生物学实验数据分析.pptVIP

(Statistics Package for Social Science) 为什么要进行数据分析 我们实验中常遇到的分析事例 如何处理数据 一、T-检验的概念及使用条件 例1：某种子平均萌发率已知是70%，从某地新买的一批种子萌发率是否达到？ 2. 独立样本T-检验 3. 配对样本T-检验 二、方差分析 方差分析中常用的术语 方差分析的类型 2. 双因素方差分析 三、聚类分析 * 生物学实验数据分析 USE SPSS 为了避免误差,避免随机出现的误差影响结果 。 科学地认识事物的本质。 总体和样本 。 统计学上常常采取抽样的方法。即从总体中随机抽取一定数量的样本进行研究，得出的结果来推论总体的特征。 如何知道真相？ 由于个体本身存在的差异及取样误差，会造成： 均值不等的两个计算结果，可能会来自同一个总体。 均值相等的两个计算结果，可能会来自不同的总体。 这就是统计学要解决的问题，也是我们为什么要进行数据分析的原因。 例1：某种子平均萌发率已知是70%，从某地新买的一批种子萌发率是否达到？ 例2：出口萝卜的平均重量不少于1 kg , 采取了新的种植措施收获的萝卜是否符合标准？ 例3：一种化感物质或者一种新型生长剂处理植物幼苗后，对植物的生长有无影响？ 例4：已知一种化感物质能够抑制某植物的生长，但两种不同浓度处理，或同一种浓度而用不同的方法处理，其结果之间有无差异？ 例5：20位心动过速病人，在进行芳香疗法前后，心率有无变化？ 例6：四个浓度的化感物质，处理同一种植物的幼苗，各组间有无显著差异？ 例7：采集了不同地区10个橄榄品种，测量了营养器官的各种数据，想通过这些数据了解品种之间的亲缘关系。 处理这些数据常用的统计学方法有： T-检验（T-test） 方差分析(Analysis of variance; ANOVA) 聚类分析（Cluster Analysis) 相关性分析 (Correlation analysis ) 总体要呈正态分布：是自然界最常见的一种分布； 用于处理两组数据之间的比较： 两组样本方差要相等 样本量少于30 用以两个平均数之间差异显著性的检验。 某厂称生产的轮胎寿命标准为25000公里，正态分布，抽15个样本检测，得均值为27000，问该厂结果与质量标准是否相符？ 符合T-检验的标准。 假设H0 = 25000, 即认为不符合标准。 H1 25000, 即认为符合标准。 取显著性水平为p=0.05 数据1 1. 单样本T-检验 检验单个变量的均值是否与给定的常数之间存在差异。 假设：H070, 不符合标准，不买 H1=70, 可买 单样本T检验 用于检验两组相关的样本，是否来自具有相同均值的总体。 条件：两组样本要独立，没有配对关系； 方差相同。 例3：一种化感物质或者一种新型生长剂处理植物幼苗后，对植物的生长有无影响？ 培养一批幼苗，随机分成两组，各10株： 组1：对照组：10株 组2：处理组：10株（浇灌处理液） 独立样本检验 10位病人进入芳香疗法室之前测量心率， 在芳香疗法室停留3小时，再测量心率， 检验这两组数据有无显著性差异？ 例5：20位心动过速病人，在进行芳香疗法前后，心率有无变化？ 因为是同一位人，测定两次，或者说两组数据不独立，要用该方法。 配对样品检验 通常一个事物受两种以上因素的影响，通过试验得到几组数据，我们想分析这些影响是否显著，各因素之间影响的差异是否显著、因素间有无相互作用，方差分析就是解决这一问题的。 方差分析主要分析2组以上处理水平各效应的显著性，即方差的齐次性。 因素：是影响变量变化的客观条件；实验材料的种类 处理：是影响变量变化的人为条件；处理液的种类。 有时通称为因素。 水平：因素或处理的不同等级。 如同一实验材料不同生长期， 同一处理液的不同浓度或使用的不同量。 单元：各因素与水平之间的组合。 如同一实验材料2个生长期， 同一处理液的3个浓度组成6个单元。 单因素方差分析（one-way ANOVA） ： 1.1 概念 仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计。在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中去，然后观察各组的试验效应；在观察研究（调查）中按某个研究因素的不同水平分组，比较该因素的效应。 其本质是完全随机设计的多个样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等。 处理前的幼苗是相同的，而且是随机分组的。 一个因素，4个水平，0、0.5 、1、2 g/ L。 保持其它条件相同。 例6：四个浓度的化感物质，处理同一种植物的幼苗，各组间有无显著差异