2试验设计方法1要点.pptVIP

试 验 设 计 方法 （以下所有例题中的样本量均仅作参考） 完全随机设计 完全随机设计，又称为一元配置法 所谓完全随机设计即为遵循完全随机的原则进行设计，即： 总体中任一个体都有同等的机会成为供试单位进入试验 而任一供试单位都有相同的机会进入任一组别中 任一组别都有相同的机会接受任一种处理 整个试验完全不受人为因素控制和影响 同时任何非处理因素的作用相互抵消 完全随机设计的方法 根据试验要求和条件，从总体中随机抽取具有代表性的个体，要求被抽取的个体其基本情况和条件大致相同，且最好没有血缘关系，试验规模和样本量依试验要求而定 根据试验的要求，将抽取的样本随机地分成若干个组或组合，每一组或组合内所包含的供试个体应尽可能地一样多，分组后应对每组或每组合进行检查并作适当的调整 每一组或组合进行何种处理或对照应是随机的，特别是对照的设置应与任一处理相同 试验资料的分析（以下检验均应作无效假设） 不同的设计方法其所得资料的统计分析依试验性质而定： 设计仅2个组时（一个处理，一个对照）， 可用: 其中， 配对试验的设计，即同一头动物试验前后的比较；2头相似的动物或2个独立供试单位配成一对的比较，则可用： 其中， d为2个对应观测值的差， 结果为质量资料（即所得结果为率）时 当所得结果为率时，一般可用率的假设检验 一个样本率与总体率的比较： 2个样本率的比较 其中： 由于率的比较一般都是采用大样本资料，因而所采用的都是u-检验，即将所得u值与1.96或2.58相比 当试验不止2个组时，应使用方差分析法进行统计检验，建立方差分析表： 上表中： 当方差分析表中的 F 值不显著时，统计分析 到此结束；但当 F 值显著或极显著时，还应对各组的平均值进行多重比较，以显示处理间的差距，即各处理所显示的效应 多重比较： 由于比较的方法或使用的临界值表的不同而有以下几种方法：PLSD法、q（SNK）法、Q法、Duncan’s法 不同的方法其显著性的宽严程度是不同的： PLSDDuncan’sqQ 习惯上，人们似乎更喜欢q法和Duncan’s法 (*) 实例： 银杏叶提取物有许多药理功能，用肉仔鸡来作试验 随机抽取180羽1日龄肉仔鸡，随机分为6组，每组30羽，分为3个重复，每10羽一个重复；预饲15天；第一组为对照，1、2、3、4、5、6组分别在饲料中依次添加0.0％、0.03％、0.06％、0.12％、0.24％和0.48％银杏叶提取物，饲养28天；试验前和试验后均测定其血清总胆固醇TC、 甘油三酯TG、高密度脂蛋白胆固醇HDL-C 结果如下（此处仅列出多重比较表） 该例仅列出α＝0.05水平的多重比较结果 完全随机设计试验数据统计分析的注意事项 供试单位的初试情况不一致时，一般应作协方差分析进行资料的校正统计 所得数据如不符合方差分析的3个基本假定，即效应的可加性、资料分布的正态性（试验误差的随机性）及方差的同质性，试验结束后应进行数据转换，转换方法有：平方根转换法、对数转换法、反正弦转换法，或采用小样本平均值进行方差分析；误差不同质时也可将总的试验数据分割成几个较为同质的部分进行方差分析 设置对照 随机化：随机化是本设计方法最大的特点 注意伪重复：参加试验的动物体单位必须是真正的独立，而不是假的独立，即如果试验的性质或试验的过程可能会造成群饲的动物体相互产生影响，以至最后不能保证试验的正确性和公平性，则试验动物不能进行群饲，而必须进行单独饲养，如一物一笼、一物一舍等，以保证动物体之间不产生干扰，否则，所得误差将失真 完全随机设计方法的优缺点 优点： 设计简单 限制条件少 在试验条件不十分明了的情况下也可以进行 缺点： 试验结果比较粗糙，试验的精确度较低 仅用于规模不大的试验 一般用于初始的试验中 *随机区组设计 随机区组设计的方法 将整个试验分割成几个部分，每一部分包含一个完整的试验，这每一部分即为一个区组 同一区组内的供试动物和试验条件应保持一致，区组之间保持原有的差距，或有意识地使区组拉开距离 区组数的设置是独立的，它不受试验所考虑的因子的水平数的限制，这与拉丁方设计是不同的 假设我们需对因子A进行研究，比较因子A内a个水平的不同效应，计划每个水平取b个个体，因此整个试验应有ab个试验动物 但由于条件的限制，群体内没有ab个条件基本一致的供试动物，因此我们可以取b个动物组，每一组内放置a个试验动物 同一组内的a个试验动物各接受A因子一种水平的处理，同一组内的试验动物应尽可能相似，同一组所处的环境也应保持一致；因此，同一组内的试验动物之间在试验结束以后所表现出来的差异就只能是试验因子不同水平的效应 实际上，这种区组内要求一致，区组间不要求一致或要