kruskalwallis单因素方差分析.ppt

KruskalWallis单因素方差分析
，决策或试验条件（称为处理）所产生的结果是否一样等问题.
首先，这些样本是否独立，在独立样本下，利用Kruskal-Wallis(库鲁斯卡尔-沃利斯)检验和Jonck
heere-Terpstra(约恩克海尔-特普斯特拉)检验来处理两种（有序与否）备择假设情况.
在各样本不独立的时，如果是完全区组设计，引进Friedman( 弗里德曼)检验对应（有序与否）备择假设情况，当数据为二元时，考虑Corchran( 科克伦)检验.
当遇到平衡的不完全区组设计时，介绍Durbin
(德宾)检验.
在参数检验中，我们常常对三个或三个以上的总体的均值进行相等性检验，使用的方法是方差分析，在非参数中也会遇到同样地问题，，当几个总体的分布条件相同的条件下，讨论其位置参数是否相等.
方差分析过程需要假定条件，，像多样本比较时一样，我们不妨尝试将数据转化为秩统计量，因为秩统计量的分布与总体分布无关，可以摆脱总体分布的束缚.
完全随机设计
采用完全随机化的方法将同质的受试对象分配到各处理组,然后观察各组的实验效应。影响因素只有一个，分析这种数据的方法即单因素方差分析.
1)实验材料（动物、植物、土地）为同质;
2)各处理（比如饲料配方）要随机安排实验材料；
在实际中，除了处理外，往往还有别的因素起作用，比如在关于肥料（处理）效能的农业试验中，，我们只关心不同肥料的影响如何.
假设对A,B,C,D四种处理血液凝固的方法设计比较试验，每种处理方法重复观测5次，换句话说，应该随机将20为正常人分为5组，每组4人，由于每个人的体质不同，血液自然凝固时间的差异可能比较大，如果恰好自然凝血时间较短的人的血液都分给了较差的处理方法，而凝血时间较长的血液都分给了较好的处理方法，最后可能得不出哪一种处理方法更有效.
定义：类似于上述的例子，在凝血试验中，不同条件的人构成了另一个影响结果的因素，我们称之为区组.
完全随机区组设计
影响因素有两个，处理和区组，分析这种处理的方法称为两因素方差分析.
1）试验材料为异质，试验者根据需要将其分为几组，几个性质相近的试验单位称一区组（如一个人的血液分成4组，此人即同一区组，不同人为不同区组），使得区组内试验个体之间的差异相对较小，而区组间的差异相对较大;
2)每一个区组内的试验个体按照随机安排全部参加试验的各种处理;
3）每个区组内的试验数等于处理数；
四种凝血时间测量表
区组
处理
以上介绍的完全随机区组设计要求每一个处理都出现在每一个区组中，但是实际问题中不一定能够保证每一个区组都能有对应的样本出现，此时有了不完全区组设计.
当处理组较大时，同一区组的所有样本数又不容许太大，在同一区组中不能包含所有的处理，只能安排部分处理，这类区组设计称为不完全区组设计.
均衡的不完全区组设计
最常用的就是均衡不完全区组设计(BIB),即每个区组安排相等处理数的不完全区组设计.
设均衡的不完全区组设计为
1)每个处理在同一区组中最多出现一次；
2)区组样本量为t,t为每个区组设计的样本量，t小于处理个数k;
3)每个处理出现在相同多的r个区组中；
4)每两个处理相遇的区组次数一样（ 次 ）
即
或
当 ，则为完全区组设计.