Python 统计分析--单因素方差分析

Python 统计分析–单因素方差分析

方差分析的主要工作就是将观测数据的总变异(波动)按照变异的原因的不同分解为因子效应与试验误差，并对其作出数量分析，比较各种原因在总变异中所占的重要程度，以此作为进一步统计推断的依据。

1.基本假设

(1).正态假设。对于因素的每个水平，其观测值都是来自正态总体的随机样本；

(2).方差齐性假设。各个总体的方差相同；

(3).独立假设。观测值之间都是独立的。

2.单因素方差分析

设试验只有一个因子（又称为因素）A有r个水平$A_{1}$, $A_{2}$,$A_{3}$,…,$A_{r}$。现在水平Ai下进行ni次独立试验，得到的观测数据为$X_{ij}$
则单因素方差模型可表示为:

(1).$X_{ij}$=$\mu+a_{i}+\varepsilon_{ij}$, i=1,2,…,r,j=1,2,…,$n_{i}$

(2).$\varepsilon_{ij}$ ~ N(0,$\sigma^{2}$),且$\varepsilon_{ij}$相互独立

(3).$\sum_{i=1}^{r}n_{i}\alpha_{i}$ = 0

其中$\mu$为总平均，