习题 3.29:化学分析员的测定结果
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。
请 4 名化学分析员测定某化合物中的甲醇百分比,每人独立测定 3 次,结果如下。
组别/处理条件 观测值(同一行属于同一组) 1 84.99,84.04,84.38 2 85.15,85.13,84.88 3 84.72,84.48,85.16 4 84.2,84.1,84.55
(a) 分析员之间是否有显著差异?取 α = 0.05 \alpha=0.05 α = 0.05 。
(b) 分析试验残差。
(c) 假定分析员 2 是新员工,构造一组在试验开始前就可能有用且有实际意义的正交对比。
答案与解析 ¶ (a)分析员差异的 ANOVA ¶ 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 3 1.04457 0.348189 3.24576 0.0812898 误差 8 0.8582 0.107275 — — 总计 11 1.90277 — — —
组别 样本量 均值 样本标准差 1 3 84.47 0.481352 2 3 85.0533 0.150444 3 3 84.7867 0.344867 4 3 84.2833 0.236291
在 0.05 水平不拒绝四均值相等。
(b)残差分析 ¶ 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。
每位分析员仅 3 次测定,正态尾部及方差结构很难充分诊断。还应核对样品制备和测定次序;没有真实时间记录,不能完成真正的残差时序检查。
(c)比较新员工的正交对比 ¶ 可取 C 1 = − μ 1 + 3 μ 2 − μ 3 − μ 4 C_1=-\mu_1+3\mu_2-\mu_3-\mu_4 C 1 = − μ 1 + 3 μ 2 − μ 3 − μ 4 比较新员工与三名老员工平均值,再取 C 2 = μ 1 − μ 3 C_2=\mu_1-\mu_3 C 2 = μ 1 − μ 3 、C 3 = μ 1 + μ 3 − 2 μ 4 C_3=\mu_1+\mu_3-2\mu_4 C 3 = μ 1 + μ 3 − 2 μ 4 比较老员工。每组系数和为零、三组系数两两内积为零;等样本量下为完整正交对比组。若需要估计,使用 C ^ k = ∑ i c k i y ˉ i \hat C_k=\sum_i c_{ki}\bar y_i C ^ k = ∑ i c ki y ˉ i 。
答案来源 :参考:ch03.pdf,原题 3.26;本页按第 9 版编号。
← 上一题 3.28 · 本章题目目录 · 下一题 3.30 →