试验设计与分析..docVIP

试验方案:根据试验目的和要求所拟进行比较的一组试验处理的总称。 试验因素:在试验中所研究的影响试验指标的某一项目称为因素 单因素试验:探索某一个因素对试验指标作用的试验 多因素试验: 探索多个因素对试验指标作用的试验 （试验）处理：事先设计好的实施在试验单元上的具体项目，即试验中具体比较的项目称为实验处理 处理组合:不同因素不同水平的组合。 试验指标:用于衡量试验效果的指示性状。 因素水平：实验因素所处的某种特定状态或数量等级称为因素水平 显著水平：用来判断是否属于小概率事件的概率值称为显著水平，及拒绝零假设的概率，通常取0.05或0.01 参数：用来描述总体的特征值称为参数 随机化：试验处理的分配和各个试验进行的次序都是随机确定的，这个原理称为随机化 试验单元：在试验中能够施以不同处理的最小的材料单元 接受域：一个假设总体的概率分布中，可能接受假设时所能取的一切可能值所在的范围，即接受H0的区间 试验效应:试验因素对试验指标所起的增加或减少的作用。 简单效应:在同一因素内两种水平间试验指标的相差。 平均效应:一个因素内各简单效应的平均数。也称主要效应，简称主效。 交互作用效应:两个因素简单效应间的平均差异。简称互作。 对照:试验方案中包括有对照水平或处理，简称对照。(试验当中所设计的比较标准的处理) 唯一差异原则:指在试验中进行比较的各个处理，其间的差别仅在于不同的试验因素或不同的水平，其余所有的条件都应完全一致。 （试验）误差:测量值与真实值之间的差异称为试验误差。 随机误差:由随机或偶然因素造成的试验结果与处理真值之间的差异称为偶然性误差或随机误差。 系统误差:由固定原因一起的试验结果与处理真值之间的差异称为系统误差。 错失误差：实验中由于试验人员粗心大意所发生的差错称为错失误差 精确度:试验中同一性状的重复观察值彼此接近的程度。(即试验误差的大小) 准确度:试验中某一性状的观察值与其理论值真值的接近程度。 固定模型：仅考察参试处理均值差异或主效应差异的单因素等重复试验的模型 试验控制：为了提高试验的准确度和精确度，必须使所有试验单元或区组内的试验单元的试验条件一致，叫试验控制 局部控制:将整个试验空间分为若干个各自相对均与的局部，每一个局部叫一个区组，所有局部构成区组因素，在每一个区组内随机排列一套试验的所有处理，它等价于一个重复 边际效应:小区两边或两端的植株，因占较大空间而表现的差异。 生长竞争:相邻小区种植不同品种或施用不同肥料时，由于株高、分蘖力或生长期的不同，通常有一行或更多行受到影响。 总体:具有共同性质的个体所组成的集团。 样本:从总体中随机抽取一些个体进行观察得到的总体变量称为样本 小概率事件不可能性原理:概率很小的事件，在一次试验中几乎不可能发生或可认为不可能发生。 接受区域：指一个假设总体的概率分布中，可能接受假设时所能取的一切可能值所在的范围，即接受H0的区间 一尾测验:备择假设只有一种可能性，假设检验只有一个否定区域，这类测验叫一尾测验。 两尾测验:指概率分布下，显著水平按左边和右边两尾的概率的和进行检验假设检验有两个否定区 第一类错误:指不同总体的参数间本来没有差异，而测验结果认为有差异，这种错误称为第一类错误(否定本来正确的无效假设) 第二类错误:指参数间本来有差异，而测验结果认为参数间无差异，这种错误称为第二类错误。(接受了本来错误的无效假设) 置信度:保证区间能覆盖参数的概率。 置信区间:在一定概率保证下，能够覆盖参数的一个估计范围。 1.Fisher试验设计的三个基本原理：设置突变，随机化，局部控制 2.数据资料变异度的表示方法：变异系数，极差，方差，标准差 3.统计假设检验的一般步骤为：提出统计假设，确定显著水平的统计区间，计算μ值或t值，统计推断 4.在直线回归分析中，检验回归关系是否显著的方法有：相关系数，回归方程，直线回归方程进行方差分析 5.常用的随机排列试验设计有：完全随机，随机区组试验，拉丁方试验，裂区和条区试验 6.实验因素对试验指标所起的增加或减少作用称为试验效应 7.进行田间试验时设置重复的主要作用是降低误差 8.样本容量30时，认为是大样本 9.番茄种子发芽试验的概率分布为二项分布 10.统计假设测验中的第一类错误又可称为α错误，第一类错误的概率值为α 11.中心极限定理认为，当样本容量增大时，从任意总体抽出的样本平均数的分布必趋近正态分布 12.依据方差分析基本原理，对于成数或百分数资料适用的转换方式是反正弦转换 13.计数资料的显著性测验采用F检验 14.配对资料假设检验时，自由度为df=n-1 15.自变量X与因变量Y之间的相关系数r，那么Y的总变异中可由X与Y之间的回归关系解释的比例为r2 16.标准正态分布的方差为1，均值为0 17.统计推断包括有关总