单因子方差分析
发布日期:2022-02-14 23:02:47
浏览次数:30
分类:技术文章
本文共 2142 字,大约阅读时间需要 7 分钟。
- 单因子二水平试验:两个总体的数学期望是否相等的显著性检验( t t t检验法)
- 单因子多水平试验:多个总体的数学期望是否相等的显著性检验( F F F检验法)
- 基本假设:
- 正态总体
- 方差相同
- 基本假设:
- F F F检验法(方差分析法):由因子的方差同重复试验的误差项方差之比,建立 F F F分布的检验统计量
-
- 对于四组样本 ξ i \xi_i ξi,假定总体 ξ i \xi_i ξi服从正态分布 N ( a i , σ ) N(a_i, \sigma) N(ai,σ),其中 a i , σ a_i, \sigma ai,σ均未知
- 原假设 H 0 : a 1 = a 2 = a 3 = a 4 H_0:a_1=a_2=a_3=a_4 H0:a1=a2=a3=a4
- 离差平方和
- 总体样本均值: ξ ˉ = ∑ i = 1 r ( n i × ξ i ˉ ) n \bar{\xi} = \frac{\sum_{i=1}^r{(n_i \times \bar{\xi_i})}}{n} ξˉ=n∑i=1r(ni×ξiˉ)
- 总体样本方差: S 2 = ∑ i = 1 r ∑ j = 1 n i ( ξ i j − ξ ˉ ) 2 n S^2 = \frac{\sum_{i=1}^r\sum_{j=1}^{n_i}{(\xi_{ij} - \bar{\xi})^2}}{n} S2=n∑i=1r∑j=1ni(ξij−ξˉ)2
- 误差项平方和: Q e = ∑ i = 1 r ( n i × S i 2 ) Q_e = \sum_{i=1}^r{(n_i \times S^2_i)} Qe=∑i=1r(ni×Si2)
- 因子的平方和: U 1 = ∑ i = 1 r ( n i × ( ξ i ˉ − ξ ˉ ) 2 ) U_1 = \sum_{i=1}^r{(n_i \times (\bar{\xi_i} - \bar{\xi})^2)} U1=∑i=1r(ni×(ξiˉ−ξˉ)2)
- 总离差平方和: n × S 2 = Q e + U 1 n \times S^2 = Q_e + U_1 n×S2=Qe+U1
- 建立 F F F检验统计量
- Q e Q_e Qe:各总体中样本方差 S i 2 S^2_i Si2的线性组合,其中每个 S i 2 S^2_i Si2都是 σ 2 \sigma^2 σ2的极大似然法估计量,是渐近无偏及渐近优效估计量。反映了重复试验中误差的总大小
- U 1 U_1 U1:由各总体的样本均值 ξ i ˉ \bar{\xi_i} ξiˉ与总体样本均值 ξ ˉ \bar{\xi} ξˉ之间的差异平方组成。反映了各总体的样本平均之间的差异程度。样本均 ξ i ˉ \bar{\xi_i} ξiˉ是 a i a_i ai的无偏估计量,且是优效估计量。故, U 1 U_1 U1在一定程度上可反映原假设 H 0 H_0 H0是否成立
- 【方差分析法】若 U 1 U_1 U1显著地大于 Q e Q_e Qe:说明各 ξ i ˉ \bar{\xi_i} ξiˉ间的差异大小显著地大于重复试验中误差的总大小,则 H 0 H_0 H0可能不成立
- r r r个相互独立且均服从正态分布 N ( a , σ ) N(a, \sigma) N(a,σ),故统计量 U 1 / ( r − 1 ) Q e / ( n − r ) ∼ F ( r − 1 , n − r ) \frac{U_1 / (r - 1)}{Q_e / (n - r)} \sim F_{(r - 1, n - r)} Qe/(n−r)U1/(r−1)∼F(r−1,n−r)可作为判断 H 0 H_0 H0是否成立的检验统计量
- F F F检验统计量的观察值 F ( r − 1 , n − r ) F_{(r - 1, n - r)} F(r−1,n−r)大于 F ( r − 1 , n − r ) ( α ) F_{(r - 1, n - r)}{(\alpha)} F(r−1,n−r)(α),则在显著性水平 α \alpha α下否定 H 0 H_0 H0。实际工作中称之为以 1 − α 1 - \alpha 1−α的把握认为这个因子对试验指标的影响是显著
- 【方差分析法】若 U 1 U_1 U1显著地大于 Q e Q_e Qe:说明各 ξ i ˉ \bar{\xi_i} ξiˉ间的差异大小显著地大于重复试验中误差的总大小,则 H 0 H_0 H0可能不成立
- 方差分析表
项目 | 离差平方和 | 自由度 | 方差 | F值 |
---|---|---|---|---|
因子误差 | U 1 U_1 U1 | r − 1 r - 1 r−1 | U 1 / ( r − 1 ) U_1 / (r - 1) U1/(r−1) | U 1 / ( r − 1 ) Q e / ( n − r ) \frac{U_1 / (r - 1)}{Q_e / (n - r)} Qe/(n−r)U1/(r−1) |
因子误差 | Q e Q_e Qe | n − r n - r n−r | Q e / ( n − r ) Q_e / (n - r) Qe/(n−r) | U 1 / ( r − 1 ) Q e / ( n − r ) \frac{U_1 / (r - 1)}{Q_e / (n - r)} Qe/(n−r)U1/(r−1) |
总和 | S 总 2 S^2_{总} S总2 | n − 1 n - 1 n−1 |
转载地址:https://blog.csdn.net/fish2009122/article/details/104246322 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
表示我来过!
[***.240.166.169]2024年03月28日 08时01分24秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
【Leetcode刷题篇】leetcode235 二叉搜索树的最近公共祖先
2019-04-26
【Leetcode刷题篇】leetcode236 二叉树的最近公共祖先
2019-04-26
【Leetcode刷题篇】leetcode230 二叉搜索树中第K小的元素
2019-04-26
【Leetcode刷题篇】leetcode173 二叉搜索树迭代器
2019-04-26
【Leetcode刷题篇】leetcode99 恢复二叉搜索树
2019-04-26
【Leetcode刷题篇】leetcode451根据字符出现频率排序
2019-04-26
【Leetcode刷题篇】leetcode703 数据流中的第k大元素
2019-04-26
【Leetcode刷题篇】leetcode378 有序矩阵中第K小的元素
2019-04-26
【Leetcode刷题篇】前K个高频元素
2019-04-26
【Leetcode刷题篇】leetcode373 查找和最小的K对数字
2019-04-26
【Leetcode刷题篇】leetcode367 有效的完全平方数
2019-04-26
【Leetcode刷题篇】剑指offer-数值的整数次方
2019-04-26
【Leetcode刷题篇】面试题01.06 字符串压缩
2019-04-26
【Leetcode刷题篇】leetcode443 压缩字符串
2019-04-26
【面试篇】数据结构-线性表
2019-04-26
【面试篇】数据结构-树形结构
2019-04-26
【面试篇】数据结构-哈希表
2019-04-26
【Leetcode刷题篇】leetcode88 合并两个有序数组
2019-04-26
【Leetcode刷题篇】剑指offer51 数组中的逆序对
2019-04-26
【Leetcode刷题篇】剑指offer55-平衡二叉树
2019-04-26