习题 3.31:催化剂与组分浓度
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。
现考察可能影响一种三组分液体混合物中某一组分浓度的 4 种催化剂。完全随机试验取得以下浓度观测,各催化剂的观测数不完全相同。
组别/处理条件 观测值(同一行属于同一组) 1 58.2,57.2,58.4,55.8,54.9 2 56.3,54.5,57,55.3 3 50.1,54.2,55.4 4 52.9,49.9,50,51.7
(a) 4 种催化剂对该浓度的影响是否相同?
(b) 分析试验残差。
(c) 构造催化剂 1 的总体平均响应的 99% 置信区间。
答案与解析 ¶ (a)催化剂效应的 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 85.6758 28.5586 9.91571 0.00143563 误差 12 34.5617 2.88014 — — 总计 15 120.237 — — —
组别 样本量 均值 样本标准差 1 5 56.9 1.51987 2 4 55.775 1.09962 3 3 53.2333 2.77909 4 4 51.125 1.44309
拒绝四种催化剂平均浓度相等。
(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。
未见严重残差异常,必须使用各组实际样本量。原资料没有实际运行时间顺序,时间独立性需额外记录。
(c)催化剂 1 的均值区间 ¶ 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 99% 均值置信区间(逐个区间) 1 56.9 0.758965 (54.5817, 59.2183) 2 55.775 0.848549 (53.1831, 58.3669) 3 53.2333 0.97982 (50.2404, 56.2262) 4 51.125 0.848549 (48.5331, 53.7169)
第 1 行即所求,点估计为第 1 组均值;本表是逐组 99% 区间,不是全部均值的同时区间。
答案来源 :参考:ch03.pdf,原题 3.28;本页按第 9 版编号。
← 上一题 3.30 · 本章题目目录 · 下一题 3.32 →