第五章 方问差分析.ppt

在以样本符号表示时，样本的线性组成为： 其中， 是μ的无偏估计量，ti是 的无偏估计量， 为其所属亚总体误差方差σ2i的无偏估计量。 二、期望均方 在线性可加模型中，关于 部分的假定，由于对有 不同的解释产生了固定模型(I)和 随机模型(Ⅱ) 固定模型是指各个处理的平均效应 ( =μi-μ)是固定的一个常量，且满足 ∑ =0(或∑ni=0)，但常数未知； 随机模型是指各个处理效应不是一个常量，而是从平均数为零、方差为σ2的正态总体中得到的一个随机变量，即 (0，σ2)。 研究中，前者主要是研究并估计处理效应；后者主要是研究并估计总体变异即方差 固定模型和随机模型，在试验设计思想和统计推断上是有明显不同的。固定模型中所得的结论仅在于推断关于特定的处理；而随机模型中试验结论则将用于推断处理的总体。此外，在期望均方和F测验方面，固定模型和随机模型也是有明显不同的，后面的内容将予以说明 换言之，固定模型仅在于供试处理范围内了解处理间的不同效应。如果目的是要对这些处理所属的总体作出推论， 在随机模型中，因为各处理仅是所属总体的随机变量，故总体方差σ2是重要的研究对象。 (一)固定模型(fixed model) [例5.8]以5个水稻品种作大区比较试验，每品种作3次取样，测定其产量，所得数据为单向分组资料。本试验需明确各品种的效应，故为固定模型，其方差分析和期望均方的参数估计列于表5.8。 表5.8 5个水稻品种产量的方差分析和 期望均方表 __________________________________________________ 变异来源 DF SS MS 期望均方(EMS)： 固定模型 __________________________________________________ 品种间 4 87.6 21.90 σ2+nκ 2 品种内 10 24.0 2.40 σ2 (试验误差) __________________________________________________ 固定模型的F测验 若 =0，则F值等于1。所以固定模型是测验假设Ho： =0(i=1，2，…k)对HA： ≠0，即测验Ho：μ1=μ2=…=μk。因而，一般比较处理效应的试验都应当采用固定模型。 (二)随机模型(random model) [例5.9]研究籼粳稻杂交F5代系间单株干草重的遗传变异，随机抽取76个系进行试验,每系随机取2个样品测定干草重(g／株)。其单向分组分析结果见表5.9。 表5.9 籼粳杂种F5代干草重的方差分析和期望均方 _________________________________________________ 变异来源 DF MS 期望均方(EMS):随机模型 _________________________________________________ 系 统 间 75 72.79 σ2+nσ2 系统内(试验误差) 76 17.77 σ2 _________________________________________________ 随机模型的F测验 若假设σ2=0，则F=1.因而，随机模型的假设为Ho：σ2=0对HA: HA：σ2≠0 当试验因素在2个或2个以上时，可以在固定模型和随机模型的基础上产生第三种模型：混合模型(记作模型Ⅲ)。混合模型乃既包括有固定模型的试验因素，又包括有随机模型的试验因素的模型。这类模型凡随机因素仍用σ2表示，固定模型用κ2表示。 （三）固定模型和随机模型的判断 1、从因素本身判断 如果因素的水平可以人为控制，如密度、品种、肥料试验等，因素效应属于固定模型；如果因素的水平不能完全人为控制，如遗传试验中杂种后代的分离、田间光温的研究、土壤持水量对作物的影响等，效应属于随机模型 2、从试验设计的指导思想和统计推断上判断 如果试验的目的在于了解某几个特定的处理效应，应用固定模型：在供试处理范围内了解处理间的不同效应，其统计推断（结论）不