试验设计与统计分析.pptxVIP

会计学;第2页/共112页; 中位数 把一批数按照从小到大的顺序排列，处于数列中点的变量值就是Me 。 ;1.2 离散程度分析 离散程度是数据分布的又一特征，它表明各个变量值的差异，即离散程度。 意义：首先，可以衡量算术平均数的代表性。 例：均值都为150的两组数 50，100，150，200，250 100，125，150，175，200 其次，进行产品质量评价、生产管理和决策。 离散程度经常用到的指标有：极差、方差和标准差等，它们也被称为变异指标。 ;方差与标准差 1、方差与标准差是测定离散程度最常用的指标。标准差是方差的平方根，也称均方差。 2、总体方差和标准差（?）计算公式： 样本方差和标准差(S)要除以n-1。 3、变异系数 4、方差分析中，均方差MSE即为处理的方差。 ;（总体）方差的计算;（样本）方差的计算;平均数置信区间估计 ;标准误随重复增加而下降的曲线;第10页/共112页;2.1 参数假设检验的过程 a. 问题的提出及特征分析 b. 两个假设（原假设、备择假设） c. 选择适当的统计方法、计算统计量 d. 根据p值进行统计推断; 某地区某水稻品种产量500kg/亩，施用某种新的肥料之后，10块试验田得到平均产量510kg/亩，标准差20。这个产量的变化，能否是施用这种肥料增产效果？ 需要进行统计检验？;;检验统计量计算; 目前几乎所有的统计软件，在给出统计量的同时，还给出了精确的p值。用P与检验水准?比较, ? 通常取0.05, 0.01 在P≤?时出现小概率事件，拒绝H0，接受H1，统计结论“有统计学意义”，专业结论根据实际和统计量写出 在P ?时没有出现小概率事件，不能拒绝H0，统计结论“无统计学意义”; 简言之，p值就是传统所说的α(显著水平)。p值可精确地告诉我们统计检验结果的显著水平，而不用再重复采用不同的?水平。根据p值进行统计推断常用标准是： 如果0.01≤p0.05，则结果显著； 如果0.001≤p0.01，则结果极显著； 如果p0.001，则结果是很高地显著； 如果p0.05，则结果被认为没有统计显著性(有时记为NS)； 但是，如果0.05≤p0.10，则有时注记为有倾向性的统计显著。;; 2.2 判断两组的总体均数是否不等 ; 比较两作物品种某微量元素含量差异，各品种该微量元素含量为 品种A 0.709 0.755 0.655 0.705 0.723 品种B 0.617 0.608 0.623 0.635 0.593 0.684 0.695 0.718 0.606 0.618 ;H0：μ1＝μ2 ;Ｔ检验公式 （1）分子：均值差异； （2）分母：方差和（离散程度）的大小； （3）样本数n大小。 　　　显著性差异的结果不仅仅取决于均值本身的差异大小，而且还取决于试验中试验方差和样本数。 　　在实际农业生产中不重要的微小的差异在统计上可能显著。所以，在应用时，如果要求处理比对照（增加）显著，那么对增加幅度最好有所规定。另一方面，由于某种原因，统计上对较大的差异检验不出显著性，但这样的差异对农业生产或科研或许是很重要的。; 以α＝0.01水准的双侧检验拒绝H0，接受H1;有统计学意义,可认为该元素在两品种中的含量有差异。;;2.3 配对t检验;第25页/共112页;H0：?d＝0，两方法（仪器）检验结果相同； H1：?d≠0，两方法（仪器）检验结果不同。 双侧? =0.05。 按? = n-1=12-1=11查t值表，得t0.20,11=1.363，t0.10,11=1.796，t0.10,11＞t＞t0.20,11，则0.20＞P＞0.10，差别无统计学意义，尚不能认为两种（方法）仪器检查的结果不同。 ;;3、多个处理的统计检验（ 方差分析）;方差分析应用理论上的条件 独立性：各样本是相互独立随机的样本 正态性：各样本都来自正态总体 方差齐性：各样本的总体方差相等; A、B、C和D四种工艺，测量产品某指标结果如下：;如果４处理效果相同，那么有H0：?1=?2=?3 =?4，也即４组样本均数来自同一总体。 如果4处理效果完全相同，那么处理间变异等于0；整个变异都是处理内（随机误差）引起的。 如果４处理，每处理各次重复间没有差异，则总变异都是处理间变异，处理内（随机误差）为0； 上面是极端情况，一般情况是，处理间和处理内都有变异存在。这时计算处理间均方与处理内均方