c++计算数组均值方差_数学建模培训26_数据分析基础(3)_单因素方差分析

我们已经学过两个总体均值的假设检验，如两台机床生产的零件尺寸是否相等，病人和正常人的某个生理指标是否一样。如果把这类问题推广一下，要检验两个以上总体的均值彼此是否相等，在实际生产和生活中可以举出许多这样的问题：从用几种不同工艺制成的灯泡中，各抽取了若干个测量其寿命，要推断这几种工艺制成的灯泡寿命是否有显著差异？用几种化肥和几个小麦品种在若干块试验田里种植小麦，要推断不同的化肥和品种对产量有无显著影响？

1923年，波兰数学家R.A.Fisher提出了方差分析(Analysis of Variance简称ANOVA) 法，可以同时判定多组数据均值间差异的显著性检验问题。其检验统计量在H₀成立时服从F分布，这里F分布就是以Fisher姓氏的第一个字母命名的。

在实际问题中，人们常常需要在不同的条件下对所研究的对象进行对比试验，从而得到若干组数据(样本)。方差分析就是一种分析、处理多组实验数据间均值差异的显著性的统计方法。其主要任务是，通过对数据的分析处理，搞清楚各实验条件对实验结果的影响，以便更有效地指导实践，提高经济效益或者科研水平。

在统计中，人们称受控制的条件为因素，因素所处的状态称为水平。

如果只让一个因素变动，取该因素的多个不同水平进行试验，而其他因素保持不变，称该试验为单因素试验。例如小麦种植产量，只考虑"品种"这一因素，研究4个不同品种产量的差异，其它诸如施肥方案、灌溉方案等因素保持一致，就是一个4水平单因素试验。

如果同时考虑两个因素，例如4个小麦品种在3种不同施肥方案下的产量，就是一个双因素试验。

§1  单因素方差分析

只考虑一个因素对所关心的指标的影响，取几个水平，在每个水平上作若干个试验，试验过程中除外其它影响指标的因素都保持不变(只有随机因素存在)，我们的任务是从试验结果推断，因素对指标有无显著影响，即当取不同水平时指标有无显著差别。

取某个水平下的指标视为随机变量，判断取不同水平时指标有无显著差别，相当于检验若干总体的均值是否相等。