页数:55页文件大小:7.66 MB来源: 田间试验与统计分析ppt课件
本课件对应课程第一章,先给出总体、样本、观察值、参数与统计数等基本概念,再系统介绍试验的类型、基本要求、试验模型与处理设计,进而讲解重复、随机化、局部控制三条基本原理和对比法、随机区组、拉丁方、裂区、正交等常用设计,最后进入描述性统计的资料分类、次数分布与平均数、变异数。
第一章试验设计与描述性统计field experiment design and discriptive Stat.基本概念(Basic Concepts)第一节试验设计(experiment design)第二节描述性统计(discriptive Stat.)
基本概念(Basic Concepts)
基本概念(续)
误差与样本含量
第一节 试验设计(experiment design)
试验和实验:试验是在人为控制条件下有目的地进行的一种实践活动。
一、试验类型
二、试验的基本要求
其中结果可靠又体现为精确度与准确度两个方面。
准确度与精确度示意
试验模型供试体输入处理输出试验指标随机干扰Fig. 1 General model of experiment
UxFig. 1 Mathematical model of experiment
离散的测定几个点,采用统计学的方法经验的估计x=f(U)(如上图所示),显然观测点未必都在曲线上。如果估计出了x=f(U),我们就掌握了x随U而变化的规律,就可以进行预测和控制。
三、处理设计田间试验按试验小区大小、试验年份、试验地点等可分为若干类,但最基本的是根据试验因素可将田间试验分为:单因素试验(Single-factor experiment)仅研究某一个问题,如施肥对产量的影响,可以包含肥料的不同等级。优点:试验简单,容易分析、但是不能了解各因素之间的关系。多因素试验(Multiple-factor experiment)中包含了不同因素及不同水平的组合。优点:便于了解各因素之间的相互关系,试验复杂,设计不妥时不便于分析。综合试验(Comprehensive experiment)是在进行多因素研究之后,将重要因素重新组合,进行试验分析,各因素的水平不需要构成平衡处理。
四、试验单元的排列方式
试验设计的目的是避免系统误差、缩小随机误差,以保证试验的准确度和精确度。
随机化排列重复I重复IIbcdefgck2ckckheabcfgdaabcdefghck1、田间试验设计ckabcgedf利用查表或产生随机数的方法进行设计ck2
五、局部控制1、田间试验设计abcdefck
试验设计的原则
| 原则 | 主要作用 |
|---|---|
| 设置重复 | 估计和降低随机误差,提供无偏的试验误差估计 |
| 随机化排列 | 消除系统误差,保证统计推断的可靠性 |
| 局部控制 | 与随机化结合分离系统误差、降低随机误差,提高准确度与精确度 |
说明:源文件该页为图示,文字抽取后三组作用文字与三个原则粘连,上表按试验设计三原则的标准表述整理,建议对照原课件图片核对。
试验类型(二)试验设计可以归纳为全面实施试验和部分实施试验两种类型。全面实施试验分为顺序排列的试验设计和随机排列的试验设计两大类。前者常用在处理数量大、精确度要求不高、不须作统计推断的预备试验,容易发生系统误差;后者强调有合理的试验误差估计,常用于对精确度要求较高的试验。
全面实施试验(全因子试验)
一、顺序排列的试验设计1.对比法设计(contrast design)常用于少数处理试验及示范性试验,其试验单元排列特点是处理单元直接排列在对照区旁边,使每一小区可与其邻旁的对照区直接比较。IIIIII1CK23CK45678CKCK7CK81CK23456CKCK5CK67CK81234CKCK
2. 间比法设计(interval contrast design)常用处理试验单元较多的试验,要求不高,但用随机区组排列有困难的试验。其试验单元排列特点是第一个小区和末尾小区一定是对照,每二个对照之间排列相同数目的处理小区,通常是4或9个,重复2-4次。CKCKCKCK12345678910111212个小麦品种的间比法排列
二、随机排列的试验设计1.完全随机设计(completely random design)将各个处理随机分配到各个试验单元(或小区)中,每一个处理的重复数可以相等或不相等。这种设计灵活机动,单因素和多因素均可使用。2. 随机区组设计(randomized blocks design)亦称完全随机区组设计(random complete block design)根据局部控制的原则将试验地划分为等于重复次数的区组,一个区组安排一个重复,区组内各处理都独立随机排列。主要特点(1)简单;(2)适应性广;(3)能提供无偏的误差估计,降低误差;(4)对试验地形要求不严格;(5)试验的处理数目一般不要超过20。
74211317368548732164524887566532IIIIIIIV肥力梯度:8个品种4次重复的随机区组排列
3. 拉丁方设计(latin square design)将各个处理从纵横两个方向排列为区组(或重复),使每一个处理在每一列和每一行中出现的次数相等(通常一次)。所以它比随机区组多一个方向进行局部控制的随机排列设计。拉丁方设计具有双向控制土壤差异的作用,有较高的精确度,但缺乏伸缩性,适应于4-8个处理的试验设计。ABCDEBCDEACDEABDEABCEABCD
4. 裂区设计(split-plot design)是多因素试验的一种设计形式。先按一个因素设计主处理小区(main plot),然后在这个主处理小区内引进第二个因素的各个处理的小区(副区或裂区,split-plot)。152541243634362651高低中653231163142465254低中高246532142135461653高中低IIIIII
5.再裂区设计(split-split plot design)若在裂区试验中需要引进第三个因素时,可以进一步裂区,将第三个因素的各个处理随机排列在裂区内。6.条区设计(strip blocks design)条区设计是裂区设计的一种衍生设计,当要研究的两个因素都需要较大的小区面积,且为了便于观察和管理,将每个区组划分为纵向长条形小区,安排第一个因素的各个处理,再将各个区组划分为若干个横向长条形小区,安排第二个因素的各个处理。
部分实施试验(部分因子试验)
正交设计(orthogonal design):两个重要的特点:(1)每列中因素各水平数字出现的次数相等,即整齐可比性;(2)任两列放在一起,他们的行构成一个有序数对,这样的数对出现的次数也相等。或者说任两列之间的所有可能的水平组合都出现,且出现的次数均等。即均衡分散性。具有这样特点的数表称为正交表。正交表是正交拉丁方的推广。一般用LN(mk)表示正交表,N为试验次数;k为所能容纳的最多因素数;m为每个因素的水平数。如L8(27)。
假设做一个三因素二水平试验:若已知不需要考虑任何交互作用,可用L4(23)表,但此时误差项SSe分离不出来,无法作统计检验,只能直观比较哪个水平好;若存在交互作用,就会迭加在其它列上,从而得到错误的结果。因此,若不能排除存在交互作用的可能,则应利用L8(27)表。
| 试验号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 2 | 1 | 1 | 1 | 2 | 2 | 2 | 2 |
| 3 | 1 | 2 | 2 | 1 | 1 | 2 | 2 |
| 4 | 1 | 2 | 2 | 2 | 2 | 1 | 1 |
| 5 | 2 | 1 | 2 | 1 | 2 | 1 | 2 |
| 6 | 2 | 1 | 2 | 2 | 1 | 2 | 1 |
| 7 | 2 | 2 | 1 | 1 | 2 | 2 | 1 |
| 8 | 2 | 2 | 1 | 2 | 1 | 1 | 2 |
说明:源文件该页正交表数字粘连为一行,本表按标准L8(2^7)正交表的行号与列号切分还原,列1—7与上表列号对应。
表头设计:首先将A、B放在第1、2列上,查交互作用表,它们的交互作用AB在第3列,因此C因素不能放在第3列上,应放在第4列上,AC放在第5列上,BC放在第6列上,ABC放在第7列上,真正安排时只用1、2、4列。
| 因素 | A | B | AB | C | AC | BC | e(ABC) |
|---|---|---|---|---|---|---|---|
| 列号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
说明:若ABC交互作用不存在,则第7列可作为误差项e。
第二节 描述性统计(discriptive Stat.)
一、试验资料的性质与分类1. 数量性状资料(quantitative trait)采用计数和量测两种方式所得到的数据。间断性变数Discontinuous or discrete variable连续性变数continuous variable小麦基本苗数、菌落数、穗数、分孽数等等病斑长度、作物产量、株高、土壤水分含量等等
2. 质量性状资料(qualitative trait)观察而不能量测性状,如菌落的颜色、麦穗有无芒等等。统计次数法给分法统计具有某个性状的个体数目及具有不同性状的个体数目,按类别计其次数或相对次数给予每类性状以相对数量的方法,如小麦籽粒有红白两种颜色,可用0表示白色,用1表示红色
二、次数分布表将试验所得到的大量未加整理的数据,按观察值大小或数据类别进行分组,制成关于观察值不同组别或不同分类单位的次数分布表,就可以看出资料中不同表现的观察值与其频率间的规律性,从而对资料有一个初步概念。
1.间断性资料的整理参见P13 例2。2. 连续性资料的整理参加P14 例3。3. 属性变数资料的整理在整理前,将资料按各种质量性状进行分类,分类数等于组数,然后根据各个体在质量属性上的具体表现,分别归入相应的组中,即可以得到属性分布的规律性认识。
三、次数分图条形图(bar diagram)适合于间断性变数和属性资料
条形图(bar diagram)适合于间断性变数和属性资料
多边形图(polygon)适合于连续性变数资料
方柱形图(histogram)适合于连续性变数资料
饼图(pie diagram)适合于间断性变数和属性资料
饼图(pie diagram)适合于间断性变数和属性资料
四、平均数1.算术平均数(arithmetic mean),Mean2.中数(median)Md3.众数(mode),Mo4.几何平均数(geometric mean),G
算术平均数的两个重要特性:(1)离均差之和等于零。
(2)离均差平方和最小。设a为任意数,但a不等于x的平均数,则(为一定量,但)
样本平均数一般用表示。n为观察值的个数。总体平均数一般用表示。N为有限总体中观察值的个数。
五、变异数 1. 极差(Range) R=Xmax-Xmin,当n≤10时常采用R表示资料的变异度。
| 品种 | 每穗小穗数(10个观察值) | 总和 | 平均 | 极差R |
|---|---|---|---|---|
| 甲 | 13、14、15、17、18、18、19、21、22、23 | 180 | 18 | 10 |
| 乙 | 16、16、17、18、18、18、18、19、20、20 | 180 | 18 | 4 |
甲品种极差较乙品种大,变异范围较大,平均数的代表性较差;乙品种极差较小,变异幅度较小,平均数的代表性较好。极差只由两个极端数据决定,没有充分利用资料的全部信息,用它代表整个样本的变异度是有缺陷的。
说明:源文件该页数字与栏目粘连,本表按可辨认数字切分,并已核对总和、平均数与极差均与原文一致。
2.方差或均方(Variance)用观察值数目除离均差平方和(简称平方和)。样本均方(S2)
总体方差(σ2)方差是根据全部观察值来度量资料的变异度的,是能够正确反映资料的变异度的度量方法。
3.标准差(Standard Deviation)是方差的正根值,可以很好的表示资料的变异度,其单位与观察值的度量单位相同。样本标准差(S)总体标准差(σ)
自由度(degree of freedom,所写为DF)解释之一:对于一个具有n个观察值的样本,每个x与其平均数比较时,虽然具有n个离均差,但因受到离均差之和等于0的限制,所以只能有n-1个是自由的。例如:有5个观察值,其4个的离均差为3,2,-3,6,则第5个离均差必定为-8,才能保证离均差之和等于0。所以,在估计其他统计数时,如果该统计数受K个条件限制,则其自由度应该为n-K。在应用上,小样本一定要用自由度来估算标准差;若为大样本,因n和n-1相差较小,可直接用n作除数,但大样本的界限没有统一规定,一般以30以上为大样本。
比较以上两式可以发现,样本标准差不以样本容量n而以n-1作为除数。这是因为通常我们只能掌握样本资料,不知道总体平均数的数值,不得不用样本平均数代替总体平均数。但由于离均差平方和最小,即解释之二:因此,采用计算出的标准差将失之过小。将分母用n-1代替,可以避免偏小的弊病,可以做到对总体标准差的较好的估计。
4. 变异系数(Coefficient of Variation,缩写为CV):样本标准差对平均数的百分数,是一个不带单位的纯数,表示单位量的变异。
| 品种 | 平均数 | 标准差 | 变异系数(%) |
|---|---|---|---|
| 甲 | 95.0 | 9.02 | 9.5 |
| 乙 | 75.0 | 8.50 | 11.3 |
若两个样本的单位不同或平均数不同,不能用标准差直接比较。采用变异系数表示样本的变异程度时,宜同时列举平均数和标准差,否则可能引起误解。
说明:源文件该页数字与栏目粘连,本表按可辨认数字切分,并已核对变异系数与平均数、标准差相符。
例:下面是金枪鱼两个样本的体重,请比较两个样本的差异。
| 样本1 | 样本2 |
|---|---|
| 8.9 | 3.1 |
| 9.6 | 17.0 |
| 11.2 | 9.9 |
| 9.4 | 5.1 |
| 9.9 | 18.0 |
| 10.9 | 3.8 |
| 10.4 | 10.0 |
| 11.0 | 2.9 |
| 9.7 | 21.2 |
n1=9,n2=9,两个样本的平均数均为10.11。
说明:源文件该页数据连排,本表按9个一组切分为两个样本的观测值,两组之和均为91.0,平均数与原文10.11一致。
可以看出,两个样本的样本容量相同,平均数相同。对每一个样本的观察值进行排序,结果发现它们的中数都为9.9(详见下表)。表各个样本观察值排序结果
| 统计量 | 样本1 | 样本2 |
|---|---|---|
| 样本容量n | 9 | 9 |
| 平均数 | 10.11 | 10.11 |
| 中数Md | 9.9 | 9.9 |
| 极差Range | 2.3 | 18.3 |
| 方差Variance | 0.641 | 49.851 |
| 标准差S | 0.80 | 7.06 |
两个样本容量与平均数均相同,中数也相同,但样本2的极差、方差与标准差远大于样本1,说明其变异程度大得多。
说明:源文件该页数据连排,本表按原文统计量数值还原,标准差与方差的平方根关系已核对一致。
下载地址:{{downurl}}
{{{a}}}
{{#b}}{{{b}}}
{{/b}} {{/title}} {{#nolog}}登陆注册
{{/nolog}} {{#djsx}}点我刷新
{{/djsx}} {{#gocz}} {{/gocz}} {{#ffqr}} {{/ffqr}}