5C 1 0 1 53 则线性模型 (3.3) 与方差分析模型 (3.1) 完全等价 . 模型 (3.3) 命令作设计回归 , 得到所要的方差分析表 . 我们面临的任务是 : (1) 检验 3 个总体的均值是否相等 , 即作假设检验  完全可以用  DesignedRegress H 0 : A B C;H1: A, B, C不全相等 (2) 求均值差 A B , A C 及 B C 的置信水平为 95%的置信区间 . 任务 (1) 等价于对模型 (3.3) 作检验 : H 0 : B A C A 0