试验设计与数据处理.pptVIP

方差分析步骤：提出假设：H0：?A=?B=?CH1：?i不全相等确定显著水平?：0.05由实验数据计算统计量F：F=MSB/MSW与临界值比较，作出统计推断结论：利用EXCEL数据分析中单因素方差分析工具；也可利用FINV函数计算临界值；结论：F=3.27F0.05(2,12)=3.89，P0.05，在?=0.05水平上，接受H0，认为三种分析方法没有显著差别。多重比较(Multiplecomparison)（LSD法）当ANOVA显著时，需进一步了解哪些处理间存在显著差异时，可采用多重比较的方法，最小显著差异法（LSD法）是其中最简单的一种。其中：s2=MSW，t=t?(dfw)5.2两因素(Two-way)方差分析例6：比较一个标准药品与两个相似产品的溶出速度，同时检验八个实验室之间是否有差别。实验设计：三种药品分别随机抽取8片，再随机分配给八个实验室进行百分溶出度的测定。方差分析步骤：提出假设：H0：?A=?B=?标准H1：?i不全相等确定显著水平?：0.05由实验数据计算统计量F：FC=MSC/MSC?RFR=MSR/MSC?R与临界值比较，作出统计推断结论：利用EXCEL数据分析中无重复双因素方差分析工具；也可利用FINV函数计算临界值；结论：FC=3.46F0.05(2,14)=3.74，P0.05，在?=0.05水平上，接受H0，认为三个药品间溶出速度没有显著差别。FR=1.93F0.05(7,14)=2.76，P0.05，在?=0.05水平上，八个实验室间也无显著差别。注意，以上检验仅在不存在交互作用(Interaction)（药物产品?实验室）的情况下才成立，即现有实验结果所含有的信息，不足以检验是否存在交互作用。若认为可能会存在交互作用，应该设计成有重复测定的实验。第六章回归与相关分析

RegressionCorrelation6.1回归分析回归是一种统计技术，它通过找出最佳的直线（或曲线）确定两个变量x与y之间的函数关系。药学研究中一些变量间的函数关系已知是线性时，我们采用线性回归描述它们之间的关系；当所研究的一个药物作用的响应值随所研究的任一因素变化的函数形式未知时，我们也经常采用回归分析，希望表示出一个趋势，或希望表示出响应值随因素的变化率。4.1不相关样本的方差比较4.1.1F分布(Fdistribution)两个具有共同方差的独立正态总体。样本容量为n1的一个样本来自第一个总体，来自第二个总体的另一个样本，其样本容量为n2，则：F分布可用来检验平均值的差别（方差分析）和检验方差是否相等，即F检验。4.1.2两个方差的假设（显著性）检验例1：比较用两种不同的步骤制备的粉末产品，混合程度是否均匀一致。可采用的试验设计：分别随机取出7个重量一样的粉末混合物样本，分析其中的活性物质的量(mg)。假设检验(Hypothesistesting)步骤：提出假设：H0：?12=?22H1：?12??22确定检验水平?：预先规定的概率值，一般取0.05（双尾检验）选择检验方法，计算统计量：F=8.33或0.12与临界值比较，作出统计推断结论：利用EXCEL数据分析中的双样本方差的F检验工具（注意：单尾?=0.025）；临界值计算也可利用FINV函数(其反函数FDIST)。格式：FINV(probability,deg_freedom1,deg_freedom2)；FDIST(F,deg_freedom1,deg_freedom2)。结论：FF0.025(6,6)=5.82，P0.025，在?=0.05(双尾）水平上，拒绝H0，两种步骤制得的粉末产品混合程度不同。4.2样本平均值的比较4.2.1单样本u检验从正态总体N(?,?2)中，反复多次随机抽取样本容量为n的样本，则~N(?,?2/n)，进一步变换为标准正态分布，则有：例2：对一种片剂药品的制造工艺进行改造。考察新工艺是否对成品药片平均药物含量产生影响。已知几年中收集的该药片中药物成分分析的大量数据表明平均药物含量为50.3mg，标准偏差为1.5mg。试验设计：从采用新工艺制造的一批药片中随机抽取10片，分析其药物含量（mg）。假设检验步骤：提出假设：H0：?=50.3H1：??50.3确定检验水平?：0.05(双尾检验）计算统计量u值：样本平均值可由函数AVERAGE求得；计算统计量u：与临界值比较，作出统计推断结论：利用NORMSINV函数（其反函数为NORMSDIST）计算临界