数理统计--第4章 方差分析、正交试验设计
合集下载
正交试验设计(详细)
正交试验设计法正交试验设计法的基本思想正交表正交表试验方案的设计试验数据的直观分析正交试验的方差分析常用正交表1．正交试验设计法的基本思想正交试验设计法，就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。
它简单易行，计算表格化，使用者能够迅速掌握。
下边通过一个例子来说明正交试验设计法的基本想法。
[例1]为提高某化工产品的转化率，选择了三个有关因素进行条件试验，反应温度(A)，反应时间(B)，用碱量(C)，并确定了它们的试验范围：A：80-90℃B：90-150分钟C：5-7％试验目的是搞清楚因子A、B、C对转化率有什么影响，哪些是主要的，哪些是次要的，从而确定最适生产条件，即温度、时间及用碱量各为多少才能使转化率高。
试制定试验方案。
这里，对因子A，在试验范围内选了三个水平；因子B和C也都取三个水平：A：Al＝80℃，A2＝85℃，A3=90℃B：Bl＝90分，B2＝120分，B3=150分C：Cl＝5％，C2＝6%，C3＝7%当然，在正交试验设计中，因子可以是定量的，也可以是定性的。
而定量因子各水平间的距离可以相等，也可以不相等。
这个三因子三水平的条件试验，通常有两种试验进行方法：(Ⅰ)取三因子所有水平之间的组合，即AlBlC1，A1BlC2，A1B2C1，……，A3B3C3，共有33=27次试验。
用图表示就是图1 立方体的27个节点。
这种试验法叫做全面试验法。
全面试验对各因子与指标间的关系剖析得比较清楚。
但试验次数太多。
特别是当因子数目多，每个因子的水平数目也多时。
试验量大得惊人。
如选六个因子，每个因子取五个水平时，如欲做全面试验，则需56＝15625次试验，这实际上是不可能实现的。
如果应用正交实验法，只做25次试验就行了。
而且在某种意义上讲，这25次试验代表了15625次试验。
图1 全面试验法取点..........(Ⅱ)简单对比法，即变化一个因素而固定其他因素，如首先固定B、C于Bl、Cl，使A变化之：↗A1B1C1 →A2↘A3 (好结果)如得出结果A3最好，则固定A于A3，C还是Cl，使B变化之：↗B1A3C1 →B2 (好结果)↘B3得出结果以B2为最好，则固定B于B2，A于A3，使C变化之：↗C1A3B2→C2 (好结果)↘C3试验结果以C2最好。
正交试验设计及其方差分析
Lp(nm)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. 8 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9-19所示 .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.
3
显然 T Tij ,j =1，2，3，4.此处 i 1
T11 大致反映了A1 对试验结果的影响, T21 大致反映了A2 对试验结果的影响, T31 大致反映了A3 对试验结果的影响, T12 , T22 和 T32 分别反映了B1 , B2 , B3 对试验结果的影响,
T13 , T23 和T33 分别反映了C1, C2 , C3 对试验结果的影响, T14 , T24 和 T34 分别反映了D1, D2 , D3 对试验结果的影响.
Rj 反映了第j列因素的水平改变对试验结果的影响大小, Rj 越大反映第j列因素影响越大.上述结果列表 of range) 由极差大小顺序排出因素的主次顺序:
这里, Rj值相近的两因素间用“、”号隔开,而Rj 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.
(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7. 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)
例 9. 8 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9-19所示 .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.
3
显然 T Tij ,j =1，2，3，4.此处 i 1
T11 大致反映了A1 对试验结果的影响, T21 大致反映了A2 对试验结果的影响, T31 大致反映了A3 对试验结果的影响, T12 , T22 和 T32 分别反映了B1 , B2 , B3 对试验结果的影响,
T13 , T23 和T33 分别反映了C1, C2 , C3 对试验结果的影响, T14 , T24 和 T34 分别反映了D1, D2 , D3 对试验结果的影响.
Rj 反映了第j列因素的水平改变对试验结果的影响大小, Rj 越大反映第j列因素影响越大.上述结果列表 of range) 由极差大小顺序排出因素的主次顺序:
这里, Rj值相近的两因素间用“、”号隔开,而Rj 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.
(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7. 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)
正交试验设计和分析
所以一般地，有 N dfi dfi j 1
i
i, j
如三原因四水平 43 旳正交试验至少应安排
34 1 1 10 次以上旳试验。
如三原因四水平 43 并涉及第一、二个原因旳交互 作用旳正交试验至少应安排旳试验次数为
34 1 4 14 1 1 19
又如安排 43 23 旳混合水平旳正交试验至少应安排
试验次数N旳拟定原则
N 由 dfT N 1 拟定。
其中： dfT dfi dfi j dfE ,
i
i, j
dfi dfi j 是可求出旳，而 dfE 是未知旳，
i
i, j
所以一般地，由 N dfi dfi j 1 拟定 N，
i
i, j
故 N 不是唯一旳。
当不考虑交互作用时：可取 N S q 1 1
所以要选择 LN 2S 型旳表，且不考虑交互作用时， S 4 ，而 L8 27 是满足条件旳最小旳正交表， 所以选用正交表 L8 27
若考虑A与B、A与C旳交互作用，则
S 6 ，L8 27 依然是满足条件旳最小旳正交表， 所以还可选用正交表 L8 27
注：也可由试验次数应满足旳条件来选择正交表。
正交表旳记号及含义
正交表是一种尤其旳表格，是正交设计旳基本工具。
我们只简介它旳记号、特点和使用措施。
记号及含义
L 正交表旳代号
S 正交表旳列数
（最多能安排旳原因个数，
涉及交互作用、误差等）
LN qS
q 各原因旳水平数
N 正交表旳行数
（各原因旳水平数相等）
（需要做旳试验次数）
如 L8 27 表达
7 2 2 1 1 2 2 1 275
8 2 2 1 2 1 1 2 375
第4讲5(1) 正交试验设计(方差分析)
处理号 1 2
第1列（A） 1 1
表 L9(34)正交表
第2列 1 2
第3列 1 2
第4列 1 2
因素A第1 试验结果y水i 平3次
重复测定 y1 值 y2
3
1
3
3
3
y3
单4 因素 2
1
2
3
y4
试5 验数 2
2
3
1
y5
因素A第2
SS据A6＝资13（料y1 y22
格式 78＝13（K12
3 K322
y3）2 （y43y5
K32）-
T2 9
1 2
y6）2 （ 1 y7 3 1
y 82y 9）2 2 3
（y1yy62 ...
9
y7 y8
y水9）平2（修 3次正重项） 复测定值
9
3
3
2
1
y9
分析第1列因素时，其它列暂不考虑，将其看做条件因因素素A。第3
因素 重复1 重复2 重复3
显著影响
（6）列方差分析表
（1）偏差平方和分解：
总偏差平方和＝各列因素偏差平方和+误差偏差平方和
SST SS因素 SS空列（误差）
（2）自由度分解：
dfT df因素 df空列（ 误列（
（3）方差：MS因素＝
SS因素 df因素
，MS误差＝
SS误差 df误差
（4）构造F统计量：
F因素＝
MS因素 MS误差
（5）列方差分析表，作F检验
若计算出的F值F0>Fa，则拒绝原假设，认为 该因素或交互作用对试验结果有显著影响；若 F0≼Fa，则认为该因素或交互作用对试验结果 无显著影响。
正交试验设计完整版本
5）用这种方法安排试验，如不重复做试验，是给不 出误差估计的，因此，同样的试验次数，提供信息 不多。
2020/3/26
数理统计在化学中的应用
李 振 华 制
10 造
2. 拉丁方试验设计
均衡分布思想，虽然远在古代就有，但只是在近代才与生 产科研实际相结合，产生了拉丁方、正交表，显示出它的 巨大威力。
2020/3/26
数理统计在化学中的应用
李 振 华 制
3造
2020/3/26
数理统计在化学中的应用
李 振 华 制
4造
2020/3/26
数理统计在化学中的应用
李 振 华 制
5造
$8.3 试验设计
试验设计的目的就是为了试验优化. 试验优化由于具有设计灵活、计算简便、试验次数
少、优化成果多、可靠性高以及适用面广等特点， 因而发展迅速，应用广泛，已成为多快好省地获取 试验信息的现代通用技术，成为科学实验、质量管 理的一个科学工具。
反应时间
产量
1小时 平均值
反应温度
50 oC
69.5
70 oC
71.5
2020/3/26
数理统计在化学中的应用
2小时 平均值
72.0
64.5
李 振 华 制
29 造
最佳条件：
显色剂浓度：2% 显色温度：50 oC 显色时间：2小时 操作方法：不搅拌
2020/3/26
数理统计在化学中的应用
李 振 华 制
18世纪的欧洲，普鲁士弗里德里希·威廉二世（1712一1786 ）要举行一次与往常不同的6列方队阅兵式。他要求每个方 队的行和列都要由6种部队的6种军官组成，不得有重复和 空缺。这样．在每个6列方队中，部队军官在行和列全部排 列均衡。群臣们冥思苦想，竟无一人能排出这种方队。后 来，向当时著名的数学家欧拉（1707—1783）请教，由此 引起了数学家们的极大兴趣，致使各种拉丁方问世。
2020/3/26
数理统计在化学中的应用
李 振 华 制
10 造
2. 拉丁方试验设计
均衡分布思想，虽然远在古代就有，但只是在近代才与生 产科研实际相结合，产生了拉丁方、正交表，显示出它的 巨大威力。
2020/3/26
数理统计在化学中的应用
李 振 华 制
3造
2020/3/26
数理统计在化学中的应用
李 振 华 制
4造
2020/3/26
数理统计在化学中的应用
李 振 华 制
5造
$8.3 试验设计
试验设计的目的就是为了试验优化. 试验优化由于具有设计灵活、计算简便、试验次数
少、优化成果多、可靠性高以及适用面广等特点， 因而发展迅速，应用广泛，已成为多快好省地获取 试验信息的现代通用技术，成为科学实验、质量管 理的一个科学工具。
反应时间
产量
1小时 平均值
反应温度
50 oC
69.5
70 oC
71.5
2020/3/26
数理统计在化学中的应用
2小时 平均值
72.0
64.5
李 振 华 制
29 造
最佳条件：
显色剂浓度：2% 显色温度：50 oC 显色时间：2小时 操作方法：不搅拌
2020/3/26
数理统计在化学中的应用
李 振 华 制
18世纪的欧洲，普鲁士弗里德里希·威廉二世（1712一1786 ）要举行一次与往常不同的6列方队阅兵式。他要求每个方 队的行和列都要由6种部队的6种军官组成，不得有重复和 空缺。这样．在每个6列方队中，部队军官在行和列全部排 列均衡。群臣们冥思苦想，竟无一人能排出这种方队。后 来，向当时著名的数学家欧拉（1707—1783）请教，由此 引起了数学家们的极大兴趣，致使各种拉丁方问世。
数理统计 第4章 方差分析、正交试验设计
r rr ij
r
ni
i i 1 1 ni 2 nni i i
r
组间离差平方和之和。 组间离差平方和之和。 于是，总离差平方和被分解为组内离差平方和
Q QT QE QA QE 、 QA 、 Q T QE QA QE 、 QA QE A E A 于是，总离差平方和被分解为组内离差平方和与 于是，总离差平方和被分解为组内离差平方和与 QT QE Q Q QA QT QE QA QT T E A E A
Q Q1 Q2 Qr ， 其中 Qi 是 Y1 ,Y2 ,,Yn 的线性组合的
平方和 （即非负定二次型） ，自由度为 f j ， j 1,2,, r ， 则有： Q1 , Q2 ,, Qr 相互独立，且
Q j ~ 2 ( f j ) n f1 f 2 f r .
X ij ~ N ( , 2 )
X ij
~ N (0,1)
i 1,2,, r ， j 1,2,, ni 且相互独立，
于是 Q (
i 1 j 1
r
ni
X ij
)2 ~ 2 (n) ,
且有
Q 1
2
1
[( X
i 1 j 1 r ni i 1 j 1
1 r E( X ) ni i ； n i 1
水平
Ai 的均值： X i
1 ni
r
X
j 1
ni
ij
~ N ( i ,
2
ni
)；
( X ij X )2 ； 离差平方总和： QT
i 1 j 1
ni
2 QT ( X ij X ) ； 离差平方总和： i 1 j 1
r
ni
i i 1 1 ni 2 nni i i
r
组间离差平方和之和。 组间离差平方和之和。 于是，总离差平方和被分解为组内离差平方和
Q QT QE QA QE 、 QA 、 Q T QE QA QE 、 QA QE A E A 于是，总离差平方和被分解为组内离差平方和与 于是，总离差平方和被分解为组内离差平方和与 QT QE Q Q QA QT QE QA QT T E A E A
Q Q1 Q2 Qr ， 其中 Qi 是 Y1 ,Y2 ,,Yn 的线性组合的
平方和 （即非负定二次型） ，自由度为 f j ， j 1,2,, r ， 则有： Q1 , Q2 ,, Qr 相互独立，且
Q j ~ 2 ( f j ) n f1 f 2 f r .
X ij ~ N ( , 2 )
X ij
~ N (0,1)
i 1,2,, r ， j 1,2,, ni 且相互独立，
于是 Q (
i 1 j 1
r
ni
X ij
)2 ~ 2 (n) ,
且有
Q 1
2
1
[( X
i 1 j 1 r ni i 1 j 1
1 r E( X ) ni i ； n i 1
水平
Ai 的均值： X i
1 ni
r
X
j 1
ni
ij
~ N ( i ,
2
ni
)；
( X ij X )2 ； 离差平方总和： QT
i 1 j 1
ni
2 QT ( X ij X ) ； 离差平方总和： i 1 j 1
正交设计与方差分析
适用范围
正交设计适用于多因素、多水平的试验安排，而方差分析 适用于检验数据间的差异和因素显著性。
04
正交设计与方差分析的实例
正交设计实例
实验设计
正交设计是一种实验设计方法， 通过选择合适的正交表，安排多 因素多水平的实验，以最小实验 次数获得尽可能多的信息。
特点
正交设计具有均衡分散、整齐可 比的特点，能够快速有效地找到 最优方案。
THANKS
感谢观看
复合正交设计
适用于多个因素，每个因素有多个水平的实验。
混合水平正交设计
适用于某些因素水平较多，而其他因素水平较少 的实验。
02
方差分析简介
方差分析的定义
• 方差分析（ANOVA）是一种统计分析方法，用于比较两 个或多个组之间的平均值差异是否显著。它通过分析数据 的变异来源，将总变异分解为组间变异和组内变异，从而 评估不同组之间的差异是否具有统计意义。
适用范围有限
正交设计主要适用于多因素、多水平的实验设计，对于其他类型 的实验可能不太适用。
对实验条件要求较高
正交设计要求实验条件相同，对于实验条件不易控制的情况可能不 太适用。
对实验结果分析要求较高
正交设计需要对实验结果进行复杂的统计分析，对于数据分析能力 要求较高。
正交设计与方差分析的发展趋势
多元化
正交设计与方差分析在未来的应用前景
科学研究
正交设计与方差分析在科学研究领域的应用将会越来越广泛，特别是在生物、化学、物理 等领域。
工业生产
工业生产中需要进行大量的实验研究和数据分析，正交设计与方差分析可以为工业生产提 供有效的实验设计和数据分析方法。
数据分析
正交设计与方差分析作为一种统计分析方法，在数据分析领域的应用将会越来越广泛。
正交设计适用于多因素、多水平的试验安排，而方差分析 适用于检验数据间的差异和因素显著性。
04
正交设计与方差分析的实例
正交设计实例
实验设计
正交设计是一种实验设计方法， 通过选择合适的正交表，安排多 因素多水平的实验，以最小实验 次数获得尽可能多的信息。
特点
正交设计具有均衡分散、整齐可 比的特点，能够快速有效地找到 最优方案。
THANKS
感谢观看
复合正交设计
适用于多个因素，每个因素有多个水平的实验。
混合水平正交设计
适用于某些因素水平较多，而其他因素水平较少 的实验。
02
方差分析简介
方差分析的定义
• 方差分析（ANOVA）是一种统计分析方法，用于比较两 个或多个组之间的平均值差异是否显著。它通过分析数据 的变异来源，将总变异分解为组间变异和组内变异，从而 评估不同组之间的差异是否具有统计意义。
适用范围有限
正交设计主要适用于多因素、多水平的实验设计，对于其他类型 的实验可能不太适用。
对实验条件要求较高
正交设计要求实验条件相同，对于实验条件不易控制的情况可能不 太适用。
对实验结果分析要求较高
正交设计需要对实验结果进行复杂的统计分析，对于数据分析能力 要求较高。
正交设计与方差分析的发展趋势
多元化
正交设计与方差分析在未来的应用前景
科学研究
正交设计与方差分析在科学研究领域的应用将会越来越广泛，特别是在生物、化学、物理 等领域。
工业生产
工业生产中需要进行大量的实验研究和数据分析，正交设计与方差分析可以为工业生产提 供有效的实验设计和数据分析方法。
数据分析
正交设计与方差分析作为一种统计分析方法，在数据分析领域的应用将会越来越广泛。
正交试验设计中的方差分析
个水平，每个水平做p次试验，则n=mp。
那么正交试验的方差分析可以从以下几步进行：
1.计算差方和（离差平方和）： 包括以下几部分：
1)各因素差方和：
正交试验都是多因素多水平的试验，因此有必要对各因素的 差方和进行计算。 各因素差方和等于它的各水平均值k1A,k2A,…,kmA之间偏差平 方和。 以因素A为例，它在正交表中的某列，用xij表示A在第i个水 平的第j次试验结果，则;
即：fA×B=fA×fB 试验误差的自由度fe＝fT－f因 。
3.计算平均差方和（均方）： 在计算各因素的差方和时，按照前面的讲述，它是各水平的 偏差方的和，其大小与水平数有关，故此还不能确切的反映 各因素的情况。为了消除水平数的影响，可以计算其平均差 方和：
因素的平均差方和＝因素差方和 ＝Q因 因素的自由度 f因
试验误差的差方和是所有试验结果在不同水平下的指标值与该 水平下的均值之间的差的平方和。它是由随机误差引起的，故 叫误差的差方和。
Qe QT ( QA QB QN )
2.计算自由度：
试验的总自由度： fT n 1
各因素自由度： f因 m 1
如果有交互作用，则交互作用的自由度为两因素自由度之积:
一．几个数据处理中常用的数理统计名词：
首先对几个数理统计名词进行回顾
1. 平均值 x
就是所有数据的和除以数据的个数。
x
1 n
n i 1
xi
1 n
x1
x2
xn
总体平均值：
1 n
n
xi
i 1
n
总体：数理统计学中指的是研究对象的某一特性值的全体； 样本：从总体中随机抽出的一组测量值。
2.极差 R： 就是一组数据中的最大值减去最小值得到的差值。 3.差方和Q： 测量值对平均值的偏差的平方和，就叫～。也叫离差平方和。
那么正交试验的方差分析可以从以下几步进行：
1.计算差方和（离差平方和）： 包括以下几部分：
1)各因素差方和：
正交试验都是多因素多水平的试验，因此有必要对各因素的 差方和进行计算。 各因素差方和等于它的各水平均值k1A,k2A,…,kmA之间偏差平 方和。 以因素A为例，它在正交表中的某列，用xij表示A在第i个水 平的第j次试验结果，则;
即：fA×B=fA×fB 试验误差的自由度fe＝fT－f因 。
3.计算平均差方和（均方）： 在计算各因素的差方和时，按照前面的讲述，它是各水平的 偏差方的和，其大小与水平数有关，故此还不能确切的反映 各因素的情况。为了消除水平数的影响，可以计算其平均差 方和：
因素的平均差方和＝因素差方和 ＝Q因 因素的自由度 f因
试验误差的差方和是所有试验结果在不同水平下的指标值与该 水平下的均值之间的差的平方和。它是由随机误差引起的，故 叫误差的差方和。
Qe QT ( QA QB QN )
2.计算自由度：
试验的总自由度： fT n 1
各因素自由度： f因 m 1
如果有交互作用，则交互作用的自由度为两因素自由度之积:
一．几个数据处理中常用的数理统计名词：
首先对几个数理统计名词进行回顾
1. 平均值 x
就是所有数据的和除以数据的个数。
x
1 n
n i 1
xi
1 n
x1
x2
xn
总体平均值：
1 n
n
xi
i 1
n
总体：数理统计学中指的是研究对象的某一特性值的全体； 样本：从总体中随机抽出的一组测量值。
2.极差 R： 就是一组数据中的最大值减去最小值得到的差值。 3.差方和Q： 测量值对平均值的偏差的平方和，就叫～。也叫离差平方和。
- 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)。
i1 j1
i1 j1
r ni
r ni
r ni
( X ij X i )2
(Xi X )2 2
( X ij X i )(X i X )
i1 j1
i1 j1
i1 j1
r ni
r
r ni
( X ij X i )2 ni ( X i X )2 2
( X ij X i )(X i X )
壤条件、苗间距等因素有关；
➢化工产品的转化率可能与原料配方、催化剂
用量、反应温度、加热时间等因素有关。
例：为了比较四种不同肥料对小麦亩产量的影响，取
一片土壤肥沃程度和水利灌溉条件差不多的土地，分
成16块。化肥品种记为A1 A2 A3 A4每种肥料施在四块
土地上，得亩产量如下：
实验指标
肥料品种A
A1
A1, A2, …表示。 ④单因素试验：在一项试验中，只有一个因子 的水平在改变，其他因子的水平取定。这样的 方差分析称为单因子方差分析或一元方差分析。 ⑤双因素试验：在一项试验中，有两个因子的 水平在改变。这样的方差分析称为双因子方 差分析或二元方差分析。
§1 一元方差分析
要解决的问题：
①因子对试验指标有无显著影响. ②若因子对试验指标有显著影响，在哪个水平下
前言
问题：多个正态总体均值的比较. 具体:1）影响试验指标的诸多因素中，哪些因素
的影响显著，哪些影响不显著？ 2）这些因素的作用是简单的叠加在一起的,
还是以更复杂的形式交错在一起的？
关键：找出检验统计量，写出拒绝域。
方差分析：解决上述问题的有效的统计方法。
§1 一元方差分析
①试验指标：试验对象的某项指标值。 ②因子：影响试验指标的因素，用A,B,…表示。 ③水平：因子所处的不同试验条件，分别用
X ij
(
ij )
~
i ij N (0, 2 I
n
)
其中称 ij Xij i ~ N(0, 2) 为随机误差；
1 n
r i 1
ni i
为 总 平 均 ； i i 为 A 因 子 i 水 平 效 应 ； 则
r
nii 0 （效应间的关系）
i 1
假设 H0 : 1 2 r H1 : i 不全相等；
即 H0 : 1 2 r 0 H1 :至少有一个i 0
§1 一元方差分析
2.找出检验统计量及 H0 成立时的分布 （1）平方和分解
①总离差平方和 QT ――反映了全体 X ij 的离散程度
r ni
r ni
QT
( X ij X )2
[(X ij X i ) ( Xi X )]2
i1 j1
i 1
i1 j 1
其其中中：： r ni
r
ni
22 r i 1
ni j 1
((
XX
ij ij
XXii
))((XXii
XX))
22
ir1[[((XXi
iXX))ni j
(
1
(XXij
ijXXi )i])]
i1 j 1
i 1
j 1
r
22 r i 1
[[((XX
i i
XX
))((
nnii j 1
应用统计学
目录
CH1 抽样与抽样分布 CH2 参数估计 CH3 设检验 CH4 方差分析、正交试验设计 CH5 回归分析
第四章 方差分析、正交试验设计
§1 一元方差分析 §2 二元方差分析 §3 正交试验设计
前言
实际中，某个试验指标的取值，往往与多 个因素有关。
➢农作物的产量可能与作物品种、施肥量、土
r
ni
i 1
Xi
X
n
i 1
X ij
j 1
n
ni
i 1
Xi
i1 jr1 ni
QT r ni
( X ij X )2
QT i1 (jX1ij X )2
i1 j1
§1 一元方差分析
分析： X ij 相同的原因： 一般平均 X ij 不同的原因: ①误差的存在 ②因子处于不同水平的影响
1.数学模型：
1 ni
ni
X ij
j 1
X , X ,, X X
r
1
,rX1
r
2
r
,r 2
ni
,
X
rnr
rnr
QA
(Xi X )2
QA QE
r
QEir1
njiniiri111((XjnXji1ij1i(XXiXji ))22X
i
)2
Xr
X 1
rX
r ni
1 n
r ni
X ij
i1 1j1r
1 n
试分析因子 A 对试验指标有无显著影响？
即水 平
水A1平 AA12 A 2
AArr
§1 一元方差分析
观测值
平均值
观 测 值 平 均值 XX21XX11,,2X1X11,21,2X2X,,2122,,,,~XX21N,,nnX1X2(21nni12, 2 )
X1
1 n1
X2
X1
X n1
X2 1j
j1
A2
A3 A4
亩产量 981，964，917，669 607，693，506，358 791，642，810，705 901，703，792，883
实验因素 因素水平
问施肥品种对小麦产量有无影响。
单因素 方差分析
例：为了比较四种不同肥料、三种土壤对小麦亩产量
的影响，化肥品种为A1 ，A2 ，A3 ，A4，土壤记为 B1，B2，B3每种肥料施在两块土地上，得亩产量如下：
XXiijj
nnii XXii))]] 22
r
ri1[([(XXi
iXX)()n(ni Xi Xi
i ninXi Xi )i])] 0
0
i 1
j 1
i1
E、 Ar
QE
2
i 1
[(
Xi
X
)(QniTXiQniEXi )]Q A0
QA
于是，总离差平r 方ni 和被分解为组r 内离差平方和与
从而： QT
土壤种类 肥料品种
A1 A2
B1 693，506 810，705
B2 607，358 981，964
B3 810，705 792，883
实验指标 实验因素 因素水平
A3
791，642
810，705
843，766
A4
917，669
657，703
901，703
两因素 方差分析
问施肥品种、土壤种类及交互作用对小麦产量有无影响。
( Xij Xi )2 ni ( Xi X )2
组间离差平方和之和。 ②组内离差平方和 ——反映了 的作用 i1QjE1
试验指标最优. ③若有两个以上的因子,它们之间有无交互作用.
§1 一元方差分析
问题：已知因子 A ，其有 r 种水平 A1, A2,, Ar ，在每
r
一种水平下做了 ni (i 1,2,, r) 次试验，且 ni n ，设 i 1
在水平 Ai 下的试验值 X i ~ N (i , 2 ) 且所有 X i 之间相互 独立。