实验设计与数据处理（大数据分析B中也用到F分布，故总结一下，加深印象）第3课小结——实验的方差分析（one-way analysis of variance）

概述

实验结果$S$受多个因素$A_i$影响，但影响的程度各不相同，如何通过实验数据来确定因素的影响程度呢？其函数关系为

\[S=f(A_1,A_2,\cdots,A_n)
\tag{1}
\]

方差

标准差的平方，表征$x_i$与$\bar{x}$的偏离程度。

方差分析（ANalysis Of VAriance，简称ANOVA）

利用实验数据与均值的偏离程度来判断各因素对实验结果影响显著性程度的方法。方差分析实质上是研究自变量（因素）与因变量（实验结果）的相互关系
指标（experimental index）

衡量或考核实验效果的参数。

因素（experimental factor）

影响实验指标的条件，可控因素

水平

因素的不同状态或内容

单因素实验的方差分析

单因素实验方差分析基本问题

（1）目的：检验一个因素对实验结果的影响是否显著性

单因素实验方差分析基本步骤

1）计算平均值

组内平均值（同一水平的平均值）

\[\overline{x_i}=\frac{1}{n_i}\sum_{j=1}^{n_i}{x_{ij}}
\tag{2}
\]

总平均值

\[\overline {x_i}=\frac{1}{n}\sum_{i=1}^{r}\sum_{j=1}^{n_i}{x_{ij}}
\tag{3}
\]

2）计算离差平方和

总离差平方和$SS_T$（sum of squares for total）

\[SS_T = \sum_{i=1}^{r}{\sum_{j=1}^{n_i}({x_{ij}-\overline{x}})^2}
\tag{4}
\]

表示了各实验值与总平均值的偏差的平方和

反映了实验结果之间存在的总差异

组间离差平方和 $SS_A$ （sum of square for factor A）

\[SS_A = \sum_{i=1}^{r}{\sum_{j=1}^{n_i}({\overline{x_{i}}-\overline{x}})^2}
=\sum_{i=1}^{r}n_i({\overline{x_{i}}-\overline{x}})^2
\tag{5}
\]

反映了各组内平均值之间的差异程度

由于因素A不同水平的不同作用造成的

组内离差平方和$ SS_e $（sum of square for error）

\[SS_T = \sum_{i=1}^{r}{\sum_{j=1}^{n_i}({x_{ij}-\overline{x}_i})^2}
\tag{6}
\]

反映了在各水平内，各实验值之间的差异程度

由于随机误差的作用产生

三种离差平方和之间关系：

\[SS_T = SS_A + SS_e
\tag{7}
\]

3）计算自由度（degree of freedom）

总自由度（$SS_T$对应的自由度）：$df_T=n-1$
组间自由度（$SS_A$对应的自由度）：$df_A=r-1$
组内自由度（$SS_e$对就的自由度）：$df_e=n-r$

三者关系：$df_T=df_A+df_e$

4）计算平均平方

均方 = 离差平方和除以对应的自由度

\[MS_A = SS_A/df_A \quad \quad MS_e = SS_e / df_e
\]

式中，$MA_A$——组间均方，$MS_e$——组内均方/误差的均方

5）F检验

\[F_A = \frac{组间均方}{组内均方}=\frac{MS_A}{MS_e}
\tag{8}
\]

服从自由度为$(df_A,df_e)$的F分布（F distribution）
对于给定的显著性水平$\alpha$，从F分布表查得临界值$F_{\alpha}(df_A,df_e)$
如果$F_A > F_{\alpha}(df_A,df_e)$，则认为因素A对实验结果有显著影响，否则认为因素A对实验结果没有显著影响。

6）方差分析表

差异源	$SS$	$df$	$MS$	$F$
组间（因素A）	$SS_A$	$r-1$	$MS_A=SS_A/(r-1)$	$MS_A/MS_e$
组内（误差）	$SS_e$	$n-r$	$MS_e=SS_e/(n-r)$
总和	$SS_T$	$n-1$

若$F_A > F_{0.01}(df_A,df_e)$，称因素A对实验结果有非常显著的影响，用**号表示；
若$F_{0.05}(df_A,df_e)<F_A<F_{0.01}(df_A,df_e)$，则因素A对实验结果有显著的影响，用*号表示；
若$F_A < F_{0.05}(df_A,df_e)$，称因素A对实验结果的影响不显著。

双因素实验的方差分析

讨论两个因素对实验结果影响的显著性，以称二元方差分析

双因素无重复实验的方差分析

双因素无重复实验

	$B_1$	$B_2$	$\cdots$	$B_s$
$A_1$	$x_{11}$	$x_{12}$	$\cdots$	$x_{1s}$
$A_2$	$x_{21}$	$x_{22}$	$\cdots$	$x_{2s}$
$\cdots$	$\cdots$	$\cdots$	$\cdots$	$\cdots$
$A_r$	$x_{r1}$	$x_{r2}$	$\cdots$	$x_{rs}$

1）计算平均值

总平均：

\[\overline{x} = \frac{1}{rs}\sum_{i=1}^{r}{\sum_{j=1}^{s}x_{ij}}
\tag{9}
\]

$A_i$水平时：

\[\overline{x}_{i\cdot} = \frac{1}{s}\sum_{j=1}^{s}x_{ij}
\tag{10}
\]

$B_j$水平时：

\[\overline{x}_{{\cdot}j}= \frac{1}{r}\sum_{i=1}^{s}x_{ij}
\tag{11}
\]

2）计算离差平方和

总离差平方和：

\[\overline{x} =\sum_{i=1}^{r}{\sum_{j=1}^{s}{(x_{ij}-\overline{x})^2}}
\tag{12}
\]

因素A引起离差平方和:

\[\overline{x} =\sum_{i=1}^{r}{\sum_{j=1}^{s}{(x_{i{\cdot}}-\overline{x})^2}}=s\sum_{j=1}^{r}{(x_{i{\cdot}}-\overline{x})^2}
\tag{13}
\]

因素B引起的离差平方和:

\[\overline{x} =\sum_{i=1}^{r}{\sum_{j=1}^{s}{(x_{{\cdot}j}-\overline{x})^2}}=r\sum_{j=1}^{s}{(x_{{\cdot}j}-\overline{x})^2}
\tag{14}
\]

误差平方和:

\[\overline{x} =\sum_{i=1}^{r}{\sum_{j=1}^{s}{(x_{ij}-x_{i{\cdot}}-x_{{\cdot}j}-\overline{x})^2}}
\tag{15}
\]

3）计算自由度

$SS_A$的自由度	$SS_B$的自由度	$SS_e$的自由度	$SS_T$的自由度
$df_A=r-1$	$df_B=s-1$	$df_e=(r-1)(s-f)$	$df_T=n-1=rs-1$

4）计算均方

A均方	B均方	e均方
$MS_A=\dfrac{SS_A}{df_A}=\dfrac{SS_A}{r-1}$	$MS_B=\dfrac{SS_B}{df_A}=\dfrac{SS_B}{s-1}$	$MS_e=\dfrac{SS_e}{df_e}=\dfrac{SS_e}{(r-1)(s-1)}$

5）F 检验

$F_A$服从自由度为$(df_A,df_e)$的F分布：$F_A=\dfrac{MS_A}{MS_e}$
$F_B$服从自由度为$(df_B,df_e)$的F分布：$F_A=\dfrac{MS_B}{MS_e}$
对于给定的的显著性水平$\alpha$，查F分布表：

\[F_{\alpha}(df_A,df_e) \quad \quad F_{\alpha}(df_B,df_e)
\]

如果$F_A > F_{\alpha}(df_A,df_e)$，则认为因素A对实验结果有显著影响，否则认为因素A对实验结果没有显著影响。
如果$F_B > F_{\alpha}(df_B,df_e)$，则认为因素A对实验结果有显著影响，否则认为因素A对实验结果没有显著影响。

6）无重复实验双因素方差分析表

差异源	$SS$	$df$	$MS$	$F$
因素A	$SS_A$	$r-1$	$MS_A=SS_A/(r-1)$	$MS_A/MS_e$
因素B	$SS_B$	$s-1$	$MS_B=SS_B/(s-1)$	$MS_B/MS_e$
误差	$SS_e$	$(r-1)(s-1)$	$MS_e=SS_e/((r-1)(s-1))$
总和	$SS_T$	$rs-1$

双因素重复实验基本问题

交互作用——因素间的联全作用称为交互作用
因素间没有联合作用——相互独立，独立效应
因素间有联合作用——交互作用，交互效应

双因素重复实验方差分析基本步骤

1）计算平均值

组合水平$（A_i,B_i）$上的$c$次实验值的算术平均值

\[\overline{x}_{ij{\cdot}}=\frac{1}{c}\sum_{k=1}^{c}{x_{ijk}},i=1,2,\cdots,r;j=1,2,\cdots,s
\tag{16}
\]

$A_i$水平时所有实验值的算术平均值：

\[\overline{x}_{i\cdot\cdot} = \frac{1}{sc}\sum_{j=1}^{s}x_{ijk} = \frac{1}{s}\sum_{j=1}^{s}x_{ijk},i=1,2,\cdots,r
\tag{17}
\]

$B_j$水平时：

\[\overline{x}_{i\cdot\cdot} = \frac{1}{rc}\sum_{j=1}^{s}x_{ijk} = \frac{1}{r}\sum_{j=1}^{r}x_{ij\cdot},j=1,2,\cdots,s
\tag{18}
\]

所有实验的总平均值：

\[\overline{x} = \frac{1}{rsc} \sum_{i=1}^{r}\sum_{j=1}^{s}\sum_{k=1}^{c}x_{ijk}
\tag{19}
\]

2）计算离差平方和

总离差平方和：

\[SS_T=\frac{1}{rsc}\sum_{i=1}^{r}\sum_{j=1}^{s}\sum_{k=1}^{c}{(x_{ijk}-\overline{x})^2} = SS_A+SS_B+SS_{A\times{B}}+SS_e
\tag{20}
\]

$SS_A$为A引起的离差平方和：

\[SS_A = sc\sum_{i=1}^{r}{(\overline{x}_{i\cdot\cdot}-\overline{x})^2}
\]

$SS_B$为B引起的离差平方和：

\[SS_B = rc\sum_{j=1}^{s}{(\overline{x}_{\cdot{j}\cdot}-\overline{x})^2}
\]

$SS_{A\times{B}}$为$A\times{B}$引起的离差平方和：

\[SS_{A\times{B}} = c\sum_{i=1}^{r}\sum_{j=1}{s}{(\overline{x}_{ij\cdot}-\overline{x}_{i\cdot\cdot}-\overline{x}_{\cdot{j}\cdot}+\overline{x})^2}
\]

$SS_e$为误差平方和：

\[\overline{x} = \sum_{i=1}^{r}\sum_{j=1}^{s}\sum_{k=1}^{c}{(x_{ijk}-\overline{x}_{ij\cdot})^2}
\]

3）计算自由度

$SS_A$的自由度	$SS_B$的自由度	$SS_{A\times{B}}$的自由度	$SS_e$的自由度	$SS_T$的自由度
$df_A=r-1$	$df_B=s-1$	$df_{A\times{B}}=(r-1)(n-1)$	$df_e=rs(c-1)$	$df_T=n-1=rsc-1$

4）计算均方

A均方	B均方	$A\times{B}$均方	e均方
$MS_A=\dfrac{SS_A}{df_A}=\dfrac{SS_A}{r-1}$	$MS_B=\dfrac{SS_B}{df_A}=\dfrac{SS_B}{s-1}$	$MS_{A\times{B}}=\dfrac{SS_{A\times{B}}}{(r-1)(s-1)}$	$MS_e=\dfrac{SS_e}{df_e}=\dfrac{SS_e}{rs(c-1)}$

5）F 检验

$F_A$服从自由度为$(df_A,df_e)$的F分布：$F_A=\dfrac{MS_A}{MS_e}$
$F_B$服从自由度为$(df_B,df_e)$的F分布：$F_A=\dfrac{MS_B}{MS_e}$
$F_{A\times{B}}$服从自由度为$(df_{A\times{B}},df_e)$的F分布：$F_A=\dfrac{MS_{A\times{B}}}{MS_e}$
对于给定的的显著性水平$\alpha$，查F分布表：

\[F_{\alpha}(df_A,df_e) \quad \quad F_{\alpha}(df_B,df_e) \quad \quad F_{\alpha}(df_{A\times{B}},df_e)
\]

如果$F_A > F_{\alpha}(df_A,df_e)$，则认为因素A对实验结果有显著影响，否则认为因素A对实验结果没有显著影响。
如果$F_B > F_{\alpha}(df_B,df_e)$，则认为因素B对实验结果有显著影响，否则认为因素B对实验结果没有显著影响。
如果$F_{A\times{B}}> F_{\alpha}(df_{A\times{B}},df_e)$，则认为交互作用$$A\times{B}$$对实验结果有显著影响，否则认为因素$A\times{B}$对实验结果没有显著影响。

6）重复实验双因素方差分析表

差异源	$SS$	$df$	$MS$	$F$
因素A	$SS_A$	$r-1$	$MS_A=SS_A/(r-1)$	$MS_A/MS_e$
因素B	$SS_B$	$s-1$	$MS_B=SS_B/(s-1)$	$MS_B/MS_e$
交互作用	$SS_{A\times{B}}$	$(r-1)(s-1)$	$MS_{A\times{B}}=\dfrac{SS_{A\times{B}}}{(r-1)(s-1)}$	$MS_{A\times{B}}/MS_e$
误差	$SS_e$	$rs(c-1)$	$MS_c=SS_e/(rs(c-1))$
总和	$SS_T$	$rsc-1$

R语言方差分析

R语言重复实验方差分析

例:下表中给出了某种化式产品在3种浓度、4种温度水平下得率的数据，试检验各因素及交互作用对产品得率的影响是否显著。

浓度/%	10℃	24℃	38℃	52℃
2	14,11	11,11	13,9	10,12
4	9,7	10,8	7,11	6,10
6	5,11	13,14	12,13	14,10

我们令：A因素：浓度，B因素：温度，由题可得，重复次数$c=2$

可以分析出如下表：

$(c_1,c_2)$		$B_1$	$B_2$	$B_3$	$B_4$
	浓度/%	10℃	24℃	38℃	52℃
$A_1$	2	14,11	11,11	13,9	10,12
$A_2$	4	9,7	10,8	7,11	6,10
$A_3$	6	5,11	13,14	12,13	14,10

接下来，我们在RStudio（如果RStudio没有安装的，网上有大量的教程）中录入我们的数据，代码如下

X <- c(14,9,5,11,10,13,13,7,12,10,6,14,10,7,11,11,8,14,9,11,13,12,10,10)

chemistryProduct<-data.frame(X,A=gl(3,1,24),B=gl(4,3,24),c=gl(12,1,24))

chemistryProduct.aov<-aov(X~A*B,data = chemistryProduct)

summary(chemistryProduct.aov)

说明：对上述代码的第1行和第2行简单说明一下。

第1行中，X数据的输入，是以列的方向输入，先输入第1次实验的数据，输入完成后再按第1次的顺序输入第2次实验数据。

第2行中，A=gl(3,1,24)，第一个数3表示有3行，第二个数1表示行方向只增加1，第三个数24表示总共有24个数据。后面的同理。可以查看一下它的输出如下，不难发现其中的输入规律。

可以在RStudio中查看chemistryProduct的数据结构，多试一下，自行体会一下其中的A，B，c的规律。

> chemistryProduct

    X A B  c

1  14 1 1  1

2   9 2 1  2

3   5 3 1  3

4  11 1 2  4

5  10 2 2  5

6  13 3 2  6

7  13 1 3  7

8   7 2 3  8

9  12 3 3  9

10 10 1 4 10

11  6 2 4 11

12 14 3 4 12

13 10 1 1  1

14  7 2 1  2

15 11 3 1  3

16 11 1 2  4

17  8 2 2  5

18 14 3 2  6

19  9 1 3  7

20 11 2 3  8

21 13 3 3  9

22 12 1 4 10

23 10 2 4 11

24 10 3 4 12

可以看到如下输出结果：

            Df Sum Sq Mean Sq F value Pr(>F)

A            2  44.33  22.167   4.092 0.0442 *

B            3  11.50   3.833   0.708 0.5657

A:B          6  27.00   4.500   0.831 0.5684

Residuals   12  65.00   5.417

---

Signif. codes:

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

将实验结果写成上文所述的方差分析表，如下

差异源	$df$	$SS$	$MS$	$F$	显著性
因素A	2	44.33	22.167	4.092	*
因素B	3	11.50	3.833	0.708
交互作用	6	27.00	4.500	0.831
误差	12	65.00	5.417
总和

由分析结果可知，因素A对产品得率有显著性影响。

实验的方差分析（R语言）的更多相关文章

R语言- 实验报告 - 利用R语言脚本与Java相互调用
一. 实训内容利用R语言对Java项目程序进行调用,本实验包括利用R语言对java的.java文件进行编译和执行输出. 在Java中调用R语言程序.本实验通过eclipse编写Java程序的方式,调 ...
R语言实战（五）方差分析与功效分析
本文对应<R语言实战>第9章:方差分析:第10章:功效分析 ================================================================ ...
R语言——实验5-聚类分析
针对课件中的例子自己实现k-means算法调用R语言自带kmeans()对给定数据集表示的文档进行聚类. 给定数据集: a) 数据代表的是文本信息. b) 第一行代表词 ...
R语言——实验4-人工神经网络
带包实现: rm(list=ls()) setwd("C:/Users/Administrator/Desktop/R语言与数据挖掘作业/实验4-人工神经网络") Data=rea ...
独立成分分析(ICA)的模拟实验(R语言)
本笔记是ESL14.7节图14.42的模拟过程.第一部分将以ProDenICA法为例试图介绍ICA的整个计算过程:第二部分将比较ProDenICA.FastICA以及KernelICA这种方法,试图重 ...
如何在R语言中使用Logistic回归模型
在日常学习或工作中经常会使用线性回归模型对某一事物进行预测,例如预测房价.身高.GDP.学生成绩等,发现这些被预测的变量都属于连续型变量.然而有些情况下,被预测变量可能是二元变量,即成功或失败.流失或 ...
R语言书籍的学习路线图
现在对R感兴趣的人越来越多,很多人都想快速的掌握R语言,然而,由于目前大部分高校都没有开设R语言课程,这就导致很多人不知道如何着手学习R语言. 对于初学R语言的人,最常见的方式是:遇到不会的地方,就跑 ...
机器学习 1、R语言
R语言 R是用于统计分析.绘图的语言和操作环境.R是属于GNU系统的一个自由.免费.源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具. 特点介绍 •主要用于统计分析.绘图.数据挖掘 •R内置 ...
数据分析与R语言
数据结构创建向量和矩阵函数c(), length(), mode(), rbind(), cbind() 求平均值,和,连乘,最值,方差,标准差函数mean(), sum(), min(), m ...

随机推荐

JSP内置对象——session对象
举个购物流程的例子: 这整个购物过程,它是属于一次回话.那么这个session是保存在服务器内存当中,并且它保存着不同用户对应的session,一个用户对应一个session.看下面这幅图: 从图中可 ...
SQLServer 2005客户端远程连接sql2008 数据库服务器
SQL2005客户端远程连接sql2008 数据库服务器 by:授客 QQ:1033553122 准备工作: 客户端所在pc机配置: 配置数据源控制面板-管理工具-ODBC数据源-系统DSN-添加- ...
微信小程序开发--背景图显示
这两天开发微信小程序,在设置背景图片时,发现在wxss里面设置 background-image:(url) 属性,不管是开发工具还是线上都无法显示.经过查资料发现,background-image ...
CSS揭秘（一）引言
借了一本CSS揭秘,国外的一本书,应该是目前相关书目里最好的了,内容非常扎实,不得不说图灵教育出的书真的不错,不然不是很厚的一本书卖到99也是.... 国外的这类书总是以问题开始,然后通过解决问题引出 ...
COCOMOII
一.COCOMOII是什么 cocomo是 COnstructive COst MOdel(建设性成本估算模型)的缩写.最早是由Dr. Barry Boehm在1981年提出.是一种精确的.易于使用的 ...
SQL Server 子查询错误：No column name was specified for column 2 of 'a' error （转载）
问: I have a MySQL query and I ran it working fine but same query showing error in SQL Server. SQL Se ...
FTP 服务搭建后不能访问问题解决
主要是需要启动身份验证功能
INCLUDE COMMON FILES IN HTML USING JQUERY
Simple example for including common files in HTML. JQuery load() function is used for including comm ...
【Vue.js学习】生命周期及数据绑定
一.生命后期官网的图片说明: Vue的生命周期总结 var app = new Vue({ el:"#app", beforeCreate: function(){ consol ...
FZU Monthly-201903 获奖名单
FZU Monthly-201903 获奖名单冠军: 黄海东 S031702647 一等奖: 林闽沪 S131700309 陈华能 S221701416 二等奖: 鲍子涵 S031702646 吴少 ...

差异源	\(SS\)	\(df\)	\(MS\)	\(F\)
组间（因素A）	\(SS_A\)	\(r-1\)	\(MS_A=SS_A/(r-1)\)	\(MS_A/MS_e\)
组内（误差）	\(SS_e\)	\(n-r\)	\(MS_e=SS_e/(n-r)\)
总和	\(SS_T\)	\(n-1\)

	\(B_1\)	\(B_2\)	\(\cdots\)	\(B_s\)
\(A_1\)	\(x_{11}\)	\(x_{12}\)	\(\cdots\)	\(x_{1s}\)
\(A_2\)	\(x_{21}\)	\(x_{22}\)	\(\cdots\)	\(x_{2s}\)
\(\cdots\)	\(\cdots\)	\(\cdots\)	\(\cdots\)	\(\cdots\)
\(A_r\)	\(x_{r1}\)	\(x_{r2}\)	\(\cdots\)	\(x_{rs}\)

差异源	\(SS\)	\(df\)	\(MS\)	\(F\)
因素A	\(SS_A\)	\(r-1\)	\(MS_A=SS_A/(r-1)\)	\(MS_A/MS_e\)
因素B	\(SS_B\)	\(s-1\)	\(MS_B=SS_B/(s-1)\)	\(MS_B/MS_e\)
误差	\(SS_e\)	\((r-1)(s-1)\)	\(MS_e=SS_e/((r-1)(s-1))\)
总和	\(SS_T\)	\(rs-1\)

差异源	\(SS\)	\(df\)	\(MS\)	\(F\)
因素A	\(SS_A\)	\(r-1\)	\(MS_A=SS_A/(r-1)\)	\(MS_A/MS_e\)
因素B	\(SS_B\)	\(s-1\)	\(MS_B=SS_B/(s-1)\)	\(MS_B/MS_e\)
交互作用	\(SS_{A\times{B}}\)	\((r-1)(s-1)\)	\(MS_{A\times{B}}=\dfrac{SS_{A\times{B}}}{(r-1)(s-1)}\)	\(MS_{A\times{B}}/MS_e\)
误差	\(SS_e\)	\(rs(c-1)\)	\(MS_c=SS_e/(rs(c-1))\)
总和	\(SS_T\)	\(rsc-1\)

实验的方差分析（R语言）

概述

单因素实验的方差分析

单因素实验方差分析基本问题

单因素实验方差分析基本步骤

1）计算平均值

2）计算离差平方和

3）计算自由度（degree of freedom）

4）计算平均平方

5）F检验

6）方差分析表

双因素实验的方差分析

双因素无重复实验的方差分析

1）计算平均值

2）计算离差平方和

3）计算自由度

4）计算均方

5）F 检验

6）无重复实验双因素方差分析表

双因素重复实验基本问题

双因素重复实验方差分析基本步骤

1）计算平均值

2）计算离差平方和

3）计算自由度

4）计算均方

5）F 检验

6）重复实验双因素方差分析表

R语言方差分析

R语言重复实验方差分析

实验的方差分析（R语言）的更多相关文章

随机推荐

热门专题