九 数据转换和缺区补充.pptVIP

第九章 数据转换和缺区补充 §1 数据的转换 二、对数转换 1、转换的条件： 原始观察值的效应为非可加性，而成倍加性或可乘性，同时样本平均数与极差或标准差成比例关系。一般也是计数性资料，转换后可获得一个同质的方差。 2、转换的方法： 三、反正弦的转换 1、转换的条件： 如果原始观察值是成数或百分数，因为这样的变量不服从正态分布，因此进行反正弦转换。 2、转换的方法 如果资料的P值都在0.3～0.7之间，则因不同处理的误差均方差异不大，故不必作转换，即可直接进行方差分析；但如果P＞0.3或P＜0.7，则宜将全部P值都进行反正弦转换，再作方差分析。 §2、缺区的补充 一、随机区组试验的缺区估计 1．缺少一个小区数据的估计方法 误差项总和等于0（平方和为最小）的条件 注意：分解自由度时 例：P233 玉米随机区组试验缺一区产量的试验结果 2．缺少两个小区数据的估计 利用误差项平方和最小原理 注意：分解自由度时 进行多重比较时，若相互比较的处理中有缺区的，则其平均数差数的标准误为 例：A与B比较（上例） A的有效重复数： B的有效重复数： A与C比较： A的有效重复次数： C的有效重复次数： 二、拉丁方缺区的估计 缺区数值计算公式： 注意：分解自由度时 2个缺区时： * * 一、平方根转换 1、转换的条件： 如果样本原始观察值的平均数与其方差有比例关系，例如观察值服从poisson分布，这样的资料一般是计数性资料（间断性变量）。 常用于存在稀有现象的技术资料。 2、转换的方法： 当观察值很小或者是0时 其中： ：转换值 ：原始观察值 当观察值很小(＜10)或者是0时 当观察值为0时 u：总体平均数 ； ：处理效应 ； ：区组效应 总体数学模型： ：误差 样本数学模型： 限制条件为： , 解上式得，缺区值 ：缺区所在处理的观察值和（不包括缺区） ：缺区所在区组的观察值和（不包括缺区） ：观察值总和（不包括缺区） r：区组数 k：处理数 是一个没有误差的理论值，它不占有自由度，所以误差项与总变异项的自由度都要比常规的少1。 117.9+ 570.7+ 176.1 133.3 143.4 Tr 96.4 26.3 22.7 22.5 24.9 F 66.3 15.4 17.7 17.0 16.2 E 64.9 19.6 14.4 15.0 16.2 D 122.1 36.8 34.9 22.7 27.7 C 98.9＋ 39.5 28.8 30.6 B 122.1 38.5 28.5 27.3 27.8 A Tk Ⅳ Ⅲ Ⅱ Ⅰ 处理 从上表中可以看出，缺少第3区组，B处理的数据 然后将估计的缺区值代入表中进行方差分析 注意： 进行平均数多重比较时，非缺区处理间的差异性同前面所讲的方法相同。但缺区处理与非缺区处理进行差异性比较时，则对其标准误差进行校正 。即： 水稻随机区组试验缺两区产量 187+x+y 22+y 27+x 27 36 42 33 Tr 72+x 13 X 12 14 17 16 C 57 9 11 7 10 11 9 B 58+y y 16 8 12 14 8 A Tt Ⅵ Ⅴ Ⅳ Ⅲ Ⅱ Ⅰ 处理 缺少A处理的第6重复y，C处理的第5重复x，共两个小区。 P234，例12.5 将缺区数值补上后，再进行方差分析，其方法不变 都是没有误差的理论值，它们都不占有自由度，所以误差项和总变异项的自由度都要比常规的少2。 进行平均数多重比较时，非缺区处理间的差异性同前面所讲的方法相同。 MSe：误差均方 n1、n2：分别表示两个相比较处理的有效重复次数 由于各个处理的重复次数不同，因此，要计算各处理的有效重复次数，其计算方法是： 同一区组内，两处理都不缺，各记为1次重复； 若一处理缺区，另一处理不缺区，则缺区的处理计作0次重复，不缺区的记为（k-2）/ (k-1) 次重复，k为试验处理数 。 标准误： t测验 ：缺区所在横行总和（不包括缺区值） ； ：缺区所在纵行总和（不包括缺区值）； ：缺区所在处理总和（不包括缺区值）； ：全试验总和（不包括缺区值）； 是一个没有误差的理论值，它不占有自由度，所以误差项与总变异项的自由度都要比常规的少1（1个缺区）或2（ 2个缺区）。 注意： 进行平均数多重比较时（t测验），非缺区处理间的差异性同前面所讲的方法相同。但缺区处理与非缺区处理进行差异性比较时，则对其标准误差进行校正 。 1个缺区时： MSe：误差均方 n1、n2：分别表示两个相比较处理的有效重复次数 *