生物统计学课件--11方差分析资料.pptVIP

生物统计学课件--11方差分析 而’则是拒绝H0的最小概率，也即显著水平，是发生 I 型错误的概率。 对四个样本平均数进行成组数据的t 检验，则发生I型错误的概率为： 方差分析 由此可见，使用一般意义上的t检验，对三个或三个以上的样本平均数进行差异显著性测验时，是不合适的，需要引进新的检验方法。这就是我们即将介绍的 第七章 方差（变量）分析 （Analysis of variance，ANOVA） 方差分析是一类特定条件下的统计推断，或者说是 平均数差异显著性测验的一种引申。 第一节 方差分析的基本原理 方差或称均方，它是一个表示变异的量。 在一项实验或调查中，往往存在许多造成生物性状变异的因素。这些因素中有主要的，有次要的，方差分析就是要将总变异分裂为各个变异因素引起的变异，并对其作出数量估计，从而发现各个因素在变异中所占的重要程度。 在实验中，除了可以控制的实验因素造成的变异以外，剩余的变异可以提供实验误差准确无偏的估计，作为统计假设测验的依据。 方差分析可以帮助我们掌握客观规律的主要矛盾或技术关键，是科学研究工作中的重要工具。 例1：下表的数据，是用A、B、C、D四种不同的药剂，处理水稻种子，每处理各得4个苗高观察值（cm） ，数据如下表，问不同药剂的处理效果是否差异显著？ 处理株号 A B C D 1 19 21 20 22 2 23 24 18 25 3 21 27 19 27 4 13 20 15 22 分析：比较四个样本平均数的差异显著性。 处理株号 A B C D 1 19 21 20 22 2 23 24 18 25 3 21 27 19 27 4 13 20 15 22 和 ∑ 76 92 72 96 平均 x 19 23 18 24 数据处理： 现在的测验目的就是要比较 19，23，18，24 这四个平均数的差异显著性。 处理 株号 A B C D 1 19 21 20 22 2 23 24 18 25 3 21 27 19 27 4 13 20 15 22 和 ∑ 76 92 72 96 平均 x 19 23 18 24 现在，我们可以将A、B、C、D四种药剂处理的种子当作四个亚总体看待，每处理的4个观察值当作该亚总体的一个随机样本，比较四个样本的平均数的差异显著性。 为了这一目的，我们有必要分析一下试验数据的总变异即总的试验方差是多少。 分析：在这个实验中，引起数据变异的原因有 ①不同的药剂 ②试验误差 我们可以尝试将试验的总变异分解为由药剂处理引起的变异（方差）和由于试验误差引起的变异（方差），并且对两者的差异显著性作出判断。 若这两个方差差异显著，且药剂的方差大于误差方差，则必然不同处理（药剂）间的差异显著，即四个样本平均数的差异是显著的；否则，则样本平均数间的差异不显著。 据此，我们就可以对多个平均数进行比较。 处理 平方和 误差 自由度 处理 自由度 方差=平方和/自由度 总的平方和 总的自由度 误差 平方和 若处理方差显著大于误差方差，则不同实验处理间的平均数，至少有两个是差异显著的 处 理 株 号 A B C D 1 19 21 20 22 2 23 24 18 25 3 21 27 19 27 4 13 20 15 22 和 ∑ 76 92 72 96 平均 x 19 23 18 24 一、平方和与自由度的分解 目的：将总的自由度与总的平方和分解为各个变异因素引起的自由度与平方和，从而求出各个变异因素引起的方差。 1、自由度的分解： df 总= dfT=kn-1=4×4-1= 15 df 处= dft=k-1=4-1=3 df 误= dfe=k·（n-1）=4×（4 -1）= 12 df 总= df 处 + df 误 =3+12=15， dfT = dft+ dfe=3+12=15 其中 k 为样本数，n 为每个样本的样本容量。 2、平方和的分解： 处 理 株 号 A B C D 1 19 21 20 22 2 23 24 18 25 3 21 27 19 27 4 13 20 15 22 和 ∑ 76 92 72 96 平均 x 19 23 18 24 未考虑不同药剂对株高的影响 3、求各个变异原因引起的方差 二、F 检验 在我们的试验中，我们想推断不同药剂对水稻苗高的影响差异是否显著。我们已经分析了在这个实验中，引起水稻苗高变异的原因有两个，一个是不同药剂的处理效果，一个是试验误差，在这两个原因中，哪一个占主导地位？ 如果由于不同药剂的处理引起的变异即处理方差