施肥研究中的数理统计.docVIP

施肥研究中的数理统计第一章 利用抽样调查技术估计土壤肥力的地理模式 2 第二章 土壤测试值的校验：田间与实验室间的桥梁 4 第三章 怎样避免在田间肥料效应试验设计中的常见错误 7 第四章 通过试验数据确定统计上和经济上的最佳推荐施肥量：处理设计、建模、分析和解释 12 第五章 肥料效应试验数据的分析和解释技巧 17 第六章 不同地点和年份系列试验的设计与分析 23 第七章 大田试验的统计学问题 27 第八章 统计咨询工作者被经常问及的30个问题 30 第九章 对被经常问及的30个问题的回答 32 第十章 有关讲座内容、计算和数据解释的习题 35 第十一章 习题答案 39 第一章 利用抽样调查技术估计土壤肥力的地理模式 　　土壤肥力评价需要一个统一的方法，而其中包括了一系列的步骤。只有在肥力评价被当作一个过程的时候，我们才能得到比较满意的结果。来自于一个农场的土壤测试结果必须与这一地区的所有农场这个总体相联系。当然，最理想的是对这一总体中的每个农场都取样，但这是不可能的，因为这样做不但浪费时间和资金，同时，在发展中国家的那种大量小型农户所有制条件下也是不现实的。我们需要对一个地区的土壤测试结果进行概括和归纳。 　　在本文，虽然我们不强调在试验站点或选定的农户进行肥料效应的控制性研究，但这却是很重要的一步。恰当的试验和处理设计及能形成对效应参数无偏估计模型的模拟都是必需的。为此，在使用线性平台模型时要注意这方面的问题。另外，为了校正具有期望效应的试验结果而使用相应的统计学方法，如Cate-Nelson (1995)法，是很必要的。 　　 我们强调样本调查的重要性。样本调查是统计学的一个领域，它与试验设计有一定的相似性。名词上有些区别，但许多概念是相似的。例如，在有些时候我们需要把区域划分为许多层次，而这与试验设计中的分区是一致的。 　　 在中国、印度及其它一些发展中国家有许多小型农户，他们所拥有的资源是有限的。我们需要评价整个确定区域的土壤肥力水平，而并不想对每个农户都取样，那样做是不现实的。可以用样本调查技术来对一个区域（如一个流域）进行估计，当然，也可以估计整个区域各个养分的平均水平和变异情况。对取样区域以外的地区进行推荐施肥，可以根据这个区域的平均值，也可以参考该农场往年的管理措施和土壤差异信息。 　　象一些其它文献中所论述的一样，抽样调查有许多方法。除非按着这些方法取样，否则样本是不可靠的。这些方法的最主要的原则是随机性。一个区域中的农户必须是随机选择的。随机选择是一个客观的过程而不是随便、任意的。随机选择避免了选择中的偏见，也就是说，区域中的农户都有均等的被选择的机会。必须遵守数学估计的原则。缺乏随机性，所获得的估计量及与之相关的概率就不可靠。从样本或分析数据本身，我们并不能确定它是不是好样本，只有用正确的方法所获得的样本才是可靠的。 　　在这里，我们强调取样农户的选择而不是在一个农户中的取样方法。许多其它论文都十分强调农场区域的取样，大家对这种在一个农场中选取综合样本的过程一定很熟悉。在这里我们不涉及利用过去的土壤测试分析数据来总结一个地区的土壤肥力状况。的确，这些数据相当有用，而且必须与随时间变化的土壤肥力分析保持一致。但我们希望能到一个新的地区，对它进行采样和分析，以明确该地区的土壤肥力特征。 　　第1节. 抽样统计学原理概要 　　我们从一个总体数为N的总体中随机地选取n个样本，并估计参数μ和σ2即样本平均数和标准差。可以用这两个参数来描述分布状态，尤其是正态分布。随机性确保了总体中的每个单元都有均等的被选择机会，它是选择无偏性的前提。估计值X 和s2，即样本平均值和方差都有它们各自的分布形式。我们常假定正态分布是最接近的分布形式。可以用这种分布来估计正态偏差z的概率（或者用t分布估计t值的概率）或者形成给定样本数z、t的分布表。 　　有许多种随机取样方法，最简单的是对随机性没有限制的简单随机取样。例如，如果一个取样区域的一部分是斜坡，而另一部分是平地，那么，这两个部分应该分别进行取样分析和解释。我们可以对随机性附加些限定条件，如在分层随机取样中我们希望把变异从一个层次转移到另一个层次，其条件是在每一个层次中都有分离的随机性。在简单随机取样中，样本平均值总是总体平均值的无偏估计量。 　　 我们谈到的“最优”估计量是指它有最小的取样方差。其结果是样本平均值和样本方差都能达到最优。 　　人们经常想到的是样本的大小。如果样本的采集方法合适，我们知道，如果取样分数n/N较小，就很难保证估计的精确度。精确度在很大程度上依赖于样本数(n)的绝对值。这也就意味着在估计最佳样本数时，有必要考虑绝对样本数，而不是它所占的百分数。在确定样本数的公式中，经常用n而不用n/N。