概率学与数理统计 第9章 方差分析.pptxVIP

第9章 方差分析本章内容 1 单因素试验的方差分析 2 双因素试验的方差分析 3 正交试验设计及其方差分析第一节 单因素试验的方差分析在方差分析中,我们将要考察的指标称为试验指标，影响试验指标的条件称为因素(或因子),常用A、B、C, …来表示. 因素可分为两类，一类是人们可以控制的；一类是人们不能控制的。 例如，原料成分、反应温度、溶液浓度等是可以控制的，而测量误差、气象条件等一般难以控制。 以下我们所说的因素都是可控因素，因素所处的状态称为该因素的水平。如果在一项试验中只有一个因素在改变，这样的试验称为单因素试验，如果多于一个因素在改变，就称为多因素试验.一、单因素试验方差分析的统计模型例9.1 为求适应某地区的高产水稻的品种( 因素或因子) , 现选了五个不同品种( 水平)的种子进行试验, 每一品种在四块试验田上进行试种。假设这 20块土地的面积与其他条件基本相同, 观测到各块土地上的产量( 单位: 千克) 见表9–1。在这个问题目中, 要考察的指标是水稻的产量, 影响产量的因素只考虑种子品种 A , 五个不同品种分别记作 。同一品种在不同田地上产量不同, 这是除品种之外的各种随机因素造成的。把一个品种下的产量看做一个总体, 假定这五个总体服从方差相同的正态分布。这样第 i 个总体 , 并且从中获得了一个样本的观测值 ，i =1 , …, 5. 这就是一个典型的单因素方差分析问题 。例 9.2 考察一种人造纤维在不同温度的水中浸泡后的缩水率, 在 40℃ , 50℃ , …, 90℃ 的水中分别进行 4 次试验, 得到该种纤维在每次试验中的缩水率如表 9-2. 试问浸泡水的温度对缩水率有无显著的影响?这里试验指标是人造纤维的缩水率, 温度是因素, 这项试验为 6 水平单因素试验 .例9.3 某试验室对钢锭模进行选材试验 . 其方法是将试件加热到700 ℃ 后, 投入到 20 ℃的水中急冷, 这样反复进行到试件断裂为止, 能经受住的试验次数越多, 试件质量越好 . 试验结果如表9-3.试验的目的是确定 4 种生铁试件的抗热疲劳性能是否有显著差异 .单因素试验的一般数学模型为: 因素 A 有 s 个水平 ,, …, , 在水平 ( j =1 , 2 , …,s )下进行( ≥2 )次独立试验, 得到如表9-4的结果:假定: 各水平 ( j = 1 , 2 , …, s ) 下的样本，i = 1 , 2 , …, , j = 1 , 2 , …, s , 且相互独立.记 ，则 ， 可看成随机误差,是试验中无法控制的各种因素所引起的.这种对 的假定通常称为独立、正态、等方差假定, 则其中 与 均为未知参数.(9.1)式称为单因素试验方差分析的统计模型 .,i =1，2 ,…,；j =1，2，…,s ,,（9.1）各 相互独立.方差分析的任务是对于模型(9. 1 ) , 检验 s 个总体 N ( , ) , …, N ( , )的均值是否相等, 即检验假设 （9.2）为将问题( 9. 2 ) 写成便于讨论的形式, 采用记号其中, μ 表示 的加权平均, 称为总平均 . 表示水平Aj下的总体平均值与总平均的差异.习惯上 称为水平Aj的效应.利用这些记号,模型(9.1)可改写成: 可分解成总平均、水平Aj的效应及随机误差三部分之和.虽然有各 相互独立.i =1 , 2 , …, n j ; j =1 , 2 , …,s. （9.1）′假设(9.2)等价于假设 （9.2）′二、平方和分解我们寻找适当的统计量, 对参数作假设检验.下面从平方和的分解着手, 导出假设检验(9.2)′的检验统计量.记 (9.3)这里 ， ST能反应全部试验数据之间的差异，又称为总变差 Aj下的样本均值 (9.4)注意到而记 (9.5)称为误差平方和;记称为因素 A 的效应平方和, 于是利用 可更清楚地看到SE , SA的含义.记 (9.7) (9.6)称为随机误差的总平均 .由于于是 (9.8) (9.9)平方和的分解公式(9.7)说明.总平方和可以分解成误差平方和与因素A的效应平方和.(9.8)式说明 完全是由随机波动引起的.而(9.9)式说明 除随机误差外还含有各水平的效应 ,当 不全为零时,主要反映了这些效应的差异.若(9.2)′中的 成立, 各水平的效应为零,中也只含随机误差,因而 与 相比较相对于某一显著性水平来说不应太