第九章 方差分析.pptVIP

第九章 方差分析;二. 方差分析的种类 在方差分析中, 通常称因素或因子的不同状态为水平, 记作A1, A2 , ... 或B1, B2, ... , 例如用三种不同的方法来装配一个部件, 则装配部件这个因子具有三种状态或三个水平；方差分析按涉及的因子不同, 可分为单因子方差分析和双因子方差分析两种. 1. 单因子方差分析 单因子方差分析涉及的因子只有一个, 而这个因子又具有不同的状态或水平. 分析的目的在于判断不同的状态或水平是否具有显著的差异.;例9.1 某机械部件有三种不同的装配方法(A1, A2, A3), 工厂选15名工??, 分为5组, 每组3人, 分别用三种方法装配机械部件, 每组每名工人装配所需的时间刻录为下表, 若考察三种装配方法的效果是否有显著的差别, 就可以采用单因子方差分析. ;例9.2 某企业分别在五个地区建立了某种新产品的销售点A1, A2, A3, A4, A5, 共记录了5个月的试销期的销售量分别为B1, B2, B3, B4, B5, 如下表, 若要分析不同地区和不同时期两个因子对销售量是否有显著的影响, 就需采用双因子方差分析.;三. 方差分析的应用条件 方差分析是通过对误差的分析来研究判断多个正态总体均值是否相等的一种统计分析方法, 其应用条件: (1) 检验因子有r 种水平, X1, X2, …, Xr是r个相互独立的正态总体, 分别服从于 (2) 各组样本测量或观察数据是从相同方差的相互独立的总体中分别抽取的. 四. 方差分析的基本程序 (1) 设计方案, 搜集数据. 即列出因子的不同状态, 并随机抽取不同的样本, 以获得各状态下样本数据. (2) 建立假设. 即假定因子的不同水平的样本平均数相等, 或假定因子的不同水平样本平均数不相等.; (3) 计算方差. 即需要计算总方差 S2 , 因子方差 和随机方差 , 因子方差是因子各水平能解释的部分, 随机方差是因子各水平不能解释的部分, 是随机因素造成的误差. (4) 计算统计量F值, 作F假设检验. 统计量F是因子方差除以随机方差求得的比值. 即 (5) 计算效应值, 选择最优水平. 若F假设检验拒绝H0, 接受H1, 则可进一步计算因子的各水平效应值 即各水平的平均数与总体平均数之差. 若因子为产量,销售量, 利润等指标时, 就选择效应值最大者为最优水平；当因子为时间, 成本, 费用等指标时, 就选择效应值最小为最优水平.;§9.2 单因子方差分析; (2) 建立假设. 即假定因子的不同水平的样本平均数相等, 或假定因子的不同水平样本平均数不相等. (3) 计算方差. 编制方差分析表. 计算过程与方法为 (i)求各水平的样本平均数: (ii)求各水平的误差平方和: (iii)求各水平误差平方的总和: (iv) 求各水平样本平均数的平均数: (v)计算因子影响的离差平方和: (vi)计算全部数据的误差平方和 (vii)计算因子方差Q2, 随机误差 Q1和总误差Q ;表9-4 单因子方差分析表; (4) 计算统计量 , 作F检验. 上例中F=97.337/4.932=118.71, 在显著性水平为0.05下, 查得 F=118.43.89, 所以拒绝H0, 即认为三种装配方法所需的时间有显著的差异. (5) 计算效应值, 选择最优水平. ;例9.3 某工厂所需的锻造零件由三个不同厂家提供的, 该零件的重要特性是强度.现在从三个厂家提供的零件样品中随机抽取10%的产品, 由同一操作者在同一试验条件下进行破坏性强度试验, 所得结果如表示, 试分析三个厂家提供的零件强度有无显著差异? 孰最好.;§9.3 双因子方差分析;个水平组成一组试验条件, 对每种情况进行一次独立试验, 共可得到rs个试验结果xij, 其数据结构如下, ; 表9-9 无交互作用双因子方差分析表;二. 有交互作用的双因子方差分析 交互作用就是不同因子对试验所考察的指标具有复合作用. 在实际问题研究中, 常常遇到因子A的作用随因子B的水平变化而变化, 例如, 水稻亩产量在不施氮肥的情况下, 施加磷肥6斤, 产量可增加30斤/亩, 而在施加氮肥8斤时, 增加40斤/亩, 若同时施加氮肥8斤和磷肥6斤时, 增加90斤/亩. 这表明氮肥和磷肥对水稻亩产量有交互作用, 但A,B两因素的综合效应不是两因素效应简单相加. 当需要考虑两个因子的交互作用时, 每组试验条件相同的试验至少要做两次, 才能将交互作用的平方和从误差平方和中分解出来. 设因子A取r个水平