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 3.30: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。

题目

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)
1100,96,92,96,92
276,80,75,84,82
3108,100,96,98,100

(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):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21196.13598.06738.33766.14149e-06
误差12187.215.6——
总计141383.33———
组别样本量均值样本标准差
1595.23.34664
2579.43.84708
35100.44.5607

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^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 3.30: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=yˉi\hat\mu_i=\bar y_i,95% 区间如下,品牌 2 对应第 2 行。

估计量与区间公式:μ^i=yˉi\hat\mu_i=\bar y_i,SE^(yˉi)=MSE/ni\widehat{SE}(\bar y_i)=\sqrt{MS_E/n_i},区间为 yˉi±t1−α/2,N−aMSE/ni\bar y_i\pm t_{1-\alpha/2,N-a}\sqrt{MS_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)
195.21.76635(91.3514, 99.0486)
279.41.76635(75.5514, 83.2486)
3100.41.76635(96.5514, 104.249)

品牌 2 减品牌 3 的均值差 99% 区间为:

μi−μj^=yˉi−yˉj\widehat{\mu_i-\mu_j}=\bar y_i-\bar y_j,SE=MSE(1/ni+1/nj)SE=\sqrt{MS_E(1/n_i+1/n_j)},区间为 (yˉi−yˉj)±t1−α/2,N−aSE(\bar y_i-\bar y_j)\pm t_{1-\alpha/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)。

(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],μ^3=100.4\hat\mu_3=100.4、σ^=15.6\hat\sigma=\sqrt{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 →