习题 3.32:五种绝缘材料失效时间
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。
为研究 5 种绝缘材料的效果,实施了一个试验。每种材料取 4 个试样,在较高电压下测试,以加快失效过程。以下为失效时间,单位为分钟。
组别/处理条件 观测值(同一行属于同一组) 1 110,157,194,178 2 1,2,4,18 3 880,1256,5276,4355 4 495,7040,5307,10050 5 7,5,29,2
(a) 五种材料的平均失效时间是否相同?
(b) 绘制残差对预测响应的图,并构造残差正态概率图。这些图传达了什么信息?
(c) 根据第(b)问的发现,对失效时间数据重新开展一次分析,并给出适当结论。
答案与解析 ¶ (a)原始失效时间的 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 4 1.03191e+08 2.57979e+07 6.19093 0.00378596 误差 15 6.25057e+07 4.16704e+06 — — 总计 19 1.65697e+08 — — —
组别 样本量 均值 样本标准差 1 4 159.75 36.4635 2 4 6.25 7.932 3 4 2941.75 2201.41 4 4 5723 3998.44 5 4 10.75 12.339
原始尺度下总体检验显著,但其有效性须由第(b)问的假定检查评估。
(b)原始尺度残差诊断 ¶ 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。
材料寿命的尺度差异极大,均值大的组残差散布也大,存在严重异方差和尾部问题。没有实际运行时序,不能将按组排列的变化当成时间趋势。
(c)对数变换后重新分析 ¶ 取 z i j = ln y i j z_{ij}=\ln y_{ij} z ij = ln y ij ,在变换后的响应上重新设定正态、独立、同方差误差模型。
本次分析的响应为 z i j = ln ( y i j ) z_{ij}=\ln(y_{ij}) z ij = ln ( y ij ) ;以下模型与平方和中的 y y y 均代表该变换后的响应。
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 4 165.056 41.2641 37.6569 1.17609e-07 误差 15 16.4369 1.09579 — — 总计 19 181.493 — — —
组别 样本量 均值 样本标准差 1 4 5.05159 0.249681 2 4 1.24245 1.23582 3 4 7.7164 0.891361 4 4 8.21401 1.36487 5 4 1.90395 1.10994
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。
变换后仍有显著材料差异,方差尺度较接近。模型检验针对对数响应;exp ( z ˉ i ) \exp(\bar z_i) exp ( z ˉ i ) 是几何均值的代入估计,不能直接叫作原尺度算术平均寿命。
答案来源 :参考答案文件无直接对应题;解析由编者补充。
← 上一题 3.31 · 本章题目目录 · 下一题 3.33 →