概率论与数理统计 第九章 方差分析
单因素试验的方差分析——概率论与数理统计(李长青版)
其次, 同一品种下数据表现出来的差异称为试验(随
机)误差, 这是由客观条件的偶然干扰造成, 与因素(品种) 无直接联系.
方差分析正是分析两类误差的有效工具.
本问题只考虑品种一种因素，故是单因素试验，即只有
一个因子，记为 A, 5个不同的品种就是该因子的5个不同 的水平，分别记为 A1 , A2 , A3 , A4 , A5 , 由于同一品种在不 同的田块上的亩产量不同，故可以认为一个品种的亩产 量 就是一个母体，在方差分析中，总是假定各母体相互独 立地服从同方差的正态分布，即第 j 个品种的亩产量是 一个随机变量，它服从正态分布:
nj
ns , 称为总平均,
它是从 s 个总体中抽得的样本的样本均值.
用样本值 xij 与总平均
x 之间的偏差平方和来反映
种子品种代 号 (水平)
重复试验序号及作物实测产量 1 128 125 148 2 126 137 132 3 139 125 139 4 130 117 125 5 142 106 151 133 122 139
A1 A2
A3
这里试验的指标是作物产量, 作物是因素, 三种种 子品种代表三个不同的水平. 首先,形成数据差异的直接原因是种子的不同品 种.因此, 每个品种下产量的均值差异检验是我们的主 要任务.这种由因素(种子品种)造成的差异称为条件(系 统)误差.
H 0 : 1 2 s 0, H1 : 1 , 2 , , s 不全为零.
(二) 离差平方和分解 引入记号
nj
1 xj nj
s
x
i 1
ij
( j 1, 2,
, s) 水平Aj下的样本均值,
称为组内平均(或列平均)
第九章方差分析及回归分析 第2讲精品PPT课件
x1, x2, , xn
因此干脆不把X看成随机变量，而将它当作 普通的变量。X的变化将使Y发生相应的变 化，但它们之间的变化是不确定的。由于Y 是随机变量 ，当X取得任一个可能的值x时， Y都相应地服从一定的概率分布。
10
设进行 n 次独立试验，测得试验数据如下表：
xபைடு நூலகம்
x1
x2
xn
y
y1
y2
yn
我们的问题是，如何根据这组观察值，用 “最佳”的形式来表达变量Y与x的相关关系？
比较合理的想法就是，取Xx时随机变量
Y的数学期望EY Xx 作为Xx时Y的估计值。
11
设Y的数学期望EY存在,其值随X的取值
而定，即Y的数学期望是x的函数。将这一函数
记为yx 或x，xEY Xx称为Y关于x
的回归函数。 为 此 ， 我 们 就 将 讨 论 Y 与 x的 相 关 关 系 的 问 题
转 换 为 讨 论 E Y x与 x的 函 数 关 系 了 。
由一个或一组非随机变量来估计或预测某 一个随机变量的观察值时所建立的数学模 型及所进行的统计分析称为回归分析
7
如果这个模型是线性的就称为线性回归分析 这种方法是处理变量间相关关系的有力工具，是
数理统计工作中一种常用的方法。它不仅告诉人 们怎样建立变量间的数学表达式，即经验公式， 而且还利用概率统计知识进行分析讨论，判断出 所建立的经验公式的有效性，从而可以进行预测 或估计。 本章主要介绍如何建立经验公式。
14
温度x(oc) 100 110 120 130 140 150 160 170 180 190 得率（%） 45 51 54 61 66 70 74 78 85 89
得率与温度关系的散点图 100 90 80 70 60 50 40
概率论与数理统计 双因素试验方差分析
丁
53 58 48
a
T. j Xij i 1
197 232 183
b
Ti. X ij j 1 165 143 145 159
T 612
X i. Ti. b
55.0 47.7 48.3 53.0
X. j T. j a 49.3 58.0 45.8
X 51
解 基本计算如原表
a b
F 右侧检验
双因素（无交互作用）试验的方差分析表
方差来源 平方和 自由度 均方和
因素A 因素B 误差 总和
SS A SSB SSE SST
df A
MS A
SS A df A
df B
MSB
SSB df B
df E
MSE
SSE df E
dfT
F值
FA
MS A MSE
FB
MSB MSE
F 值临介值
F ( a 1 , a 1 b 1) F (b 1 , a 1 b 1)
a b
2
SST
X ij X
i1 j 1
可分解为：SST SSA SSB SSE
a
2
SSA b X i. X
i 1
b
2
SSB a X . j X
j 1
称为因素A的离差平方和， 反映因素 A 对试验指标的影响。
称为因素B的离差平方和， 反映因素 B 对试验指标的影响。
a b
~ F a 1, a 1b 1
FB
SSB SSE
df B df E
MSB MSE
~ F b 1, a 1b 1
对给定的检验水平 ，
当 FA F a 1, a 1b 1 时，
概率论与数理统计第九章 方差分析
第九章方差分析在生产过程和科学实验中，我们经常遇到这样的问题：影响产品产量、质量的因素很多.例如，在化工生产中，影响结果的因素有：配方、设备、温度、压力、催化剂、操作人员等.我们需要通过观察或试验来判断哪些因素对产品的产量、质量有显著的影响.方差分析(Analysis of variance)就是用来解决这类问题的一种有效方法.它是在20世纪20年代由英国统计学家费舍尔首先使用到农业试验上去的.后来发现这种方法的应用范围十分广阔，可以成功地应用在试验工作的很多方面.第一节单因素试验的方差分析在试验中，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.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、气象条件等一般是难以控制的.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.本节通过实例来讨论单因素试验.1.数学模型例9.1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，试验次数越多，试件质量越好.试验结果如表9-1.表9-1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.这里，试验的指标是钢锭模的热疲劳值，钢锭模的材质是因素，4种不同的材质表示钢锭模的4个水平，这项试验叫做4水平单因素试验.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92.试问浸泡水的温度对缩水率有无显著的影响？表9-2 （%）单因素试验的一般数学模型为：因素A 有s 个水平A 1，A 2，…，A s ,在水平A j (j =1,2,…,s )下进行n j (n j ≥2)次独立试验，得到如表9-3的结果：表9-3x 11 x 12 … x 1s x 21 x 22 … x 2s … … … … 11n x 22n x … s n s xT ·1 T ·2 … T ·s1x • 2x • … s x •μ1 μ2 … μs假定：各水平A j (j =1,2,…,s )下的样本x ij ~N (j ,),i =1,2,…,n j ,j =1,2,…,s ,且相互独立. 故x ij -μj 可看成随机误差，它们是试验中无法控制的各种因素所引起的，记x ij -μj =εij ,则⎪⎩⎪⎨⎧==+=.,),0(~,,,2,1;,,2,1,2相互独立各ij ij j ij j ij N s j n i x εσεεμ (9.1) 其中μj 与σ2均为未知参数.（9.1）式称为单因素试验方差分析的数学模型.方差分析的任务是对于模型（9.1），检验s 个总体N (μ１，σ2),…,N (μs ,σ2)的均值是否相等， 即检验假设012112:;:,,,s s H H μμμσσσ===⎧⎨⎩不全相等. (9.2) 为将问题（9.2）写成便于讨论的形式，采用记号μ=11sj j j n n μ=∑，其中n =1sjj n=∑，μ表示μ１，μ2,…,μs 的加权平均，μ称为总平均.δj =μj -μ, j =1,2,…,s ，δj 表示水平Aj 下的总体平均值与总平均的差异.习惯上将δj 称为水平A j 的效应.利用这些记号，模型（9.1）可改写成：x ij =μ+δj +εij ,x ij 可分解成总平均、水平A j 的效应及随机误差三部分之和120,~(0,),.1,2,,;1,2,,.sj j j ijij j n N i n j s δεσε=⎧=⎪⎨⎪==⎩∑各相互独立 (9.1)′假设（9.2）等价于假设012112:0;:,,,s s H H δδδδδδ====⎧⎨⎩不全零.（9.2）′ 2.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S T =211()jn sijj i xx ==-∑∑， (9.3)这里111jns ij j i x x n ===∑∑，S T 能反应全部试验数据之间的差异.又称为总变差.A j 下的样本均值 11jn j iji jx xn •==∑. (9.4)注意到2222()()()()2()()ij ij j j ij j j ij j j x x x x x x x x x x x x x x ••••••-=-+-=-+-+--，而 1111()()()()jj n n ssij j j j ij j j i j i x x x x x x x x ••••====⎡⎤--=--⎢⎥⎣⎦∑∑∑∑=11()0.j n sj ij j j j i x x x n x ••==⎛⎫--= ⎪ ⎪⎝⎭∑∑记 S E =211()jn sijj j i xx •==-∑∑， （9.5）S E 称为误差平方和;记 S A =22111()()jn ssjj j j i j xx n x x ••===-=-∑∑∑， （9.6）S A 称为因素A 的效应平方和.于是S T =S E +S A . （9.7）利用εij 可更清楚地看到S E ,S A 的含义，记111jns ij j i n εε===∑∑为随机误差的总平均,11jn j iji jn εε•==∑, j =1,2,…,s .于是S E =221111()()jjn n ssijj ij j j i j i xx εε••====-=-∑∑∑∑; (9.8)S A =2211()()ssj jj j j j j n xx n δεε••==-=+-∑∑. (9.9)平方和的分解公式（9.7）说明.总平方和分解成误差平方和与因素A 的效应平方和.（9.8）式说明S E 完全是由随机波动引起的.而（9.9）式说明S A 除随机误差外还含有各水平的效应δj ，当δj 不全为零时，S A 主要反映了这些效应的差异.若H 0成立，各水平的效应为零，S A 中也只含随机误差，因而S A 与S E 相比较相对于某一显著性水平来说不应太大.方差分析的目的是研究S A 相对于S E 有多大，若S A 比S E 显著地大，这表明各水平对指标的影响有显著差异.故需研究与S A /S E 有关的统计量.3.假设检验问题当H 0成立时，设x ij ~N (μ,σ2)(i =1,2,…,n j ；j =1,2,…,s )且相互独立，利用抽样分布的有关定理，我们有22~(1)AS s χσ-, (9.10) 22~()ES n s χσ-, (9.11)F =()(1)AEn s S s S -- ~F (s -1,n -s ). (9.12)于是，对于给定的显著性水平α(0<α<1),由于P {F ≥F α(s -1,n -s )}=α, (9.13)由此得检验问题（9.2）′的拒绝域为F ≥F α(s -1,n -s ).（9.14）由样本值计算F 的值，若F ≥F α,则拒绝H 0，即认为水平的改变对指标有显著性的影响；若F <F α,则接受原假设H 0，即认为水平的改变对指标无显著影响. 上面的分析结果可排成表9-4的形式，称为方差分析表.当F ≥F 0.05(s -1,n -s )时，称为显著， 当F ≥F 0.01(s -1,n -s )时，称为高度显著.在实际中，我们可以按以下较简便的公式来计算S T ，S A 和S E .记T ·j =1jn iji x=∑, j =1,2,…,s ,T ··=11jn sijj i x==∑∑，即有22221111222211,,.j jn n s s T ij ij j i j i s s j A j j j j j E T AT S x nx x n T T S n x nx n n S S S ••====••••==⎧=-=-⎪⎪⎪⎪=-=-⎨⎪⎪=-⎪⎪⎩∑∑∑∑∑∑ (9.15) 例9.3 如上所述，在例9.1中需检验假设H 0:μ1=μ2=μ3=μ4；H 1:μ1,μ2,μ3,μ4不全相等.给定α=0.05,完成这一假设检验.解 s =4,n 1=7,n 2=5,n 3=8,n 4=6,n =26.S T =22211(4257)69895926jn sij j i T x n ••==-=-∑∑=1957.12， S A =2221(4257)697445.4926sj j j T T n n •••=-=-∑=443.61， S E =S T -S A =1513.51.得方差分析表9-5.表9-5因 F (3,22)=2.15<F 0.05(3,22)=3.05. 则接受H 0，即认为4种生铁试样的热疲劳性无显著差异.例9.4 如上所述，在例9.2中需检验假设H 0:μ1=μ2=…=μ6； H 1:μ1,μ2,…,μ6不全相等.试取α=0.05,α=0.01，完成这一假设检验.解 s =6, n 1=n 2=…=n 6=4,n =24.S T =2211jn sij j i T x n ••==-∑∑=112.27,S A =221sj j j T T n n•••=-∑=56,S E=S T-S A=56.27.得方差分析表9-6.0.050.01由于 4.25=F0.01(5,18)>F A=3.583>F0.05(5,18)=2.77,故浸泡水的温度对缩水率有显著影响，但不能说有高度显著的影响.本节的方差分析是在这两项假设下，检验各个正态总体均值是否相等.一是正态性假设，假定数据服从正态分布；二是等方差性假设，假定各正态总体方差相等.由大数定律及中心极限定理，以及多年来的方差分析应用，知正态性和等方差性这两项假设是合理的.第二节双因素试验的方差分析进行某一项试验，当影响指标的因素不是一个而是多个时，要分析各因素的作用是否显著，就要用到多因素的方差分析.本节就两个因素的方差分析作一简介.当有两个因素时，除每个因素的影响之外，还有这两个因素的搭配问题.如表9-7中的两组试验结果，都有两个因素A和B，每个因素取两个水平.表9-7(b)表9-7（a）中，无论B在什么水平（B1还是B2），水平A2下的结果总比A1下的高20；同样地，无论A是什么水平，B2下的结果总比B1下的高40.这说明A和B单独地各自影响结果，互相之间没有作用.表9-7(b)中，当B为B1时，A2下的结果比A1的高，而且当B为B2时，A1下的结果比A2的高；类似地，当A为A1时，B2下的结果比B1的高70，而A为A2时，B2下的结果比B1的高30.这表明A的作用与B所取的水平有关，而B的作用也与A所取的水平有关.即A 和B不仅各自对结果有影响，而且它们的搭配方式也有影响.我们把这种影响称作因素A和B的交互作用，记作A×B.在双因素试验的方差分析中，我们不仅要检验水平A和B的作用，还要检验它们的交互作用.1.双因素等重复试验的方差分析设有两个因素A，B作用于试验的指标，因素A有r个水平A1,A2,…,Ar,因素B有s个水平B1,B2,…,B s,现对因素A，B的水平的每对组合(A i,B j),i=1,2,…,r；j=1,2,…,s都作t(t≥2)次试验（称为等重复试验），得到如表9-8的结果：表9-8设x ijk ~N (ij ,), i =1,2,…,r ； j =1,2,…,s ； k =1,2,…,t ,各x ijk 独立.这里ij ,均为未知参数.或写为⎪⎩⎪⎨⎧===+=.,,,2,1),,0(~,,,2,1;,,2,1,2相互独立各ijkijk ijk ij ijk t k N s j r j x εσεεμ (9.16) 记μ=111,r s ij i j rs μ==∑∑, 11si ij j s μμ•==∑, i =1,2,…,r ,11rj ij i r μμ•==∑, j =1,2,…,s ,,i i αμμ•=-, i =1,2,…,r , j j βμμ•=-, j =1,2,…,s ,ij ij i j γμμμμ••=--+.于是 μij =μ+αi +βj +γij . (9.17)称μ为总平均，αi 为水平A i 的效应，βj 为水平B j 的效应，γij 为水平A i 和水平B j 的交互效应，这是由A i ,B j 搭配起来联合作用而引起的.易知1rii α=∑=0,1sjj β=∑=0，1riji γ=∑=0, j =1,2,…,s ,1sijj γ=∑=0, i =1,2,…,r ，这样（9.16）式可写成⎪⎪⎪⎩⎪⎪⎪⎨⎧=======++++=∑∑∑∑====.,,,2,1;,,2,1;,,2,1),,0(~,0,0,0,0,21111相互独立各ijkijk s j ij r i ij s j j r i i ijk ij j i ijk t k s j r i N x εσεγγβαεγβαμ (9.18) 其中μ,αi ,βj ,γij 及σ2都为未知参数.（9.18）式就是我们所要研究的双因素试验方差分析的数学模型.我们要检验因素A ，B 及交互作用A ×B 是否显著.要检验以下3个假设：⎩⎨⎧=====.,,:,0:21112101不全为零r r H H αααααα ⎩⎨⎧=====.,,:,0:21122102不全为零s s H H ββββββ ⎩⎨⎧=====.,,:,0:121113121103不全为零rs rs H H γγγγγγ 类似于单因素情况，对这些问题的检验方法也是建立在平方和分解上的.记1111r s tijk i j k x x rst ====∑∑∑, 11tij ijk k x x t •==∑, i =1,2,…,r ； j =1,2,…,s ，111s ti ijk j k x x st ••===∑∑, i =1,2,…,r ， 111r tj ijk i k x x rt ••===∑∑, j =1,2,…,s ， S T =2111()rstijk i j k x x ===-∑∑∑. 不难验证,,,i j ij x x x x •••••分别是μ,μi ·,μ·j ,μij 的无偏估计.由 ()()()()ijk ijk ij i j ij i j x x x x x x x x x x x x ••••••••••-=-+-+-+--+，1≤i ≤r ,1≤j ≤s ,1≤k ≤t得平方和的分解式：S T =S E ＋S A ＋S B ＋S A ×B ， (9.19)其中S E =2111()rstijkij i j k xx •===-∑∑∑，S A =1()2ri i stxx ••=-∑，S B =21()sj j rtxx ••=-∑，S A ×B =211()rsij i j i j txx x x •••••==--+∑∑.S E 称为误差平方和，S A ，S B 分别称为因素A ，B 的效应平方和，SA ×B 称为A ，B 交互效应平方和.当H 01:α1=α2=…=αr =0为真时，F A =[](1)(1)A ES S r rs t -- ~F (r -1,rs (t -1))；当假设H 02为真时，F B =[](1)(1)BES S s rs t --~F (s -1,rs (t -1))；当假设H 03为真时，F A ×B =[](1)(1)(1)A BES S r s rs t ⨯--- ~F ((r -1)(s -1),rs (t -1)).当给定显著性水平α后，假设H 01，H 02，H 03的拒绝域分别为：(1,(1));(1,(1));(1)(1),(1)).A B A BF F r rs t F F s rs t F F r s rs t ααα⨯≥--⎧⎪≥--⎨⎪≥---⎩ (9.20) 经过上面的分析和计算，可得出双因素试验的方差分析表9-9.在实际中，与单因素方差分析类似可按以下较简便的公式来计算S T ，S A ，S B ，S A ×B ,S E . 记 T ···=111r s tijki j k x===∑∑∑，T ij ·=1tijkk x=∑, i =1,2,…,r ; j =1,2,…,s ，T i ··=11stijkj k x==∑∑, i =1,2,…,r ,T ·j ·=11r tijki k x==∑∑, j =1,2,…,s ,即有221112212212211,1,1,1,.r s tT ijk i j k r A i i s B j j r s A B ij A B i j E T A B A B T S x rst T S T st rst T S T rt rst T S T S S t rst S S S S S •••===•••••=•••••=•••⨯•==⨯⎧=-⎪⎪⎪=-⎪⎪⎪⎨=-⎪⎪⎪=---⎪⎪⎪=---⎩∑∑∑∑∑∑∑ (9.21) 例9.5 用不同的生产方法（不同的硫化时间和不同的加速剂）制造的硬橡胶的抗牵拉强度（以kg ·cm -2为单位）的观察数据如表9-10所示.试在显著水平0.10下分析不同的硫化时间（A ），加速剂（B ）以及它们的交互作用（A ×B ）对抗牵拉强度有无显著影响.表9-10010203r =s =3, t =2， T ···,T ij ·,T i ··,T ·j ·的计算如表9-11.表9-11S T =22111,r s tijki j k T xrst•••===-∑∑∑=178.44， S A =2211r i i T T st rst•••••=-∑=15.44，S B =2211s j j T T rt rst •••••=-∑=30.11，S A ×B =22111r s ij A B i j T T S S t rst••••==---∑∑ =2.89，S E =S T -S A -S B -S A ×B =130，得方差分析表9-12.由于F 0.10(2,9)=3.01>F A ,F 0.10(2,9)>F B ,F 0.10(4,9)=2.69>F A ×B ,因而接受假设H 01,H 02,H 03,即硫化时间、加速剂以及它们的交互作用对硬橡胶的抗牵拉强度的影响不显著.2.双因素无重复试验的方差分析在双因素试验中，如果对每一对水平的组合（A i ,B j ）只做一次试验，即不重复试验，所得结果如表9-13.这时ij x •=x ijk ,S E =0,S E 的自由度为0，故不能利用双因素等重复试验中的公式进行方差分析.但是，如果我们认为A ，B 两因素无交互作用，或已知交互作用对试验指标影响很小，则可将S A ×B 取作S E ，仍可利用等重复的双因素试验对因素A ，B 进行方差分析.对这种情况下的数学模型及统计分析表示如下：由（9.18）式,112,0,0,~(0,),1,2,,;1,2,,,.ij i j ij r si j i j ij ijk x N i r j s μαβεαβεσε===+++⎧⎪⎪==⎪⎨⎪==⎪⎪⎩∑∑各相互独立 (9.22)要检验的假设有以下两个：⎩⎨⎧=====.,,:,0:21112101不全为零r r H H αααααα ⎩⎨⎧=====.,,:,0:21122102不全为零s s H H ββββββ 记 1111111,,,r s s rij i ij j ij i j j i x x x x x x rs s r ••=======∑∑∑∑平方和分解公式为：S T =S A +S B +S E ， (9.23)其中 22111(),(),rssT ijA i i j j S xx S s x x •====-=-∑∑∑22111(),(),srsB j E ij i j j i j S r x x S x x x x •••====-=--+∑∑∑分别为总平方和、因素A ，B 的效应平方和和误差平方和.取显著性水平为α,当H 01成立时，F A =(1)AEs S S - ~F ((r -1),(r -1)(s -1))， H 01拒绝域为F A ≥F α((r -1),(r -1)(s -1)). (9.24)当H 02成立时，F B =(1)BEr S S - ~F ((s -1),(r -1)(s -1))， H 02拒绝域为F B ≥F α((s -1),(r -1)(s -1)). (9.25)得方差分析表9-14.例9.6 测试某种钢不同含铜量在各种温度下的冲击值（单位：kg ·m ·cm ），表9-15列出了试验的数据（冲击值），问试验温度、含铜量对钢的冲击值的影响是否显著？（α=0.01）解 由已知，r =4,s =3,需检验假设H 01,H 02，经计算得方差分析表9-16.0.01A 01F 0.01（2,6）=10.92<F B ,拒绝H 02.检验结果表明，试验温度、含铜量对钢冲击值的影响是显著的.第三节 正交试验设计及其方差分析在工农业生产和科学实验中，为改革旧工艺，寻求最优生产条件等，经常要做许多试验，而影响这些试验结果的因素很多，我们把含有两个以上因素的试验称为多因素试验.前两节讨论的单因素试验和双因素试验均属于全面试验（即每一个因素的各种水平的相互搭配都要进行试验），多因素试验由于要考虑的因素较多，当每个因素的水平数较大时，若进行全面试验，则试验次数将会更大.因此，对于多因素试验，存在一个如何安排好试验的问题.正交试验设计是研究和处理多因素试验的一种科学方法，它利用一套现存规格化的表——正交表，来安排试验，通过少量的试验，获得满意的试验结果.1.正交试验设计的基本方法正交试验设计包含两个内容：（1）怎样安排试验方案；（2）如何分析试验结果.先介绍正交表.正交表是预先编制好的一种表格.比如表9-17即为正交表L4(23),其中字母L表示正交，它的3个数字有3种不同的含义：(1) L4（23）表的结构：有4行、3列，表中出现2个反映水平的数码1，2.列数↓L4 （23）↑↑行数水平数（2）L4（23）表的用法：做4次试验，最多可安排2水平的因素3个.最多能安排的因素数↓L4(23)↑↑试验次数水平数(3) L4（23）表的效率：3个2水平的因素.它的全面试验数为23=8次，使用正交表只需从8次试验中选出4次来做试验，效率是高的.L4(23)↑↑实际试验数理论上的试验数正交表的特点：（1）表中任一列，不同数字出现的次数相同.如正交表L4(23)中，数字1，2在每列中均出现2次.（2）表中任两列，其横向形成的有序数对出现的次数相同.如表L4（23）中任意两列，数字1，2间的搭配是均衡的.凡满足上述两性质的表都称为正交表(Orthogonal table).常用的正交表有L9（34），L8（27），L16（45）等，见附表.用正交表来安排试验的方法，就叫正交试验设计.一般正交表L p（n m）中，p=m(n-1)+1.下面通过实例来说明如何用正交表来安排试验.例9.7 提高某化工产品转化率的试验.某种化工产品的转化率可能与反应温度A，反应时间B，某两种原料之配比C和真空度D有关.为了寻找最优的生产条件，因此考虑对A，B，C，D这4个因素进行试验.根据以往的经验，确定各个因素的3个不同水平，如表9-18所示.表9-18分析各因素对产品的转化率是否产生显著影响，并指出最好生产条件.解本题是4因素3水平，选用正交表L9（34）.将各因素的诸水平所表示的实际状态或条件代入正交表中，得到9个试验方案，如表9-20所示.表9-20从表9-20看出，第一行是1号试验，其试验条件是：反应温度为60℃，反应时间为2.5小时，原料配比为1.1∶1，真空度为500毫米汞柱，记作A1B1C1D1.依此类推，第9号试验条件是A3B3C2D1.由此可见，因素和水平可以任意排，但一经排定，试验条件也就完全确定.按正交试验表9-20安排试验，试验的结果依次记于试验方案右侧，见表9-21.2.试验结果的直观分析正交试验设计的直观分析就是要通过计算，将各因素、水平对试验结果指标的影响大小，通过极差分析，综合比较，以确定最优化试验方案的方法.有时也称为极差分析法.例9.7中试验结果转化率列在表9-21中，在9次试验中，以第9次试验的指标86为最高，其生产条件是A 3B 3C 2D 1.由于全面搭配试验有81种，现只做了9次.9次试验中最好的结果是否一定是全面搭配试验中最好的结果呢？还需进一步分析. （1） 极差计算在代表因素A 的表9-21的第1列中，将与水平“1”相对应的第1，2，3号3个试验结果相加，记作T 11，求得T 11=151.同样，将第1列中与水平“2”对应的第4，5，6号试验结果相加，记作T 21，求得T 21=183.一般地，定义T ij 为表9-21的第j 列中，与水平i 对应的各次试验结果之和(i =1,2,3; j =1,2,3,4).记T 为9次试验结果的总和，R j 为第j 列的3个T ij 中最大值与最小值之差，称为极差.显然T =31iji T=∑，j =1,2,3,4.此处T 11大致反映了A 1对试验结果的影响，T 21大致反映了A 2对试验结果的影响， T 31大致反映了A 3对试验结果的影响，T 12，T 22和T 32分别反映了B 1，B 2，B 3对试验结果的影响， T 13，T 23和T 33分别反映了C 1，C 2，C 3对试验结果的影响， T 14，T 24和T 34分别反映了D 1，D 2，D 3对试验结果的影响.R j 反映了第j 列因素的水平改变对试验结果的影响大小，R j 越大反映第j 列因素影响越大.上述结果列表9-22.(2) 极差分析(Analysis of range)由极差大小顺序排出因素的主次顺序：主→次 B ；A 、D ；C这里，R j 值相近的两因素间用“、”号隔开，而R j 值相差较大的两因素间用“；”号隔开.由此看出，特别要求在生产过程中控制好因素B ，即反应时间.其次是要考虑因素A 和D ，即要控制好反应温度和真空度.至于原料配比就不那么重要了.选择较好的因素水平搭配与所要求的指标有关.若要求指标越大越好，则应选取指标大的水平.反之，若希望指标越小越好，应选取指标小的水平.例9.7中，希望转化率越高越好，所以应在第1列选最大的T 31=185；即取水平A 3，同理可选B 3C 1D 3.故例9.7中较好的因素水平搭配是A 3B 3C 1D 3.例9.8 某试验被考察的因素有5个：A ，B ，C ，D ，E .每个因素有两个水平.选用正交表L 8(27)，现分别把A ，B ，C ，D ，E 安排在表L 8(27)的第1，2，4，5，7列上，空出第3，6列仿例9.7做法，按方案试验.记下试验结果，进行极差计算，得表9-23.试验目的要找出试验结果最小的工艺条件及因素影响的主次顺序.从表9-23的极差R j的大小顺序排出因素的主次顺序为主 → 次 A 、B ；D ；C 、E最优工艺条件为A 2B 1C 1D 2E 1.表9-23中因没有安排因素而空出了第3，6列.从理论上说，这两列的极差R j 应为0，但因存有随机误差，这两个空列的极差值实际上是相当小的.3.方差分析正交试验设计的极差分析简便易行，计算量小，也较直观，但极差分析精度较差，判断因素的作用时缺乏一个定量的标准.这些问题要用方差分析解决.设有一试验，使用正交表L p (n m ),试验的p 个结果为y 1,y 2,…,y p ,记T =1pi i y =∑, y =11p i i Ty p p ==∑，S T =21()pii yy =-∑为试验的p 个结果的总变差；S j =222111nn ij ij i i T T T r T r p r p ==⎛⎫-=- ⎪⎝⎭∑∑ 为第j 列上安排因素的变差平方和，其中r =p/n .可证明S T =1mij S=∑即总变差为各列变差平方和之和，且S T 的自由度为p -1，S j 的自由度为n -1.当正交表的所有列没被排满因素时，即有空列时，所有空列的S j 之和就是误差的变差平方和S e ，这时S e 的自由度f e 也为这些空列自由度之和.当正交表的所有列都排有因素时，即无空列时，取S j 中的最小值作为误差的变差平方和S e .从以上分析知，在使用正交表L p (n m )的正交试验方差分析中，对正交表所安排的因素选用的统计量为：F =1jeeS S n f -.当因素作用不显著时，F ~F (n -1,f e ),其中第j 列安排的是被检因素.在实际应用时，先求出各列的S j /(n -1)及S e /f e ,若某个S j /(n -1)比S e /f e 还小时，则这第j 列就可当作误差列并入S e 中去，这样使误差S e 的自由度增大，在作F 检验时会更灵敏，将所有可当作误差列的S j 全并入S e 后得新的误差变差平方和，记为S e Δ,其相应的自由度为f e Δ,这时选用统计量F =1je eS S n f - ~F (n -1,f e Δ).例9.9 对例9.8的表9-23作方差分析.解 由表9-23的最后一行的极差值R j ，利用公式S j =2211n ij i T T r p=-∑,得表9-24.表9-24表9-24中第3，6列为空列，因此S e =S 3+S 6=1.250,其中f e =1+1=2,所以S e /f e =0.625,而第7列的S 7=0.125，S 7/f 7=0.1251=0.125比S e /f e 小，故将它并入误差. S e Δ=S e +S 7=1.375,f e Δ=3.整理成方差分析表9-25.eeS fC 3.125 1 3.125 6.818D 6.125 1 6.125 13.364E Δ 0.125 1 0.125 e 1.1250 2 0.625 e Δ 1.37530.458由于F 0.05(1,3)=10.13, F 0.01(1,3)=34.12,故因素A ，B 作用高度显著，因素C 作用不显著，因素D 作用显著，这与前面极差分析的结果是一致的.F 检验法要求选取S e ，且希望f e 要大，故在安排试验时，适当留出些空列会有好处的.前面的方差分析中，讨论因素A 和B 的交互作用A ×B .这类交互作用在正交试验设计中同样有表现，即一个因素A 的水平对试验结果指标的影响同另一个因素B 的水平选取有关.当试验考虑交互作用时，也可用前面讲的基本方法来处理.本章就不再介绍了.小 结本章介绍了数理统计的基本方法之一：方差分析.在生产实践中，试验结果往往要受到一种或多种因素的影响.方差分析就是通过对试验数据进行分析，检验方差相同的多个正态总体的均值是否相等，用以判断各因素对试验结果的影响是否显著.方差分析按影响试验结果的因素的个数分为单因素方差分析、双因素方差分析和多因素方差分析.1. 单因素方差分析的情况.试验数据总是参差不齐，我们用总偏差平方和S T =211()jn sijj i xx ==-∑∑来度量数据间的离散程度.将S T 分解为试验随机误差的平方和(S E )与因素A 的偏差平方和（S A ）之和.若S A 比S E 大得较多，则有理由认为因素的各个水平对应的试验结果有显著差异，从而拒绝因素各水平对应的正态总体的均值相等这一原假设.这就是单因素方差分析法的基本思想.2. 双因素方差分析的基本思想类似于单因素方差分析.但双因素试验的方差分析中，我们不仅要检验因素A 和B 各自的作用，还要检验它们之间的交互作用.3. 正交试验设计及其方差分析.根据因素的个数及各个因素的水平个数，选取适当的正交表并按表进行试验.我们通过对这少数的试验数据进行分析，推断出各因素对试验结果影响的大小.对正交试验结果的分析，通常采用两种方法，一种是直观分析法（极差分析法）,它通过对各因素极差R j 的排序来确定各因素对试验结果影响的大小.一种是方差分析法，它的基本思想类似于双因素的方差分析. 重要术语及主题单因素试验方差分析的数学模型 S T =S E +S A单因素方差分析表 双因素方差分析表 正交试验表极 差分析表习题九1.灯泡厂用4种不同的材料制成灯丝，检验灯线材料这一因素对灯泡寿命的影响.若灯泡寿命服从正态分布，不同材料的灯丝制成的灯泡寿命的方差相同，试根据表中试验结果记录，在显著性水平0.05下检验灯泡寿命是否因灯丝材料不同而有显著差异？2.一个年级有三个小班，他们进行了一次数学考试，现从各个班级随机地抽取了一些学生，试在显著性水平0.05下检验各班级的平均分数有无显著差异.设各个总体服从正态分布，且方差相等.4.为了解3种不同配比的饲料对仔猪生长影响的差异，对3种不同品种的猪各选3头进行试验，分别测得其3个月间体重增加量如下表所示，取显著性水平α=0.05，试分析不同饲料与不同品种对猪的生长有无显著影响？假定其体重增长量服从正态分布，且各种配比的方5.研究氯乙醇胶在各种硫化系统下的性能（油体膨胀绝对值越小越好）需要考察补强剂（A）、防老剂（B）、硫化系统（C）3个因素（各取3个水平），根据专业理论经验，交互4(2) 给定α=0.05,作方差分析与(1)比较.6.某农科站进行早稻品种试验（产量越高越好），需考察品种（A），施氮肥量（B），氮、磷、钾肥比例（C），插植规格（D）4个因素，根据专业理论和经验，交互作用全忽略，早(1) 试作出最优生产条件的直观分析，并对4因素排出主次关系.(2) 给定α=0.05,作方差分析，与(1)比较.。
概率与统计中的方差分析
概率与统计中的方差分析方差分析（Analysis of Variance，ANOVA）是统计学中常用的一种方法，用于比较两个或多个样本组之间的差异是否显著。
它可以帮助我们理解自变量对因变量的影响，并进一步研究因素之间的相互作用。
通过分析方差，我们可以得出结论，以便作出准确的决策。
方差分析的基本假设是因变量满足正态分布，并且各组之间的方差相等。
在进行方差分析之前，我们需要首先进行方差齐性检验。
如果方差齐性假设成立，我们可以继续进行方差分析；如果不成立，我们需要采用其他适当的非参数方法。
一元方差分析是最常见的一种方差分析方法，适用于只有一个自变量的情况。
其基本思想是通过分析组间变异与组内变异的比值来判断组间差异是否显著。
我们可以使用F检验来进行假设检验，确定是否存在显著性差异。
当我们拥有多个自变量时，可以使用多元方差分析（MANOVA）来分析不同自变量对因变量的影响。
多元方差分析考虑了多个自变量之间的相互作用，因此可以更全面地评估不同因素对因变量的影响。
方差分析还可以用于分析不同样本组之间的比较，例如不同处理组的均值是否显著不同。
在方差分析中，我们通常会计算方差之间的比率，即F值。
通过比较F值与临界值，我们可以判断组间差异是否显著。
方差分析不仅适用于实验研究，也可以用于观察性研究。
在观察性研究中，我们可以根据不同组别的特征，进行方差分析来比较各组之间的差异。
除了一元方差分析和多元方差分析，还有其他一些变种的方差分析方法，例如重复测量方差分析、混合设计方差分析等。
每种方法都有其特定的应用场景，我们可以根据具体情况选择合适的方差分析方法。
值得注意的是，方差分析只能判断差异是否显著，不能确定哪些组之间存在差异。
如果我们发现差异是显著的，我们可以进行进一步的事后多重比较来确定具体的差异。
总之，方差分析作为概率与统计中的重要方法，用于比较不同样本组之间的差异是否显著，并进一步了解自变量对因变量的影响。
无论是实验研究还是观察性研究，方差分析都可以提供有力的统计依据，帮助我们做出准确的决策。
概率论与数理统计习题及答案
第一章概率论的大体概念1 设人5 C为三个随机事件，用& 5 C的运算表示下列事件：⑴、A, C都发生；⑵、发生C不发生；⑶、A, B, C都不发生；(4)、A, 3中至少有一个发生而C不发生；⑸、A, C中至少有一个发生；(6) 、A, C中最多有一个发生：(7) 、A, B. C中最多有两个发生：(8) 、A, C中恰有两个发生。
2. 设为三个随机事件，已知：P(A) = 0.3, P(B) = 0.8 , P(C) = 0.6, P(AB) = 0.2, P(AC) = 0, P(BC) = 0.6。
试求P(AB), P(AP), P(A U3U C)。
3. 将一颗骰子抛掷两次，依次记录所得点数，试求：(1) 、两次点数相同的概率：(2) 、两次点数之差的绝对值为1的概率：(3) 、两次点数的乘积小于等于12的概率。
4.设一袋中有编号为1, 2, 3,・・・，9的球共9只，某人从中任取3只球，试求:(1) .取到1号球的概率;(2) .最小号码为5的概率;(3) 、所取3只球的号码从小到大排序，中间号码恰为5的概率：(4) 、2号球或3号球中至少有一只没有取到的概率。
5. 已知P(A) = 0.3, P(B) = 0.4, P(AB) = 0.2 ,试求：(1) P(B I A): (2) P(A I B): (3) P(BIAS)； (4)6. 设有甲、乙、丙三个小朋友，甲抱病的概率是0.05,在甲抱病的条件下乙抱病的概率是0.40,在甲、乙两人均抱病的条件下丙抱病的条件概率是0.80,试求甲、乙、丙三人均抱病的概率。
7. 设某人按如下原则决立某日的活动：如该天下雨则以0.2的概率外岀购物，以0.8 的概率去探访朋友：如该天不下雨，则以0.9的概率外出购物，以0.1的概率去探访朋友。
设某地下雨的概率是0.3。
试求：(1) 那天他外出购物的概率：(2) 若已知他那天外出购物，则那天下雨的概率。
第9.1节 单因素试验的方差分析——概率论与数理统计(李长青版)
ES A ( s 1) 2 n j 2 j
j 1
s
由此得
Se 2 E , ns
1 s SA 2 2 E n j j s 1 s 1 j 1
在 H0 为真时, 即 1 2 s 0 时, 有
S A ( s 1) 将 从而在 H0 不真时, 比值 S ( n s ) 有偏大的趋势, 其 e
S A ( s 1) . 记为 F, 即 F Se (n s )
则 F 可以作为检验 H0 的统
计量. 将 Se 写成如下分项相加的形式
Se ( xi1 x1 ) 2 ( xi 2 x2 ) 2 ( xis xs ) 2
的 影响.
种子品种代 号 (水平) 重复试验序号及作物实测产量
1 128 125 148 2 126 137 132 3 139 125 139 4 130 117 125 5 142 106 151 133 122 139
A1 A2
A3
这里试验的指标是作物产量, 作物是因素, 三种种 子品种代表三个不同的水平. 首先,形成数据差异的直接原因是种子的不同品 种.因此, 每个品种下产量的均值差异检验是我们的主 要任务.这种由因素(种子品种)造成的差异称为条件(系
s nj
从而有
Se ( ij j ) ,
2 j 1 i 1
s
nj
S A n j ( j j ) 2
j 1
s
由此知, Se 反映了误差的波动, 称其为误差的偏差 平方和(或称为组内平方和), 它集中反映了试验中与因 素及其水平无关的全部随机误差. 在 H0 为真时, SA 反 映误差的波动, 在 H0 不真时, SA 反映因子A 的不同水
第九章 方差分析
第九章方差分析方差分析是从方差的角度，研究各有关因素对试验结果影响大小的有效方法．从数理统计的角度来看，方差分析是通过比较总体方差的各种估计量之间的差异，来分析等方差的正态总体是否具有相同的均值．称之为方差分析的原因，是在显著性检验中所用统计量的分子、分母都是总体方差的估计量．试验中，将要考察的指标称为试验指标或响应值，试验指标值的全体构成我们所关注的总体；影响试验指标的条件称为因素，因素所处的状态称为该因素的水平．如果试验仅考虑一个因素，则称为单因素试验，否则称为多因素试验．可能有多个因素影响试验指标，但总是取少数重要因素进行研究．在方差分析中，通常取1-3个因素进行研究．因素的水平可以是数量化的，也可以是定性的．例如要研究几个不同的小麦品种间产量的差异时，考虑的因素是品种，而每个水平便是一个小麦品种，是定性的水平；而在研究氮肥施用量对小麦产量的影响时，水平（氮肥施用量）则是数量化的．方差分析只研究各个水平对试验指标的影响是否显著，并不给出各水平的影响程度．因此，方差分析是定量地估计各因素对试验指标的影响的工具．9.1 单因素方差分析先看一个实例．例1 在饲养条件尽可能相同的条件下，检验某种激素对羊羔增重的效应．选用3个剂量进行试验，加上对照（不用激素）在内，每次试验要用4只羊羔，若进行4次重复试验，则共需要16只羊羔．一种常用的试验方法，是将16只羊羔随机分配到16个试验单元．这种方法被称为完全随机设计，在试验单元间的试验条件很一致的情况下，这种设计最为有效．经过200天的饲养后，各羊羔的增重数量（单位：kg）见表9.1．表9.1 各羊羔的增重数量（kg/每头/每200d）- 204 -- 205 -本例中，试验指标是羊羔的增重数量，只有1个因素——激素，为单因素试验．激素的4个剂量（含对照）构成因素的4个水平．单因素方差分析用于分析单因素试验中，各个水平对试验指标的影响是否显著．为叙述单因素方差分析问题，再看一个实例．例 2 一批由同种原料织成的同一种布，用不同染整工艺处理，然后进行缩水率试验，考察染整工艺对缩水率的影响，在其它条件尽可能相同时，测得缩水率（%）如表9.2所示．的染整工艺处理后，缩水率的全体构成的集合，假定2~(,)X N μσ．所考察的因素是染整工艺A ，5种不同的染整工艺A 1，A 2，…A 5为因素的5个水平，假定水平i A 下的样本来自相互独立且等方差的正态总体2~(,)(1,2,5)i i X N i μσ= ，它们都是总体X 的特款．就该批布中的任意4块分别考察5个水平上的缩水率，看作是4次重复试验．令i i αμμ=-，则αi 反映了水平A i 对缩水率的影响．由于x ij 是来自2~(,)i i X N μσ的样本，于是i j i i j i i j x μεμαε=+=++ (i =1,2,…,5；j =1,2,…,4)．这里，εij 表示观测过程中各种随机影响引起的随机误差；εij 相互独立，服从均值为0，方差为σ2（未知）的正态分布．考察五个水平对缩水率的影响是否差异显著，即要检验假设012345:0H ααααα===== （9.1）一般地，设总体2~(,)X N μσ，因素A 有k 个水平A 1，A 2，…，A k ．今对第i 个总体进行n i 次重复观测（i =1，2，…，k ），得到表9.3中的观测数据．- 206 - 表9.3 单因素方差分析数据表假定水平i A 下的样本来自相互独立、方差相同的正态总体2~(,)i i X N μσ(1,2,)i k = ．令i i αμμ=-，则αi 反映了水平A i 对试验指标的影响．于是有i j i i j i i j x μεμαε=+=++(1,2,,;1,2,,)j i k j n == （9.2）其中，εij 表示试验观测过程中各种随机影响引起的误差；εij 相互独立，服从均值为0，方差为σ2（未知）的正态分布．称(9.2)为单因素方差分析的数学模型．令n = n 1 + n 2 + … + n k ， （9.3）表示观测数据总数，不难证明111,0.kki i ii i n n μμα====∑∑单因素方差分析是要考察各个水平对试验指标影响的差异是否显著．因此，要检验的统计假设为012:0k H ααα==== （9.4）即检验观测数据x ij 是否来自k 个相同的总体．记11,in i ij i i j ix x x x n ⋅⋅⋅===∑， （9.5） 1111,in kkij i i j i x x x x x n⋅⋅⋅⋅⋅======∑∑∑， （9.6） 则i x ⋅为总体A i 的样本均值，x 为总样本的均值．（9.5）式与（9.6）式中的圆点表示已经求过和的指标，下同．令211()in k t ij i j S x x ===-∑∑， （9.7）211()in ke ij i i j S x x ⋅===-∑∑， （9.8）- 207 -21()kA i i i S n x x ⋅==-∑． （9.9）称S t 为总离差平方和，它反映了观测数据总的变异程度；显然，i x ⋅是i μ的无偏估计，又ij ij i x εμ=- ，于是ij ij i e x x ⋅=-是误差εij 的无偏估计．因此，称S e 为误差平方和或组内平方和，它反映了随机误差εij 对试验指标影响的总和；S A 是水平i A 的平均i x ⋅与总平均x 的离差平方和，其中系数i n 是对水平i A 上观测次数的体现．因此，A S 反映了因素A 的各水平i A 的均值间的差异程度，称A S 为因素平方和或组间平方和．由于2112112211111122111111()[()()]()2()()()()()2()()(ii ii iiiin kt ij i j n kij i i i j n n n kk k ij i ij i i i i j i j i j n n n kk kij i i i ij i i j i j i j i S x x x x x x x x x x x x x x x x x x x x x x x ==⋅⋅==⋅⋅⋅⋅======⋅⋅⋅⋅=======-=-+-=-+--+-=-+-+--=∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑221111)()iin n kkj i i i j i j x x x ⋅⋅====-+-∑∑∑∑于是有平方和分解公式：S t =S A +S e ． （9.10） 其意义在于将因素平方和S A 与误差平方和S e 从总平方和S t 中分解出来．在各ij ε相互独立地服从N (0,σ2)分布的前提下，当假设（9.3）成立时，模型(9.2)变为i j i j x με=+(1,2,,;1,2,,)i i k j n == （9.11）即所有观测数据来自同一正态总体N (μ, σ2) ，于是由第六章(6.10)式知22/~(1)t S n σχ-．令21(),1,2,,in i ij i j S x x i k ⋅==-=∑- 208 -则/(1)i i S n -是来自总体i X 的样本方差，于是2/i S σ服从自由度为1i n -的χ2分布．而S e /σ2 =(S 1 + S 2 + …+S k ) /σ2,由12,,,k X X X 的独立性假定，知S 1，S 2，…，S k 相互独立．由χ2分布的可加性，知22/~()e S n k σχ- （9.12）至于A S 的分布性质，我们不假证明地给出如下定理： 定理1 (1) A S 与e S 相互独立；(2) 当假设(9.4)成立时，22/~(1)A S k σχ-．若用t f ，A f ，e f 分别表示t S ，A S ，e S 的自由度，由上述讨论得到t A e f f f =+ （9.13）称（9.13）为自由度分解公式．为了检验假设（9.4），取)/()1/(k n S k S F e A --=（9.14）当假设（9.4）成立时，由（9.12）及定理1，有~(1,)F F k n k -- （9.15）给定显著性水平α（0＜α＜1），查F 分布表得到自由度为（k －1, n －k ）的F 分布临界值F α(k －1, n －k )，从样本算出F 统计量的值F 0，据F 0的大小作如下推断：若F 0 ＞F α(k －1, n －k )则拒绝假设（9.4），认为某些水平（并非全部）对试验指标的影响有显著差异；若F 0 ≤F α(k －1, n －k )则接受假设（9.4），认为各水平对试验指标的影响无显著差异．通常将单因素方差分析过程归结为如表9.4所示的单因素方差分析表． 为简化计算，还可以对所有观测数据同时加、减或同时乘、除一个非零常数．不难证明，对所有观测数据x ij 同时加、减一个任意常数不影响各平方和的值，同时乘、除以一个非零常数不影响F 统计量的值．即对原始数据x ij 做变换,0ijij x ax b a '=+≠后再进行方差分析，其结果不变．1 23 4计算得到：S A = =208，S e = 646，S t = S A + S e = 854．S A的自由度为k―1=3，S e的自由度为n―k =12．据此，列方差分析表如表9.5．由（9.13）式算出的F值为1.2879，查表得临界值F0.05(3,12)=3.49，从样本算出的F值1.2879远比5%显著水平要求的F值3.49小，因此认为各个处理间没有显著差异．值得注意的是，这并不证明4个处理间没有差异，可能存在真实的差异，但是在所选取的概率水平上，试验没有足够的灵敏度，未能检测出差异．单因素方差分析可在表（9.3）上计算．现对例2进行表格化计算．为便于计算，将表9.2中的各观测数据同减去5，在表9.6中表格化计算（9.14）和（9.15）式右端各项．注意到k i- 209 -- 210 -55.54,34.37,A e S S ==89.91.t A e S S S =+= 据此得到如表9.7所示的方差分析表．0.01F =6.07＞4.89，故拒绝假设（9.1），认为染整工艺对缩水率的影响极显著．在方差分析中，仍用* *表示极显著（a≤0.01时显著），用*表示0.01＜a≤0.05时显著．在单因素方差分析中，各水平上观测次数n 1，n 2，…，n k 可以不相等．但在实际问题中，多取n 1 = n 2 =…n k ，因为选择同样大小的样本有如下优点：（1）与方差相等的假设的偏离不会过大，方差相等的检验比较容易；（2）F 检验时出现的第二类错误变小；（3）均值的其它比较（参阅§9.3）较为简单．9.2 双因素方差分析在双因素方差分析中，假定试验指标受两个变异因素A 、B 的影响，并假定行因素A 有m 个水平A 1，A 2，…，A m ，列因素B 有r 个水平B 1，B 2，…，B r ．在每对组合水平（A i , B j ）上做一次试验，得到m ×r 个试验结果x ij (i =1,2,…,m ; j =1,2,…,r )．所有ij x 独立，实验数据见表9.8．假定总体2~(,)X N μσ，2~(,)ij ij x N μσ，则11m rij i jmr μμ==∑∑ （9.16） 再假定组合水平（A i , B j ）下的效应可以用A i 下的效应i α和B j 下的效应j β之和来表示，即ij i j μμαβ=++其中- 211 -110,0mriii j αβ====∑∑（正负效应相互抵消）． 表9.8 双因素方差分析观测数据表1111,,r m A Biij j ij j i r m μμμμ====∑∑则A i μ和B j μ分别表示水平i A和j B 上的总体均值，且有 ,A i i αμμ=-.B j j βμμ=-类似于单因素方差分析，可将双因素方差分析的线性模型表示为(1,2,,;1,2,,)ij i j ij x i m j r μαβε=+++== ． （9.17）这里，εij 表示其它随机因素引起的随机误差，εij 相互独立，服从均值为0，方差为σ2（未知）的正态分布．双因素方差分析的检验假设为01120212:0(9.18):0(9.19)m r H H αααβββ====⎧⎨====⎩仍用n = m ×r 表示观测数据总数，记11,(1,2,,)ri ij i i j x x x x i m r ⋅⋅⋅====∑ （9.20）11,(1,2,,)mj ij j j i x x x x i r m⋅⋅⋅====∑ （9.21） 111,m rij i j x x x x n⋅⋅⋅⋅====∑∑ （9.22）- 212 - 21()mA i i S r x x ⋅==-∑ （9.23）21()rB j j S m x x ⋅==-∑ （9.24）211()mre ij i j i j S x x x x ⋅⋅===--+∑∑ （9.25）211()mrt ij i j S x x ===-∑∑ （9.26）则i x ⋅为水平A i 上的样本平均，j x ⋅为水平B j 上的样本平均，x 为总体平均．S A 是因素A 的水平A i 上的样本平均i x ⋅与总体平均x 的离差平方和，若因素A 对响应值影响显著，则至少有一个离差平方(i x ⋅－x )2 较大，从而S A 较大；而当因素A 的影响不显著时S A 较小．因此，S A 反映了因素A 对试验结果的影响．同样，S B 反映因素B 对试验结果的影响．将模型（9.17）写成μμμμμμμμε+--=-+-+-=Bj A i ij B j A i ij ij x x )]()([于是，ij ij i j e x x x x ⋅⋅=--+是εij 的估计值．因此，S e 为误差平方和，它反映了其它随机因素对试验结果的影响．通过简单的推导可以证明下列平方和分解公式：S t = S A + S B + S e ， （9.27）定理 2 (1) A S ,B S ,e S 相互独立，且()22/~(1)(1)e S m r σχ--，()22/~1t S mr σχ-；(2) 当假设01H 成立时，22/~(1)A S m σχ-； (3) 当假设01H 成立时，22/~(1)A S m σχ-； 证明略．若用t f ，A f ，B f ，e f 分别表示t S ，A S ，B S ，e S 的自由度，则由定理2得到- 213 -t A B e f f f f =++ （9.28）称（9.28）为自由度分解公式．由定理2，有()/(1)~1,(1)(1)/(1)(1)A A e S m F F m m r S m r -=----- （9.29）显然，F A 越大说明因素A 对试验结果的影响越大．对给定的显著性水平α，查F 分布表得自由度为(m ―1, (m ―1)(r ―1))的F 分布临界值F α，若从样本由（9.29）式算出F A ＞F α，则拒绝假设H 01，认为因素A 对试验结果有显著影响；否则认为因素A 的影响不显著．类似地，可使用统计量()/(1)~1,(1)(1)/(1)(1)B B e S r F F r m r S m r -=----- （9.30）对因素B 进行显著性检验．若从样本由（9.30）式算出F A ＞F α，则拒绝假设H 02，认为因素B 对试验结果有显著影响；否则认为因素B 的影响不显著．上述讨论可归结为如表9.9所示的方差分析表．表9.9 双因素方差分析表例3 将土质基本相同的一块耕地分成均等的五个地块，每块又分成均等的四个小区．有四个品种的小麦，在每一地块内随机分种在四个区上，每小区的播种量相同，测得收获量如下表（单位：kg ），试以显著性水平α1=0.05, α2=0.01考察品种和地块对收获量的影响是否显著．解 为计算简单起见，每一收获量均减去32，列表计算．- 214 -注意到m =4，r =5，n =20，经计算得到S A = 134.65, S B = 14.10, S t = 175.03, S e = 26.28,查表得临界值F 0.05(4, 12)=3.26，F 0.01(3, 12)=5.95．由于F B ＜F 0.05(4, 12)，故认为地块不同对收获量无显著影响．由于F A ＞F 0.01(3, 12)，故认为品种不同对收获量影响极显著．9.3 多重比较当假设（9.4）被拒绝后，只能表明在显著水平α下，至少有两个子体的均值间差异显著，并不表示k 个均值之间两两的差异都显著．通常要进一步检验该因素在各水平上的均值两两之间的差异是否显著，以确定哪些水平对响应值有重要影响．我们称这种差异性检验为多重比较．多重比较的方法很多，而且每种方法都有各自的优、缺点．这里，我们介绍适用范围较广的两种方法．一种是Scheffe 方法（S 法），另一种是Tukey 方法（T 法）．在进行所有两个均值的同时比较时，如果每次比较的冒险率（犯第一类错误的概率）为α，则S 法和T 法全体冒险率均为α．如果用t 检验进行所有两个均值的同时比较，当均值个数大于2时，尽管每拒绝1个假设所犯的错误都是α，但同时拒绝2个假设所犯的错误是221(1).ααααα+-=-->如果对7个均值进行两两比较，要比较2721C =次．给定拒绝每个假设（i j μμ=，- 215 -1≤i ＜j ≤7）的冒险率0.10α=，要拒绝所有21个假设，即判明7个均值互不相等所犯的错误将是211(1)0.89α--≈！显然，在使用t 检验进行所有两个均值的同时比较时，全体的冒险率随均值个数的增加而增加．因此，t 检验只能适用于随机抽出的两个均值的比较，并不适用于所有的两个均值的同时比较． 9.3.1 S 法仍用e f 表示误差平方和S e 的自由度，/e e e MS S f =表示均方误差，假定观测数据满足方差分析的基本要求．在单因素方差分析中，Scheffe (1953)给出用于检验假设H 0：μi = μj （1≤i ＜j ≤k ）的统计量i j D S α= （9.31）其中),1()1(e f k F k S --=αα．当||i j i j x x D ->时，则拒绝假设H 0 ：μi =μj ，认为水平A i 与水平A j 在显著水平α下差异显著；否则认为A i 与A j 差异不显著．对于双因素方差分析，我们可以分别对每个因素作单因素方差分析，进而进行多重比较．也可以按下述步骤进行近似的S 检验：1 若检验假设A j A i H μμ=:0，则使用统计量ij D S = （9.32） 其中),1()1(e a f m F m S --=α．当||i j ij x x D ⋅⋅->时，则拒绝A j A i H μμ=:0，否则接受H 0．2 若检验假设B j B i H μμ=:0，则使用统计量ij D S α= （9.33） 其中),1()1(e f r F r S --=αα．- 216 - 当||i j ij x x D ⋅⋅->时，则拒绝B j B i H μμ=:0，否则接受H 0．比如在例2中，k = 5, n 1 = n 2 = … = n 5 = 4, f e = 15, MS e = 2.29．取α=0.05，查表得F 0.05(4，15)=3.06．于是由（9.32）及（9.33）得24.1206.34205.0=⨯=S ，)51(74.3)4141(29.224.12≤<≤=+⨯⨯=j i D ij ．12||0.025 3.74x x -=<，故μ1与μ2差异不显著． 15|| 3.925 3.74x x -=>，故μ1与μ5差异不显著．14|| 3.35 3.74x x -=<，但与临界值3.74较接近，虽在显著水平0.05下认为μ1与μ4差异不显著，却能看出二者间存在真实的差异．类似地，可对其中任二均值进行比较． 9.3.2 T 法在用T 法进行k 个水平上的均值μ1，μ2，…，μk 之间的两两比较时，要求各水平上的重复数相同，即n 1 = n 2 = … = n k ，并且还要求2cov(,),,1,2,,;i j x x b i j k i j σ==≠ .即i x 与j x 的协方差不依赖于i 和j ．T 法所使用的统计量是(,e T q k f α= （9.34） 其中(,)e q k f α是自由度为(,)e k f 的t 化极差分布的上侧α分位点．(,)e q k f α可以从“多重比较的q 表”中查到．S 法无论水平重复数是否相同都适用，T 法只适用于水平重复数相同的情况；在进行所有均值间的两两比较时，T 法比S 法灵敏度高，能检出较小的差异．因此，在水平重复数相同时应当用T 法．9.4 双因素等重复试验的方差分析在双因素试验中，除考察因素A 和B 对试验结果的影响外，还应考虑A 、B- 217 -的各水平的搭配情况对试验结果的影响，称此为A 与B 的交互作用，并把它设想为某一因素，记为A B ⨯．为考虑交互作用A B ⨯，对因素A 、B 的各水平的每一搭配（A i ，B j ）都进行l （l ≥2）次重复观测，得到表9.10中的观测数据．表9.10 双因素等重复试验数据记n mrl =，1111m r lijk i j k x x n ====∑∑∑11,,1,2,,;1,2,,.lij ijk ij ij k x x x x i m j r l ⋅⋅⋅=====∑111,,1,2,,.r li ijk i i j k x x x x i m rl⋅⋅⋅⋅⋅⋅=====∑∑ 111,,1,2,,.mlj ijk j j i k x x x x j r ml⋅⋅⋅⋅⋅⋅=====∑∑双因素等重复试验的方差分析计算量较大．其基本原理也是将总的偏差平方和作如下分解：- 218 - 211122111122111()()()()()m r lt ijk i j k mrlmijk ij i i j k i rm rj ij i j j i j e A B A BS x x x x rl x x ml x x k x x x x S S S S ===⋅⋅⋅====⋅⋅⋅⋅⋅⋅⋅===⨯=-=-+-+-+--+=+++∑∑∑∑∑∑∑∑∑∑ （9.35）其中各偏差平方和的表达式如下：2111()m r le ijk ij i j k S x x ⋅====-∑∑∑21()mA i i S rl x x ⋅⋅==-∑21()rB j j S ml x x ⋅⋅==-∑211()m rA B ij i j i j S k x x x x ⨯⋅⋅⋅⋅⋅===--+∑∑e S 为误差平方和，反映了随机误差对试验指标的影响；A S 和B S 分别为因素A 和B 的偏差平方和，分别反映了因素A 和B 对试验结果的影响程度，A B S ⨯为A 与B 的交互作用A B ⨯的偏差平方和．当假设“H A ：因素A 对试验结果无显著影响”成立时()/(1)~1,(1)/[(1)]A A e S m F F m mr l S mr l -=---当假设“H B ：因素B 对试验结果无显著影响”成立时()/(1)~1,(1)/[(1)]B B e S r F F r mr l S mr l -=---当假设“H AB ：交互因素AB 对试验结果无显著影响”成立时()/[(1)(1)]~(1)(1),(1)/[(1)]A B B e S m r F F m r mr l S mr l ⨯--=----检验过程可归纳在如表9.11所示的方差分析表中．立性和等方差性．从理论上讲对上述假定都要通过样本进行统计检验．有关独立性问题，通常是通过试验设计来解决．至于正态性和等方差性，可以根据第八章进行拟合优度检验和Bartlett 检验，还可以对原始数据进行适当的变换，使之满足正态性和等方差性．习 题 九1. 某灯泡厂用四种不同配料方案制成的灯丝，生产了四批灯泡．在每批灯泡中随机地其中(1,2,3,4)i t i =表示第i 批灯泡的寿命．试问(1) 四种灯丝生产的灯泡的使用寿命有无显著差异（0.05α=）？ (2) 用S 法比较任意两批灯泡平均寿命之间的差异性（0.05α=）．2. 设有三种型号的设备制造同一产品，对每种型号的设备各观测其５天的日产量，数x i 表示第i种型号的设备的日产量．问不同型号的设备生产能力之间是否其中(1,2,3)i有显著差异？3. 为了解３种不同饲料对猪生长影响的差异，用3个品种的猪进行全面搭配试验，３个月后测得9头猪的体重增加量（单位：kg）如下表：试分析饲料之间及猪的品种之间对猪的体重增加有无显著差异．4. 一种火箭使用了四种燃料、三种推进器作射程试验，对于燃料与推进器的每一种搭试检验燃料和推进器对火箭射程是否有显著影响，以及两个因素的交互作用对火箭射程是否有显著影响．- 220 -。
(完整版)《概率论与数理统计》课程
《概率论与数理统计》课程标准一、课程概述第一部分前言《概率论与数理统计》(Probability Theory and Mathematical Statistics）,由概率论和数理统计两部分组成。
它是研究随机现象并找出其统计规律的一门学科，是广泛应用于社会、经济、科学等各个领域的定量和定性分析的科学体系。
一、课程性质《概率论与数理统计》是理、工科有关专业的基础干课。
对高校的统计专业本科生它也是一门学科基础课程。
从学科性质讲,它是一门基础性学科，它为统计专业学生后继专业课程的学习提供方法论的指导。
学生对这门课程的掌握程度直接关系到统计学科培养目标—“经济和管理领域中善于在定性分析基础上从事定量分析的专门统计人才”的实现。
二、基本理念第一,着重基础，着重标准。
在我国,迄今为止,有关数理统计教材不少，这些教材和理论参考文献各自保持了自己的特色。
只有着重基础、着重标准，才能与国际先进的理论研究趋势保持一致。
第二，力求在简洁的基础上使学生能从整体上了解和掌握该课程的内容体系，使学生能够在实际工作中、其它学科的学习中能灵活、自如地应用这些理论。
三、课程标准的设计思路第一，浙江大学盛骤、谢式千、潘承毅主编的《概率论与数理统计》为蓝本,极力用较为通俗的语言阐释概率论的基本理论和数理统计思想方法；第二,紧密结合财经特色和计算机应用加以阐述和学习；第三,理论和方法相结合，以强调数理统计理论的应用价值.总之，强调理论与实际应用相结合的特点,力求在实际应用方面做些有益的探索，也为其它学科的进一步学习打下一个良好的基础。
第二部分课程目标一、总目标《概率论与数理统计》是一门几乎遍及所有的科学技术领域以及工农业生产和国民经济各部门之中.通过学习该课程使学生掌握概率、统计的基本概念，熟悉数据处理、数据分析、数据推断的各种基本方法，并能用所掌握的方法具体解决社会经济所遇到的各种问题。
二、分类目标为达到总目标，对该课程的具体内容制定内容标准，以分类目标保证总目标的实现.对统计学专业而言，要通过学习该课程，掌握该学科的基本理论、基本方法,了解该学科的发展趋势，能正确、熟练地运用本学科的理论和方法去解决各种社会经济问题。
概率论与数理统计单因素试验的方差分析讲课文档
乙 1580 1640 1640 1700 1750
丙 1460 1550 1600 1620 1640 1740 1660 1820
丁
第三页，共21页。
1510 1520 1530 1570 1680 1600
第三页，共21页。
引例
灯泡的使用寿命——试验指标
灯丝的配料方案——试验因素（唯一的一个） 四种配料方案（甲乙丙丁）——四个水平
第十八页，共21页。
第十八页，共21页。
例2的上机实现步骤
1、输入原始数据列，并存到A，B，C列；
第十九页，共21页。
第十九页，共21页。
2、选择Stat>ANOVA>one-way(unstacked)
第二十页，共21页。
各水平数据放同一列 各水平数据放在不同列
第二十页，共21页。
第二十一页，共21页。
r
SSE
i1
ni
T 2 X ij n j1
r2 i
i1 i
第十五页，共21页。
ni
其中 T i X ij , j1 同一水平 下观测值 之和
r
T Ti i1
所以观测 值之和
第十五页，共21页。
例2 P195 2 以 A、B、C 三种饲料喂猪，得一个月后每猪 所增体重（单位：500g）于下表，试作方差分析。
饲料
增重
A
51
40
43
48
B
23
25
26
C
23
28
解：T1 51404348182,
T2 232526 74,
T 1 8 2 7 4 5 1 3 0 7
T3 232851
dfAr12, dfEnr936,
方差(概率论与数理统计)
方差分析通过比较不同组数据的分散程度，判断不同因素对数据变 异的贡献程度，从而进行多因素比较。
方差分析的适用条件
进行方差分析前需要满足独立性、正态性和方差齐性等条件，以确 保分析结果的准确性和可靠性。
方差分析的步骤
包括建立假设、计算自由度、计算F值、进行显著性检验等步骤，最 终得出各因素对数据变异的贡献程度和显著性水平。
统计学推断
在统计学中，方差分析、回归分析和生存分析等方法都涉及到方差的 概念和应用。
质量控制
在生产过程中，方差分析可以用于检测产品质量的一致性和稳定性。
社会科学研究
在社会学、心理学和经济学等社会科学领域，方差分析常用于研究不 同组别之间的差异和变化。
02
方差的计算方法
离差平方和的分解
离差平方和是由数据点与平均值的偏差平方和组成的，即每个数据点与平 均值的差的平方的总和。
其中，n是数据点的数量，组内离差平方和是每个数据点 与其所属类别的平均值的偏差平方和的总和，组间离差平 方和是不同类别的平均值之间的偏差平方和。
方差的计算实例
首先计算每个数据点与平均值的偏差的平方： {0, 1, 2, 3, 4}。
最后，根据方差的计算公式，方差 = (5-1) / 5 * 30 + 1 / 5 * 0 = 24。
假设有一个数据集{1, 2, 3, 4, 5}，其平均值为3。
然后求出偏差的平方的总和：0 + 1 + 4 + 9 + 16 = 30。
03
方差与其他统计量的关 系
方差与期望值的关系
方差是衡量数据离散程度的统计量，而期望值是数据的平均 水平。方差和期望值之间存在密切的关系，通常表示为方差 等于期望值的平方减去数据点的平方。
数理统计基础辅导书
数理统计基础辅导书第六章 数理统计的基本概念在前五章中我们讨论了概率论的基本理论和方法，从本章开始我们将讨论统计推断，所谓统计推断，简单地说是如何根据未知概率分布产生的数据来对该未知概率分布作某些推断，换句话说，一个统计问题中，只知道实验数据来自二个或更多概率分布中的某一个，而我们要做的即是对实验或试验得到的数据进行分析，从而试图对这个未知分布作出一些合理的估计和推断。
基本的统计推断包括参数估计，假设检验，方差分析和回归分析等内容。
第1节 总体和样本一． 重要概念1. 总体：研究对象的全体所组成的集合称为总体2. 简单随机样本：满足随机性和独立性条件的样本称为简单随机样本。
3. 经验分布函数：设**2*1,,,n x x x 是总体X 的顺序统计量的观测值，令：⎪⎩⎪⎨⎧≥-=<≤<=+**1**11,,2,1,10)(nk k n x x n k x x x x x n kx F称)(x F n 为 X 的经验分布函数。
4. 统计量：设),,,(21n X X X 为总体X 的一个样本，),,,(21n x x x g 为一连续函数，且g 中不含任何未知参数，则称),,,(21n X X X g 为统计量。
二． 学习重点1. 通常所说的样本均指简单随机样本（除非特别说明），所以样本的联合分布函数容易写出：设总体X 的分布为)(x F ，),,,(21n X X X 是总体X 的容量为n 的样本，则样本),,,(21n X X X 的联合分布函数为：∏==ni in xF x x x F 121)(),,,(2． 常用的统计量：（1） 样本均值：∑==ni i X nX 11（2） 样本方差：∑=--=ni iX Xn S122)(11（3） 样本 阶原点矩：∑===ni k ik k X nA 1,2,11（4） 样本 阶中心矩：,2,1,)(11=-=∑=k X X nB ni kik（5） 顺序统计量：第i 个顺序统计量*iX是样本，),,,(21n X X X 这样的一个函数，不论样本，),,,(21n X X X取怎样一组观测值),,,(21n x x x ，它总是取其中的*i x 为其观测值。
《概率论与数理统计》教案
《概率论与数理统计》教案第一章：概率论的基本概念1.1 随机现象与样本空间1.2 事件及其运算1.3 概率的定义与性质1.4 条件概率与独立性第二章：随机变量及其分布2.1 随机变量的概念2.2 离散型随机变量的概率分布2.3 连续型随机变量的概率密度2.4 随机变量函数的分布第三章：多维随机变量及其分布3.1 二维随机变量的联合分布3.2 边缘分布与条件分布3.3 随机变量的独立性3.4 多维随机变量函数的分布第四章：大数定律与中心极限定理4.1 大数定律4.2 中心极限定理4.3 样本均值的分布4.4 样本方差的估计第五章：数理统计的基本概念5.1 统计量与抽样分布5.2 参数估计与点估计5.3 置信区间与置信水平5.4 假设检验与p值第六章：参数估计6.1 总体参数与样本参数6.2 估计量的性质6.3 最大似然估计6.4 点估计与区间估计第七章：假设检验7.1 假设检验的基本概念7.2 检验的错误与功效7.3 常用检验方法7.4 似然比检验与正态分布检验第八章：回归分析8.1 线性回归模型8.2 回归参数的估计8.3 回归模型的检验与诊断8.4 多元线性回归分析第九章：方差分析9.1 方差分析的基本概念9.2 单因素方差分析9.3 多因素方差分析9.4 协方差分析与重复测量方差分析第十章：时间序列分析10.1 时间序列的基本概念10.2 平稳性检验与时间序列模型10.3 自回归模型与移动平均模型10.4 指数平滑模型与状态空间模型第十一章：非参数统计11.1 非参数统计的基本概念11.2 非参数检验方法11.3 非参数回归分析11.4 非参数时间序列分析第十二章：生存分析12.1 生存分析的基本概念12.2 生存函数与生存曲线12.3 生存分析的统计方法12.4 生存分析的应用实例第十三章：贝叶斯统计13.1 贝叶斯统计的基本原理13.2 贝叶斯参数估计13.3 贝叶斯假设检验13.4 贝叶斯回归分析第十四章：多变量分析14.1 多变量数据分析的基本概念14.2 多元散点图与主成分分析14.3 因子分析与聚类分析14.4 判别分析与典型相关分析第十五章：统计软件与应用15.1 统计软件的基本使用方法15.2 R语言与Python在统计分析中的应用15.3 统计软件的实际操作案例15.4 统计分析在实际领域的应用重点和难点解析本《概率论与数理统计》教案涵盖了概率论的基本概念、随机变量及其分布、多维随机变量、大数定律与中心极限定理、数理统计的基本概念、参数估计、假设检验、回归分析、方差分析、时间序列分析、非参数统计、生存分析、贝叶斯统计、多变量分析以及统计软件与应用等多个方面。
浙江大学《概率论与数理统计》(第4版)教材的配套题库(第9章 方差分析及回归分析)【圣才出品】
＿
＿
＿
＿
＿
＿
（x1－x2±1.78）＝（0.72，4.28），（x1－x3±1.95）＝（2.55，6.45），（x2－x3±1.78）＝
（0.22，3.78）
由此可见，若仅从得到的样本作出决策，则以方案Ⅲ为佳。
3．某防治站对 4 个林场的松毛虫密度进行调查，每个林场调查 5 块地得资料如表 9-5 所示： 表 9-5
表 9-2
因 F 比＝17.07＞3.89＝F0.05（2，14），故在显著性水平 0.05 下拒绝 H0，认为平均寿命的
差异是显著的。
＿
＿
＿
由已知得xA＝42.6，xB＝30，xC＝44.4，t0.025（12）＝2.1788，极限误差 E 为
t0.025 (12)
1 SE ( ni
1 nk
)
5.8（5 i, k
已知得 n1＝8，n2＝12，n3＝8，，n＝28，T.1＝100，T.2＝120，T.3＝64，T..＝284
ST
3 j 1
ni i 1
xi2j
T2 n
3052 2842 28
171.43
SA
3
T
2 j
n j1 j
T2 n
2962 2880.57 81.43
SE＝ST－SA＝90
圣才电子书 十万种考研考证电子书、题库视频学习平台
第 9 章 方差分析及回归分析
以下约定各个习题均符合涉及的方差分析模型或回归分析模型所要求的条件。
1．今有某种型号的电池三批，它们分别是 A、B、C 三个工厂所生产的，为评比其质量， 各随机抽取 5 只电池为样品，经试验得其寿命（h）如表 9-1 所示： 表 9-1
概率论与数理统计_浙大四版_习题解_第9章_方差分析
概率论与数理统计(浙大四版)习题解 第9章 方差分析约定：以下各个习题所涉及的方差分析问题均满足方差分析模型所要求的条件。
【习题9.1】今有某种型号的电池三批，它们分别是C B A ,,三个工厂所生产的。
为评比其质量，各随机抽取5只电池为样品，经试验得其寿命（小时）如下表。
三批电池样品的寿命检测结果 A B C 40 42 26 28 39 50 48 45 34 32 40 50 383043（1）试在显著性水平0.05下检验电池的平均寿命有无显著的差异。
（2）若差异显著，试求B A μμ-、C A μμ-及C B μμ-的置信水平为0.95的置信区间。
〖解（1）〗设,,A B C μμμ分别表C B A ,,三厂所产电池的寿命均值，则问题（1）归结为检验下面的假设（单因素方差分析）01::,,不全相等A B CA B C H H μμμμμμ==设A 表因素（工厂），设,,,T R A CR 分别表样本和、样本平方和、因素A 计算数、矫正数，其值的计算过程和结果如下表。
样本数据预处理表A B C 预处理结果40 42 26 28 39 50 n=15 48 45 34 32 40 50 a=338 30 43 CR=22815 j T 213 150 222 T=585 2j j T n9073.8 4500 9856.8 A=23430.6 2ijx∑913745409970R=23647112221121158558522815152364723430.6jjj n aij j i n aijj i n a ij j j i T x T CR n R x A x n =============⎛⎫== ⎪ ⎪⎝⎭∑∑∑∑∑∑计算平方和及自由度如下23647228158321151142364723430.6216.41531223430.622815615.61312T E A SST R CR df n SSE R A df n a SSA A CR df a =-=-==-=-==-=-==-=-==-=-==-=-= 方差分析表方差来源 平方和 自由度 均方 F 值()0.052,12F因素A 615.6 2 307.8 17.07 3.89 误差 216.4 12 18.0333总和83214因17.07 3.89值F =>在拒绝域内，故在0.05水平上拒绝0H ，即认定各厂生产的电池寿命有显著的差异。
概率论与数理统计ppt课件
注：P( A) 0不能 A ； P( B) 1不能 B S .
2。 A1 , A2 ,...,An , Ai Aj , i j, P( P(
n n i 1
Ai ) P( Ai )
i 1
n
证：令 Ank (k 1, 2,...), Ai Aj , i j, i, j 1, 2,....
•
5.1 大数定律 5.2 中心极限定理
•
第六章 数理统计的基本概念
• • 6.1 总体和样本 6.2 常用的分布
4
第七章 参数估计
• • • 7.1 参数的点估计 7.2 估计量的评选标准 7.3 区间估计
第八章 假设检验
• • • • • • • 8.1 8.2 8.3 8.4 8.5 8.6 8.7 假设检验 正态总体均值的假设检验 正态总体方差的假设检验 置信区间与假设检验之间的关系 样本容量的选取 分布拟合检验 秩和检验
A B 2 A＝B B A
B A
S
例： 记A={明天天晴}，B={明天无雨} B A
记A={至少有10人候车}，B={至少有5人候车} B
A
一枚硬币抛两次，A={第一次是正面}，B={至少有一次正面}
BA
13
事件的运算
A与B的和事件，记为 A B
8
§1 随机试验
确定性现象
自然界与社会Βιβλιοθήκη 活中的两类现象不确定性现象
确定性现象：结果确定 不确定性现象：结果不确定
例：
向上抛出的物体会掉落到地上 ——确定 ——不确定 明天天气状况 ——不确定 买了彩票会中奖
概率论与数理统计 浙大四版 习题解 方差分析
概率论与数理统计(浙大四版)习题解 第9章 方差分析约定：以下各个习题所涉及的方差分析问题均满足方差分析模型所要求的条件。
【习题9.1】今有某种型号的电池三批，它们分别是C B A ,,三个工厂所生产的。
为评比其质量，各随机抽取5只电池为样品，经试验得其寿命（小时）如下表。
三批电池样品的寿命检测结果 A B C 40 42 26 28 39 50 48 45 34 32 40 50 383043（1）试在显著性水平0.05下检验电池的平均寿命有无显著的差异。
（2）若差异显著，试求B A μμ-、C A μμ-及C B μμ-的置信水平为0.95的置信区间。
〖解（1）〗设,,A B C μμμ分别表C B A ,,三厂所产电池的寿命均值，则问题（1）归结为检验下面的假设（单因素方差分析）01::,,不全相等A B CA B C H H μμμμμμ==设A 表因素（工厂），设,,,T R A CR 分别表样本和、样本平方和、因素A 计算数、矫正数，其值的计算过程和结果如下表。
样本数据预处理表A B C 预处理结果40 42 26 28 39 50 n=15 48 45 34 32 40 50 a=338 30 43 CR=22815 j T 213 150 222 T=585 2j j T n9073.8 4500 9856.8 A=23430.6 2ijx∑913745409970R=23647112221121158558522815152364723430.6jjj n aij j i n aijj i n a ij j j i T x T CR n R x A x n =============⎛⎫== ⎪ ⎪⎝⎭∑∑∑∑∑∑计算平方和及自由度如下23647228158321151142364723430.6216.41531223430.622815615.61312T E A SST R CR df n SSE R A df n a SSA A CR df a =-=-==-=-==-=-==-=-==-=-==-=-= 方差分析表方差来源 平方和 自由度 均方 F 值()0.052,12F因素A 615.6 2 307.8 17.07 3.89 误差 216.4 12 18.0333总和83214因17.07 3.89值F =>在拒绝域内，故在0.05水平上拒绝0H ，即认定各厂生产的电池寿命有显著的差异。
概率论与数理统计第九章方差分析与回归分析
版权所有 BY 张学毅
10
方差分析的基本思想
7.若不同水平对试验指标值没有影响，则组间误差中只 包含随机误差，没有系统误差。这时，组间误差与 组内误差经过平均后的数值就应该很接近，它们的 比值就会接近1；
8.若不同水平对试验指标值有影响，则在组间误差中除 了包含随机误差外，还会包含有系统误差，这时组 间误差平均后的数值就会大于组内误差平均后的数 值，它们之间的比值就会大于1；
3)该平方和反映的是随机误差的大小。
计算公式为 :
nj s
2
SE
Xij X.j
i1 j1
三个离差平方和的关系
nj s
2s
2 kn
2
XijX nj X.jX XijX.j
i1j1
j1
i1j1
STSASE
总离差平方和=组间平方和+组内平方和
即 EMSE2
2） M S A 是否是总体方差 2 的无偏估计量，与原假设 成立与否有关 。当且仅当原假设成立时，M S A 才是 总体方差 2 的无偏估计量。
EMSA2s1 1js1njj2
2020/3/1
版权所有 BY 张学毅
17
八、方差分析表
通常将上述计算过程列成一张表格，称为方差分析表。
9.当这个比值大到某种程度时，就可以说不同水平之间 存在着显著差异，也就是自变量对因变量有影响。
2020/3/1
版权所有 BY 张学毅
11
六、离差平方和与自由度的分解
总离差平方和 S T （ sum of squares for total）
1)全部观察值 X
与总均值
ij
X
的离差平方和；
《概率论与数理统计》学习指南
第一章随机事件及其概率一、基本要求1、了解基本事件空间（样本空间）的概念，理解随机事件的概念，掌握事件的关系和运算及其基本性质；2、理解事件概率、条件概率的概念和独立性的概念；掌握概率的基本性质和基本运算公式；掌握与条件概率有关的三个基本公式（乘法公式、全概率公式和贝叶斯公式）．3、掌握计算事件概率的基本计算方法：(1) 概率的直接计算：古典型概率和几何型概率；(2) 概率的推算：利用概率的基本性质、基本公式和事件的独立性，由较简单事件的概率推算较复杂事件的概率．(3) 利用概率分布：利用随机变量的概率分布计算有关事件的概率．二、概念网络图第二章随机变量及其分布一、基本要求1、理解概率分布的概念，掌握其三种基本形式：离散型概率分布，连续型概率密度，分布函数；掌握概率分布的特点、性质，会根据概率分布计算有关事件的概率；2、掌握常用的概率分布：0-1分布、二项分布、超几何分布和泊松分布等离散型概率分布，以及均匀分布、指数分布和正态分布等连续型概率分布，包括分布的表达式、特点、性质、数字特征和典型应用，以及与其他分布的关系；3、理解0-1分布、二项分布、超几何分布和泊松分布等离散型概率分布之间的关系；4、会根据随机自变量的分布，求其函数的分布的方法．二、概念网络图第三章多维随机变量及其分布一、基本要求1、理解二维随机变量的联合分布函数的基本概念和性质；离散型随机变量联合分布律、边缘分布律和条件分布律；连续型随机变量联合概率密度、边缘密度和条件密度；会利用二维概率分布求有关事件的概率．2、理解随机变量的独立性的概念，掌握随机变量独立的条件；3、掌握二维均匀分布；了解二维正态分布的概率密度，理解其中参数的概率意义；4、掌握根据两个随机变量的联合分布的基本方法，熟练掌握两个随机变量和、商、以及最大值和最小值的分布的求解；会根据两个或多个独立随机变量的分布求其较简单函数的分布．二、概念网络图第四章随机变量的数字特征一、基本要求1、理解随机变量的数字特征（数学期望、方差，标准差、矩、协方差、相关系数）的概念，并会运用数字特征定义和基本性质计算具体分布的数字特征；掌握常用分布（二项分布、超几何分布、泊松分布、一维和二维均匀分布、指数分布、一维和二维正态分布）的数字特征．2、会根据随机变量的概率分布求其函数的数学期望；会根据二维随机变量的概率分布求其函数的数学期望．3、理解两个随机变量相关性的概率含义，以及与独立性的联系和区别.4、理解有关数字特征的概率意义．二、概念网络图第五章大数定律与中心极限定理一、基本要求1、理解大数定律的概率含义，掌握切比雪夫大数定律、伯努利大数定律和辛钦大数定律成立的条件及结论．大数定律多用于进行理论的论证，一般不便于处理具体问题．会证明切比雪夫大数定律和伯努利大数定律．2、理解中心极限定理的定义，掌握棣莫弗-拉普拉斯中心极限定理以及独立同分布中心极限定理的结论和应用条件，并会应用这两个定理进行近似计算．二、概念网络图第六章 数理统计的基本概念一、基本要求1、理解总体、简单随机样本和统计量的概念，掌握常用统计量和样本数字特征——样本均值、样本方差和样本矩的概念及其基本性质，其中样本方差定义为 ∑=--=n i i X Xn S 122)(11．2、了解统计推断常用的2χ分布、t 分布、F 分布，理解服从2χ分布、t 分布、F 分布的随机变量的定义含义，会用相应的分位数；3、了解正态总体的常用抽样分布：正态分布、2χ分布、t 分布、F 分布．4、掌握与常见统计量相关的分布定理结论．二、概念网络图第七章参数估计一、基本要求1、理解参数的点估计、估计量与估计值的概念，了解评选估计量的基本标准——无偏性、有效性与相合性（一致性）的概念，并会证明估计量的无偏性；会比较两个无偏估计量的方差；会利用大数定律证明估计量的相合性．2、掌握求估计量的方法——矩估计法和最大似然估计法；矩估计法一般只涉及一阶和二阶矩．3、掌握建立未知参数的（单侧或双侧）置信区间的一般方法，掌握正态总体的均值、方差、标准差和矩，以及与其相联系的特征的置信区间的求法．4、掌握建立两个正态总体的均值差和方差比，以及与其相联系的特征的置信区间的一般求法．二、概念网络图第八章假设检验一、基本要求1、理解“假设检验”的概念及其类型，理解显著性检验的基本思想，掌握假设检验的基本步骤，会构造简单假设的显著性检验；2、理解假设检验的两类错误；3、熟练掌握正态总体参数的假设检验；4、熟练掌握分布的卡尔方拟合检验以及随机变量独立性的拟合检验．二、概念网络图第九章方差分析与线性回归一、基本要求1、理解单因子方差分析的概念及其类型，熟练掌握检验多正态总体均值是否相等的方法；2、熟练掌握线性回归模型的参数估计，以及正态线性回归模型参数估计量的性质．二、概念网络图。