田间试验与统计分高析31.pptVIP

第三章 方差分析Chapter 3 ANOVA(Analysis of Variance) 第一节 方差分析的基本原理和方法 1. 自由度和平方和的分解 2. F分布(F Distribution) 3. 多重比较(multiple comparisons) 4. 方差分析的基本假定 5. 数据转换 方差分析表 平方和 自由度 均方 F F0.05 SSt=104 3 St2=104/3=34.67 St2/ Se2=3.53* 3.49 SSe=SST-SSt=118 12 Se2=118/12=9.83 SST=222 15 ST2=222/15=14.80 F分布下一定区间的概率可从已制成的统计表查出。附表5系各种v1和v2下右尾概率α=0.05和α=0.01时的临界F值（一尾概率表）。如查附表5，v1=3，v2=12时，F0.05 =3.49，F0.01=5.95，即表示如以v1=3（n1 =4）、v2=12（n2 =13）在一正态总体中进行连续抽样，则所得F值大于3.49的仅有5%，而大于5.95的仅有1%。 所以附表5的数值实际是专供测验S12 的总体方差σ12是否显著大于S22 的总体方差σ22而用的。 （H0：σ12≤σ22 ；HA：σ12＞σ22）。 在作F则验时，应以取大值的均方（S12）作分子、取小值的均方（S22）作分母计算F值。若所得F＞F0.05或＞ F0.01。则该F值即为在α=0.05或α=0.01水平上显著，应否定H0，接受HA；若所得F＜F0.05，则接受H0。 在方差分析的体系中，F测验某项变异因素的效应或方差是否真实存在。所以在计算F值时，总是将要测验的那一项变异因素的均方作分子，而以另一项变异因素（如试验误差项）的均方作分母。这个问题与方差分析的模型和各项变异来源的期望均方有关。在此测验中，如果作分子的均方小于作分母的均方，则F＜1;此时不必查F表即可确定P＞0.05,应接受H0。 3.3、比较方法的选择 依据确定的比较标准 与对照或确定的对象相比，一般可用最小显著差数法。 依据否定或接受H0的重要性决定。 （不同比较方法的差异） K个样本的平方和是 ， 处理间的方差是： 因为 ，故 估计了 或写为： 期望均方 主要分析τ(处理效应)的假定 方差分析的线性模型可分为固定模型(fixed model)和随机模型(random model)： 从理论上讲，固定模型是指各处理的平均效应 τ(=μi-μ)是固定的一个常量，且满足∑τi =0，但常数未知；随机模型是指各处理效应τi不是一个常量，而是从平均数为0，方差为στ2 的正态总体中得到的一个随机变量，即τi～ N(0, στ2)。 固定模型主要研究并估计处理效应：即仅在供试范围内了解处理间的效应。如，不同品种、肥料、农药，不同处理方法的差异等。 随机模型主要研究并估计总体变异：即通过样本推断总体特征，因为样本仅是总体的随机变量。τ 固定模型仅在供试处理范围内了解处理间的不同效应。例如，欲了解不同药剂的防治效果、不同品种的产量或抗病性差异、肥料、密度处理效应差异等。 如果想通过不同处理对这些处理所属总体进行推断，则属于随机模型处理的范围。例如通过一个地方的药剂防治试验想了解某种药剂在该地区或更大范围的应用效果如何?或通过品种试验欲了解该品种在该地区的变异情况如何，则属于随机模型的处理范围。 固定模型(fixed model) 例：有5个品种，各取样3次，组成简单的方差分析资料。 固定模型的F测验： 随机模型(random model) 例：研究水稻杂交F5代系间单株干草重量的遗传变异，随机抽取76个系进行测验，每系取2个样品测定干草重(g/株)。测定结果的方差分析表如下： 随机模型的F测验： 固定模型与随机模型的区别 方差分析的基本假定 方差分析是建立在一定的线性模型的基础上的。它具有三类原因或效应：（1）处理原因或效应，（2）环境原因或效应 ，（3）试验误差（这是处理内和环境内的其他非可控因素的变异），故其线性模型为 x=μ+τi+βj+εij 建立这一模型，有如下3个基本假定: (1) 处理效应与