试验统计方法 6.第六章方差分析学习资料.ppt

第六章方差分析方差分析(analysisofvariance,简称ANOVA)由英国统计学家R.A.Fisher于1923年提出。这种方法是将k个样本的观测值作为一个整体，把观测值总变异的平方和和自由度分解为不同变异来源的平方和及自由度，进而获得不同变异来源方差的估计值；通过对这些方差的估计值进行比较，就能测验各样本所属总体平均数是否相等。第一节方差分析的基本原理本节结合单因素试验结果的方差分析介绍方差分析的原理。一、自由度和平方和的分解假设某单因素试验有k个处理，每个处理有n次重复，则共有nk个观测值。这类试验资料的数据模式如表6-1所示。表6-1每组有n个观测值的k个处理的数据模式（一）总平方和的分解全部观测值总变异的平方和是各观测值xij与总平均数的离均差平方和，记为SST。即C称矫正数所以上式中，为各处理平均数与总平均数的离均差平方和与重复数n的乘积，反映了容量为n的样本间的变异，即处理间变异，称为处理间平方和，记为SSt，即上式中，为各处理内离均差平方和之和，反映了各处理内的变异即误差，称为处理内平方和或误差平方和，记为SSe，即于是有SST=SSt+SSe三个平方和的计算公式（二）总自由度的分解总自由度记为dfT，dfT=nk-1。处理间自由度dft，dft=k-1处理内自由度dfe，dfe=K(n-1)自由度分解式为nk-1=(k-1)+k(n-1)各部分平方和除以各自的自由度便得到总均方、处理间均方和处理内均方，分别记为MST（或）、MSt（或）和MSe（或）。即【例题1】以A、B、C、D四种药剂处理水稻种子，其中A为对照，每处理各得4个苗高观察值（cm)，其结果见下表，试分解其平方和与自由度。这是一个单因素试验，处理数k=4，重复数n=4。各项平方和及自由度计算如下：矫正数C=T2/nk=3362/(4×4)=7056总平方和dfT=nk-1=4×4-1=15进而得各项变异的均方总变异均方MST=SST/dfT=602/15=40.13处理均方MSt=SSt/dft=504/3=168.00误差均方Mse=SSe/dfe=98/12=8.17二、F分布与F测验（一）F分布在一正态总体N（μ，σ2）中随机抽取样本容量为n1和n2的两个样本分别求得其均方s12和s22，统计学上把两个均方之比值称为F值。即F=s12/s22给定n1和n2时，按上述方法进行一系列抽样，则可获得一系列的F值。这些F值所具有的概率分布称为F分布。F分布曲线是随自由度υ1（n1–1）、υ2（n2–1）而变化的一组偏态曲线，其形态随着υ1、υ2的增大逐渐趋于对称。(二)F测验用F值出现概率的大小推断两个总体方差是否相等的方法称为F测验(F-test)。（1）（2）F测验目的在于检验某项变异因素的效应或方差是否真实存在。因此，总是以被测验的那一项变异因素的方差作分子，以另一项变异（如试验误差）的均方作分母。（1）F＜，则P＞0.05，接受H0，认为处理效应/方差不存在。（2）≤F＜，则0.01＜P≤0.05，在ɑ=0.05水平上否定H0，即在0.05水平上处理效应/方差显著存在，在F值的右上方标记“*”。（3）F≥，则P≤0.01，在ɑ=0.01水平上否定H0，即在0.01上处理效应/方差极显著存在，在