第五章-方差分析.pptVIP

u、t 检验可以判断两组数据平均数间的差异显著性， 而多组数据平均数之间的差异显著性还能不能用这种方法呢？ 显然不行，why？ 1.检验过程烦琐。如果实验包含4个处理则需要进行C42 ＝ 6次t检验 2.无统一的试验误差，误差估计的精确性和检验的灵敏性低。 有6个标准误，误差估计不统一，精确度降低 3.推断的可靠性低，检验时犯α错误概率大。 6次都接受的概率为(0.95)6＝0.735，故犯α错误概率增大为0.265 因此，现在学习一类能解决多个平均数之间的显著性检验方法;第五章 方差分析;一、方差分析的基本思想;三、平方和与df的分解;根据线性可加模型，则有：;下面来具体看看总平方和的计算;SSt ＝;总平方和：SST ＝ ∑x2 -C;dfT = nk-1;五、F检验;;如果F值不显著，则方差分析结论是变异来源主要是误差引起的，所以过程到此结束。而如果F值显著，说明变异来源主要是因为处理的差异，具体何种处理存在差异？还需要进一步多重比较！;多重比较方法;(一)最小显著差数法（LSD法）;(2)再用两个处理平均数的差值绝对值 与LSDα比较：;(一)最小显著差数法（LSD法）; 梯形比较法 ;不同品种间4个月增重量差异显著表; 标记字母法 ; 标记字母法 ;LSD法应用 ;(二)最小显著极差法（LSR法）;1、新复极差法（SSR）;例;不同品种4个月增重量试验LSR值（新复极差法）;品种;　　也称Newman-keuls检验，方法与新复极差法相似，其区别仅在于计算最小显著极差LSRα时不是查SSRα，而是查qα值（附表9）;M;品种;LSD0.05 =4.6513;因此，在实际计算中：;方差分析的基本步骤;第二节;组 内 观 测 数 目 的 不 同;一、组内观测次数相等的方差分析;例：测定东北、内蒙古、河北、安徽、贵州 5个地区黄鼬冬季针毛的长度，每个地区随机抽取4个样本，测定的结果如表，试比较各地区黄鼬针毛长度差异显著性。;（2）确定显著性水平， α=0.05，0.01;＝186.7-173.71＝12.99;（5）进行F 检验：;这里用最小显著差数法（LSD）进行检验。;地区; 有时由于试验条件的限制，不同处理的观测次数不同，k个处理的观测次数依次是n1 、n2 、…、nk的单因素分组资料，前面介绍的方差分析方法仍然可用，但由于总观测次数不是nk，而是 次??在计算平方和时公式稍有改变。;在作多重比较时，首先应计算平均数的标准 误。由于各组内观测次数不等，因此应需先算得各ni的平均数n0 ：;例：用某种小麦种子进行切胚乳试验， 实验分为三种处理：整粒小麦（I），切去一半胚乳（II），切去全部胚乳（III），同期播种与条件较一致的花盆内，出苗后每盆选留两株，成熟后进行单株考种，每株粒重结果如表，试进行方差分析。;处理;SST ＝ ∑x2 –C= 212 + 292 +…+ 262 -C=230.5;列方差分析表;由于F检验不显著，不需要再作多重比较。 如果F检验显著，则需要进一步计算n0 ，并求得 （用于LSR检验）或 （用于LSD检验），即; 需要指出的是，不等观测次 数的试验要尽量避免，因为这样 的试验数据不仅计算麻烦，而且 也降低了分析的灵敏度。;第三节 多因素方差分析;;因素水平（level of factor）: 试验因素所处的某种特定状态或数量等级称为因素水平，简称水平。如研究3个品种奶牛产奶量的高低，这3个品种就是奶牛品种这个试验因素的3个水平。;试验单位（ experimental unit ）: 在实验中能接受不同试验处理的独立的试验载体叫试验单位。一只小白鼠，一条鱼，一定面积的小麦等都可以作为实验单位。;主效应和互作;不同离子对木聚糖酶活性的影响(mg/ml);对于由样本估计的线性模型为：;根据的τi不同假定，可将数学模型分为以下三种：;(一)固定模型(fixed model);不同离子对木聚糖酶活性的影响(mg/ml);在固定模型中，除去随机误差之后的每个处理所产生的效应是固定的，试验重复时会得到相同的结果;(二)随机模型(random model); 随机模型 ; 随机模型 ;固定模型与随机模型的比较;(三)混合模型(mixed model);　　依据经验或专业知识，判断二因素无交互作用时，每个处理可只设一个观测值，即假定A因素有a个水平，B因素有b个水平，每个处理组合只有一个观测值。;因素A;二因素方差分析的线性模型;（1）平方和的分解为：;（2）与平方和相应的自由度的分解为;（4）F值的计算：;　　将一种生长激素配成M1，M2，M3，M4，M5五种浓度，并用H1，H2，H3三种时间浸渍某大豆品种的种子，出苗45天后的