方差分析与正交实验设计初步.ppt

【例题】某化工厂生产的一种产品的收率较低，为此希望通过试验提高收率。在试验中考察如下三个因子三个水平。水平因子一二三A:温度808590B:加碱量354855C:催化剂种类甲乙丙第70页,共72页，星期六，2024年，5月7.4.6有交互作用设计（p211-212）1、表头设计自由度在对有交互作用的试验进行分析时应遵循的原则2、数据的方差分析统计模型平方和分解方差分析表最佳水平组合的选择第71页,共72页，星期六，2024年，5月结束第72页,共72页，星期六，2024年，5月十一、构造检验的统计量(计算均方MS)组间方差：SSA的均方，记为MSA，计算公式为组内方差：SSE的均方，记为MSE，计算公式为第38页,共72页，星期六，2024年，5月十二、构造检验的统计量(计算检验统计量F)将MSA和MSE进行对比，即得到所需要的检验统计量F当H0为真时，二者的比值服从分子自由度为k-1、分母自由度为n-k的F分布，即记住第39页,共72页，星期六，2024年，5月F分布与拒绝域如果均值相等，F=MSA/MSE?1aF分布F?(k-1,n-k)0拒绝H0不能拒绝H0F第40页,共72页，星期六，2024年，5月十二、统计决策?将统计量的值F与给定的显著性水平?的临界值F?进行比较，作出对原假设H0的决策根据给定的显著性水平?，在F分布表中查找与第一自由度df1＝k-1、第二自由度df2=n-k相应的临界值F?若FF?，则拒绝原假设H0，表明均值之间的差异是显著的，所检验的因素对观察值有显著影响若FF?，则不能拒绝原假设H0，表明所检验的因素对观察值没有显著影响第41页,共72页，星期六，2024年，5月单因素方差分析表(基本结构)记住第42页,共72页，星期六，2024年，5月例题分析第43页,共72页，星期六，2024年，5月7.2.3关系强度的测量拒绝原假设表明因素(自变量)与观测值之间有关系组间平方和(SSA)度量了自变量(行业)对因变量(投诉次数)的影响效应只要组间平方和SSA不等于0，就表明两个变量之间有关系(只是是否显著的问题)当组间平方和比组内平方和(SSE)大，而且大到一定程度时，就意味着两个变量之间的关系显著，大得越多，表明它们之间的关系就越强。反之，就意味着两个变量之间的关系不显著，小得越多，表明它们之间的关系就越弱第44页,共72页，星期六，2024年，5月关系强度的测量变量间关系的强度用自组间平方和(SSA)及残差平方和(SSE)占总平方和(SST)的比例大小来反映自变量平方和占总平方和的比例记为R2,即其平方根R就可以用来测量两个变量之间的关系强度第45页,共72页，星期六，2024年，5月关系强度的测量(例题分析)R=0.591404结论：行业(自变量)对投诉次数(因变量)的影响效应占总效应的34.9759%，而残差效应则占65.0241%。即行业对投诉次数差异解释的比例达到近35%，而其他因素(残差变量)所解释的比例近为65%以上R=0.591404，表明行业与投诉次数之间有中等以上的关系第46页,共72页，星期六，2024年，5月7.3双因素方差分析7.3.1双因素方差分析及其类型7.3.2无交互作用的双因素方差分析7.3.3有交互作用的双因素方差分析第47页,共72页，星期六，2024年，5月双因素方差分析(two-wayanalysisofvariance)分析两个因素(行因素Row和列因素Column)对试验结果的影响如果两个因素对试验结果的影响是相互独立的，分别判断行因素和列因素对试验数据的影响，这时的双因素方差分析称为无交互作用的双因素方差分析或无重复双因素方差分析(Two-factorwithoutreplication)如果除了行因素和列因素对试验数据的单独影响外，两个因素的搭配还会对结果产生一种新的影响，这时的双因素方差分析称为有交互作用的双因素方差分析或可重复双因素方差分析(Two-factorwithreplication)第48页,共72页，星期六，2024年，5月双因素方差分析的基本假定每个总体都服从正态分布对于因素的每一个水平，其观察值是来自正态分布总体的简单随机样本各个总体的方差必须相同对于各组观察数据，是从具有相同方差的总体中抽取的观察值是独立的第49页,共72页，星期六，2024年，5月双因素方差分析(例题分析)不同品牌