08第八章 方差分析解析
刘金兰统计第八章方差分析
第八章方差分析对于工农业生产的每一种产品，影响它们指标的因素都是众多的。
我们要了解哪些因素对产品质量或产量指标有显著影响，就要进行试验，取得试验结果（数据），然后进行分析。
方差分析的基本概念和原理进行试验(实验)时,我们称可控制的试验条件为因素(Factor),因素变化的各个等级为水平(Level)。
如果在试验中只有一个因素在变化,其他可控制的条件不变,称它为单因素试验;若试验中变化的因素有两个或两个以上,则称为双因素或多因素试验。
根据试验结果,怎样找出有显著作用的因素,以及找出在怎样的水平和工艺条件下能使指标最优以达到优质和高产的目的,这就是方差分析(Analysis of Variance 简称ANOVA)所要解决的问题。
我们通过例题来说明方差分析的基本统计思想。
[例８.1]某公司计划购买一台计算机。
为了选择优良型号的计算机以减少日后的维修问题,他们对6种型号的计算机作了初步调查,每种型号调查4台,结果列于表8-1。
这些结果表示每个型号的计算机上个月维修的小时数。
试问由此结果能否判定由于计算机型号不同而造成它们在维修时间方面有显著差异?表8-1 对6种型号计算机维修时数的调查结果统计表台数1234型号A型B型C型D型E型F型[解]在这里,我们所研究的指标就是维修时间,记作Y,通常假定它是一个服从正态分布的随机变量。
控制因素是计算机的型号,分为6个水平即A,B,C,D,E,F，把每个水平所对应的指标看成一个总体。
现在的试验就是进行调查,每种型号调查4台,相当于每个总体中抽取一个容量为4的样本,得到的数据记作(i=1,2,…,6;j=1,2,3,4),即为表8-1中数据。
计算各样本平均数如下:A B C D E F平均数要想回答所提出的问题,我们首先考虑根据各样本平均数,用第六章中两个总体平均值比较的检验法,把样本平均数两两组成对:与,与,…与,与,…, 与,共有(15)对。
将这15对平均数一一进行比较检验,工作量显然比只有两个样本的情况繁重的多。
08方差分析
观 察值
1 2 3 4 5 6 7 样本 均值 总平 均值
零售 业
57 66 49 40 34 53 44
49
行业
旅游 航空 业业
68 31
39
49
29 21
45 34
56 40
51
48 35 47.8696
家电 制造 业
44 51 65 77 58
59
（3）计算离差平方和SSA、
SSE、SST
r
无交互作用旳方差分析 有交互作用旳方差分析
21
无交互作用旳双原因分析
有4个品牌旳彩电在5个地域销售，为分析彩电旳品牌和销 售地域对销售量旳影响，对每个品牌在各地域旳销售量取 得下列数据，如下表所示。试分析品牌和地域对彩电旳销 售量是否有明显影响。（α=0.05）
品 品牌1 牌 品牌2
原 因
品牌3 品牌4
观察 值
零售业
行业 旅游业 航空业
家电制 造业
1
57
68
31
44
2
66
39
49
51
3
49
29
21
65
4
40
45
34
77
5
34
56
40
58
6
53
51
7
44
2
方差分析：
是对多于2个总体旳均值是否相等进行检验旳一 种统计措施。它是经过检验各总体旳均值是否 相等来判断分类型自变量对数值型变量是否有 明显影响。
多重比较：经过对总体均值之间旳配对比较来进 一步检验究竟哪些均值之间存在差别。
环节：
提出假设： H0 : i j , H1 : i j
统计学课件第八章 方差分析
.1 00 0t j
学
习
网
统计学
统
（两类方差）
计 学 习 网
1. 组内方差
中 华
tj .c
统
中华统计学习网
华
8 - 14 8 - 14
计 学
习 网
计
因素的不同水平(不同总体)下各样本之间的方差 比如，A1、A2、A3、A4四种颜色饮料销售量之间的 方差 组间方差既包括随机误差，也包括系统误差
解释方差分析的概念 解释方差分析的基本思想和原理 掌握单因素方差分析的方法及应用 掌握双因素方差分析的方法及应用
华 统 中 om 中 华 统 计
ww w. 10 00 tj .c
经济、管理类 经济、管理类 基础课程 基础课程
om
中华统计学习网
圣才学习网
华
8-8 8-8
计 学
习 网
计
1. 检验饮料的颜色对销售量是否有影响，也就 是检验四种颜色饮料的平均销售量是否相同 2. 设μ1为无色饮料的平均销售量，μ2粉色饮料的 平均销售量，μ3为橘黄色饮料的平均销售量， μ4为绿色饮料的平均销售量，也就是检验下面 的假设 H0: μ1 = μ2 = μ3 = μ4 H1: μ1 , μ2 , μ3 , μ4 不全相等 3. 检验上述假设所采用的方法就是方差分析
方差分析的基本思想和原理
ww w
om
中华统计学习网
圣才学习网
.1 00 0t j
学
习
网
统计学
计 统 华
（方差的比较）
计 学 习 网
1. 如果不同颜色(水平)对销售量(结果)没有影响，那
么在组间方差中只包含有随机误差，而没有系统 误差。这时，组间方差与组内方差就应该很接近 ，两个方差的比值就会接近1 如果不同的水平对结果有影响，在组间方差中除 了包含随机误差外，还会包含有系统误差，这时 组间方差就会大于组内方差，组间方差与组内方 差的比值就会大于1 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
方差分析 PPT
假定原假设成立
r
2 i
i1 ＝0
1
E(S A ) =
SS A 2 1
SSA ＝ SSe
1 (r 1)
FA SA / Se 1
说明条件引起的波动与试验 误差引起的波动差不多。
§1.2 单因素方差分析
方差分析的原理
➢ （5）统计量的分布
➢方差齐性 （homoscedascity）：各水平下的总体具有相 同的方差。但实际上，只要最大/最小方差小于3，分析结果
都是稳定的。可用Levene test、Brown- Forsythe‘s Test 。
§1 方差分析
主要内容
§1.1 基本概念 §1.2 单因素方差分析 §1.3 双因素方差分析 §1.4 多因素方差分析 §1.5 多重t-test方法
∼ N (02, )
r
E( i. 2 ) 2 r
E( 2 ) 2
r
[ ] r
SS A E
( )2 r
i
i.
2 i
(
1)
2
i1 j
i1
1
SA
SS A
1
r
2 i
i1
1
2
Se =
SSe
(r 1)
2
误差方差是总体方差的无偏估计
§1.2 单因素方差分析
单因素方差分析的数学模型
（4）构造原假设和统计量
§1.1 §1.2 §1.3 §1.4
§1 方差分析
主要内容
基本概念 单因素方差分析 两因素方差分析 多因素方差分析
§1.2 单因素方差分析
概述
➢单因素方差是仅仅讨论一种试验条件对试验结果有无显 著影响的分析。 ➢单因素方差分析对因素的水平数没有限制，可任意选择 ，但一般多见的是选3至6个水平。
方差分析(共66张PPT)
18~岁 21.65 20.66
… … 18.82 16 22.07 8.97
30~岁 27.15 28.58
… … 23.93 16 25.94 8.11
45~60岁 20.28 22.88 … … 26.49 16 25.49 7.19
基本步骤
（1）建立假设，确定检验水准
H0：三个总体均数相等，即三组工作人员的 体重指数总体均数相等
单因素方差分析
例1 在肾缺血再灌注过程的研究中，将36只雄性大鼠随机等分成三组， 分别为正常对照组、肾缺血60分组和肾缺血60分再灌注组，测得 各个体的NO数据见数据文件，试问各组的NO平均水平是否相同？
单因素方差分析
分析：
对于单因素方差分析，其资料在SPSS中的数据结构应当由两 列数据构成，其中一列是观察指标的变量值，另一列是用以表 示分组变量。实际上，几乎所有的统计分析软件，包括SAS， STATA等，都要求方差分析采用这种数据输入形式，这一点也暗 示了方差分析与线性模型间千丝万缕的联系。
H1：三个总体均数不等或不全相等
（2）计算检验统计量F值
变异来源
SS 自由度（df）
MS
F
组间 组内 总变异
143.406 363.86 507.36
2
71.703
8.87
45
8.09
47
（3）确定p值，作出统计推断
，本次F值处于F界值之外，说明组间均方组内 均方比值属于小概率事件，因此拒绝H0，接受 H1，三个总体均数不等或不全相等
分凝血活酶时间有无不同？
方差分析步骤 ：
（1）提出检验假设，确定检验水准
H0:μ1=μ2=μ3 H1:μ1，μ2，μ3不全相同 a=
第08章 单因素方差分析
第八章 单因素方差分析
第八章 单因素方差分析
引言、单因素方差分析的概念
前面我们学习了单样本和双样本的显著性检验方法。在 科例现的假v分差检这显a8研比如验析有异ri些.然1a那活较我，为其显Rn假那检，.c么动试们我一他著某设么e验犯A，中验用们类4，性学.1每Ⅰ都个0如一称，，特A检F者对一型是品iN何对有结作s定验培接对O错独h种解一很果单情的e育V受检误立的rA决的多见因况（一了的验的的）株这情表素下1种一t概接概，，高9检类况方8的2个延率受-率也之验81问是差统小伸），（零明就间，题要分计麦。创问0假显是是.的检析共假9新造5对设增前否5个检验(需设)品出O于的加1面有小0验的检n检=种方一概。我显e0麦呢不验验，-.差个率6w们著品？止0，为分a因C都，所差种y最两5它2了析素是学正是异Aα间=好个是掌’方N1不1的确差=，是-的0样O两1握α法对同F的异做-否=V方本0样检该（0A处.检显了6有.法，。9)本新验0a。理验著55=差n就比，个平品。0a间结。异.是如l4而品均种方y0的果？s：，且与种数差iFs 今方天差所分讲析的与方t检差验分的析区。别：
第八讲-方差分析
x2 ij
j 1i 1
xij
N
k
2
SS B n j X j X t
i 1
2
k
j 1
nj
2
( xij)
i 1
nj
k nj
j 1i 1
xij
N
SSW SST SSB
2
nj
x k nj
x n j1 i1
k
2
ij j 1
ij i 1
j
3、确定自由度
df k 1 B
df N k W
二、（单因素）随机区组实验设计
1、模型
处理1
处理2 ……
区组1 被试1 x11 被试1 x21 ……
区组2 被试2 x12 被试2 x22 ……
处理k
被试1 xk1
被试2
xk
2
……… ……… ……
区组a 被试a x1a 被试a x2a ……
……
被试a xka
■注：每个区组内被试分配方式可以是以下 三种
T1
T2
8
39
20
26
12
31
14
45
10
40
T3
T4
17
32
工创问 具造题
21 20
23 28
教 程
丰 富 教
性 思 维
解 决 模
17
25
程教式 程教
20
29
程
T1: T2: T3: T4:CoRT
变异来源 自由度 平方和
处理 误差
总
3
1553.7
16 378.80
19 1932.55
均方
第8章 方差分析与回归分析 修改版
25 February 2015
赣南师范学院
第八章 方差分析与回归分析
第4页
表8.1.1 鸡饲料试验数据
饲料A A1 A2 A3
1073 1107 1093 1009 1092 1029 1060 990 1080
鸡 重（克）
1001 1109 1021 1002 1090 1022 1012 1074 1032 1009 1122 1029 1028 1001 1048
第12页
模型（8.1.3）可以改写为
yij ai ij , i 1, 2,..., r , j 1, 2,..., m r (8.1.8) ai 0 i 1 相互独立，且都服从N(0, 2 ) ij
假设（8.1.1）可改写为
H0 ：a1 =a2 =…=ar =0
,r
T T T Ti y r m n i 1 n r m 总试验次数
25 February 2015
赣南师范学院
第八章 方差分析与回归分析
第14页
表8.1.2 单因子方差分析试验数据
因子水平 A1 A2 ┆ Ar 试验数据 y11 y12 … y1m y21 y22 … y2m ┆ yr1 yr2 … yrm 和 T1 T2 ┆ Tr 平均
25 February 2015
赣南师范学院
第八章 方差分析与回归分析
第7页
1) 每一总体均为正态总体，记为 N(i , i 2)，
i＝1, 2,…, r ；
2) 各总体的方差相同:
1 2= 22=…= r2 = 2 ；
3) 从每一总体中抽取的样本是相互独立的，
即所有的试验结果 yij 都相互独立。
8第8章 方差分析
2
方差：又叫均方，是标准差的平方，是表示变异的量。 在一个多处理试验中，可以得出一系列不同的观测值。
观 测
处理效应(treatment effect)：
值
处理不同引起
不
同
的
试验误差：试验过程中偶然性
原
因
因素的干扰和测量误差所致。
方差分析的基本思想
处
总
试
理
变
验
效
异
误
应
差
方差分析的目的
确定各种原因在总变异中所占的重要程度。
st2 =
SSt dft
se2 =
SSe dfe
平方和
自由度
方差
处理间 处理内 总变异
∑ SSt
=
1 n
Ti 2 − C
dft = k −1
SSe = SST −SSt dfe = k(n −1)
∑ SST = x2 − C dfT = nk −1
st 2
=
SSt dft
se 2
=
SSe dfe
C = T2 nk
x －样本平均数 ti －样本处理效应 eij －试验误差
xij
=μ
+
τ i
+εij
二、数学模型 根据的τi不同假定，可将数学模型分为以下三种：
固定模型
随机模型
混合模型
二、数学模型
(一)固定模型(fixed model)
指各个处理的效应值τi 是固定值，各个的 平均效应τi ＝ μi － μ是一个常量，且∑τi ＝0。就是说除去随机误差以后每个处理所产生 的效应是固定的。
每一个处理n 个观测值离均差平方和累加：
方差分析(08[1].3.31)
![方差分析(08[1].3.31)](https://img.taocdn.com/s3/m/b4cb3fbc960590c69ec376ed.png)
总变异的离均差平方和为各变量值与总均数差值的平方和， 离均差平方和和自由度分别为：
( x) 2 SS总 ( xij x ) x N i 1 j 1
k ni 2 2差平方和、自由度和均方 组间离均差平方和为各组样本均数与总均数差值的平方 和 k
若拒绝H0，接受H1时，可认为各样本均数间的差异， 不仅是由抽样误差所致，还有处理因素的作用。此时的 组间变异远大于组内变异，两者的比值即统计量F明显 大于1。在实际应用中，当统计量F值远大于1且大于某 界值时，拒绝H0，接受H1，即意味着各样本均数间的差 异，不仅是由抽样误差所致，还有处理因素的作用。
x
j 1
ni
ij
ni
xi
329.92 6 54.99
x
ni
2 ij
18720.97 23758.12 7660.926 4029.296 54169.32
两个样本均数间比较
总均数
样本的组内误差 (随机误差) k: 组别 n: 例数
24只家兔的血清ACE浓度各不相同，称为总变异； 四组家兔的血清ACE浓度均数也各不相同，称为组间 变异；组间变异可能由两种原因所致，一是抽样误差；二 是由于各组家兔所接受的处理不同
即使同一组内部的家兔血清ACE浓度相互间也不相同，
称为组内变异。组内变异是由于家兔间的个体差异所致
完全随机设计的方差分析，是将总变异中的离均差平 方和SS及其自由度分别分解成组间和组内两部分，SS组
间/组间和SS组内/组内分别为组间变异（MS组间）和组内变异
（MS组内），两者之比即为统计量：
F MS组间 MS组内
完全随机设计（completely random design）属 单因素研究设计，它是将随机抽取的受试对象，随机地 分配到两个或多个水平（处理）组中，观察和比较不同 处理所产生的效应。本设计易于理解，实施简便。分组
概率论与数理统计(茆诗松)第二版课后第八章习题参考答案
第八章 方差分析与回归分析本章前三节研究方差分析，讨论多个正态总体的比较，后两节研究回归分析．讨论两个变量之间的相关关系．§8.1 方差分析8.1.1问题的提出上一章讨论了单个或两个正态总体的假设检验，这里讨论多个正态总体的均值比较问题．通常为了研究某一因素对某项指标的影响情况，将该因素在多种情形下进行抽样检验，作出比较．一般将该因素称为一个因子，所检验的每种情形称为水平．在每个水平下需要考察的指标都分别构成一个总体，比较它们的总体均值是否相等．对每一个总体都分别抽取一个样本，样本容量称为重复数．如果只对一个因子中的多个水平进行比较，称为单因子方差分析，对多个因子的水平进行比较，称为多因子方差分析．本章只进行单因子方差分析．例 在饲料养鸡增肥的研究中，现有三种饲料配方：A 1 , A 2 , A 3 ，为比较三种饲料的效果，特选24只相似的雏鸡随机均分为三组，每组各喂一种饲料，60天后观察它们的重量．实验结果如下表所示： 饲料鸡重/gA 1 1073 1009 1060 1001 1002 1012 1009 1028 A 2 1107 1092 990 1109 1090 1074 1122 1001 A 3 1093 1029 1080 1021 1022 1032 1029 1048 在此例中，就是要考察饲料对鸡增重的影响，需要比较三种饲料对鸡增肥的作用是否相同．这里，饲料就是一个因子，三种饲料配方就是该因子的三个水平，每种饲料喂养的雏鸡60天后的重量分别构成一个总体，这里共有3个总体，每一个总体抽取样本的重复数都是8，比较这3个总体的均值是否相等． 8.1.2单因子方差分析的统计模型设因子A 有r 个水平A 1 , A 2 , …, A r ，在每个水平下需要考察的指标都构成一个总体，即有r 个总体，分别记为Y 1 , Y 2 , …, Y r ，对每一个总体都分别抽取一个样本，首先考虑重复数相等的情形，设重复数都是m ，总体Y i 的样本Y i 1 , Y i 2 , …, Y im ，i = 1, 2, …, r ．作出以下假定：（1）每一个总体都服从正态分布，即r i N Y i i i ,,2,1),,(~2L =σµ；（2）各个总体的方差都相等，即22221r σσσ===L ，都记为σ 2；（3）各个总体及抽取的样本相互独立，即Y ij 相互独立，i = 1, 2, …, r ，j = 1, 2, …, m ． 需要比较它们的总体均值是否相等，即检验的原假设与备择假设为H 0：µ 1 = µ 2 = … = µ r vs H 1：µ 1 , µ 2 , …, µ r 不全相等，如果H 0成立，就可以认为这r 个水平下的总体均值相同，称为因子A 不显著；反之，如果H 0不成立，就称为因子A 显著．在水平A i 下的样品Y ij 与该水平下的总体均值µ i 之差ε ij = Y ij − µ i 为随机误差．由于Y ij ~ N (µ i , σ 2 )，因此随机误差ε ij ~ N (0 , σ 2 )．对所有r 个水平下的总体均值求平均，即∑==+++=ri i r r r 1211)(1µµµµµL称为总均值．每个水平A i 下的总体均值µ i 与总均值µ 之差a i = µ i − µ 称为该水平A i 下主效应．显然所有主效应a i 之和等于0，即01=∑=ri ia，检验所有水平下的总体均值是否相等，也就是检验所有主效应a i 是否全等于0．这样单因子方差分析在重复数相等的情形下，统计模型为⎪⎪⎩⎪⎪⎨⎧===++=∑=).,0(;0;,,2,1,,,2,1,21σεεµN a m j r i a Y ij r i i ij i ij 相互独立，且都服从L L 检验的原假设与备择假设为H 0：a 1 = a 2 = … = a r = 0 vs H 1：a 1 , a 2 , …, a r 不全等于0． 8.1.3平方和分解一．试验数据对于r 个总体下的试验数据Y ij , i = 1, 2, …, r ，j = 1, 2, …, m ，记T i 表示第i 个总体下试验数据总和，⋅i Y 表示第i 个总体下样本均值，n = rm 表示总的样本容量，T 表示总的试验数据总和，Y 表示总的样本均值，即∑==mj ij i Y T 1，∑=⋅==mj ij i i Y m m T Y 11， i = 1, 2, …, r ，∑∑∑=====r i mj ij r i i Y T T 111，∑∑∑=⋅=====ri i r i m j ij Y r Y rm T n Y 111111， 用⋅i Y 作为µ i 的点估计，Y 作为µ 的点估计．又记⋅i ε表示第i 个总体下随机误差平均值，ε表示总的随机误差平均值，即∑=⋅=mj ij i m 11εε， i = 1, 2, …, r ，∑∑∑=⋅====ri i r i m j ij r n 11111εεε．显然有⋅⋅+=i i i Y εµ，εµ+=Y ．在单因子方差分析中通常将试验数据及基本计算结果写成表格形式 因子水平试验数据和 和的平方平方和A 1 Y 11 Y 12 … Y 1m T 1 21T∑21jY A 2 Y 21 Y 22 … Y 2m T 2 22T∑22jY┆ ┆ ┆ ┆ ┆ ┆ ┆┆A rY r 1Y r 2…Y rmT r2r T ∑2rjYΣ T∑=ri i T 12∑∑==ri mj ijY112二．组内偏差与组间偏差数据Y ij 与样本总均值Y 之差Y Y ij −称为样本总偏差，可以分成两部分之和：)()(Y Y Y Y Y Y i i ij ij −+−=−⋅⋅，其中⋅⋅⋅−=+−+=−i ij i i ij i i ij Y Y εεεµεµ)()(是第i 个总体内数据与该总体内样本均值的偏差，称为组内偏差，反映第i 个总体内的随机误差；εεεµεµ−+=+−+=−⋅⋅⋅i i i i i a Y Y )()(是第i 个总体内样本均值与总样本均值的偏差，称为组间偏差，反映第i 个总体的主效应． 三．偏差平方和及其自由度在统计学中，对于k 个独立数据Y 1 , Y 2 , …, Y k ，平均值∑==ki i Y k Y 11，称Y i 与Y 之差为偏差，所有偏差的平方和∑=−=ki i Y Y Q 12)(称为这k 个数据的偏差平方和，反映这k 个数据的分散程度．由于所有偏差之和0)(11=−=−∑∑==Y k Y Y Y ki i k i i ， 即这k 个偏差由k 个独立数据受到一个约束条件形成，可以证明它们与k − 1个独立（随机）变量可以相互线性表示，称之为等价于k − 1个独立（随机）变量．一般地，若k 个独立数据受到r 个不相关的约束条件，则它们等价于k − r 个独立（随机）变量．在统计学中，把形成平方和的变量所等价的独立变量个数，称为该平方和的自由度，通常记为f ．如上述偏差平方和Q 的自由度为k − 1，即f Q = k − 1．由于平方和的大小与变量个数（或自由度）有关，为了对偏差进行比较，通常考虑偏差平方和与其自由度之商，称为均方和，记为MS ，反映一组数据的平均分散程度，如样本方差∑=−−=ni i X X n S 122)(11就是样本数据偏差的均方和． 四．总平方和分解公式总偏差平方和记为S T 或SST ，其自由度记为f T ，有∑∑==−=r i mj ij T Y Y S 112)(，f T = rm − 1 = n − 1；组内偏差平方和记为S e 或SSE ，其自由度记为f e ，有∑∑==⋅−=r i mj i ij e Y Y S 112)(，f e = r (m − 1) = n − r ；组间偏差平方和记为S A 或SSA ，其自由度记为f A ，有∑∑∑=⋅==⋅−=−=ri i r i m j i A Y Y m Y Y S 12112()(，f A = r − 1．组内偏差平方和反映所有总体内的随机误差，组间偏差平方和反映所有总体的主效应．定理 总偏差平方和S T 可以分解为组内偏差平方和S e 与组间偏差平方和S A 之和，其自由度也可作相应的分解，即S T = S e + S A ，f T = f e + f A ，称之为平方和分解公式． 证：∑∑∑∑==⋅⋅==−+−=−=ri mj i i ij ri mj ij T Y Y Y Y Y Y S 112112()[()(∑∑∑∑∑∑==⋅⋅==⋅==⋅−−+−+−=ri mj i i ij ri mj i ri mj i ij Y Y Y Y Y Y Y Y 11112112))((2)()(A e A e ri i A e ri mj i ij i A e S S S S Y Y S S Y Y Y Y S S +=++=×−++=−−++=∑∑∑=⋅==⋅⋅0]0[(2])()[(2111，且显然有f T = n − 1 = (n − r ) + (r − 1) = f e + f A ． 8.1.4检验方法由于组内偏差平方和反映所有总体内的随机误差，组间偏差平方和反映所有总体的主效应，通过比较组内偏差平方和与组间偏差平方和检验因子的显著性．下面将证明在假设所有主效应都等于0成立的条件下，它们的均方和之商服从F 分布．定理 在单因子方差分析模型中，组内偏差平方和S e 与组间偏差平方和S A 满足（1）E(S e ) = (n − r )σ 2，且)(~22r n Se −χσ； （2）∑=+−=ri i A a m r S 122)1()E(σ，且当H 0：a 1 = a 2 = … = a r = 0成立时，)1(~22−r S Aχσ；（3）S e 与S A 相互独立． 证：根据第五章的定理结论知：设X 1 , X 2 , …, X n 相互独立且都服从正态分布N (µ , σ 2)，记∑==ni i X n X 11，∑=−=ni i X X S 120)(，则X 与S 0相互独立，且)1(~22−n S χσ．（1）∑∑==⋅−=ri mj i ij e Y Y S 112)(，Y i 1 , Y i 2 , …, Y im 相互独立且都服从正态分布N(µ i , σ 2)，∑=⋅=mi ij i Y m Y 11，则∑=⋅−mj i ij Y Y 12)(与⋅i Y 相互独立，且)1(~)(12122−−∑=⋅m Y Y mj i ijχσ，因在不同水平下的样本都相互独立，则∑∑==⋅−ri mj i ij Y Y 112)(与⋅⋅⋅r Y Y Y ,,,21L 也相互独立，且根据独立χ 2变量的可加性知)(~)(121122r rm Y Y r i mj i ij−−∑∑==⋅χσ，故)(~)(1211222r n Y Y S r i mj i ije−−=∑∑==⋅χσσ，即得E(S e ) = (n − r )σ 2；（2）∑∑∑∑∑=⋅=⋅==⋅=⋅−+−+=−+=−=ri i i r i i r i ir i i i r i i A a m m a m a m Y Y m S 112121212(2)()()(εεεεεε，因ε ij (i = 1, 2, …, r , j = 1, 2, …, m ) 相互独立且都服从正态分布N (0, σ 2 )，有∑=⋅=m j ij i m 11εε (i = 1, 2, …, r ) 相互独立且都服从正态分布,0(2m N σ，∑=⋅=ri i r 11εε，则0)E()E()E(=−=−⋅⋅εεεεi i 且)1(~)(2212−−∑=⋅r mri i χσεε，即m r r i i 212)1()(E σεε−=⎥⎦⎤⎢⎣⎡−∑=⋅， 故21211212)1()E(2)(E )E(σεεεε−+=−+⎥⎦⎤⎢⎣⎡−+=∑∑∑∑==⋅=⋅=r a m a m m a m S ri i r i i i r i i ri iA ，当H 0：a 1 = a 2 = … = a r = 0成立时，∑∑=⋅=⋅−=−=ri i r i i A m Y Y m S 1212)()(εε，故)1(~)(22122−−=∑=⋅r mS ri i Aχσεεσ；（3）因∑∑==⋅−=ri mj i ij e Y Y S 112)(与⋅⋅⋅r Y Y Y ,,,21L 相互独立，有S e 与∑=⋅=ri i Y r Y 11相互独立，且∑=⋅−=ri i A Y Y m S 12(，故S e 与S A 相互独立．由于)(~22r n S e −χσ，当H 0：a 1 = a 2 = … = a r = 0成立时，)1(~22−r S A χσ，且S e 与S A 相互独立，则根据F 分布的定义可知：当H 0成立时，有),1(~)()1(22r n r F MS MS f S f S r n S r S F eAe e A A eA−−==−−=σσ．由于∑=+−=ri i A a m r S 122)1()E(σ，则F 越大，即S A 越大时，越有可能发生a i ≠ 0，则检验的拒绝域为右侧．步骤：假设H 0：a 1 = a 2 = … = a r = 0 vs H 1：a 1 , a 2 , …, a r 不全等于0，统计量),1(~r n r F MS MS f S f S F eAe e A A −−==， 显著水平α ，右侧拒绝域W = {f ≥ f 1 − α (r − 1, n − r )}，计算f ，并作出判断． 这是F 检验法．通常列成方差分析表： 来源 平方和 自由度 均方和 F 比 因子 S A f A = r − 1 MS A = S A / f A F = MS A / MS e误差 S e f e = n − r MS e = S e / f A总和S Tf T = n − 1为了计算方便，可给出三个偏差平方和的计算公式．对于一组数据X 1 , X 2 , …, X n ，记∑==ni i X n X 11，则有2112212121)(⎟⎟⎠⎞⎜⎜⎝⎛−=−=−∑∑∑∑====n i i ni i n i i n i i X n X X n X X X ， 记∑==m j ij i Y T 1，∑∑∑=====r i mj ij r i i Y T T 111，可得2112211112211211211)(T n Y Y n Y Y n Y Y Y S r i mj ij r i m j ij ri mj ij ri mj ij ri mj ij T −=⎟⎟⎠⎞⎜⎜⎝⎛−=−=−=∑∑∑∑∑∑∑∑∑∑==========， 212211121212121111)(T n T m Y n mr Y m m Y r Y m Y Y m S r i i r i m j ij r i m j ij r i i ri i A −=⎟⎟⎠⎞⎜⎜⎝⎛−⎟⎟⎠⎞⎜⎜⎝⎛=⎥⎦⎤⎢⎣⎡−=−=∑∑∑∑∑∑∑======⋅=⋅， ∑∑∑===−=−=r i i r i mj ijA T e T m Y S S S 121121．例 在饲料养鸡增肥的研究中，现有三种饲料配方：A 1 , A 2 , A 3 ，为比较三种饲料的效果，特选24只相似的雏鸡随机均分为三组，每组各喂一种饲料，60天后观察它们的重量．实验结果如下表所示： 饲料鸡重/gA 1 1073 1009 1060 1001 1002 1012 1009 1028 A 2 1107 1092 990 1109 1090 1074 1122 1001 A 3 1093 1029 1080 1021 1022 1032 1029 1048 在显著水平α = 0.05下检验这三种饲料对雏鸡增重是否有显著差别． 解：假设H 0：a 1 = a 2 = a 3 = 0 vs H 1：a 1 , a 2 , a 3不全等于0，统计量),1(~r n r F MS MS f S f S F eAe e A A −−==，平方和显著水平α = 0.05，n = 24，r = 3，m = 8，右侧拒绝域W = { f ≥ f 0.95 (2, 21)} = { f ≥ 3.47}，试验数据计算表 因子水平试验数据Y ijT i2i T∑=mj ijY 12A 1 1073 1009 1060 1001 10021012100910288194 67141636 8398024 A 2 1107 1092 990 1109 10901074112210018585 73702225 9230355 A 31093 1029 1080 1021 10221032102910488354 69789316 8728984总和 25133 210633177 26357363计算可得0833.96602513324121063317781112212=×−×=−=∑=T n T m S r i i A ，875.282152106331778126357363112112=×−=−=∑∑∑===r i i r i mj ije T m Y S ，方差分析表来源平方和自由度均方和F 比因子 9660.0833 2 4830.0417 3.5948 误差 28215.875 21 1343.6131 总和 37875.958323有F 比f = 3.5948 ∈ W ，故拒绝H 0 ，接受H 1 ，可以认为这三种饲料对雏鸡增重有显著差别， 并且检验的p 值p = P {F ≥ 3.5948} = 1 − 0.9546 = 0.0454 < α = 0.05． 8.1.5参数估计在方差分析问题中，可对总均值µ ，误差的方差σ 2作参数估计．当检验结果为因子不显著时，各水平下指标的总体均值与总体方差都相同，可将所有水平的指标看作一个统一的总体，全部试验数据是来自正态总体Y ~ N (µ , σ 2 ) 的一个容量为n = rm 的样本，因此样本均值nT Y n Y r i m j ij ==∑∑==111，样本方差1)(111122−=−−=∑∑==n S Y Y n S T r i m j ij．这样总均值µ 和误差的方差σ 2的点估计分别为Y =µˆ，22S =∧σ，置信度为1 − α 的置信区间分别是 ])1([2/1nSn t Y −±∈−αµ，])1()1(,)1()1([22/222/122−−−−∈−n S n n S n ααχχσ．当检验结果为因子显著时，还可进一步对主效应a i 作参数估计． 一．点估计由于试验数据Y ij , (i = 1, 2, …, r , j = 1, 2, …, m ) 相互独立且都服从正态分布N (µ + a i , σ 2 )，根据最大似然估计法，得到总均值µ ，误差的方差σ 2及主效应a i 的点估计．似然函数∏∏∏∏====⎪⎭⎪⎫⎪⎩⎪⎨⎧−−−==r i mj i ij r i m j ij r a y y p a a a L 11222112212)(exp π21)(),,,,,(σµσσµL ⎭⎬⎫⎩⎨⎧−−−=∑∑==ri mj iij na y 112222)(21exp )π2(1µσσ， 取对数，得∑∑==−−−−−=r i mj i ija yn n L 11222)(21)ln(2π)2ln(2ln µσσ．令关于µ 的偏导数等于0，有⎟⎟⎠⎞⎜⎜⎝⎛−−=−⋅−−−=∂∂∑∑∑∑∑=====r i i r i mj ijri mj i ij a m n y a y L 11121121)1()(221ln µσµσµ0101112112=⎟⎟⎠⎞⎜⎜⎝⎛−=⎟⎟⎠⎞⎜⎜⎝⎛−−=∑∑∑∑====µσµσn y n y r i m j ij r i mj ij ， 得y y n r i mj ij ==∑∑==111µ，故总均值µ 的最大似然估计为Y =µˆ． 令关于a k 的偏导数等于0，有01)1()(221ln 1212=⎟⎟⎠⎞⎜⎜⎝⎛−−=−⋅−−−=∂∂∑∑==k mj kj mj k kj k ma m y a y a L µσµσ， k = 1, 2, …, r ， 得µµ−=−=⋅=∑k mj kj k y y m a 11，故主效应a i 的最大似然估计为Y Y Y a i i i −=−=⋅⋅µˆˆ， i = 1, 2, …, r ，相应，第i 个水平下的总体均值µ i 的最大似然估计为⋅=+=i i i Y a ˆˆˆµµ． 令关于σ 2的偏导数等于0，有0)(2112)(ln 112422=−−+⋅−=∂∂∑∑==r i mj i ija yn L µσσσ，得∑∑==−−=r i m j i ij a y n 1122)(1µσ，故误差的方差σ 2的最大似然估计为nS Y Y n e r i m j i ij M =−=∑∑==⋅∧1122)(1σ．由于E(S e ) = (n − r )σ 2，可知∧2Mσ不是σ 2的无偏估计，修偏得σ 2的无偏估计e eMS rn S =−=∧2σ． 二．置信区间对总均值µ ，误差的方差σ 2及第i 个水平下的总体均值µ i 给出置信区间．第i 个水平下总体均值µ i 的点估计为∑=⋅==mj ij i i Y m Y 11ˆµ，因试验数据Y ij , (i = 1, 2, …, r , j = 1, 2, …, m )相互独立且都服从正态分布N(µ i , σ 2)，则有),(~2mN Y i i σµ⋅，即)1,0(~N mY ii σµ−⋅，但σ 未知，用r n S e −=σˆ替换．由于)(~22r n S e −χσ且S e 与⋅i Y 相互独立，则根据χ 2分布的定义可得 )(~ˆ)(2r n t mY r n S m Y i i eii −−=−−⋅⋅σµσσµ，故第i 个水平下总体均值µ i 的置信度为1 − α 的置信区间是]ˆ)([2/1mr n t Y i i σµα−±∈−⋅．总均值µ 的点估计为∑∑====r i mj ij Y n Y 111ˆµ，因数据Y ij , (i = 1, 2, …, r , j = 1, 2, …, m ) 相互独立且都服从正态分布N (µ i , σ 2 )，有Y 服从正态分布，且µµµ====∑∑∑∑∑=====r i i r i mj i r i m j ij n m n Y n Y 111111)E(1)E(，n n n n Y nY ri mj r i mj ij 222112211211)Var(1)Var(σσσ=⋅===∑∑∑∑====， 得,(~2nN Y σµ，即)1,0(~N nY σµ−，但σ 未知，用r n S e −=σˆ替换．由于)(~22r n S e −χσ且S e 与Y 相互独立，则根据t 分布的定义可得 )(~ˆ)(2r n t nY r n S n Y e−−=−−σµσσµ， 故总均值µ 的置信度为1 − α 的置信区间是ˆ)([2/1nr n t Y σµα−±∈−．误差的方差σ 2的点估计为r n S e −=∧2σ，且)(~22r n Se −χσ，故误差的方差σ 2的置信度为1 − α 的置信区间是⎥⎦⎤⎢⎢⎢⎣⎡−−−−=⎥⎦⎤⎢⎣⎡−−∈∧−∧−)()(,)()()(,)(22/222/1222/22/12r n r n r n r n r n S r n S e e ααααχσχσχχσ． 例 由前面的鸡饲料对鸡增重问题的数据给出总均值µ ，误差的方差σ 2及三个水平下总体均值µ1 , µ 2 , µ 3的点估计和置信区间（α = 0.05）．解：前面已检验知因子显著，则三个水平下总体均值µ1 , µ 2 , µ 3的点估计为25.102488194ˆ111====⋅m T Y µ， 125.107388585ˆ222====⋅m T Y µ，25.104488354ˆ333====⋅m T Y µ，总均值µ 的点估计为2083.10472425133ˆ====n T Y µ，误差的方差σ 2的点估计为6131.13432==−=∧e eMS rn S σ， 置信度为0.95的置信区间是]2008.1051,2992.997[86131.13430796.225.1024[]ˆ)21([975.011=×±=±∈⋅m t Y σµ，]0758.1100,1742.1046[86131.13430796.2125.1073[]ˆ)21([975.022=×±=±∈⋅m t Y σµ，]2008.1071,2992.1017[]86131.13430796.225.1044[]ˆ)21([975.033=×±=±∈⋅mt Y σµ，]7684.1062,6482.1031[]246131.13430796.22083.1047[]ˆ)21([975.0=×±=±∈nt Y σµ，[]9608.2743,2861.7952829.10875.28215,4789.35875.28215)21(,)21(2025.02975.02=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡∈χχσe e S S ． 8.1.6重复数不等的情形如果每个水平下试验次数不全相等，称为重复数不等的情形，其检验方法与在重复数相等的情形下类似，只是在对数据的表述和处理上有几点区别． 一．数据设第i 个水平A i 下的重复数为m i ，所取得的样本为i im i i Y Y Y ,,,21L ，i = 1, 2, …, r ．显然重复数总数为n ，即m 1 + m 2 + … + m r = n ． 二．总均值总均值µ 是各水平下总体均值µ i 的以频率nm i为权数的加权平均，即 ∑==+++=r i i i r r m n n m n m n m 122111µµµµµL ．三．主效应约束条件第i 个水平下主效应a i = µ i − µ ，则满足011=−=∑∑==µµn m a m ri iir i ii ．四．模型单因子方差分析在重复数不等的情形下，统计模型为⎪⎪⎩⎪⎪⎨⎧===++=∑=).,0(;0;,,2,1,,,2,1,21σεεµN a m m j r i a Y ij r i i i i ij i ij 相互独立，且都服从L L 检验H 0：a 1 = a 2 = … = a r = 0 vs H 1：a 1 , a 2 , …, a r 不全等于0．五．平方和的计算记∑==im j ij i Y T 1，∑=⋅==im j ij i i i i Y m m T Y 11，∑∑∑=====ri i ri m j ij T Y T i111，∑∑∑=⋅=====ri i i r i m j ij Y m n Y n n T Y i 11111， 则各平方和的计算公式为n T Y Y n Y Y Y S ri m j ijri m j ijri m j ij T iii21122112112)(−=−=−=∑∑∑∑∑∑======， n T m T Y n Y m Y Y m Y Y S ri ii ri i i ri i i ri m j i A i21221212112)()(−=−=−=−=∑∑∑∑∑==⋅=⋅==⋅， ∑∑∑===−=−=ri ii ri m j ijA T e m T Y S S S i12112． 例 某食品公司对一种食品设计了四种新包装，为了考察哪种包装最受顾客欢迎，选了10个地段繁华程度相似、规模相近的商店做试验，其中两种包装各指定两个商店销售，另两种包装各指定三个商店销售．在试验期内各店货架排放的位置、空间都相同，营业员的促销方法也基本相同，经过一段时间，记录其销售量数据，见下表包装类型销售量数据A 1 12 18 A 2 14 12 13 A 3 19 17 21 A 4 24 30在显著水平α = 0.01下检验这四种包装对销售量是否有显著影响． 解：假设H 0：a 1 = a 2 = a 3 = a 4 = 0 vs H 1：a 1 , a 2 , a 3 , a 4不全等于0，统计量),1(~r n r F MS MS f S f S F eAe e A A −−==，显著水平α = 0.01，n = 10，r = 4，右侧拒绝域W = { f ≥ f 0.99 (3, 6)} = { f ≥ 9.78}，销售量数据计算表计算可得258180101349812212=×−=−=∑=T n m T S ri ii A ，463498354412112=−=−=∑∑∑===ri i i ri mj ije m T Y S ，方差分析表来源平方和自由度均方和F 比因子 258 3 86 11.2174 误差 46 6 7.6667 总和 3049有F 比f = 11.2174 ∈ W ，故拒绝H 0 ，接受H 1 ，可以认为这四种包装对销售量有显著影响， 并且检验的p 值p = P {F ≥ 11.2174} = 1 − 0.9929 = 0.0071 < α = 0.01． 由于因子显著，则四个水平下总体均值µ1 , µ 2 , µ 3 , µ 4的点估计为15230ˆ1111====⋅m T Y µ， 13339ˆ2222====⋅m T Y µ， 19357ˆ3333====⋅m T Y µ， 27254ˆ4444====⋅m T Y µ， 总均值µ 的点估计为1810180ˆ====n T Y µ， 误差的方差σ 2的点估计为6667.72==−=∧e eMS rn S σ， 置信度为0.99的置信区间是]2587.22,7413.7[]26667.77074.315[]ˆ)6([1995.011=×±=±∈⋅m t Y σµ，]9267.18,0733.7[]36667.77074.313[]ˆ)6([2995.022=×±=±∈⋅m t Y σµ，]9267.24,0733.13[]36667.77074.319[]ˆ)6([3995.033=×±=±∈⋅m t Y σµ，]2587.34,7413.19[]26667.77074.327[]ˆ)6([4995.044=×±=±∈⋅m t Y σµ，]2462.21,7538.14[106667.77074.318[]ˆ)6([995.0=×±=±∈nt Y σµ，[]0775.68,4801.26757.046,5476.1846)6(,)6(2005.02995.02=⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡∈χχσeeS S ．§8.2 多重比较上一节是将多个总体作为一个整体进行检验．如果检验结果是因子A 显著，则可以认为各水平下的均值µ i 不全相等，但却不能直接说明µ i 中哪些可以认为相等，哪些可以认为不等．这一节是对各个µ i 两两之间进行比较，对µ i − µ j ，也就是效应差a i − a j 作出估计、检验． 8.2.1效应差的置信区间效应差a i − a j = µ i − µ j 的点估计为⋅⋅−j i Y Y ．因Y ik ~ N (µ i , σ 2 ), (i = 1, 2, …, r , k = 1, 2, …, m i )，则),(~121i i m k ik i i m N Y m Y iσµ∑=⋅=，,(~121jj m k jkj j m N Ym Y jσµ∑=⋅=，且当i ≠ j 时，⋅i Y 与⋅j Y 相互独立，可得))11(,(~2σµµji j i j i m m N Y Y +−−⋅⋅， 即)1,0(~11)()(N m m Y Y ji j i j i +−−−⋅⋅σµµ，但σ 未知，用r n S e −=σˆ替换．由于)(~22r n S e −χσ且S e 与⋅⋅j i Y Y ,相互独立，则根据t 分布的定义可得 )(~11ˆ)()()(11)()(2r n t m m Y Y r n S m m Y Y ji j i j i ej i j i j i −+−−−=−+−−−⋅⋅⋅⋅σµµσσµµ，故效应差a i − a j = µ i − µ j 的置信度为1 − α 的置信区间是]11ˆ)([2/1ji j i j i m m r n t Y Y +⋅−±−∈−−⋅⋅σµµα． 例 由前面的鸡饲料对鸡增重问题的数据给出各效应差µ i − µ j 的点估计和置信区间（α = 0.05）． 解：因m 1 = m 2 = m 3 = 8，n = 24，r = 3，有25.102488194111===⋅m T Y ，125.107388585222===⋅m T Y ，25.104488354333===⋅m T Y ， 则各效应差µ i − µ j 的点估计分别为875.48125.107325.10242121−=−=−=−⋅⋅∧Y Y µµ， 2025.104425.10243131−=−=−=−⋅⋅∧Y Y µµ， 875.2825.1044125.10733232=−=−=−⋅⋅∧Y Y µµ；因6553.3621875.28215ˆ==−=r n S e σ，有1142.385.06553.360796.211ˆ)21(975.0=××=+⋅j i m m t σ，则各效应差µ i − µ j 的置信度为0.95的置信区间分别是]7608.10,9892.86[]1142.38875.48[]8181ˆ)21([975.02121−−=±−=+⋅±−∈−⋅⋅σµµt Y Y ， ]1142.18,1142.58[]1142.3820[]8181ˆ)21([975.03131−=±−=+⋅±−∈−⋅⋅σµµt Y Y ， ]9892.66,2392.9[]1142.38875.28[]8181ˆ)21([975.03232−=±=+⋅±−∈−⋅⋅σµµt Y Y ． 例 由前面的食品包装对销售量影响问题的数据给出各效应差µ i − µ j 的点估计和置信区间（α = 0.01）． 解：因m 1 = 2，m 2 = 3，m 3 = 3，m 4 = 2，n = 10，r = 4，有15230111===⋅m T Y ，13339222===⋅m T Y ，19357333===⋅m T Y ，27254444===⋅m T Y ， 则各效应差µ i − µ j 的点估计分别为213152121=−=−=−⋅⋅∧Y Y µµ，419153131−=−=−=−⋅⋅∧Y Y µµ， 1227154141−=−=−=−⋅⋅∧Y Y µµ，619133232−=−=−=−⋅⋅∧Y Y µµ， 1427134242−=−=−=−⋅⋅∧Y Y µµ，827194343−=−=−=−⋅⋅∧Y Y µµ；因7689.2646ˆ==−=r n S e σ，有2653.107689.27074.3ˆ)6(995.0=×=⋅σt ，则各效应差µ i − µ j 的置信度为0.99的置信区间分别是]3709.11,3709.7[]9129.02653.102[]3121ˆ)6([995.02121−=×±=+⋅±−∈−⋅⋅σµµt Y Y ， ]3709.5,3709.13[]9129.02653.104[]3121ˆ)6([995.03131−=×±−=+⋅±−∈−⋅⋅σµµt Y Y ， ]7347.1,2653.22[]12653.1012[]2121ˆ)6([995.04141−−=×±−=+⋅±−∈−⋅⋅σµµt Y Y ， ]3816.2,3816.14[]8165.02653.106[]3131ˆ)6([995.03232−=×±−=+⋅±−∈−⋅⋅σµµt Y Y ， ]6291.4,3709.23[]9129.02653.1014[]2131ˆ)6([995.04242−−=×±−=+⋅±−∈−⋅⋅σµµt Y Y ， ]3709.1,3709.17[]9129.02653.108[]2131ˆ)6([995.04343−=×±−=+⋅±−∈−⋅⋅σµµt Y Y ．8.2.2 多重比较问题对各个µ i 两两之间进行比较，也就是检验任意两个水平A i 与A j 下的总体均值是否相等，即检验假设j i ij H µµ=:0 vs j i ij H µµ≠:1， i , j = 1, 2, …, r ．对于每一个假设ijH 0可以采取上一章两个正态总体的均值比较方法进行检验，但这里需要同时检验2)1(2−=r r C r 个这种假设． 设需要同时检验k 个假设k i H i ,,2,1,0L =，每一个假设的显著水平是α ，即在iH 0成立的条件下，接受i H 0的概率为1 − α ，但在所有k 个假设i H 0都成立的条件下，要同时接受所有假设iH 0的概率就可能远小于1 − α ．事实上，此时对每一个假设i H 0，拒绝i H 0的概率为α ，而对所有k 个假设k i H i ,,2,1,0L =，至少拒绝其中一个i H 0的概率最大时可能达到k α ，即同时接受所有假设i H 0的概率就可能只有1 − k α ．可见，需要同时检验多个假设时，一般不应逐个检验每一个假设，而是采用多重比较方法同时检验多个假设．多重比较方法，就是针对所有假设，构造一个统一的拒绝域，再逐个进行比较．这里，需要检验假设j i ijH µµ=:0 vs j i ij H µµ≠:1， 1≤ i < j ≤ r ， 在ij H 0成立的条件下，⋅i Y 与⋅j Y 不应相差太大．对每一个假设ijH 0，拒绝域可以取为}|{|ij j i ij c Y Y W ≥−=⋅⋅，其中c ij 是常数．对所有的假设ijH 0，统一的拒绝域取为U U rj i ij j i rj i ijc Y YWW ≤<≤⋅⋅≤<≤≥−==11}|{|．分成重复数相等与不等两种场合进行讨论． 8.2.3重复数相等场合的T 法重复数相等时，各水平是平等的，由对称性，可以要求所有的c ij 相等，记为c ，即统一的拒绝域为}min max {}||max {}|{|1111c Y Y c Y Y c Y YW i ri i ri j i rj i rj i j i ≥−=≥−=≥−=⋅≤≤⋅≤≤⋅⋅≤<≤≤<≤⋅⋅U ．因Y ij , (i = 1, 2, …, r , j = 1, 2, …, m ) 相互独立且都服从正态分布N (µ i , σ 2)，有,(~2mN Y i i σµ⋅．当所有的假设ijH 0都成立时，即µ 1 = µ 2 = … = µ r = µ ，有,(~2mN Y i σµ⋅，则)1,0(~N mY i σµ−⋅．但σ 未知，用r n S e−=σˆ替换．由于)(~22r n S e −χσ且S e 与⋅i Y 相互独立，则根据t 分布的定义可得 )()(~ˆ)(2e i ei f t r n t mY r n S m Y =−−=−−⋅⋅σµσσµ．统一的拒绝域W 的形式可改写为⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≥−−−=≥−=⋅≤≤⋅≤≤⋅≤≤⋅≤≤m c m Y m Y c Y Y W i r i i r i i r i i r i σσµσµˆˆmin ˆmax }min max {1111， 其中mY Y mY mY Q i ri i ri i ri i ri σσµσµˆmin max ˆminˆmax1111⋅≤≤⋅≤≤⋅≤≤⋅≤≤−=−−−=是从分布为t ( f e )的总体中抽取容量为r 的样本所得的最大与最小顺序统计量之差（极差），称之为t 化极差统计量，其分布记为q (r , f e )．显然，t 化极差统计量Q 的分布q (r , f e ) 只与水平个数r 以及t 分布的自由度f e 有关，而与参数µ , σ 2及重复数m 无关．分布q (r , f e )的准确形式比较复杂，通常采用随机模拟方法得到其分位数q 1 − α (r , f e )．对于给定的容量r 及自由度f e ，随机模拟方法是（1）随机生成r 个标准正态分布N (0, 1) 随机数x 1 , x 2 , …, x r ，将这r 个随机数按由小到大的顺序排列，得到其最小随机数x (1) 和最大随机数x (r ) ；（2）随机生成1个自由度为f e 的χ 2分布χ 2 ( f e ) 随机数y ； （3）计算er f y x x q )1()(−=；（4）重复（1）至（3）步N 次，得到t 化极差统计量Q 的N 个观测值，只要N 非常大（如10 4或10 5次），就可得q (r , f e )的各种分位数q 1 − α (r , f e )的近似值．当显著水平为α 时，拒绝域{}),(ˆ1ef r q Q m c Q W ασ−≥=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≥=，有m c f r q e σαˆ),(1=−，可得 mf r q c e σαˆ),(1⋅=−，再逐个将||⋅⋅−j i Y Y 与c 比较，得出每一对µ i 与µ j 是否有显著差异的结论．步骤：假设j i ijH µµ=:0 vs j i ij H µµ≠:1， 1≤ i < j ≤ r ， 统计量mY Y mY mY Q i ri i ri i ri i ri σσµσµˆmin max ˆminˆmax1111⋅≤≤⋅≤≤⋅≤≤⋅≤≤−=−−−=，显著水平α ，右侧拒绝域{}),(ˆ1e f r q Q m c Q W ασ−≥=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≥=，计算mf r q c e σαˆ),(1⋅=−，逐个将||⋅⋅−j i Y Y 与c 比较，得出结论．例 由前面的鸡饲料对鸡增重影响问题的数据对各因子作多重比较（α = 0.05）．解：假设j i ijH µµ=:0 vs j i ij H µµ≠:1， 1≤ i < j ≤ 3， 统计量mY Y mY mY Q i ri i ri i ri i ri σσµσµˆmin max ˆminˆmax1111⋅≤≤⋅≤≤⋅≤≤⋅≤≤−=−−−=，显著水平α = 0.05，r = 3，f e = n − r = 21，右侧拒绝域W = {Q ≥ q 0.95 (3, 21)} = {Q ≥ 3.57}，因m = 8，6553.3621875.28215ˆ==−=r n S e σ，有2658.4686553.3657.3=×=c ， 由于c Y Y >=−=−⋅⋅875.48|125.107325.1024|||21，故µ 1与µ 2有显著差异；c Y Y <=−=−⋅⋅20|25.104425.1024|||31，故µ 1与µ 3没有显著差异； c Y Y <=−=−⋅⋅875.28|25.1044125.1073|||32，故µ 2与µ 3没有显著差异；8.2.4重复数不等场合的S 法重复数不等时，因)1,0(~11)()(N m m Y Y ji j i j i +−−−⋅⋅σµµ，但σ 未知，用r n S e−=σˆ替换．由于)(~22r n S e −χσ且S e 与⋅⋅j i Y Y ,相互独立，则根据t 分布的定义可得 )()(~11ˆ)()(e ji j i j i f t r n t m m Y Y =−+−−−⋅⋅σµµ，当所有的假设ijH 0都成立时，即µ 1 = µ 2 = … = µ r = µ ，有)(~11ˆe ji j i ij f t m m Y Y T +−=⋅⋅σ，得),1(~11ˆ)(222e j i j i ijij f F m m Y Y T F ⎟⎟⎠⎞⎜⎜⎝⎛+−==⋅⋅σ，从而统一的拒绝域可以取为U U r j i ji j i r j i ji j i c m m Y Y m m c Y Y W ≤<≤⋅⋅≤<≤⋅⋅≥+−=+≥−=11}11||{}11|{| }ˆmax {}ˆ11ˆ)(max {}ˆ11ˆ||max {221222211σσσσσc F c m m Y Y cm m Y Y ij r j i j i j i r j i ji j i r j i ≥=≥⎟⎟⎠⎞⎜⎜⎝⎛+−=≥+−=≤<≤⋅⋅≤<≤⋅⋅≤<≤，可以证明，),1(~1max 1e ij rj i f r F r F −−≤<≤&．当显著水平为α 时，拒绝域{}),1(ˆ)1(122e f r f F r c F W −≥=⎭⎬⎫⎩⎨⎧−≥=−ασ，有221ˆ)1(),1(σα−=−−r c f r f e ，可得),1()1(ˆ1e f r f r c −−=−ασ，因此⎟⎟⎠⎞⎜⎜⎝⎛+−−=+=−j i e ji ij m m f r f r m m c c 11),1()1(ˆ111ασ， 再逐个将||⋅⋅−j i Y Y 与ji ij m m cc 11+=比较，得出每一对µ i 与µ j 是否有显著差异的结论． 步骤：假设j i ijH µµ=:0 vs j i ij H µµ≠:1， 1≤ i < j ≤ r ， 统计量),1(~11ˆ)1()(max1max 2211e j i j i rj i ijrj i f r F m m r Y Y r F F −⎟⎟⎠⎞⎜⎜⎝⎛+−−=−=⋅⋅≤<≤≤<≤&σ，显著水平α ，右侧拒绝域{}),1(ˆ)1(122e f r f F r c F W −≥=⎭⎬⎫⎩⎨⎧−≥=−ασ， 计算⎟⎟⎠⎞⎜⎜⎝⎛+−−=+=−j i e ji ij m m f r f r m m cc 11),1()1(ˆ111ασ， 逐个将||⋅⋅−j i Y Y 与c ij 比较，得出结论．例 由前面的食品包装对销售量影响问题的数据对各因子作多重比较（α = 0.01）． 解：假设j i ijH µµ=:0 vs j i ij H µµ≠:1， 1≤ i < j ≤ 4， 统计量),1(~11ˆ)1()(max)1(max 224141e j i j i j i ij j i f r F m m r Y Y r F F −⎟⎟⎠⎞⎜⎜⎝⎛+−−=−=⋅⋅≤<≤≤<≤&σ，显著水平α = 0.01，r = 4，f e = n − r = 6，右侧拒绝域W = {F ≥ f 0.99 (3, 6)} = {F ≥ 9.78}，因m 1 = m 4 = 2，m 2 = m 3 = 3，7689.2646ˆ==−=r n S e σ，有9981.1478.937689.2=××=c ， 则6914.13312134241312=+====cc c c c ，9981.14212114=+=c c ，2459.12313123=+=c c ， 由于12212|1315|||c Y Y <=−=−⋅⋅，故µ 1与µ 2没有显著差异；13314|1915|||c Y Y <=−=−⋅⋅，故µ 1与µ 3没有显著差异； 144112|2715|||c Y Y <=−=−⋅⋅，故µ 1与µ 4没有显著差异； 23326|1913|||c Y Y <=−=−⋅⋅，故µ 2与µ 3没有显著差异； 244214|2713|||c Y Y >=−=−⋅⋅，故µ 2与µ 4有显著差异； 34438|2719|||c Y Y <=−=−⋅⋅，故µ 3与µ 4没有显著差异．§8.3 方差齐性检验在单因子方差分析统计模型中，总是假设各个水平下的总体方差都相等，即222221σσσσ====r L ，称之为方差齐性．但方差齐性不一定自然成立，需要对其进行检验，检验的原假设与备择假设为H 0：22221r σσσ===L vs H 1：22221,,,r σσσL 不全相等，称为方差齐性检验．各水平下的总体方差2i σ分别是以该水平下的样本方差2i S 作为点估计，以由22221,,,r S S S L 构成的函数作为检验的统计量．分成重复数相等与不等两种场合进行讨论． 8.3.1重复数相等场合的Hartley 检验法重复数相等时，样本方差⎥⎦⎤⎢⎣⎡−−=⎥⎦⎤⎢⎣⎡−−=−−=∑∑∑=⋅==⋅m T Y m Y m Y m Y Y m S i m j ij i m j ij m j i ij i2122121221111)(11，i = 1, 2, …, r ， 各水平是平等的，以r 个水平下样本方差),,2,1(,2r i S i L =的最大值与最小值之比作为检验的统计量H ，即},,,min{},,,max{2222122221r r S S S S S S H L L =．在方差齐性成立的条件下，统计量H 的分布只与水平个数r 及样本方差2i S 的自由度f = m − 1有关，记为H (r , f )．分布H (r , f )的准确形式比较复杂，通常采用随机模拟方法得到其分位数H 1 − α (r , f )．显然有H ≥ 1，且H 的观测值越接近1，方差齐性越应该成立，因此拒绝域取为W = {H ≥ H 1 − α (r , f )}．步骤：假设H 0：22221r σσσ===L vs H 1：22221,,,r σσσL 不全相等，统计量},,,min{},,,max{2222122221rr S S S S S S H L L =，显著水平α ，右侧拒绝域W = {H ≥ H 1 − α (r , f )}， 计算H ，并作出判断． 这称之为Hartley 检验法．例 由前面的鸡饲料对鸡增重影响问题的数据采用Hartley 检验法进行方差齐性检验（α = 0.05）．解：假设H 0：232221σσσ== vs H 1：232221,,σσσ不全相等，统计量},,min{},,max{232221232221S S S S S S H =， 显著水平α = 0.05，且r = 3，f = m − 1，右侧拒绝域W = {H ≥ H 0.95 (3, 7)} = {H ≥ 6.94}，根据试验数据计算表，可得T 1 = 8194，T 2 = 8585，T 3 = 8354，8398024121=∑=mj j Y ，9230355122=∑=mj jY，8728984123=∑=mj j Y ，则9286.759)881948398024(71221=−=S ，9821.2510885859230355(71222=−=S ，9286.759)883548728984(71223=−=S ，可得W H ∉==3042.39286.7599821.2510，故拒绝H 0 ，接受H 1 ，可以认为三个水平下的总体方差满足方差齐性．8.3.2 重复数不等场合大样本情形的Bartlett 检验法重复数不等时，样本方差⎥⎦⎤⎢⎣⎡−−=⎥⎦⎤⎢⎣⎡−−=−−=∑∑∑=⋅==⋅i i m j ij i i i m j ij i m j i ij i im T Y m Y m Y m Y Y m S i i i 2122121221111)(11，i = 1, 2, …, r ， 记i i m j ijm j i ij i m T Y Y Y Q ii21212)(−=−=∑∑==⋅为第i 个水平下的偏差平方和，f i = m i − 1为其自由度，有i i i f Q S =2，且e r i m j i ijr i i S Y YQ i=−=∑∑∑==⋅=1121)(，e ri ir i i f r n r mf =−=−=∑∑==11，则组内偏差均方和∑∑∑=======ri i ei ri ii e ri ie e e e Sf f S f f Q f f S MS 1212111， 即MS e 等于样本方差22221,,,r S S S L 以各自自由度所占比例为权数的加权算术平均，而相应的加权几何平均记为GMS e ，即∏==ri f f i e eiS GMS 12)(．以MS e 与GMS e 之商的一个函数作为检验统计量．可以证明，大样本情形，在方差齐性成立的条件下，)1(~])ln()ln([1ln 212−−==∑=r S f MS f C GMS MS C f B ri i i e e e e e χ&，其中常数⎟⎟⎠⎞⎜⎜⎝⎛−−+=∑=e r i i f f r C 11)1(3111． 由于算术平均必大于等于几何平均，即MS e ≥ GMS e ，当且仅当所有2i S 都相等时等号成立，即B 的观测值越小，方差齐性越应该成立，因此拒绝域取为)}1({21−≥=−r B W αχ．。
第八章 方差分析与回归分析
因子
误差 总和
8 May 2013
SA
Se ST
fA=r1
MSA= SA/fA
MSe= Se/fe
F＝ MSA/ MSe
fe=nr
fT=n1
山东财经大学 信科10
第八章 方差分析与回归分析
第19页
对给定的，可作如下判断：
如果 F >F1 (fA ,fe)，认为因子A显著；
第八章 方差分析与回归分析
第2页
§8.1 方差分析
8.1.1 问题的提出
方差分析， 是20世纪20年代由英国统计学 家费希尔首先提出的。最初主要应用于生物和 农业田间试验，以后推广到各个领域应用。它 是直接对多个总体的均值是否相等进行检验， 这样不但可以减少工作量，而且可以增加检验 的稳定性。
8 May 2013
第八章 方差分析与回归分析
第10页
数学模型的等价形式：
yij ai ij , i 1, 2,..., r, j 1, 2,..., m r ai 0 i 1 相互独立，且都服从N(0, 2 ) ij
假设改写为： H0 ：a1 =a2 =…=ar =0
i 1
也称为因子A的偏差平方和，自由度为 fA=r1.
8 May 2013
山东财经大学 信科10
第八章 方差分析与回归分析
第15页
定理8.1.1 在上述符号下，总平方和ST可以 分解为因子平方和SA与误差平方和Se之和， 其自由度也有相应分解公式，具体为：
( y
i 1 j 1
r
m
ij
山东财经大学 信科10
第八章 方差分析与回归分析
第8方差分析ppt文档
H 1： 1， 2， ， k 不全相等
原假设表示在不同的下的各个总体均值相等，即不同的水平对总体均 值没有显著影响；备择假设表示在不同的下的各个总体均值不全相等， 至少有一个总体均值与其它总体均值不等，即该因素的不同的水平对总 体均值存在显著影响。
2021年3月31日/*
《统计学教程》
第8章 方差分析
8.2 单因素方差分析
2．计算均值 （1）水平均值
水平均值（Level Mean）是指根据具体水平下的观察值的均值。一般 将第j项水平的水平均值记为，有计算公式为
x j
1 nj
nj
xij
i 1
（8.1）
（2）总均值
总均值（Total Mean）是指全部观察值的均值，也为水平均值的均值。
《统计学教程》
第8章 方差分析
8.1方差分析的一般问题
例8.1 某企业为了分析研究成品车间的产品质量控制问题，对该车间 的5个班组的产品优等品率进行了一次抽查，在每个班组独立地抽取了5 个优等品率数据构成了随机样本。
表8.1 某企业成品车间5个班组优等品率抽查情况
观察值 1组
班组
2组
3组
4组
81
83
《统计学教程》
第8章 方差分析
8.2 单因素方差分析
3．计算离差平方和
（1）总离差平方和
总离差平方和（Sum of Squares for Total, SST）是指全部观察值与 总均值的离差的平方和，反映了全部观察值离散程度的总规模。有
k nj
SST
xij x 2
j1 i1
（8.3）
按照式（8.3），由表8.2的数据可以计算出例8.1的总离差平方和SST为 286.96。
《第八章方差分析》PPT课件
si2
Ⅰ 122 2500 20.33 3.88
Ⅱ 106 1902 17.67 5.86
k 5 n6
C 6072 6 5 12281.63
Ⅲ 150 3770 25.00 4.00
Ⅳ 137 3165 22.83 7.34
Ⅴ 92 1426 15.33 3.06 T 607 xi2j 12763
第五页，共47页。
因此此时再用t-test法进行检验就不恰当了
如何对 k 3个样本进行假设检验？ 这就是本章所要讨论的方差分析
什么叫方差？
方差是对数据（或称资料）变异的度量
方差的公式：
总一般体总：体 2方 差称xN方2差样，本样：本s方2 差n称x1均x 2 方
x2
n
x
n 1
2
能使变量发生变异的原因很多，这些原因我们都将其称为变
如果这许多样本都只和对照组相比，我们仍然可以使用t-
test或u-test进行，但如果需要样本之间两两相比较的
话，就不能使用t-test或u-test进行了 其理由有以下几个：
第三页，共47页。
1、当有k个样本所属总体的平均值相互两两比较，就需
作
1 k次k比1较 ，即作
2
次1 k假k 设1 检验
2
验结束后每一组内的数据资料相等，这就是组内样 本容量相等的情况
（一）数据结构和数学模型
方差分析是建立在一定的线性数学模型基础上的，所谓线性 模型就是指每一个观测值都可以分割成若干个线性部分， 这是方差分析中平方和、自由度剖分的理论依据
第十三页，共47页。
设从一个 N , 2 中随机抽取一个样本，容量为 ，n这
能充分使用试验中所有的信息量，这是十分可惜的
黄良文《统计学》(第2版)笔记和课后习题(含考研真题)详解 第8章 方差分析 【圣才出品】
验这 k 个总体（水平）的均值是否相等，即通过简单随机样本检验以下假设：
不全相等
这里的原假设 H 0 表示：对所讨论的数值变量（因变量）而言，分类变量（自变量）的
不同水平没有显著差异，即分类变量对该数值变量没有显著影响。
二、单因素方差分析
1 / 26
圣才电子书 十万种考研考证电子书、题库视频学习平台
总变差 SST 进行平方和分解可以得到： SST=SSA+SSE
其中，组内变差 SSE 为：
组间变差为：
2 / 26
圣才电子书 十万种考研考证电子书、题库视频学习平台
2．单因素方差分析的数学模型 把表 8-1 的每一行看作是取自某一水平所对应正态分布总体的容量为 N 的简单随机样
（2）双因素试验的总变差 SST：
4 / 26
圣才电子书 十万种考研考证电子书、题库视频学习平台
对总变差 SST 进行平方和分解，可以得到 SST=SSE+SSA+SSB。 其中，随机变差 SSE 为
因素 A 的变差 SSA 为
因素 B 的变差 SSB 为
2．双因素方差分析 （1）双因素方差分析的数学模型
在原假设成立的情况下，
，
和
。 3．等均值原假设的 F 检验
（1）对于等均值原假设 H 0 ，可以构造 F 统计量为：
在显著性水平α的条件下，只要 F≥ F 2 [M-1，M（N-1）]就可以拒绝原假设 H 0 ，认
3 / 26
圣才电子书 十万种考研考证电子书、题库视频学习平台
圣才电子书
十万种考研考证电子书、题库视频学习平台
第 8 章 方差分析
8.1 复习笔记
一、方差分析方法引导
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数学模型的等价形式
1 s 记n n j , n j j . n j 1 j 1
水平A j的效 应, 表示水平 A j 下的总体 平均值与总 平均的差异 .
j j
s
总平均
j 1, 2,
,s
n11 n22
ns s 0.
原数学模型 X ij j ij , ij～N (0, 2 ), 各 ij 独立,
X ij j ij ,
检验假设
H 0 : 1 2 H1 : 1 , 2 ,
r ,
, r不全相等.
等价于
H0 : 1 2 r 0
检验假设
H1 : i 0(i 1,2, , r )至少有一个是否成立的问题.
二、平方和的分解
将数据看成是来自三个总体的样本值。每一次 问题分析 测量看作是一个水平，在每一个水平下进行独 立试验,结果是一个随机变量。
检验假设
设总体均值分别为 1, 2 , 3 H 0 : 1 2 3 , H 1 : 1 , 2 , 3不全相等.
数学模型
设因素A有s个水平A1 , A2 ,, As , 在水平A j ( j 1,2,, s )下, 进行n j ( n j 2)次独立试验 , 得到如下表 的结果. 表 2 水平 A1 A2 As 观察结果 X 1s X 11 X 12 X 2s X 21 X 22 Xn 1 Xn 2 X ns s 1 2 样本总和 T1 T2 T s 样本均值 X s X 1 X 2 s 1 2 总体均值
—组内均方差
当 H0 成立时,即 a1=a2=…ar=0 当 H0 不成立时 E
QA QE E r 1 nr
QA QE 时, E E 2 , r 1 nr
,
Q A Q A /(r 1) F QE QE /(n r )
改写为 i 1, 2,, n j , j 1, 2,, s , j 与 2 均未知.
2 ij～N (0, ), 各 ij 独立 , i 1, 2, , n j , j 1, 2, , s, s n j j 0. j 1
QT ( X ij X
i 1 j 1 r ni
—总平方和
QE +QA
QE ( X ij X i )
i 1 j 1 n ni 2
—组间方差（不同 水平-机器产品均值 的离差平方和） —组内方差（单台 机器不同次试验测 得均值的离差平方
QA
i 1
r
ni ( X i X ) 2
单因素试验方差分析的数学模型
ij～N (0, 2 ) , 各 ij 独立 , i 1, 2,, n j , j 1, 2,, s , j 与 2 均未知.
需要解决的问题 检验假设
X ij j ij ,
H 0 : 1 2 s , H 1 : 1 , 2 ,, s 不全相等.
第八讲
方差分析
• 前几章我们讨论的都是一个总体或者两个 总体的统计分析问题，但在实际工作中， 我们还会经常碰到多个总体均值的比较问 题，处理这类问题通常采用所谓的方差分 析方法．
本章主要内容
单因素试验的方差分析(one-way ANOVA)
两因素试验的方差分析(multiple ANOVA)
一、单因素方差分析
平——因素所处的状态.
单因素试验——在一项试验中只有一个因素改变. 多因素试验——在一项试验中有多个因素在改变.
例1 设有三台机器,用来生产规格相同的铝合金薄 板.取样,测量薄板的厚度精确至千分之一厘米.得结 果如下表所示. 表1 铝合金板的厚度 机器Ⅰ 机器Ⅱ 机器Ⅲ 0.236 0.257 0.258 0.238 0.253 0.264 0.248 0.255 0.259 0.245 0.254 0.267 0.243 0.261 0.262 试验指标: 薄板的厚度 因素: 机器 水平: 不同的三台机器是因素的三个不同的水平
假设
1.各个水平A j ( j 1,2,, s )下的样本X 1 j , X 2 j , , X n j j 来自具有相同方差 2 , 均值分别为 j ( j 1, 2,, s )的正态总体N ( j , 2 ), j 与 2均未知;
2.不同水平A j 下的样本之间相互独立 .
机械设备 技术人员 企业规模
施工组织
材料采购 操作水平
建筑产品的 数量和质量
资金计划
施工环境
方差分析——根据测试或者调研、试验的结果 进行分析,鉴别上述各个有关因素对工程质量 （试验结果）的影响程度。
目的 检验单个控制因素的改变是否会给 观察变量带来显著影响。
试验指标——试验中要考察的指标. 因 素——影响试验指标的条件. 因 素 水 可控因素 不可控因素
假定除机器这一因素外, 其他条件相同, 属于 单因素试验.
试验目的: 考察各台机器所生产的薄板的厚度 有无显著的差异. 即考察机器这一因素对厚度有无 显著的影响.
表1 机器Ⅰ 0.236 0.238 0.248 0.245 0.243
铝合金板的厚度 机器Ⅱ 机器Ⅲ 0.257 0.258 0.253 0.264 0.255 0.259 0.254 0.267 0.261 0.262
1 Xi ni
X
j 1
ni
ij
(i 1,2,, r )
—组内平均
1 X n
X
i 1 j 1
r
ni
ij
—总平均
EQE (n r ) 2
EQA ni i2 (r 1)a 2
i 1 r
E(
QE nr
)
2
—组间均方差和
r 1 QA 2 2 E n i i r 1 i 1 r 1