生物数据统计分析方法——第五章解析.ppt

动态试验指标的统计推断 动态试验指标模型参数差异的显著性检验 动态指标（性状）的一步分析法 ——非线性最小二乘分析 时间序列分析  动态试验指标的统计推断 用来衡量饲养管理条件优劣的生产力指标，多数是随时间变化的动态指标，如产蛋量，产奶量和日增重等。 为了探讨这些指标的变化规律，研究者经常选取动态过程中的一些特定点作为研究手段，当试验的目的是比较不同饲养管理条件的作用效果时，却往往因为统计方法选择的不够恰当而不能完全有效地利用试验资料，譬如人们惯用的以时间为区组的单因素方差分析法，只能获得有限观测时间内不同处理中生产力的平均值是否显著差异的结论。 动态试验指标模型参数差异的显著性检验 注重最终效果的统计比较方法 注重动态指标变化过程的统计比较方法 注重最终效果的统计比较方法 最终效果通常指指标在观测时间内的绝对变化量。 由于该变化量与初始状态有关，因此，在比较不同处理动态指标的变化量时，必须考虑初始状态的影响。 只有各初始状态相应的指标值间不存在显著差异，才可采用单因素方差分析法比较不同处理动态指标绝对变化量的差异，否则需要引用协方差分析法，首先将各初始状态对绝对变化量的影响校正到相同水平，再行统计比较。 重视动态指标变化过程的统计比较方法 为了揭示不同饲养管理条件的作用机理，研究者更希望了解动态指标变化过程的差异情况。 假设动态指标随时间的变化规律已知——可以选用恰当的数学模型来描述，于是指标的动态变化规律就被“浓缩”到为数不多且具生物学意义的参数上，通过比较不同饲养管理条件下这些参数的差异，间接地实现了对动态指标变化过程的统计比较。 重视动态指标变化过程的统计比较方法 拟合表各生长点体重之均值的变化，以Logistic曲线为最佳，其具体函数形式为： 拟合度 重视动态指标变化过程的统计比较方法 据此采用Marquart法估计个体的Logistic曲线参数及相应的标准误列于表。 个体模型参数估计误差方差齐性检验： 非线性最小二乘分析 个体动态指标（性状）随时间变化的数学模型为 Taylor展开，将其化简为 动态试验指标定点差异的显著性检验 研究者要比较未被观察点的差异或动态试验指标在各处理中没有做到重复观察，那么普通的方差分析法对此将无能为力。 将动态试验指标随时间变化分为线性与非线性两种情况，探讨了在每个观察点没有设置重复条件下，不同处理动态试验指标任意动态点间差异的显著性检验问题。 动态试验指标定点差异的显著性检验 为研究小麦缺硼不结实的营养机理，研究者用4个水平硼处理小麦，观察了小麦叶在不同生育期N的浓度变化，试验结果见表 动态试验指标定点差异的显著性检验 动态试验指标定点差异的显著性检验 以比较t=44，即抽穗期4个水平硼相应小麦叶N浓度差异的显著性为例，首先建立起4个水平硼相应小麦叶N浓度变化的回归方程（如表），估计出4个水平硼处理小麦后在抽穗期叶N的浓度，分别为 动态试验指标定点差异的显著性检验 动态试验指标定点差异的显著性检验 解：平均发展速度为： 平均增长速度为： 【例】计算1995～2000年间我国职工年平均工资的平均发展速度及平均增长速度（资料见P279表8-1）： 有关指标的推算: 几何平均法（水平法） ⒈推算最末水平an ： ⒉预测达到一定水平所需要的时间n ： ⒊计算翻番速度 ： 翻番数 有关指标的推算: 几何平均法（水平法） 解： 【例】已知某化肥厂2000年的产量为20万吨，如果2010年产量翻1.5番，将会达到多少？ 平均增长速度为： 解： 【例】1980年我国生产水泥7986万吨，1994年达到40500万吨，计算1980年至1994年我国水泥产量翻了几番？每年平均增长速度为多少？ 平均发展速度的计算 ⑵ 方程法（累计法） 从最初水平a0出发，每期按一定的平均发展速度 发展，经过n个时期后，达到各期实际水平之和等于各期推算水平之和 基本要求 计算公式的推导 由基本要求有，各期推算水平分别为 各期定基发展速度之和 （该一元n次方程的正根即为平均发展速度） ①逐渐逼近法 ②查“累计法查对表”法 【例】某公司2000年实现利润15万元，计划今后三年共实现利润60万元，求该公司利润应按多大速度增长才能达到目的。 解： 求解方法 （关于 的一元n次方程） 累计法查对表 递增速度 间隔期1～5年 … … … … … … 1075.57 575.57 400.06 247.58 115.10 15.1 991.04 574.24 399.34 247.25 115.00 15.0 773.17 572.90 398.61 246.92 114.90