试验整理以及特征数计算.pptVIP

总体和个体 总体（population）：具有相同性质的个体所组成的集合，它是指研究对象的全体。 有限总体：被研究对象是有限的，如：一批样品的总数。 无限总体：被研究对象是无限的，如：如企业生产以前、现在、将来全部的产品。 个体(individual)：组成总体的基本单元。 总体含量：总体所含的个体数，常用N来表示。 样本 样本(sample)：从总体中随机抽出，并要对其进行详细研究的一部分个体。样本有一个或若干个样品（个体）组成。 样本容量（n）：样本中所含个体的数目。n30（50），小样本；n≥30（50），大样本。 样本作用：估算总体。 变量与常数 变量（variable）：相同性质的事物间表现差异性的某项特征称为变量或变数。 如：化合物的浓度、叶绿素的含量、人体身高、体重、生物生理指标，记为x（x1,x2……xi)。 分类：连续变量(continuous variable)和非连续变量(discontinuous variable)。可以是定量的（数值），也可是定性的（红、白等，血型AB）。 常数（constant）：不能给于不同数值的变量。它代表事物的特征和性质值，由变量计算而来，在一定过程中是不变的。如：总体平均数，标准差等。 参数与统计数 参数（parameter)：是对总体特征的度量。如总体平均数（μ）、总体标准差（σ）。 统计数（statistic)：样本的计算值，是描述样本的特征的数量，如样本的平均数（x）、标准差（s）。 样本估算总体：由于总体一般很大，有时不可能获得，所以总体参数不可能计算出来，通常用样本统计数来估计总计的参数。 效应与互助 主效应：试验因素中相对独立的作用因素产生的效应。 互助效应：两个因素以上产生的效应。如，氮肥、磷肥对作物的产量产生互助效应。 效应分类：正效应、负效应、零效应（无交作用） 判断互作效应：专门的推断方法、专业知识、经验。 误差与错误 （试验）误差：试验中不可控制的因素所引起的观测值偏离真值的差异。 分类： 随机误差（偶然误差）：试验中许多无法控制的因素导致实验结果与真实结果之间的差异。消除：增加试验次数可减少但不能消除。 系统误差：条件不一致导致倾向性的偏离。如仪器调校侧差异，不同操作者习惯的差异等。试验做得精细可以避免。 错误：任务因素导致的差错，如粗心大意、药品配置不当、数据抄错等。 准确度和精确度 准确度(accuracy)：观测值与真值的接近程度。 精确度(precision)：观测值彼此接近的程度，通常用变量间变异程度的大小来衡量该样本的统计数的精确度的高低。 散点图 几何平均数（geometric mean） 定义：n个观测值，其乘积开n次方所得的值. 特点：适用于变量x为对数的正态分布。 变异系数 当平均数相差悬殊或单位不同时，用标准差说明变异程度不合适，为了克服这一缺点，用标准差除以样本平均数。 算术均数（arithmetic mean)：全部数据的算术平均数 计算公式： 特点： 最常用的测度值 均值利用了全体数据 易受数据中极端值的影响 用于数值型数据，而不能用于分类数据和顺序数据 平均数(Mean) 例：测得8只正常大鼠血清总酸性磷酸酶（TACP）含量（U/L）为4.20，6.43，2.08，3.45，2.26，4.04，5.42，3.38。试求其算术均数。 加权计算法：适合于频数分布表资料求均数。 式中k是组段；fi为每组段的频数；Xi为每组段的组中值。组中值等于本组段的下限和上限相加除以2。i=1,2… k 。 用加权法计算均数 众数（Ｍode） 定义：样本数据中出现频数最高的那个样本值． 特点： 不受极端值的影响 可能没有众数或有几个众数（不唯一性） 主要用于分类数据，也可用于顺序数据或数值型数据 算例 100 1 200 合计 56.0 25.5 4.5 8.0 5.0 1.0 0.560 0.255 0.045 0.080 0.050 0.010 112 51 9 16 10 2 商品广告 服务广告 金融广告 房地产广告 招生招聘广告 其它广告 频率(%) 比例 人数 广告类型 某城市居民关注广告类型的频数分布 Ｍ0＝商品广告 算例 100 300 合计 8 36 31 15 10 24 108 93 45 30 非常不满意 不满意 一般 满意 非常满意 百分比（％） 户数（户） 甲城市 回答类别 甲城市家庭对住房状况评价的频数分布 M0＝不满意 中位数（Median) 定义：对样本数据由小到大排序，处于“正中间位置”上的数据． 特点： 不受极端值的影响 主要用于顺序数据，也可用于数值型数据，但不能用于分类数据，各变量值与中位数的离差绝对值之和最小，即 计算公式 原始数据：24,22,21,26,20－５个数据 排序　　：20,