论实验设计与统计剖析基础.pptVIP

本资料来源 实验设计和统计分析基础 模型和原型 原型 科学研究的真实对象 模型 为了某个特定目的，将原型的某一部分信息简缩、提炼而构造的原型替代物 科学研究的基本方法在于通过模型推断原型 概率统计基础 为什么需要概率统计？ 1、随机实验 ①可以在一致的实验条件下重复 ②有不止一种实验结果 ③实验前无法确定实验的结果 概率统计基础 2、总体和样本 ①统计学研究的核心问题是如何通过样本 推断总体 总体是我们研究的全部对象 样本是总体的一部分 ②取样 从总体中获得样本的过程称为取样 概率统计基础 概率论的基本假设 1、全概率＝1 2、概率值≥0 3、可加性 例：抛硬币实验，结果是正面或者反面的概率＝结果是正面的概率+结果是反面的概率＝0.5+0.5＝1 概率统计基础 随机变量的概率分布 1、随机变量 在随机实验中被测定的量 例：抛硬币实验，连续抛十次，记录结果 为正面的实验次数，该变量记为“x”，x 的可能取值为：0、1、2、3、4、5、6、7 、8、9、10 概率统计基础 x p 0 0.000977 1 0.009766 2 0.043945 3 0.117188 4 0.205078 5 0.246094 6 0.205078 7 0.117188 8 0.043945 9 0.009766 10 0.000977 ∑p=0.89 ∑p=0.055 ∑p=0.055 ∑p=1 概率统计基础 2、正态分布～N(μ,σ2) ? (u) -1.96 1.96 -2.576 2.576 0.6827 0.9500 0.9543 0.9900 0.9973 概率统计基础 ①标准正态分布的累积分布函数 Φ(u)=P(Uu) 其值等于标准正态曲线从负无穷到u所夹的 曲线下面积，表示的是随机变量U落入区间 负无穷到u的概率 P(u1Uu2)= Φ(u2)-Φ(u1) 随机变量U在任意区间内的概率 P(-1.96U1.96)=Φ(1.96) - Φ(-1.96) = 0.97500 - 0.02500 = 0.95000 概率统计基础 ②一般正态分布的累积分布函数 标准化：u=(x-μ)/σ 其中，x为一般正态分布的随机变量值 μ为总体平均数 σ为总体标准差 P(Xx)=P[U(x-μ)/σ]=Φ[(x-μ)/σ] P(x1Xx2)=Φ[(x2-μ)/σ]-Φ[(x1-μ)/σ] 概率统计基础 3、中心极限定理 X=X1+X2+…+Xn=∑Xi ①Xi相互独立 ②n充分大 ③每一个别的Xi对于X所起的作用很小 那么，X服从或者近似服从正态分布 若Xi具同一分布，当n充分大时，其平均 数∑Xi/n服从或者近似服从正态分布 概率统计基础 统计分析 1、统计推断 2、 检验 3、方差分析 4、回归分析 5、多元统计分析 ①聚类分析 ②判别分析 ③主成分分析 实验设计基础 基本要求 1、实验目的要明确 2、实验条件要有代表性 3、实验结果要可靠 4、实验结果要能重演 实验设计基础 基本原则 1、重复 ①实验中同一处理种植的小区数即为重 复次数 ②重复的最主要作用是估计实验误差 ③重复的另一主要作用是降低实验误差 ④更准确地估计处理效应 实验设计基础 2、随机 实验的每一处理中的每一重复都有同等的机会设置在任何一个实验单位上 随机≠随意 A1 B3 C1 C3 C2 A2 B2 A3 B1 实验设计基础 A1 B1 C1 B3 C2 A2 B2 A3 C3 区组1 区组2 区组3 A1 B3 C1 C3 C2 A2 B2 A3 B1 3、局部控制 分范围分地段控制非处理因素，使对各处理的影响趋向于最大程度的一致 调查取样 取样误差 不重复取样的平均数的标准误差(SE)： 其中，N为总体大小 n为样本大小 S为样本标准差（SD)， 调查取样 当总体（N）很大时，(n/N)-0， 例：n=1， n=4， 调查取样 样本平均数的置信区间 其中，α