v1=df,分子自由度,组间变异自由度=组数-1 v2=df2,分母自由度,组内变异自由度=(xm1)-(组数-1)。 F(dfi, dfa) f distribution的示意图(表9-12F界值表)
F distribution 的示意图 (表9-12 F界值表) F ν1=df1, 分子自由度，组间变异自由度=组数-1。 ν2 =df2,分母自由度，组内变异自由度= =(Σni-1)-(组数-1 ) 。 8
完全随机设计:对全部受试对象统一随机化分组 16只大白鼠的完全随机化分配方法 鼠号12345678910111213141516 分组 A C DBBA CC D B DA DA C B 完全随机化分配结果: A组:1,6,12,14 B组:4,5,10,16 C组:2,7,8,15 D组:3,9,11,13
16只大白鼠的完全随机化分配方法 鼠号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 分组 A C D B B A C C D Ｂ D Ａ D A C B 完全随机化分配结果： A组： 1， ６，12， 14 B组：４，５，10， 16 C组：２，７，８， 15 D组: ３, ９，11， 13 完全随机设计: 对全部受试对象统一随机化分组 9
、完全随机设计的多个样本平均值的比较 完全随机设计的多个样本平均值的比较又称单因素方差分 析(One- way analysis)。把总变异分解为组间(处理组间)变 异和组内变异(误差两部分。 目的是推断k个样本所分别代表的μ,μ2,…,μ是否相 等,以便比较多个处理的差别有无统计学意义 其计算公式见表9-13。方差分析中所需计算的统计量为F, 根据自由度v(组间)、v组内)和查表912“F界值表(方差 分析用)y,作出统计推断结论 若F</,则P>a,不拒绝H,差异无统计学意义 若 ,则P≤a,拒绝H,差异有统计学意义。 F≥Fa V1V2
一、完全随机设计的多个样本平均值的比较 完全随机设计的多个样本平均值的比较又称单因素方差分 析(One-way analysis) 。把总变异分解为组间(处理组间)变 异和组内变异(误差)两部分。 目的是推断k个样本所分别代表的μl，μ2，…，μk是否相 等，以便比较多个处理的差别有无统计学意义。 其计算公式见表9-13。方差分析中所需计算的统计量为 F， 根据自由度ν1 (组间)、ν2 (组内)和α查表9-12“F界值表(方差 分析用)”，作出统计推断结论。 若 ，则P＞α，不拒绝H0，差异无统计学意义； 若 ，则P≤α， 拒绝H0，差异有统计学意义。 ( ) 1, 2 F F ( ) 1, 2 F F 10
各种变异的表示方法 ●SS 总 组内 组间 总 V组内 组间 ●MS MS 组内 MSA 组间 三者之间的关系: SS总=Ss组内+SS组间 V组内+V组间
各种变异的表示方法 ⚫ SS总 ⚫ 总 ⚫ MS总 SS组内 组内 MS组内 SS组间 组间 MS组间 三者之间的关系： SS总= SS组内+ SS组间 总= 组内+ 组间