第10章-单因素方差分析.pptVIP

在多组数据的平均数之间做比较时，可以在平均数的所有对之间做t检验，但这样做会提高犯I型错误的概率，因而是不可取的。方差分析可以防止该问题的出现。 如对5个平均数进行检验，若做t检验，则需做10次，假设每一次检验接受零假设的概率为0.95，那么10次都接受零假设的概率为（0.95）10=0.60，（至少有1次）拒绝零假设的概率为0.40，犯I型错误的概率明显平加 应用举例： 例4 调查了5个不同小麦品系的株高，结果见下表，问该5个小麦品系株高间的差异是否显著？ 为了简化计算，将每一个原始数据均减去65，列成下表 1. 提出假设：H0： HA： 2．计算检验统计量F： =147.32 =131.74 SSe ＝SST－SSA ＝15.58 MSA＝SSA／(a-1)＝32.72 MSe＝SSe／(an-a) ＝0.78 F＝MSA／MSe＝41.95 3．查附表3得：F4,20,0.05＝2.87，F4,20,0.01＝4.43。 F＞F4,20,0.01，拒绝H0，说明5个不同小麦品系的株高差异极显著。 将以上结果列为方差分析表： 277.28 68.06 174.46 29.43 3.4 1.93 Σxij2 1308.5 324.00 841.00 132.25 9.00 2.25 xi·2 57.0 18.0 29.0 11.5 -3.0 1.5 xi· 总和 2.5 6.0 3.5 -1.1 0.8 5 3.3 4.1 1.8 -1.3 1.0 4 4.8 5.0 2.1 -0.4 -0.2 3 3.2 7.1 1.3 0.3 0.3 2 4.2 6.8 2.8 -0.5 -0.4 1 V IV III II I 品 系 株号 24 147.32 总和 0.78 20 15.58 误差 41.95** 32.72 4 131.74 处理间 F 均方 自由度 平方和 变差来源 三、随机模型Random model:因素随机、效应不固定 　　　　 　　是试验误差，相互独立，且服从正态分布 　　不再为常数，且服从正态分布 1. 假设 　随机模型的零假设为： 备择假设为：　 2. 总平方和与总自由度的剖分：同固定模型 3. 数学期望： 4. 统计量F: 注意：在做生物学解释时，固定模型中的结论只适用于　　　　　　　　　　　　检查的那几个因素水平；随机模型中的结论可推广到这一因素的各个水平 四、多重比较 (multiple comparisons) （一）为什么要进行多重比较？ F值显著或极显著，否定了无效假Ho，表明试验的总变异主要来源于处理间的变异，试验中各处理平均数间存在显著或极显著差异。但并不意味着每两个处理平均数间的差异都显著或极显著，也不能具体说明哪些处理平均数间有显著或极显著差异，哪些没有显著差异。 因而，有必要进行两两处理平均数间的比较，以具体判断两两处理平均数间的差异显著性。 （二）概念 统计上把多个平均数两两间的相互比较称为多重比较。 （三）常用的多重比较方法 多重比较的方法甚多，常用的有最小显著差数法(LSD法)和最小显著极差法(LSR法)。 1、最小显著差数法(LSD法，Least significant difference) 此法的基本原理是：在处理间F检验显著的前提下, 先计算出显著水平为α的最小显著差数LSDα ,然后将任意两个处理平均数的差数的绝对值 与其比较，作出结论。 　最小显著差数由下式计算： 式中 为在F检验中误差自由度下，显著水平为α的临界t 值,均数差异标准误 则下式算得。 其中MSe为F检验中的误差均方，n为各处理内的重复数。 显著水平取0.05和0.01时，从t 值表查出 代入 ，即可求得LSD0.05和LSD0.01 利用LSD法进行多重比较时，步骤如下: ? 列出平数的多重比较表，比较表中各处理按其平均数从 大到小自上而下排列； ?计算最小显著差数LSD0.05和LSD0.01; ?将平均数多重比较表中两两平均数的差数与计算出的LSD0.05 、LSD0.01 比较，作出统计推断。 　【例10.2】 dfe=20, n=5, MSe=13.88 　查t值表得 t0.05(dfe)=t0.05(20)=2.086，t0.01(dfe)=t 0