《应用数理统计》吴翊李永乐第五章方差分析课后作业参考答案.docx
《《应用数理统计》吴翊李永乐第五章方差分析课后作业参考答案.docx》由会员分享,可在线阅读,更多相关《《应用数理统计》吴翊李永乐第五章方差分析课后作业参考答案.docx(25页珍藏版)》请在冰豆网上搜索。
![《应用数理统计》吴翊李永乐第五章方差分析课后作业参考答案.docx](https://file1.bdocx.com/fileroot1/2023-2/24/af9f0f66-f5ae-4a6c-9fbd-16a31c496bbd/af9f0f66-f5ae-4a6c-9fbd-16a31c496bbd1.gif)
《应用数理统计》吴翊李永乐第五章方差分析课后作业参考答案
第五章方差分析
课后习题参考答案
5.1下面给出了小白鼠在接种三种不同菌型伤寒杆菌后的存活日数:
菌型
存活日数
A1
2
4
3
2
4
7
7
2
5
4
A2
5
6
8
5
10
7
12
6
6
A3
7
11
6
6
7
9
5
10
6
3
10
设小白鼠存活日数服从方差相等的正态分布,试问三种菌型的平均存活日数有无显著差异?
(
)
解:
(1)手工计算解答过程
提出原假设:
记
当
成立时,
本题中r=3
经过计算,得方差分析表如下:
方差来源
平方和
自由度
均方
F值
菌型A
70.467
2
35.2335
6.909
误差
137.7
27
5.1
.
总和
208.167
29
查表得
且F=6.909>3.35,在95%的置信度下,拒绝原假设,认为不同菌型伤寒杆菌对小白鼠的存活日数有显著影响。
(2)软件计算解答过程
从上表可以看出,菌种不同这个因素的检验统计量F的观测值为6.903,对应的检验概率p值为0.004,小于0.05,拒绝原假设,认为菌种之间的差异对小白鼠存活日数有显著影响。
5.2现有某种型号的电池三批,他们分别是甲、乙、丙三个工厂生产的,为评论其质量,各随机抽取6只电池进行寿命试验,数据如下表所示:
工厂
寿命(小时)
甲
40
48
38
42
45
乙
26
34
30
28
32
丙
39
40
43
50
50
试在显著水平
下,检验电池的平均寿命有无显著性差异?
并求
的95%置信区间。
这里假定第i种电池的寿命
。
解:
手工计算过程:
1.计算平方和
其检验假设为:
H0:
,H1:
。
2.假设检验:
所以拒绝原假设,即认为电池寿命和工厂显著相关。
3.对于各组之间的均值进行检验。
对于各组之间的均值进行检验有LSD-t检验和q检验。
SPSS选取LSD检验(最小显著差t检验),原理如下:
其检验假设为:
H0:
,H1:
。
方法为:
首先计算拒绝H0,接受H1所需样本均数差值的最小值
,即LSD(theleastsignificantdifference,LSD)。
然后各对比组的
与相应的LSD比较,只要对比组的
大于或等于LSD,即拒绝H0,接受H1;否则,得到相反的推断结论。
LSD-t检验通过计算各对比组的
与其标准误之比值是否达到t检验的界值
由此推算出最小显著差LSD,而不必计算每一对比组的t值
如果两对比组的样本含量相同,即
时,则
则本题中
所以
为:
(12.6-5.852,12.6+5.852),即:
(6.748,18.452)
同理可得
(-20.252,-8.548),(-7.652,4.052)
从以上数据还可以看出,说明甲和丙之间无显著差异(1.8<5.852)。
而甲和乙之间(12.6>5.852),乙和丙之间(14.4>5.852)有显著差异(显著水平为0.05)。
SPSS软件计算结果:
1.方差齐性检验
方差齐性检验结果
Levene
统计量
df1
df2
Sig.
1.735
2
12
.218
从表中可以看出,Levene统计量为1.735,P值为0.218>0.05,说明各水平之间的方差齐。
即方差相等的假设成立。
2.计算样本均值和样本方差。
(可用计算器计算)
描述性统计量
N
均值
标准化方差
标准差
均值的95%置信区间
最小值
最大值
下限
上限
1
5
42.60
3.975
1.778
37.66
47.54
38
48
2
5
30.00
3.162
1.414
26.07
33.93
26
34
3
5
44.40
5.320
2.379
37.79
51.01
39
50
Total
15
39.00
7.709
1.990
34.73
43.27
26
50
3.
从表中可以看出,F值为17.068,P值为0,拒绝原假设,即认为电池寿命和工厂显著相关。
4.方差分析表
单因素方差分析表
总平方和
平方和/自由度
F
Sig.
BetweenGroups
615.600
2
307.800
17.068
.000
WithinGroups
216.400
12
18.033
Total
832.000
14
从表中可以看出,F值为17.068,P值为0,拒绝原假设,即认为电池寿命和工厂显著相关。
5.最小显著性差异法(LSD)结果
多重均值比较(MultipleComparisons)
(I)工厂
(J)工厂
MeanDifference(I-J)
标准差
Sig.
95%置信区间
下限
上限
1
2
12.600(*)
2.686
.001
6.75
18.45
3
-1.800
2.686
.515
-7.65
4.05
2
1
-12.600(*)
2.686
.001
-18.45
-6.75
3
-14.400(*)
2.686
.000
-20.25
-8.55
3
1
1.800
2.686
.515
-4.05
7.65
2
14.400(*)
2.686
.000
8.55
20.25
*Themeandifferenceissignificantatthe.05level.
从表中可以看出
为:
(12.6-5.852,12.6+5.852),即:
(6.748,18.452)
同理可得
(-7.652,4.052),(-20.252,-8.548)
从以上数据还可以看出,说明甲和丙之间无显著差异(sig=0.515)。
而甲和乙之间(sig=0.001),乙和丙之间(sig=0.000)有显著差异(显著水平为0.05)。
5.3对用5种不同操作方法生产某种产品作节约原料试验,在其它条件尽可能相同的情况下,各就四批试样测得原料节约额数据如下表:
操作法
A1
A2
A3
A4
A5
节约额
4.3
6.1
6.5
9.3
9.5
7.8
7.3
8.3
8.7
8.8
3.2
4.2
8.6
7.2
11.4
6.5
4.1
8.2
10.1
7.8
假定原料节约额服从方差相等的正态分布,试问:
操作法对原料节约额的影响差异是否显著?
哪些水平间的差异是显的?
(
)
解:
(1)手工计算解答过程
提出原假设:
记
当
成立时,
本题中r=5,经过计算,得方差分析表如下:
方差来源
平方和
自由度
均方
F值
菌型A
55.537
4
13.884
6.058
误差
34.373
15
2.292
.
总和
89.910
19
查表得
且F=6.058>3.06,在95%的置信度下,拒绝原假设,认为不同工厂之间操作法的差异对原料节约额有显著影响。
(2)软件计算解答过程
从上表可以看出,工厂使用的操作法这个因素的检验统计量F的观测值为6.059,对应的检验概率p值为0.004,小于0.01,拒绝原假设,认为不同工厂之间操作法的差异对原料节约额有显著影响。
(3)判断各种操作方法之间的差异的显著,使用SPSS软件中最小显著性差异法(LSD)计算。
以看出,在给定的置信水平
时,操作法A1和A4,A1和A5,A2和A4,A2和A5的P值都小于0.01,因此可以认为他们之间的差异显著。
5.5在化工生产中为了提高得率,选了三种不同浓度,四种不同温度情况做实验。
为了考虑浓度与温度的交互作用,在浓度与温度的每一种水平组合下做两次实验,其得率数据如下面的表所示(数据均以减去75):
温度
浓度
B1
B2
B3
B4
A1
14,10
11,11
13,9
10,12
A2
9,7
10,8
7,11
6,,10
A3
5,11
13,14
12,13
14,10
假定数据来自方差相等的正态分布,试在
的显著水平下检验不同浓度、不同温度以及他们之间的交互作用对得率有无显著影响。
解:
(1)手工计算解答过程
提出原假设:
为了便于计算,记
则有:
当
成立时,
当
成立时,
当
成立时,
本题中r=3,s=4,t=2,经过计算,得方差分析表如下:
方差来源
平方和
自由度
均方
F值
浓度A
44.333
2
22.167
4.092
温度B
11.500
3
3.833
0.708
交互作用
27.000
6
4.500
0.831
误差
65.000
12
5.417
.
总和
147.833
23
查表得
且
=4.092>3.06,在95%的置信度下,拒绝原假设,认为浓度的差异对化工得率有显著影响。
且
=0.708<3.49在95%的置信度下,接受原假设,认为温度的差异对化工得率无显著影响。
且
=0.831<3.00在95%的置信度下,接受原假设,认为温度和浓度的交互作用之间的差异对化工得率无显著影响。
(2)软件计算解答过程
从上表可以看出,因素A浓度的检验统计量F的观测值为4.092,对应的检验概率p值为0.044,小于0.05,拒绝原假设,认为浓度之间的差异对化工得率有显著影响。
因素B温度的检验统计量F的观测值为0.708,对应的检验概率p值为0.566,大于0.05,接受原假设,认为温度之间的差异对化工得率无显著影响。
交互作用的检验统计量F的观测值为0.831,对应的检验概率p值为0.568,大于0.05,接受原假设,认为温度和浓度的交互作用之间的差异对化工得率无显著影响。
5.6下表记录三位工人分别在四台不同机器上三天的日产量。
工人
B1
B2
B3
机器
A1
15,15,17
19,19,16
16,18,21
A2
17,17,17
15,15,15
19,22,22
A3
15,17,16
18,17,16
18,18,18
A4
18,20,22
15,16,17
17,17,17
假定数据来自方差相等的正态分布,问
(1)工人之间的差异是否显著
(2)机器之间的差异是否显著
(3)交互作用是不是显著(
)
解:
(1)手工计算解答过程
提出原假设:
为了便于计算,记
则有:
当
成立时,
当
成立时,
当
成立时,
本题中r=4,s=3,t=3
经过计算,得方差分析表如下:
方差来源
平方和
自由度
均方
F值
机器A
2.750
3
0.917
0.532
工人B
27.167
2
13.583
7.887
交互作用
73.500
6
12.250
7.113
误差
41.333
24
1.722
.
总和
144.750
35
查表得
且
=0.532<3.01,在95%的置信度下,接受原假设,认为机器的差异对日产量无显著影响。
且
=7.887>3.40在95%的置信度下,拒绝原假设,认为工人的差异对日产量有显著影响。
且
=7.113>2.51,在95%的置信度下,拒绝原假设,认为机器和工人的交互作用之间的差异对日产量有显著影响。
(2)软件计算解答过程
从上表可以看出,因素A机器的检验统计量F的观测值为0.532,对应的检验概率p值为0.665,大于0.05,接受原假设,认为机器之间的差异对日产量无显著影响。
因素B温度的检验统计量F的观测值为7.887,对应的检验概率p值为0.002,小于0.05,拒绝原假设,认为工人之间的差异对日产量有显著影响。
交互作用的检验统计量F的观测值为7.113,对应的检验概率p值为0.000,小于0.05,拒绝原假设,认为工人和机器的交互作用之间的差异对日产量有显著影响。
5.4一位老师想要检查三种不同的教学方法的效果,为此随机地选取了水平相当的15位学生,把他们分成三组,每组五人,每一组用一种教学方法。
过一段时间后,这位教师给这15位同学进行统考,成绩如下:
方法
成绩
甲
75
62
71
58
73
乙
81
85
68
92
90
丙
73
79
60
75
81
试问,在显著性水平
下,这三种教学方法的效果有显著差异?
这里假定学生成绩服从方差相等的正态分布。
解:
一、手工计算结果
1.计算平方和
其检验原假设为:
H0:
2.假设检验:
所以拒绝原假设,即认为学生成绩和教学方法显著相关。
二、软件结果
1.首先检验方差是否齐,如下表:
LeveneStatistic
df1
df2
Sig.
.097
2
12
.908
从上表可以看出,P值为0.908>0.05,说明三个样本方差齐。
2.进行方差分析如下表:
方差分析表
SumofSquares
df
MeanSquare
F
Sig.
BetweenGroups
604.933
2
302.467
4.256
.040
WithinGroups
852.800
12
71.067
Total
1457.733
14
P值为0.04>0.1,F0.9.(2,12)=2.81<4.256,拒绝原假设,说明三种教学方法有显著差异。
3.进一步分析有下表,
多重比较
(I)方法
(J)方法
MeanDifference(I-J)
Std.Error
Sig.
95%ConfidenceInterval
UpperBound
LowerBound
TukeyHSD
1
2
-15.400(*)
5.332
.034
-29.62
-1.18
3
-5.800
5.332
.539
-20.02
8.42
2
1
15.400(*)
5.332
.034
1.18
29.62
3
9.600
5.332
.211
-4.62
23.82
3
1
5.800
5.332
.539
-8.42
20.02
2
-9.600
5.332
.211
-23.82
4.62
Scheffe
1
2
-15.400(*)
5.332
.042
-30.26
-.54
3
-5.800
5.332
.569
-20.66
9.06
2
1
15.400(*)
5.332
.042
.54
30.26
3
9.600
5.332
.238
-5.26
24.46
3
1
5.800
5.332
.569
-9.06
20.66
2
-9.600
5.332
.238
-24.46
5.26
LSD
1
2
-15.400(*)
5.332
.014
-27.02
-3.78
3
-5.800
5.332
.298
-17.42
5.82
2
1
15.400(*)
5.332
.014
3.78
27.02
3
9.600
5.332
.097
-2.02
21.22
3
1
5.800
5.332
.298
-5.82
17.42
2
-9.600
5.332
.097
-21.22
2.02
从上表可以看出,甲方法和乙方法在显著水平0.05下有显著差异(P值=0.034<0.05),而甲方法和丙方法,乙方法和丙方法之间没有显著差异
5.7一火箭使用四种燃料,三种推进器做射程试验。
每种燃料与每种推进器的组合作一次试验(假定不存在交互作用),得火箭射程如下表(单位:
海里)
推进器
燃料
B1
B2
B3
A1
58.2
56.2
65.3
A2
49.1
54.1
51.6
A3
60.1
70.9
39.2
A4
75.8
58.2
48.7
假定数据来自方差相等的正态分布,问燃料之间、推进器之间有无显著差异(
).
解:
(1)手工计算解答过程
提出原假设:
为了便于计算,记
则有:
,
当
成立时,
当
成立时,
本题中r=4,s=3,经过计算,得方差分析表如下:
方差来源
平方和
自由度
均方
F值
燃料A
157.590
3
52.530
0.739
推进器B
223.847
2
111.923
0.449
误差
731.980
6
121.997
.
总和
1113.417
11
查表得
且
=0.739<4.76,在95%的置信度下,接受原假设,认为燃料的差异对射程无显著影响。
且
=0.449<5.14,在95%的置信度下,接受原假设,认为推进器的差异对射程无显著影响。
(2)软件计算解答过程
从上表可以看出,因素A燃料的检验统计量F的观测值为0.431,对应的检验概率p值为0.739,大于0.05,接受原假设,认为燃料之间的差异对射程无显著影响。
因素B推进器的检验统计量F的观测值为0.917,对应的检验概率p值为0.449,大于0.05,接受原假设,认为推进器之间的差异对射程无显著影响。
5.8为了考察蒸馏水的PH值与硫酸铜溶液的浓度(单位:
%)对化验血清中白蛋白与球蛋白的影响,作了12次不同的试验,得试验结果(白蛋白与球蛋白之比)如下
浓度
PH值
0.04
0.08
0.10
5.40
3.5
2.3
2.0
5.60
2.6
2.0
1.9
5.70
2.0
1.5
1.2
5.80
1.4
0.8
0.3
试问,在显著性水平1%下,PH值与浓度分别对白蛋白与球蛋白之比有无显著影响?
这里假定数据来自方差相等的正态总体。
(假定不存在相互作用)
解:
手工计算结果:
为了方便和提高计算精度,记
经过计算,得方差分析表如下:
方差来源
平方和
自由度
均方
F值
酸度
5.289
3
1.763
41.
浓度
2.222
2
1.111
25.84
误差
.258
6
.043
.
总和
7.769
11
查表,得F0.99(3,6)=9.78,F0.99(2,6)=10.9
F(酸度)=41>9.78,F(含量)=25.84>10.9,所以拒绝原假设。
此结果说明在显著水平1%下,ph值和浓度对蛋白比有显著影响
二、SPSS输出结果
组间效应检验
DependentVariable:
白蛋白和球蛋白之比
Source
TypeIIISumofSquares
df
MeanSquare
F
Sig.
CorrectedModel
7.511(a)
5
1.502
34.889
.000
Intercept
38.521
1
38.521
894.677
.000
PH值
5.289
3
1.763
40.948
.000
浓度
2.222
2
1.111
25.800
.001
Error
.258
6
.043
Total
46.290
12
CorrectedTotal
7.769
11
aRSquared=.967(AdjustedRSquared=.939)
从表中可以看出,因素PH值的检验统计量F的观测值为40.948,检验的概率p值为0.000,小于0.01,拒绝零假设,可以认为PH值之间差异显著,对白蛋白和球蛋白之比影响不全相等。
因素浓度值的检验统计量F的观测值为25.800,检验的概率p值为0.001,小于0.01,拒绝零假设,可以认为浓度值之间差异显著,对白蛋白和球蛋白之比影响不全相等。
(注:
可编辑下载,若有不当之处,请指正,谢谢!
)