多组数据方差研究模型-以杀虫剂药效为例.docVIP

多组数据方差研究模型:以杀虫剂药效为例 　　【摘 要】参数统计方法都是已知总体分布，对其分布的总体参数进行假设检验。在试验法研究调查中，常常采取最传统的方法，分为试验组和对照组两组进行研究。然而，在实际生活中由于研究问题的复杂性，往往需要研究多于两组的研究对象之间的差异，在参数统计中，常常需要数据符合正态分布假定，但是，当先验信息不足以支持正态分布时，就要采取非参数方法解决。说明了非参数估计的方差分析法，阐述了两种检验方法，并将其运用到检验杀虫剂药效当中。 【关键词】多组数据；方差分析；Q检验；D检验 【Abstract】Parameter statistical methods are known population distribution， the distribution of population hypothesis test. In the test method research，traditional method which divided into trial group and control group. However， with the complexity of the research problem more than the difference between two groups of object must be studied. In parametric statics， date always need to conform to de normal distribution assumption. When a priori information is insufficient to support normal distribution， a nonparametric approach should be taken. Illustrates the nonparametric estimation variance analysis method and expound the two test methods， and applied to the inspection of pesticide efficacy. 【Key words】Multiple sets of date； Analysis of variance； Q test； D test 0 前言 在试验法研究调查中，我们常常采取最传统的方法，分为试验组和对照组两组进行研究。然而，在实际生活中由于研究问题的复杂性，往往需要研究多于两组的研究对象之间的差异，其中多组数据位置的比较就是最基本的问题，我们正是通过方差分析来解决这一问题。在参数统计中，常常需要数据符合正态分布假定[1-3]，但是，当先验信息不满足或者不足以支持正态分布时，就要采取非参数方法解决。 1 方差分析法的说明 根据试验设计的不同，我们采取不同的方差分析方法 1.1 完全随机设计 当影响因素只有一个时，如例1，分析这样的数据的方法就叫做单因素方差分析，这是最简单的实验设计。 例1：对三个工厂生产的灯泡进行寿命测试，每品牌随机试验，结果得如下数据（单位：天）表1 完全随机设计必须具备的两个条件： （1）试验材料（材质，地质，动植物）是同质 （2）每种处理（温度，照明）要随机安排试验材料 假设检验H0∶μ1=μ2=μ3 H1∶？埚i，j，i≠j，i，j=1，2，3，μi≠μj（至少有一种处理的均值不等） 1.2 完全随机区组设计 假设需要对A，B，C三种处理的车（在这里三种处理就相当于三种品牌，车包括自行车，摩托车和汽车）油耗设计比较试验，每种处理方法重复观测5次。也就是说，将15辆车分为五组，每组三辆，分别接受三种不同的处理，共生成3×5=15份报告，供三种处理方法进行比较。而实际中，我们知道，由于每辆车自身的不同，油耗的差异可能比较大，若刚好油耗少的分配到较好的处理方法，而油耗大的分配到较差的处理方法，结果可能测不到哪种处理方法更好。这是由于在该实验中，不同的车自身构成除了处理之外的另一个因素，称为区组。如果只取汽车，这就是完全随机区组设计，如例2，其中汽车为区组。 例2：下表是世界三大汽车公司的五种不同的车型某年产品的油耗表2 完全区组的实验设计的需具备的条件： （1）试验材料不同应根据需要分成几组，几个性质相近的实验单位为一区组，从而减小区组内个体差异，增大区组间差异。 （2）每个区组内的试验个体随机的全部参加各种处理。 （3）每个区组内的试验数等于处理数。 假设检验H0∶μ1=μ2=μ3 H1∶μ