非参统计论文.docVIP

非参数统计期末论文 基于非参数方法的小麦丰产性分析 姓名：李星颐 学号：0733002 专业：统计 摘要 本文应用非参数统计的方法分析了1998~1999年度湖北省小麦良种区域试验各品种的丰产性。首先，将该实验看成是一个随机化的完全区组设计，通过非参数方法中的Friedman检验和Quade检验两种方法检验了12个小麦品种的丰产性差异；然后，在存在差异的基础上，运用多重比较的方法，给出了该区域丰产性最好的品种与丰产性最差的品种的结论，为该省的小麦种植业提供了参考性意见。 关键字：非参数方法 小麦区域试验 丰产性 1.材料与方法 试验资料来源于湖北省1998~1999年度小麦良种区域试验，参试品种12个：402、89-11、48359、荆35、D402、Ⅱ优18、94-1032、S048、苏9356、鄂恩1号、鄂麦12；试点设在恩施州红庙农科所（恩施）、囊樊市原种场（囊樊）、随州市农科所（随州）、荆州市农科所（荆州）、竹溪县农科所（竹溪）、沙洋农场（沙洋）、黄岗市农科所（黄岗）、宜昌市农科所（宜昌）、广水市农科院（广水）、湖北省农科院（武昌）。随机区组排列，重复4次，小区面积6.67。 分析方法 用非参数的方法分析参试品种丰产性的差异。可将该实验排列看做非参数统计中的随机化的完全区组设计（randomized complete block design）。我们将采用两种方法来解决这个问题第一种方法叫做Friedman检验，第二种方法叫做Quade检验。方法介绍如下： 1.2.1. Friedman检验 1.2.1.1. 数据 数据是由b个相互独立的k维随机变量组成，记为，其中i=1,2,…,b,称为b个区组。随机变量表示在第i个区组中用处理j的样本。b个区组排列如下： 处理 区组 1 2 … K 1 2 3 … … … … … b 即为秩，它从1到k，赋给区组（行）i中的，即对于区组i，相互比较的随机变量，最小观测值赋以秩1，第二小观测值赋以秩2，以此类推，区组i中的最大观测值赋以秩k。给所有b个区组进行赋秩。如果有结，则用平均值。 我们对每一处理的秩求和得到，其中，对j=1,2,…,k， （1） 1.2.1.2. 假定条件 1. b个k维随机变量是相互独立的（一个区组的结果不会影响其他区组的结果）。 2. 每个区组内的观测可以根据某些感兴趣的准则进行排序。 1.2.1.3. 检验统计量 Friedman建议用如下统计量： （2） 如果有结现象存在，那么我们需要进行相应的调整，记为秩或平均秩的平方和，则有 （3） “校正因子”由下式计算 （4） 因为有结出现，经校正后的统计量变为 （5） 最近的研究表明，在秩上计算出的双因素方差分析的统计量，由于有更精确的逼近分布，因此受到人们的喜欢。可简化成上面所给出的的函数。 （6） 1.2.1.4. 分布 我们很难找到统计量（或）的精确分布，因此我们往往使用它们的逼近分布。的逼近分布是自由度为k-1的分布。但是，有时候这个逼近分布的近似程度并不好，因此我们推荐用而不用，当零假设成立时，它的近似分位数由自由度为，的F分布给出。 1.2.1.5. 假设 ：同一个区组中，对随机变量的每个赋秩是等可能的（即处理效果相同）。 ：至少有一个处理倾向于比其他处理中的至少一个处理产生较大的观测值。 如果统计量大于F分布的分位数，则我们以近似水平拒绝，其中，F分布的自由度为，。这个近似结果相当好，并且随着b的增大近似效果越好。 1.2.1.6. 计算机辅助 在Minitab中有Friedman检验的计算机程序。 1.2.2. Quade检验 1.2.2.1.数据 先按照前一个检验所描述的赋秩方法给区组内的赋秩，下一步又一次用到了原始的观测值，然后根据每一区组极差的大小，给每一个区组自身赋秩，其中区组的极差定义为最大和最小观测值的差值。 区组i的极差 （7） 每一个区组计算得到一个样本极差，共有b个样本极差，其中极差最小的区组赋秩1，第二小的区组赋秩2，以此类推，极差最大的区组赋秩为b。如果有结存在，则使用平均秩。记1，2，…，b区组各组的秩分别为。 最后，用区组的秩乘以区组中的秩与区组内的平均秩（k+1）/2的差值，得到乘积，其中 （8） 是代表区组内每一个观测的相对大小的统计量，调整使之反映区组出现的相对显著性。 记为第j个处理的和： （9） 其中，j=1,2,…,k。 1.2.2.2.假设条件 前两个假设与前面提出的假设相同。由于我们在检验中需要对区组进行比较，所以需要如下的第三个假设。 3.