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 3.35:随机选择的加热炉

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

一家金属加工车间用多台加热炉加热金属试件。所有炉子本应工作在相同温度,但人们怀疑事实并非如此。随机选取 3 台炉子,记录连续多次加热时的温度,数据如下。三台炉子的观测数分别为 5、4、6。

组别/处理条件观测值(同一行属于同一组)
1491.5,498.3,498.1,493.5,493.6
2488.5,484.65,479.9,477.35
3490.1,484.8,488.25,473,471.85,478.65

(a) 炉间温度是否存在显著变异?取 α=0.05\alpha=0.05。

(b) 估计该模型的方差分量。

(c) 分析残差,评价模型适合性。

答案与解析

(a)随机炉间差异检验

模型与模型假设(随机效应):yij=μ+ui+ϵijy_{ij}=\mu+u_i+\epsilon_{ij},ui∼iidN(0,στ2)u_i\overset{\mathrm{iid}}\sim N(0,\sigma_\tau^2),ϵij∼iidN(0,σ2)\epsilon_{ij}\overset{\mathrm{iid}}\sim N(0,\sigma^2);随机效应与误差相互独立,抽取的水平代表目标水平总体。不同组独立,同组观测的边际协方差为 στ2\sigma_\tau^2,不能把同组观测的边际独立性当作假设。

原假设和备择假设:H0:στ2=0H_0:\sigma_\tau^2=0;H1:στ2>0H_1:\sigma_\tau^2>0。

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。

方差分量估计量:σ^2=MSE\hat\sigma^2=MS_E,σ^τ2=(MSA−MSE)/n0\hat\sigma_\tau^2=(MS_A-MS_E)/n_0,其中 n0=[N−∑ini2/N]/(a−1)n_0=[N-\sum_i n_i^2/N]/(a-1),平衡时 n0=nn_0=n。表中组样本均值仅作描述,不是随机效应的 BLUP;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2594.53297.2658.620290.00477717
误差12413.81234.4843——
总计141008.34———
组别样本量均值样本标准差
154953.03974
24482.64.96202
36481.1087.78443

拒绝炉间方差为零,有显著炉间温度差异。

(b)不平衡设计的方差分量

σ^τ2=(MSA−MSE)/n0\hat\sigma_\tau^2=(MS_A-MS_E)/n_0,其中 n0=[N−∑ini2/N]/(a−1)n_0=[N-\sum_i n_i^2/N]/(a-1);n0=4.93333n_0=4.93333,结果为 σ^τ2=53.2664\hat\sigma_\tau^2=53.2664。

σ^2=MSE=SSE/(N−a)\hat\sigma^2=MS_E=SS_E/(N-a),结果为 σ^2=34.4843\hat\sigma^2=34.4843。

这里使用 ANOVA 矩估计;不平衡情形下它不必等于 REML。

(c)残差分析

残差定义:y^ij=yˉi\hat y_{ij}=\bar y_i,eij=yij−yˉie_{ij}=y_{ij}-\bar y_i。随机效应题这里采用组内中心化残差检查组内误差;组均值是诊断基准,不冒充 REML 的 BLUP 拟合值。

习题 3.35: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:右上为组内残差 Q–Q 图,左下按各炉连续加热序号分别画残差时序,右下为残差 vs 拟合值图。题干明确了各炉内部的连续加热先后,因此可检查炉内随顺序的变化;没有跨炉统一运行时间,不能把三炉拼成真实的共同时间轴,也不能据此验证跨炉时间关系。

第 3 台炉子的残差散布较大,需要关注异方差。第 2 炉残差随连续加热序号下降,第 3 炉也有下降迹象,提示恒定均值和误差独立性可能有问题,不能只凭一次 ANOVA 宣布模型有效。题干给出了各炉内部的先后次序,故按炉分别检查;没有跨炉统一时间,不把三条曲线拼成一条共同时间序列。


答案来源:参考:ch03.pdf,原题 3.30S;本页按第 9 版编号。

← 上一题 3.34 · 本章题目目录 · 下一题 3.36 →