5.1.2 单因素试验的方差分析模型

更新于 2026年10月12日 版权声明
5.1.2 单因素试验的方差分析模型

设因素A有p个水平A1,A2,…,Ap。在水平Ai(i=1,2,…,p)下进行了n(n>1)次独立试验,得到如表5.1.4所示的试验结果。

表5.1.4 单因素试验方差分析数据

图示

在表5.1.4中,xij表示因素A取第i个水平时所得的第j个试验结果,xij不仅与因素A的第i个水平有关,而且受随机因素的影响。因此可将它表示成

xij=μi+εij i=1,2,…,p j=1,2,…,n

其中,μi表示在因素A取第i个水平下,没有随机因素干扰时本应得到的试验结果值,εij表示仅受随机因素影响的试验误差,它是一个随机变量。这样同一水平下的试验数据可以认为是来自同一个总体,并假定这一总体是服从正态分布,且对应于不同水平的正态总体,其方差是相同的。也就是说,对应于Ai的总体服从正态分布N(μi,σ2)。这样检验因素A对试验结果的影响是否显著就转化为检验p个正态总体的均值是否相等,即检验假设因此,单因素方差分析就相当于多总体均值的假设检验。从某种意义来说,它是这一问题的推广。

图示

令αi=μi-μ,i=1,2,…,p,称αi为水平Ai的效应,图示则

xij=μ+αi+εij i=1,2,…,p j=1,2,…,n(https://www.daowen.com)

显然αi满足图示。综合以上假定,可建立单因素方差分析模型如下:

图示

于是检验

H0:μ1=μ2=…=μp

等价于检验

H0:α1=α2=…=αp=0

因此单因素方差分析就是在模型(5.1.2)的假定下,检验假设

图示

关注公众号获取验证码
复制内容需要验证码(7.99元/天)
✍AI写作