(1)
y1代表零件的强度，a中1代表甲工厂，2代表乙工厂，3代表丙工厂
y1<-c(103,101,98,110,113,107,108,116,115,109,82,92,84,86,88)
a<-c(rep((1:3),c(4,6,5)))
(d1<-as.data.frame(cbind(y1,a)))
完全随机设计模型方差分析
lm(y1~factor(a),data=d1)#强度和因素a水平之间的线性关系
anova(lm(y1~factor(a),data=d1))
p值=1.672e-06<0.05,说明三个工厂的零件的平均强度有显著差异
(2)
y2代表生产率，A代表配方因子，B代表日期因子
y2<-c(64.9,69.1,76.1,82.9,62.6,70.1,74.0,80.0,61.1,66.8,71.3,76.0,59.2,63.6,67.2,72.3)
A<-c(rep(1:4,4));B<-c(rep(1:4,each=4))
(d2<-as.data.frame(cbind(y2,A,B)))
完全随机设计模型方差分析
anova(lm(y2~factor(A)+factor(B),data=d2))
因素A对应的p值=1.520e-07<0.05
因素A不同水平对因变量的显著差异；
因素B对应的p值=5.449e-05
因素B不同水平对因变量的显著差异。
不能拒绝方差相等的原假设
bartlett.test(y2~B,data=d2)
bartlett.test(y2~A,data=d2)
