习题 3.30:电池品牌寿命
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。
现研究三个品牌的电池,怀疑其寿命不同。每个品牌随机选取 5 节电池进行测试,得到以下寿命结果,单位为周。
组别/处理条件 观测值(同一行属于同一组) 1 100,96,92,96,92 2 76,80,75,84,82 3 108,100,96,98,100
(a) 这些品牌电池的平均寿命是否不同?
(b) 分析试验残差。
(c) 构造品牌 2 平均寿命的 95% 置信区间;构造品牌 2 与品牌 3 平均寿命之差的 99% 置信区间。
(d) 你会选择哪个品牌?如果制造商对寿命不足 85 周便失效的电池免费更换,预计需要更换的比例是多少?
答案与解析 ¶ (a)电池品牌寿命的 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 2 1196.13 598.067 38.3376 6.14149e-06 误差 12 187.2 15.6 — — 总计 14 1383.33 — — —
组别 样本量 均值 样本标准差 1 5 95.2 3.34664 2 5 79.4 3.84708 3 5 100.4 4.5607
拒绝品牌平均寿命相等,品牌 2 的样本均值最短。
(b)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。
残差图未显示强烈方差趋势,方差齐性的补充检验见习题 3.47 、3.48。实际测试时序未提供,不能仅据记录顺序图证明独立性。
(c)所需置信区间 ¶ 品牌均值估计为 μ ^ i = y ˉ i \hat\mu_i=\bar y_i μ ^ i = y ˉ i ,95% 区间如下,品牌 2 对应第 2 行。
估计量与区间公式 :μ ^ i = y ˉ i \hat\mu_i=\bar y_i μ ^ i = y ˉ i ,S E ^ ( y ˉ i ) = M S E / n i \widehat{SE}(\bar y_i)=\sqrt{MS_E/n_i} SE ( y ˉ i ) = M S E / n i ,区间为 y ˉ i ± t 1 − α / 2 , N − a M S E / n i \bar y_i\pm t_{1-\alpha/2,N-a}\sqrt{MS_E/n_i} y ˉ i ± t 1 − α /2 , N − a M S E / n i 。以下各区间均为逐个区间。
组别 均值点估计 估计标准误 95% 均值置信区间(逐个区间) 1 95.2 1.76635 (91.3514, 99.0486) 2 79.4 1.76635 (75.5514, 83.2486) 3 100.4 1.76635 (96.5514, 104.249)
品牌 2 减品牌 3 的均值差 99% 区间为:
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 = M S E ( 1 / n i + 1 / n j ) SE=\sqrt{MS_E(1/n_i+1/n_j)} SE = M S E ( 1/ n i + 1/ n j ) ,区间为 ( y ˉ i − y ˉ j ) ± t 1 − α / 2 , N − a S E (\bar y_i-\bar y_j)\pm t_{1-\alpha/2,N-a}SE ( y ˉ i − y ˉ j ) ± t 1 − α /2 , N − a SE 。
对第 2 组减第 3 组,点估计 -21,标准误 2.498;99% 区间为 ( − 28.6302 , − 13.3698 ) (-28.6302, -13.3698) ( − 28.6302 , − 13.3698 ) 。
(d)品牌选择与免费更换比例 ¶ 选择样本均值最长的品牌 3 作为候选。在共同正态方差模型下,失效比例的代入估计量为 p ^ = Φ [ ( 85 − μ ^ 3 ) / σ ^ ] \hat p=\Phi[(85-\hat\mu_3)/\hat\sigma] p ^ = Φ [( 85 − μ ^ 3 ) / σ ^ ] ,μ ^ 3 = 100.4 \hat\mu_3=100.4 μ ^ 3 = 100.4 、σ ^ = 15.6 \hat\sigma=\sqrt{15.6} σ ^ = 15.6 ,结果为 0.00004829,约 0.00483% 。这是远尾的模型外推,小样本不能可靠验证实际失效率达到如此低水平。
答案来源 :参考:ch03.pdf,原题 3.27S;本页按第 9 版编号。
← 上一题 3.29 · 本章题目目录 · 下一题 3.31 →