正交检验的极差分析和方差分析（课堂PPT）.pptVIP

2021/3/29 2021/3/29 下面继续讨论前面6种型号的生产线的例子。根据调查结果，在 =0.05的显著水平时，检验这6种型号的生产线在平均维修时间方面有无显著差异？ 根据实践经验，认为各种型号生产线的维修时间是近似服从正态分布的。 作统计假设：6种型号的生产线平均维修时数无显著差异，即 H0： αi=0（i=1,2,…,6）,H1:αi不全为零 4.2.4 显著性检验 2021/3/29 计算SA及SE 4.2.4 显著性检验 2021/3/29 表 4－5 计算列表 台号 型号 1 2 3 4 Ti Ti2 A型 9.5 8.8 11.4 7.8 37.5 1406.25 358.49 B型 4.3 7.8 3.2 6.5 21.8 475.24 131.82 C型 6.5 8.3 8.6 8.2 31.6 998.56 252.34 D型 6.1 7.3 4.2 4.1 21.7 470.89 124.95 E型 10.0 4.8 5.4 9.6 29.8 888.04 244.36 F型 9.3 8.7 7.2 10.1 35.3 1246.09 316.03 4.2.4 显著性检验 2021/3/29 再将计算结果分别代入SA与SE两式中，得到 第一自由度 第二自由度 4.2.4 显著性检验 2021/3/29 查F分布表得 由于 ，故拒绝H0。 该结论说明，至少有一种生产线型号的效应不为零，这等价于至少有两种型号的生产线的平均维修时数是有显著差异的。 方差来源 平方和 自由度 均方 F比 组间SA 55.55 5 11.11 组内SE 56.72 18 3.15 总和ST 112.27 23 --- 表 4－6 方差分析表 4.2.4 显著性检验 2021/3/29 q 检验法： 计算任意两水平的差值 ， 当 时，判断 与 差异显著； 当 时，判断 与 差异显著。 查多重比较的q表得 (8-18) 4.2.5 多重分布与区间估计 2021/3/29 区间估计 在置信度为 的情况下， 的置信区间为 （8-19） 4.2.5 多重分布与区间估计 2021/3/29 双因素方差分析的类型 数据结构 离差平方和的分解 应用实例 4.3 双因素方差分析 2021/3/29 在实际问题的研究中，有时需要考虑两个因素对实验结果的影响。 例如饮料销售，除了关心饮料颜色之外，我们还想了解销售地区是否影响销售量，如果在不同的地区，销售量存在显著的差异，就需要分析原因。采用不同的销售策略，使该饮料品牌在市场占有率高的地区继续深入人心，保持领先地位；在市场占有率低的地区，进一步扩大宣传，让更多的消费者了解、接受该生产线。 4.3.1 双因素方差分析的类型 2021/3/29 若把饮料的颜色看作影响销售量的因素A，饮料的销售地区则是影响因素B。对因素A和因素B同时进行分析，就属于双因素方差分析。 双因素方差分析的内容，是对影响因素进行检验，究竟是一个因素在起作用，还是两个因素都起作用，或是两个因素的影响都不显著。 4.3.1 双因素方差分析的类型 2021/3/29 双因素方差分析的类型 无交互作用的 双因素方差分析 有交互作用的 双因素方差分析 假定因素A和因素B的效应之间是相互独立的，不存在相互关系 假定因素A和因素B的结合会产生出一种新的效应 4.3.1 双因素方差分析的类型 2021/3/29 例如， 若假定不同地区的消费者对某种颜色有与其他地区消费者不同的特殊偏爱，这就是两个因素结合后产生的新效应，属于有交互作用的背景； 否则，就是无交互作用的背景。有交互作用的双因素方差分析已超出本书的范围，这里介绍无交互作用的双因素方差分析。 4.3.1 双因素方差分析的类型 2021/3/29 双因素方差分析的数据结构如表所示： 双因素方差分析数据结构 因素A A1 A2 … Ar 因 素 B B1 X11 X12 … X1r B2 X21 X22 … X2r … … … … … … Bk Xk1 Xk2 … Xkr … 表 8－7 4.3.2 数据结构 2021/3/29 表中，因素A位于列的位置，共有r个水平， 代表第j种水平的样本平均数；因素B位于行的位置，共有k个水平，