方差分析及实现.ppt

第61页,共87页，星期六，2024年，5月查F-分布表得:F0.95(3,6)=4.76,F0.95(2,6)=5.14,F0.99(3,6)=9.78,F0.99(2,6)=10.9,由此可知FAF0.99(3,6);FBF0.99(2,6).所以因子A及因子B的不同水平对化验结果有高度显著影响.第62页,共87页，星期六，2024年，5月§2.3有交互作用的双因子方差分析第63页,共87页，星期六，2024年，5月第64页,共87页，星期六，2024年，5月第65页,共87页，星期六，2024年，5月第66页,共87页，星期六，2024年，5月其中n=rst仍然用平方和分解的思想来给出检验用的统计量，先引入下述记号：第67页,共87页，星期六，2024年，5月由此可知第68页,共87页，星期六，2024年，5月总的偏差平方和可作如下的分解:第69页,共87页，星期六，2024年，5月其中各偏差平方和表达式如下:第70页,共87页，星期六，2024年，5月各偏差平方和的意义:SE表示试验的随机波动引起的误差,称为误差平方和;SA除了反映了试验的随机波动引起的误差外,还反映了因子A的效应间的差异,称为因子A的偏差平方和;SB除了反映了试验的随机波动引起的误差外,还反映了因子B的效应间的差异,称为因子B的偏差平方和;SA×B除了反映了试验的随机波动引起的误差外,还反映了交互效应的差异所引起的波动,称为交互作用的偏差平方和.第71页,共87页，星期六，2024年，5月同无交互作用的情况类似可得:检验统计量及显著性检验:第72页,共87页，星期六，2024年，5月这就是用来检验假设H01,H02,H03,的统计量.按照显著性假设检验程序,对给定的显著性水平α,当FAF1-α(r-1,rs(t-1))时拒绝H01;当FBF1-α(s-1,rs(t-1))时拒绝H02;当FA×BF1-α((r-1)(s-1),rs(t-1))时拒绝H03.具体的计算过程,各偏差平方和的计算也可用下面简化的表达式,且可列成一张计算表和方差分析表.第73页,共87页，星期六，2024年，5月第74页,共87页，星期六，2024年，5月第75页,共87页，星期六，2024年，5月一般,当FF0.99时,称因子的影响高度显著,记为“**”;当F0.99F≥F0.95时,称因子的影响显著,记为“*”;当F＜F0.95时,称因子无显著影响,即认为因子各水平间无差异.第76页,共87页，星期六，2024年，5月例:在某化工生产中为了提高收率,选了三种不同浓度,四种不同温度做试验.在同一浓度与同一温度组合下各做二次试验,其收率数据如下而计算表所列(数据均已减去75).试检验不同浓度,不同温度以及它们间的交互作用对收率有无显著影响.解:第77页,共87页，星期六，2024年，5月第78页,共87页，星期六，2024年，5月查表知F0.95(2,12)=3.89,F0.99(2,12)=6.93;F0.95(3,12)=3.49,F0.99(3,12)=5.95;F0.95(6,12)=3.00,F0.99(6,12)=4.81.由此知F0.95FAF0.99,而FBF0.95,FA×BF0.95.故浓度不同将对收率产生显著影响;而温度和交互作用的影响都不显著.第79页,共87页，星期六，2024年，5月2.4.双因素的方差分析的MATLAB实现在Matlab中双因素的方差分析命令如下：双因素方差分析:anova2调用格式:(1)p=anova2(X)(2)p=anova2(X,reps)(3)p=anova2(X,reps,displayopt)(4)[p,table]=anova1(...)(5)[p,table,stats]=anova1(...)第80页,共87页，星期六，2024年，5月在Matlab中双因素有交互作用的方差分析命令如下：[p,t,s]=anova2(X,resp)其中输入X是一个矩阵；resp表示试验的重复次数输出的p值有三个，分别为各行、各列以及交互作用的概率.若p0.05,有显著差异若p0.01,有高度显著差异t是方差分析表，s用于各因素均值估计与比较.第81页,共87页，星期六，2024年，5月*双因素方差分析:anova2调用