习题 3.16:剂量与药物生物活性
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。
一家制药企业希望研究一种新药的生物活性。研究人员开展了一个完全随机单因子试验,使用 3 个剂量水平 20、30、40 g,得到以下结果,第 1~3 组分别对应这三个剂量。
组别/处理条件 观测值(同一行属于同一组) 20 g 24,28,37,30 30 g 37,44,31,35 40 g 42,47,52,38
(a) 是否有证据表明剂量水平影响生物活性?取 α = 0.05 \alpha=0.05 α = 0.05 。
(b) 如果适合进行均值对比较,请实施比较。可以得出什么结论?
(c) 分析试验残差,并评价模型适合性。
答案与解析 ¶ (a)剂量效应检验 ¶ 模型与模型假设(固定效应) :y i j = μ i + ϵ i j = μ + τ i + ϵ i j y_{ij}=\mu_i+\epsilon_{ij}=\mu+\tau_i+\epsilon_{ij} y ij = μ i + ϵ ij = μ + τ i + ϵ ij ,i = 1 , … , a i=1,\ldots,a i = 1 , … , a ,j = 1 , … , n i j=1,\ldots,n_i j = 1 , … , n i ;ϵ i j ∼ i i d N ( 0 , σ 2 ) \epsilon_{ij}\overset{\mathrm{iid}}\sim N(0,\sigma^2) ϵ ij ∼ iid N ( 0 , σ 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 n i n_i n i 。取 ∑ i n i τ i = 0 \sum_i n_i\tau_i=0 ∑ i n i τ i = 0 识别参数;平衡时等价于 ∑ i τ i = 0 \sum_i\tau_i=0 ∑ i τ i = 0 。
原假设和备择假设 :H 0 : μ 1 = ⋯ = μ a H_0:\mu_1=\cdots=\mu_a H 0 : μ 1 = ⋯ = μ a ;H 1 H_1 H 1 :至少一个总体均值不同。
平方和公式与检验统计量 :令 N = ∑ i n i N=\sum_i n_i N = ∑ i n i ,y ˉ i = ∑ j y i j / n i \bar y_i=\sum_jy_{ij}/n_i y ˉ i = ∑ j y ij / n i ,y ˉ ⋅ ⋅ = ∑ i ∑ j y i j / N \bar y_{\cdot\cdot}=\sum_i\sum_jy_{ij}/N y ˉ ⋅⋅ = ∑ i ∑ j y ij / N 。
S S A = ∑ i n i ( y ˉ i − y ˉ ⋅ ⋅ ) 2 , S S E = ∑ i ∑ j ( y i j − y ˉ i ) 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, S S A = i ∑ n i ( y ˉ i − y ˉ ⋅⋅ ) 2 , S S E = i ∑ j ∑ ( y ij − y ˉ i ) 2 , S S T = ∑ i ∑ j ( y i j − y ˉ ⋅ ⋅ ) 2 = S S A + S S E , SS_T=\sum_i\sum_j(y_{ij}-\bar y_{\cdot\cdot})^2=SS_A+SS_E, S S T = i ∑ j ∑ ( y ij − y ˉ ⋅⋅ ) 2 = S S A + S S E , M S A = S S A a − 1 , M S E = S S E N − a , F 0 = M S A M S E ∼ H 0 F a − 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}. M S A = a − 1 S S A , M S E = N − a S S E , F 0 = M S E M S A ∼ H 0 F a − 1 , N − a . 当 F 0 > F 1 − α , a − 1 , N − a F_0>F_{1-\alpha,a-1,N-a} F 0 > F 1 − α , a − 1 , N − a 时拒绝 H 0 H_0 H 0 ,P = P ( F a − 1 , N − a ≥ F 0 ) P=P(F_{a-1,N-a}\ge F_0) P = P ( F a − 1 , N − a ≥ F 0 ) 。本文分位数均为下侧累积概率分位数 。
点估计量 :μ ^ i = y ˉ i \hat\mu_i=\bar y_i μ ^ i = y ˉ i ,σ ^ 2 = M S E \hat\sigma^2=MS_E σ ^ 2 = M S E ;各组样本方差为 s i 2 = ∑ j ( y i j − y ˉ i ) 2 / ( n i − 1 ) s_i^2=\sum_j(y_{ij}-\bar y_i)^2/(n_i-1) s i 2 = ∑ j ( y ij − y ˉ 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 F F F P P P 值处理 2 450.667 225.333 7.03556 0.0144638 误差 9 288.25 32.0278 — — 总计 11 738.917 — — —
组别 样本量 均值 样本标准差 1 4 29.75 5.43906 2 4 36.75 5.43906 3 4 44.75 6.07591
在 0.05 水平拒绝均值相等,剂量对平均生物活性有影响。
(b)均值对比较 ¶ 估计量与区间公式 :μ i − μ j ^ = y ˉ i − y ˉ j \widehat{\mu_i-\mu_j}=\bar y_i-\bar y_j μ i − μ j = y ˉ i − y ˉ j ,S E i j = M S E ( 1 / n i + 1 / n j ) SE_{ij}=\sqrt{MS_E(1/n_i+1/n_j)} S E ij = M S E ( 1/ n i + 1/ n j ) 。 Tukey–Kramer 同时区间为 ( y ˉ i − y ˉ j ) ± q 1 − α , a , N − a S E i j / 2 (\bar y_i-\bar y_j)\pm q_{1-\alpha,a,N-a}SE_{ij}/\sqrt2 ( y ˉ i − y ˉ j ) ± q 1 − α , a , N − a S E ij / 2 ;区间不含零则相应均值对显著,控制全部两两比较的家族错误率。
均值对 均值差 95% 区间 显著 1 − 2 -7 (-18.1729, 4.17287) 否 1 − 3 -15 (-26.1729, -3.82713) 是 2 − 3 -8 (-19.1729, 3.17287) 否
20 与 40 g 显著不同;20 与 30 g、30 与 40 g 不显著。
(c)残差与模型适合性 ¶ 残差定义 :y ^ i j = y ˉ i \hat y_{ij}=\bar y_i y ^ ij = y ˉ i ,e i j = y i j − y ˉ i e_{ij}=y_{ij}-\bar y_i e ij = y ij − y ˉ i 。变换分析时使用相应变换尺度的响应。
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。
未见严重异常残差或明显漏斗形,但每组仅 4 次重复,诊断能力有限;没有实际运行顺序,不能完成真正的时序独立性检查。
答案来源 :参考:ch03.pdf,原题 3.14S;本页按第 9 版编号。
← 上一题 3.15 · 本章题目目录 · 下一题 3.17 →