Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

习题 3.14:棉含量与纤维强度

习题与答案 / 第 3 章 单因子试验与方差分析

第 9 版 · 第 3 章 · 原书章末习题见印刷页 125~134。

题目

某产品开发人员正在研究一种新型合成纤维的抗拉强度,该纤维将用于制作男士衬衫的布料。纤维强度通常会受混合材料中棉含量百分比的影响。工程师实施一个完全随机试验,棉含量取 5 个水平,每个水平重复 5 次。棉的重量百分比分别为 15%、20%、25%、30%、35%,对应第 1~5 组数据。

组别/处理条件观测值(同一行属于同一组)
15%7,7,15,11,9
20%12,17,12,18,18
25%14,19,19,18,18
30%19,25,22,19,23
35%7,10,11,15,11

(a) 是否有证据支持棉含量会影响平均抗拉强度的主张?取 α=0.05\alpha=0.05。

(b) 使用 Fisher LSD 方法比较所有均值对,并说明结论。

(c) 分析试验残差,评价模型适合性。

答案与解析

(a)棉含量的 ANOVA

模型与模型假设(固定效应):yij=μi+ϵij=μ+τi+ϵijy_{ij}=\mu_i+\epsilon_{ij}=\mu+\tau_i+\epsilon_{ij},i=1,…,ai=1,\ldots,a,j=1,…,nij=1,\ldots,n_i;ϵij∼iidN(0,σ2)\epsilon_{ij}\overset{\mathrm{iid}}\sim N(0,\sigma^2)。误差独立、正态且同方差,处理分配及抽样符合题意;不平衡设计使用实际 nin_i。取 ∑iniτi=0\sum_i n_i\tau_i=0 识别参数;平衡时等价于 ∑iτi=0\sum_i\tau_i=0。

原假设和备择假设:H0:μ1=⋯=μaH_0:\mu_1=\cdots=\mu_a;H1H_1:至少一个总体均值不同。

平方和公式与检验统计量:令 N=∑iniN=\sum_i n_i,yˉi=∑jyij/ni\bar y_i=\sum_jy_{ij}/n_i,yˉ⋅⋅=∑i∑jyij/N\bar y_{\cdot\cdot}=\sum_i\sum_jy_{ij}/N。

SSA=∑ini(yˉi−yˉ⋅⋅)2,SSE=∑i∑j(yij−yˉi)2,SS_A=\sum_i n_i(\bar y_i-\bar y_{\cdot\cdot})^2,\qquad SS_E=\sum_i\sum_j(y_{ij}-\bar y_i)^2,
SST=∑i∑j(yij−yˉ⋅⋅)2=SSA+SSE,SS_T=\sum_i\sum_j(y_{ij}-\bar y_{\cdot\cdot})^2=SS_A+SS_E,
MSA=SSAa−1,MSE=SSEN−a,F0=MSAMSE∼H0Fa−1,N−a.MS_A=\frac{SS_A}{a-1},\quad MS_E=\frac{SS_E}{N-a},\quad F_0=\frac{MS_A}{MS_E}\overset{H_0}{\sim}F_{a-1,N-a}.

当 F0>F1−α,a−1,N−aF_0>F_{1-\alpha,a-1,N-a} 时拒绝 H0H_0,P=P(Fa−1,N−a≥F0)P=P(F_{a-1,N-a}\ge F_0)。本文分位数均为下侧累积概率分位数。

点估计量:μ^i=yˉi\hat\mu_i=\bar y_i,σ^2=MSE\hat\sigma^2=MS_E;各组样本方差为 si2=∑j(yij−yˉi)2/(ni−1)s_i^2=\sum_j(y_{ij}-\bar y_i)^2/(n_i-1)。以下为 ANOVA Table 与计算结果。

来源自由度平方和均方FFPP 值
处理4475.76118.9414.75689.12794e-06
误差20161.28.06——
总计24636.96———
组别样本量均值样本标准差
159.83.34664
2515.43.1305
3517.62.07364
4521.62.60768
5510.82.86356

拒绝均值相等。棉含量会影响平均抗拉强度,30% 的样本均值最高,但提高到 35% 后强度下降,关系不是单调的。

(b)Fisher LSD 比较

估计量与区间公式:μi−μj^=yˉi−yˉj\widehat{\mu_i-\mu_j}=\bar y_i-\bar y_j,SEij=MSE(1/ni+1/nj)SE_{ij}=\sqrt{MS_E(1/n_i+1/n_j)}。 Fisher LSD 的逐对区间为 (yˉi−yˉj)±t1−α/2,N−aSEij(\bar y_i-\bar y_j)\pm t_{1-\alpha/2,N-a}SE_{ij};它不是全部比较的同时置信区间。

均值对均值差95% 区间显著
1 − 2-5.6(-9.34545, -1.85455)是
1 − 3-7.8(-11.5455, -4.05455)是
1 − 4-11.8(-15.5455, -8.05455)是
1 − 5-1(-4.74545, 2.74545)否
2 − 3-2.2(-5.94545, 1.54545)否
2 − 4-6.2(-9.94545, -2.45455)是
2 − 54.6(0.854548, 8.34545)是
3 − 4-4(-7.74545, -0.254548)是
3 − 56.8(3.05455, 10.5455)是
4 − 510.8(7.05455, 14.5455)是

按表中“显著”列逐对判断;15% 与 35%、20% 与 25% 不显著,其余各对显著。

(c)残差分析

残差定义:y^ij=yˉi\hat y_{ij}=\bar y_i,eij=yij−yˉie_{ij}=y_{ij}-\bar y_i。变换分析时使用相应变换尺度的响应。

习题 3.14:观测值、残差 Q–Q 图、残差记录顺序图、残差 vs 拟合值图(raw)

三项诊断:Q–Q 图用于检查尾部、偏态及异常残差;残差记录顺序图用于展示原表记录的相邻变化;残差 vs 拟合值图用于观察方差是否随处理均值变化。

时序资料的限制:原题只提供分组观测,没有实际运行时间和随机运行次序。左下图按原表组内记录顺序排列,虚线表示组界,不是实际残差时序图;组界附近的变化不能解释为时间效应。若要完成真正的时序诊断,须取得原始运行顺序后按该顺序重画。当前不能仅凭此图断言误差在时间上独立。单样本或配对差的拟合值为常数时,残差 vs 拟合值图也不能检验复杂均值结构。

残差 Q–Q 图及残差 vs 拟合值图未显示严重偏态或强烈漏斗形;实际运行顺序未给出,时间独立性仍需原始运行记录检验。


答案来源:参考:ch03.pdf,原题 3.12;本页按第 9 版编号。

← 上一题 3.13 · 本章题目目录 · 下一题 3.15 →