excel统计分析——单因素方差分析

参考资料:生物统计学

       方差分析是将总变异分解为组间变异的方差和组内变异的方差,并通过F检验推断处理效应是否显著的过程,而方差是通过平方和与自由度计算出来的,所以方差分析首先需要进行平方和与自由度的分解。具体步骤如下:

1、平方和的分解

       为了方便表述,用\bar{x.}表示全部观测值的平均数,\bar{x_{i}}表示第i组的平均数,T表示全部观测值的总和,T_{i}表示第i组的何。

       全部观测值的总变异的平方和称为总平方和,记为SS_{T},公式可表示为:

SS_{T}=\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x.})^2

因为:

\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x.})^2=\sum_{i=1}^{k}\sum_{j=1}^{n}[(\bar{x_{i}}-\bar{x_{.}})+(x_{ij}-\bar{x_{i}})]^2

=\sum_{i=1}^{k}\sum_{j=1}^{n}[(\bar{x_{i}}-\bar{x_{.}})^{2}+2(\bar{x_{i}}-\bar{x_{.}})(x_{ij}-\bar{x_{i}})+(x_{ij}-\bar{x_{i}})^{2}]

=\sum_{i=1}^{k}\sum_{j=1}^{n}(\bar{x_{i}}-\bar{x_{.}})^{2}+2\sum_{i=1}^{k}\sum_{j=1}^{n}(\bar{x_{i}}-\bar{x_{.}})(x_{ij}-\bar{x_{i}})+\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x_{i}})^{2}

=\sum_{i=1}^{k}\sum_{j=1}^{n}(\bar{x_{i}}-\bar{x_{.}})^{2}+2\sum_{i=1}^{k}(\bar{x_{i}}-\bar{x_{.}})\sum_{j=1}^{n}(x_{ij}-\bar{x_{i}})+\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x_{i}})^{2}

且:\sum_{j=1}^{n}(x_{ij}-\bar{x_{.}})=0

所以

\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x.})^2=\sum_{i=1}^{k}\sum_{j=1}^{n}(\bar{x_{i}}-\bar{x_{.}})^2+\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x_{i}})^2

其中,\sum_{i=1}^{k}\sum_{j=1}^{n}(\bar{x_{i}}-\bar{x_{.}})^2为各组平均数与总平均数间的离差平方和,称为处理平方和或组间平方和,反应不同处理之间的变异,记为SS_{t},即SS_{t}=\sum_{i=1}^{k}\sum_{j=1}^{n}(\bar{x_{i}}-\bar{x_{.}})^2

\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x_{i}})^2为各组内观测值与该组的平均数间离差平方和的总和,简称误差平方和或组内平方和,反应随机误差引起的变异,记为SS_{e},即SS_{e}=\sum_{i=1}^{k}\sum_{j=1}^{n}(x_{ij}-\bar{x_{i}})^2

最终可简写为SS_{T}=SS_{t}+SS_{e}

由于在实际计算时,误差平方和是总平方和减去处理平方和后的剩余部分,所以也称为剩余平方和,所以误差平方和的计算公式可写为:SS_{e}=SS_{T}-SS_{t}

平方和可以不计算平均数而直接用原始数据计算,这是需要先计算矫正数C,

C=T^2/(kn)

SS_{T}=\sum x_{ij}^{2}-C

SS_t=\frac{1}{n}\sum T_{i}^2-C

2、自由度的分解

总自由度:df_{T}=kn-1

处理自由度:df_{t}=k-1

误差自由度:df_{e}=df_{T}-df_{t}=k(n-1)

总平方和、总自由度的可分解性,或反过来叫各分量平方和、各分量自由度的可加性,这是Fisher创建方差分析方法时发现的规律,是方差分析原理的核心内容。

3、计算均方

平方和与自由度分解完成后,根据各自的平方和及自由度计算均方(就是方差,方差分析中习惯称为均方,记为MS)。

处理均方:MS_{t}=\frac{SS_{t}}{df_{t}}

误差均方:MS_{e}=\frac{SS_{e}}{df_{e}}

误差均方实质上是各组内方差按自由度算得的加权平均数,所以也称为合并方差。

4、计算F统计量

F统计量为处理均方和误差均方之比。

F=\frac{MS_{t}}{MS_{e}}

       在进行两个样本方差的同质性检验时,要求用大方差做分子 、小方差做分母,但在方差分析中,始终是用处理均方做分子、误差均方做分母。如果处理均方小于误差均方,则直接推断处理效应(样本平均数间的差异)不显著。

        若F>F_{0.05},则表示处理间差异显著。

5、方差分析表

excel公式操作步骤:

数据分析工具操作步骤:

1、数据分析工具中选择“方差分析:单因素方差分析”

2、打开单因素方差分析对话框

选择数据区域,本此选择区域包含处理名称,和处理的数据是按行分布的。

故对话框中,分组方式选择“行”;勾选“标志位于第一列”

 3、查看分析结果

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/314435.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

简单FTP客户端软件开发——JavaFX开发FTP客户端

文章目录 导入外部包commons-net-3.10.0.jarJavaFX开发客户端 FTP客户端要求如下: 简单FTP客户端软件开发 网络环境中的一项基本应用就是将文件从一台计算机中复制到另一台可能相距很远的计算机中。而文件传送协议FTP是因特网上使用得最广泛的文件传送协议。FTP使用…

yolov5目标检测神经网络——损失函数计算原理

前面已经写了4篇关于yolov5的文章,链接如下: 1、基于libtorch的yolov5目标检测网络实现——COCO数据集json标签文件解析 2、基于libtorch的yolov5目标检测网络实现(2)——网络结构实现 3、基于libtorch的yolov5目标检测网络实现(3)——Kmeans聚类获取anc…

OpenCV-13绘制多边形和文本

一、画多边形 使用API polylines绘制多边形。 polylines(img, pts, isClose, color, thickness, lineType, shift) 其中: pts:表示多边形的点集&#xff…

nvm安装版本后设置默认镜像地址和nvm list available出现空白解决办法

如题 npm config get registry https://registry.npmjs.org/发现镜像地址依旧是默认的 解决 运行输入npm config list 查看这个选项对应的目录 修改为的内容如下 homehttps://npmmirror.com registryhttps://registry.npmmirror.com/或者也可以 homehttps://npmmirror.com…

008、所有权

所有权可以说是Rust中最为独特的一个功能了。正是所有权概念和相关工具的引入,Rust才能够在没有垃圾回收机制的前提下保障内存安全。 因此,正确地了解所有权概念及其在Rust中的实现方式,对于所有Rust开发者来讲都是十分重要的。在本文中&…

JavaScript 基础(一)

实验需新建一个 test.html 文件&#xff0c;用于编写代码。后续的例子中&#xff0c;将不再提醒建立文件&#xff0c;大家根据个人需求自行创建对应的 html 文件&#xff0c;并完成代码练习&#xff1a; 首先来看看范例代码&#xff1a; <!doctype html> <html>&…

Docker:部署若依前后端分离版

Docker&#xff1a;部署若依前后端分离版 1. 停止天翼云上的原来跑的若依项目2. 停止腾讯云上的若依项目3. 使用Docker部署3.1 天翼云数据库&Redis3.1.1 部署数据库3.1.2 部署Redis数据库3.1.1 部署Nginx(这里被天翼云坑了换的腾讯云运行nginx) 3.2 腾讯云部署后端&前端…

【机器学习】卷积神经网络(四)-实现细节(Caffe框架为例)

六、 实现细节 都有哪些开源的卷积神经网络实现 caffe中卷积神经网络各个层&#xff08;卷积层、全连接层、池化层、激活函数层、内基层、损失层等&#xff09; Caffe2 与caffe 对比 caffe2 开源吗 使用caffe的c 版本和python版本&#xff0c;分别适用于哪些场景 6.1 卷积层 在…

【C++】STL 容器 - map 关联容器 ③ ( map 容器常用 api 操作 | map 容器迭代器遍历 | map#insert 函数返回值处理 )

文章目录 一、map 容器迭代器遍历1、map 容器迭代器2、代码示例 二、map 容器插入结果处理1、map#insert 函数返回值处理2、代码示例 一、map 容器迭代器遍历 1、map 容器迭代器 C 语言中 标准模板库 ( STL ) 的 std::map 容器 提供了 begin() 成员函数 和 end() 成员函数 , 这…

关于发展模式加入变量的问题解决

问题1描述&#xff1a; 编译的时候不报错&#xff0c;但是在运行的时候出错输出 FLDLST: ustar in fincl( 17 ) not found ENDRUN: called without a message string 问题1解决&#xff1a; 这是因为在cas-esm 的atm_in 中写入了某个变量&#xff0c;但是在F90 代码里面没…

MODIS ET 蒸散发数据

MODIS ET 即 MOD16 系列产品&#xff0c;属于MODIS Level4 的产品。 在 LP DAAC - MODIS 上搜索了现存的 ET&#xff08;Evapotranspiration&#xff09; 数据&#xff1a; 建议使用最新版本Collection 6.1&#xff0c;也就是结尾是.061的数据集。 在 Collection 6.1 中&…

旅游平台网页前后端

功能清单 游客功能 用户注册、登录登录权限拦截按名称搜索房间支付流程查看订单信息和状态评论预定过的房间&#xff0c;并自动修改订单状态查看统计剩余房间数量&#xff0c;数量为0时不可预定 管理员功能 房间分类管理 类型的删除、修改、查询&#xff08;准备添加增添功能…