第一专题 科学研究的试验计与统计分析问题 讲座.pptVIP

第一讲 科学研究的试验设计与统计分析问题 2、统计分析方法选择 （1）方差分析（含多重比较）：判断某试验因素各处理之间的显著性或试验因素对试验结果是否产生显著影响。结论是定性的。 （2）回归与相关分析：建立变量之间的回归关系模型，判断回归与相关关系显著性，并进行预测。结论是定量的。 （3）协方差分析：对于一些处理变量难于人为控制的情形，如嫁接试验的沾木接口粗细不一致、毛竹笋用林施肥试验中竹林初始密度不一致、生猪喂养试验中仔猪的重量不一致等。通过回归分析与方差分析相结合的统计控制方法把处理变量自身带来的差异进行调整。 （4）典范相关分析（典型相关分析）：典型相关分析是研究多个说明变量构成的说明变量组与多个基准变量构成的基准变量组之间的相关关系的一种多变量统计分析方法。 如：研究小麦形态因子性状：穗长（X1）、剑叶宽（X2）、剑叶长（X3）、株高（X4）与产量性状：千粒重（y1)、株粒重（y1) 、主穗粒重（y1)和主穗粒数（y1)的关系。 (5) 主成分分析 在进行多指标分析时会遇到指标数（变量数）比较多或样本数比较多，而且指标之间可能存在一定的相关性、信息量重叠的情况。因此希望能通过一定的统计方法找出能反映主要信息的少数几个综合变量或样本。 实际应用中有两种类型：R型分析和Q型分析 R型分析：从观测变量出发选主成分，找出能反映原变量主要信息的新变量 Q型分析：从N个样品中找出互不相关的有代表性的样品。 R型分析：变量在主成分§1和§2平面上的图形 Q型分析：样品在主成分§1和§2平面上的图形 （6）聚类分析：根据个体多种特性的观测数据，定量地确定它们之间的相似性或相异性，并把它们聚成若干类，使任何一个类的个体之间的相似性大于不同类之间的相似性的统计分析方法。 聚类分析也分R—型和Q—型两种 R—型：用于变量（动植物性状、土壤属性、病症等）的分类； Q—型：用于样品（属、种、植物群落、水样、土样、人等）的分类。 不同重建森林类型土壤细菌DGGE结果聚类分析图 1 （7） 判别分析：对已知分类的数据建立由数值指标构成的分类规则，然后把这样的规则应用到未知分类的样本去分类。 如 对采集到的若干相近植物标本，根据其花萼、花瓣长、花瓣宽等数据判别它们分属于哪一类 在医学中，根据病人体温的高低、白血球的数目以及其它性状判别是感冒、肺炎或其它病。 （8）因子分析：因子分析与主成分分析同属于因素分析的内容。 主成分分析立足于从多指标（变量）中寻求综合因子。 因子分析是将影响某一些量的因子剖分为两方面，一部分是对这些量都起作用的公共因子，另一些是对其中一些特殊的量起作用的特殊因子。 因子分析广泛应用于地质学和生物科学。 如：在水稻栽培中产量（x1)、有效穗数（ x2 ）、结实率（ x3 ）、施肥量（ x4 ）、大田生长时间（ x5 ）这5个指标是受到生态因子支配的，一般情况下又可将生态因子分为气候因子和土壤 肥力因子，分别用f1和f2表示。 因子分析就是建立以下模型了解影响水稻栽培的主要因子 X1=a11f1+a12f2+ε1 X2=a21f1+a22f2+ε2 ……… X3=a31f1+a32f2+ε3 f1、f2称为公共因子 ε1、 ε2、 ε3…..为特殊因子 谢 谢！ 科学研究 科学试验 一个试验有五个组成部分：假设、试验设计、试验执行，统计分析和解释。 一、科学试验的基本要求 二、科学试验的误差来源及控制途径 三、试验设计的基本原则 四、异常数据处理及漏失数据弥补 五、方差分析的数据要求与数据转换 六、统计分析结果图形的选择 七、试验设计与统计分析方法的选择 一、科学试验的基本要求 1. 试验结果要可靠 要求有较高的准确度和精确度 。 什么是准确度？什么是精确度？-----误差 试验观测值y = u+ε(u为真值，理论值) 完全偶然，找不出原因的称偶然误差，随机误差 误差ε 有一定原因的偏差，称系统误差 -----系统误差使数据偏离理论真值，影响数据的准确性。准确度是指试验结果的实际值或观测值与其理论真值的符合程度或接近程度。 -----偶然误差使数据相互分散，影响数据的准确性。 精确度是指观测值之间的符合程度。 a: 准而集中， b:不准但集中 c:不准且分散 d:分散但接近真值 具有高的准确度和精确度 准确度低精确度高 准确度低精确度低 有一定准确度但精确度低 理论真值 2. 试验条件要有代表性 试验条件要能代表将来使用这一结果地区的自然条件。 3.试验的重演性