概率论与数理统计——方差分析

方差分析是数理统计中应用很广泛的内容，主要看两个：

• 单因素试验的方差分析
• 双因素试验的方差分析

在这之前先了解几个概念：

• 方差分析：根据试验的结果进行分析，鉴别各个有关因素对试验结果的影响
• 试验指标：在试验中要考察的指标称为试验指标
• 因素：影响试验指标的条件称为因素。因素可分为两类：可控因素和不可控因素
• 单因素试验：如果在一项试验中只有一个因素在改变，称为单因素试验
• 多因素试验：如果在一项试验中有多个因素在改变，称为多因素试验

单因素试验的方差分析

设因素$A$有$s$个水平$A_1,A_2,...,A_s$，在水平$A_j,(j=1,2,...,s)$下，进行$n_j(n_j\ge 2)$次独立试验，得到如如下表1结果：

观察结果\水平	$A_1$	$A_2$	…	$A_s$
	$X_{11}$	$X_{12}$	…	$X_{1s}$
	$X_{21}$	$X_{22}$	…	$X_{2s}$
	…	…	…	…
样本总和	$T_{\cdot 1}$	$T_{\cdot 2}$	…	$T_{\cdot s}$
样本均值	${\overline{X}}_{\cdot 1}$	${\overline{X}}_{\cdot 2}$	…	${\overline{X}}_{\cdot s}$
总体均值	${\mu }_1$	${\mu }_2$	…	${\mu }_s$

我们假定：各个水平$A_j(j=1,2,...,s)$下的样本$X_{1j},X_{2j},...,X_{n_{j}j}$来自具有相同方差${\sigma }^2$，均值分别为${\mu }_j(j=1,2,...,s)$的
正态总体$N({\mu }_j,{\sigma }^2)$，${\mu }_j$和${\sigma }^2$未知，且假设不同水平$A_j$下的样本之间相互独立。

由于

单因素试验

双因素试验的方差分析