生物统计学课件--11方差分析.pptVIP

在实验中，除了可以控制的实验因素造成的变异以外，剩余的变异可以提供实验误差准确无偏的估计，作为统计假设测验的依据。 方差分析可以帮助我们掌握客观规律的主要矛盾或技术关键，是科学研究工作中的重要工具。 分析：在这个实验中，引起数据变异的原因有 ①不同的药剂 ②试验误差 我们可以尝试将试验的总变异分解为由药剂处理引起的变异（方差）和由于试验误差引起的变异（方差），并且对两者的差异显著性作出判断。 若这两个方差差异显著，且药剂的方差大于误差方差，则必然不同处理（药剂）间的差异显著，即四个样本平均数的差异是显著的；否则，则样本平均数间的差异不显著。 据此，我们就可以对多个平均数进行比较。 2、最小显著极差法（LSR法） 这种方法的特点是不同的平均数间的比较采用不同的显著差数标准，因而克服了LSD法的局限性。 可以用于任意两个平均数间的所有相互比较。 2、正态性 试验误差 ?ij 是服从正态分布N（0，?2）的独立随机变量。 若实验误差之间可能存在某种关联时，可以采用随机化的方法去破坏，例如取对数或取反正弦值等。 3、方差的齐性 各处理的误差方差应具备齐性，它们具有一个公共的总体方差?2，一般以实验的误差方差Se2来作为?2的点估计值。 五、两种不同的处理效应 （一）有关试验设计的几个概念 1、试验指标：衡量试验结果的标准 2、试验因素：就是影响试验指标的人为条件或措施 3、（因素）水平：是对试验因素在质的方面或量的方面进行的分级 4、处理（组合） （二）两种不同的处理效应 1、固定因素及固定效应模型 2、随机因素及随机效应模型 若试验因素的水平是从该因素的所有水平中随机选取的，则称该试验因素为随机因素，该数据方差分析的效应模型为随机模型 不同模型对结论的解释不同，随机模型的结论可以外延和扩展，固定模型的结论，不可以扩展，只在选定的水平内有效。 第二节 单向分组资料的方差分析 一、单向分组资料的特点： 二、组内重复观察值数相等的方差分析 n1= n2…= nk （一）平方和与自由度的分解公式 （二）例题1 调查了5个不同小麦品系的株高，列于下表，问这5个小麦品系的株高，差异是否显著？ 68.6 70.8 67.3 64.4 65.3 平均数 343.0 354.0 336.5 322.0 326.5 和 67.5 71.0 68.5 63.9 65.8 5 68.3 69.1 66.8 63.7 66.0 4 69.8 70.0 67.1 64.6 64.8 3 68.2 72.1 66.3 65.3 65.3 2 69.2 71.8 67.8 64.5 64.6 1 V IV III II I 品系 株高 固定因素模型 解：1、平方和与自由度的分解 68.6 70.8 67.3 64.4 65.3 平均数 343.0 354.0 336.5 322.0 326.5 和 67.5 71.0 68.5 63.9 65.8 5 68.3 69.1 66.8 63.7 66.0 4 69.8 70.0 67.1 64.6 64.8 3 68.2 72.1 66.3 65.3 65.3 2 69.2 71.8 67.8 64.5 64.6 1 V IV III II I 品系 株高 68.6 70.8 67.3 64.4 65.3 平均数 343.0 354.0 336.5 322.0 326.5 和 67.5 71.0 68.5 63.9 65.8 5 68.3 69.1 66.8 63.7 66.0 4 69.8 70.0 67.1 64.6 64.8 3 68.2 72.1 66.3 65.3 65.3 2 69.2 71.8 67.8 64.5 64.6 1 V IV III II I 品系 株高 2、列方差分析表，进行 F 检验 * 例1：下表的数据，是用A、B、C、D四种不同的药剂，处理水稻种子，每处理各得4个苗高观察值（cm） ，数据如下表，问不同药剂的处理效果是否差异显著？ 22 15 20 13 4 27 19 27 21 3 25 18 24 23 2 22 20 21 19 1 D C B A 处理株号 分析：比较四个样本平均数的差异显著性。 利用t检验，我们可以对单个样本平均数和两个样本平均数进行差异显著性测验。 当我们欲对三个样本平均数进行差异显著性进行测验时，若检验是独立进行的，且使用t检验，则我们需对以下三个零假设作出检验： 当我们同时接受了上述三个零假设时，我们才可以接受 H0：μ1= μ 2 =μ 3。但是这样做会加大犯 I 型错误的概率。 因为如果 α =0.05 , 则同时接受上述假设的概率为：