课件：生物统计学.ppt

表6-45 二因素系统分组次级样本含量 相等的期望均方与F检验 下一张 主 页 退 出 上一张 A固定、B随机时的F检验与随机模型同；A随机、B固定时的F检验与固定模型同。 在随机模型下，当次级样本含量不等时，各项均方的期望值与F检验如下。 表6-46 二因素系统分组次级样本含量 不等的期望均方与F检验 下一张 主 页 退 出 上一张 表6-45、6-46中，σ2是二级因素内观测值间的方差，即误差方差； 是 一级因素水平内二级因素水平效应方差； 是 一级因素水平效应方差；no和 都是每个 二级因素水平下的平均重复数(即平均观测值个数)， 其中no是一级因素水平内每个二级因素水平下 平均重复数； 是一级因素水平间每个二级因素水平的平均重复数；dn0是每个一级因素水平的平均重复数。no ， 及dno的计算公式如下： 下一张 主 页 退 出 上一张 (6-39) (6-40) (6-41) 式中：N 为全部观测值个数； 为一级因素Ai水平内二级因素Bij水平的重复数； 为一级因素Ai水平的重复数； 下一张 主 页 退 出 上一张 为一级因素内二级因素的自由度； 为一级因素的自由度。 三、方差组分的估计 上面我们分别介绍了单因素试验， 交叉分组、系统分组多因素试验资料的方差分析 中各种均方在不同模型下的期望值。了解期望均 方的组成，不仅有助于正确进行F检验，而且也有助于参数估计。最常见的就是估计 方差组分，又称方差分量分析。方差组分，亦即 方差分量(variance components)，是指 方差的组成成分。根据资料模型和期望均方的组成， 就可估计出所需要的方差组分。 下一张 主 页 退 出 上一张 方差组分的估计主要是指对随机模型的方差组分估计。因为在这种模型下，我们研究的目的就在于从总体上了解各因素对试验指标所产生的效应方差。 在研究数量性状的遗传变异时，对一些遗传参数的估计，如重复率、遗传力和性状间的遗传相关的估计都是在随机模型方差组分估计的基础上进行的。 下面结合实例说明方差组分的估计。 下一张 主 页 退 出 上一张 如果将【例6.8】中3头公猪、与配母猪及它们所生仔猪的断奶重资料，看作是从该品种总体中随机抽取的样本，则公猪及其与配母猪对所产仔猪断奶重影响的效应是随机的，因而 该资料属随机模型。方差组分估计如下： 因次级样体含量不等，由表6-46可知： 下一张 主 页 退 出 上一张 公猪间期望均方 公猪内母猪间期望均方 母猪内仔猪间期望均方 因而 下一张 主 页 退 出 上一张 在方差分量分析中，当次级样本含量不相等时，需依公式(6-39)、(6-40)、(6-41)求三个相应的加权平均数。本例各公、母猪的仔猪数不等，故先算三个加权平均数如下： 因为 下一张 主 页 退 出 上一张 代入公式(6-39)、(6-40)、(6-41)得 将 及【例6-8】算出的有关均方值代入上面各方差组分计算式得： 下一张 主 页 退 出 上一张 这里应当注意 ， 公 猪效应方差的估计值为-0.5358，这是不合理的。这主要是由于母猪间方差组分( )过大所致(一般MSB(A)＞MSA时， 就是负值)。在这种情况下，可将原资料中二级因素(母猪)去掉， 仅就公猪因素作随机模型下的各处理重复数 不等的单因素方差分析，进而重新估计公猪间方差组分。 过程