第2章试验资料的整理与描述.pptVIP

第一节 试验资料的整理 第二节描述试验资料的特征数;主要内容及难点;一、试验资料的分类;1）计量资料 用称量、测量等量测手段获得的数量性状资料。因为两相邻数据间允许有带小数的任何数值出现，即两数间的变异是连续的，所以也称为连续性变异资料。;2、质量性状资料;　　1）统计次数法　在一定总体或样本内，根据质量性状类别统计次数，以次数作为质量性状的数据。这种数量化的资料又叫次数资料。 例如白花与红花豌豆杂交，统计F2代不同花色植株数，1000株中有红色266株，紫色494株，白色240株。 ;例如，调查作物受某种病虫害危害情况，将作物性状分为高抗、抗、中抗、中感、感病5个级别，分别用1，2，3，4，5表示，统计样本内各种级别的植株数。;二、试验资料的整理;1、计数资料的整理;表2-1、100个麦穗的每穗小穗数;表2-2、100个麦穗每穗小穗数的次数分布表;表2-3、200个稻穗每穗粒数的次数分布表;2、计量资料的整理;177;（1）求全距：全距是资料中最大值与最小值之差，又称为极差(range)，用R表示，即 R=Max(x)-Min(x) 此例最大观测值为254g，最小为75g，全距 R = 254 – 75 = 179（g）;（2）确定组数与组距：组数的确定依据：1）观察值多少，2）极差，3）计算方便，4）能保持资料真实性。; 样本容量 组 数 30—60 5 — 8 60—100 8 —10 100—200 10—12 200—500 12—18 500以上 18—30; 组距：指每组的最大值与最小值之差，记为i。分组时要求各组的组距相等。组距的大小由全距和组数确定，计算公式为： 组距（i）= 全距/组数;（3）、确定组中值与组限：第一组的组中值一般选接近资料中的最小值为宜，而且便于计算。此例为75。 ;组 限 组中值（x） 划线计数 次数（?） 累加次数;3、质量性状资料的整理; 性状分组 次数（?） 频率（%）;统计表：用表格形式表示数据间的数量关系。 统计图：用几何图形表示数据间的数量关系。 使用统计表和统计图，可以把研究对象的特征、内部构成、相互关系等简明、形象地表达出来，便于分析比较。 ;表2-8 大豆花色一对等位基因杂种二代分离情况统计表 ;x(产量，g/行) 图2-1、140行水稻产量次数分布直方图（histogram）;x(产量，g/行) 图2-2、140行水稻产量次数分布多边形图（polygon） ;图2-3、水稻杂种F2米粒性状分离条形图;复式条形图 ;图2-5、水稻杂种F2米粒性状分离饼形图 ;图2-6、小麦生产年降水情况 ;图2-7、不同小麦品种灌浆结实期叶片蒸腾速率 （○陕229；◇长武134；△晋麦47；◆偃师9号；▲咸农151） ;第二节 描述试验资料的特征数;参数:;统计数:;总体与样本的关系图;一、平均数（mean）;样本平均数;例 测某水稻单株粒重的样本5个观察值分别为3，8，7，6，4g，试计算该样本离均差之和。;【例2·1】 在大豆区域试验中,吉农904的6个小区产量分别为25.0、26.0、22.0、21.0、24.5、23.5（kg）。求该品种的小区平均产量。 即吉农904的小区平均产量为23.5kg;加权法;【例2·2】 用加权法计算表2-6资料中140行水稻平均产量。 即140行水稻平均产量为157.93g。 采用直接法算得 =157.47g，用加权法计算的结果与其十分接近。 ;样本平均数是总体平均数的无偏估计;例:有一总体:1,6,4,5,6,3,8,7.; 平均数有二个缺点：一是它易受较大值或较小值的影响；二是在有些情况下不具有实际意义。因此在反映资料的集中性或代表性时，还需要引入其他平均数的概念。;2、中位数和众数;3、几何平均数和调和平均数;;调和平均数;二、变异数;甲;小麦品种;2、方差与标准差;由于;平方和(SS)的大小受观察值个数的影响，就同一对象而言，若观察值个数多，SS增大，反之则减小。为消除SS的这个缺陷，可将SS除以观察值的个数得到平均平方和，称之为方差 (variance)。;总体方差通常无法得到，而由样本方差估计，样本方差一般称之为均方 (mean square)，记为 or MS 。 在计算样本方差时，是离均差的平方和除以（n-1）而不是样本容量n 。把(n-1)称为自由度(degree of free