《生物統(tǒng)計學復習重點》由會員分享，可在線閱讀，更多相關(guān)《生物統(tǒng)計學復習重點（15頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、精選優(yōu)質(zhì)文檔-----傾情為你奉上 主要統(tǒng)計符號注解 編號 符號 注解 希臘字母符號 1 α 統(tǒng)計檢驗的顯著水平，一般α取0.05或0.01 2 σ 總體標準差。用拉丁字母S表示樣本標準差 3 σ2 總體方差。用拉丁字母S2表示樣本方差（均方） 4 樣本平均數(shù)抽樣總體方差 5 標準誤（樣本平均數(shù)抽樣總體的標準差，表示平均數(shù)抽樣誤差的大?。闃吮緲藴收`，是平均數(shù)抽樣誤差的估計值 6 μ 總體平均數(shù)。用拉丁字母表示樣本平均數(shù) 7 χ2 卡平方值 8 經(jīng)連續(xù)性矯正的卡平方值 9 自由度df為顯著水平為α時的卡平方臨界值 11

2、 ε 隨機誤差；重復內(nèi)分組設(shè)計的參試材料誤差 12 τ 線性模型中的處理效應 13 表示從第1個觀測值xi累加到第n個，觀測值xn，當在意義上已明確時，可簡寫為。為求和符號 拉丁字母符號 1 T 觀測值總和 2 N 有限總體的總觀測值數(shù)目 3 n 樣本的觀測值數(shù)目或樣本容量（樣本含量） 4 SS 平方和 5 MS 均方 6 S 樣本標準差，用以估計總體標準差σ 7 S2 標準方差（均方），用以估計總體方差σ2 8 H0 無效假設(shè) 9 HA 備擇假設(shè) 10 SE 標準誤 11 DF 自由度，自由度具體數(shù)值用df

3、表示，如df=8 12 CV 變異系數(shù) 13 CK 對照 14 O 觀測次數(shù) 15 E 理論次數(shù) 16 F F統(tǒng)計數(shù)，F(xiàn)0.05 、F0.01分別為0.05、0.01的臨界值 17 LSD 最小顯著差數(shù)（least significant difference） 18 LSR 最小顯著極差（least significant ranges） 19 x～N（μ，σ2） 隨機變量x服從參數(shù)μ和σ的正態(tài)分布，μ為總體平均數(shù)，σ為總體標準差 20 p，q 二項總體成數(shù) p+q =1 21 x～B（n，p） 隨機變量x服從參數(shù)n和p的二項分布，

4、n為試驗次數(shù)， p為理論概率 22 a 直線回歸方程中樣本的回歸截距 23 b 直線回歸方程中標本回歸系數(shù) 24 r 樣本相關(guān)系數(shù)；獨立性檢驗中相依表的行數(shù) 25 c 獨立性檢驗中相依表的列數(shù) 26 f 觀測次數(shù) 27 t t分布的統(tǒng)計數(shù) 28 u u正態(tài)分布的統(tǒng)計數(shù)；正態(tài)標準離差 29 樣本平均數(shù)，用以估計總體平均數(shù)μ 30 d 成對觀測值的差數(shù) 31 成對觀測值的差數(shù)的平均數(shù) 32 k 樣本數(shù)或處理數(shù) 1. 方差分析的主要內(nèi)容，就是以試驗誤差均方為標準，對各個變異來源的均方作F檢驗。 2. 在研究玉米種植密度和產(chǎn)

5、量的關(guān)系中，其中 密度 是自變數(shù)， 產(chǎn)量 是依變數(shù)。 3. 統(tǒng)計假設(shè)檢驗中的無效假設(shè)與備擇假設(shè)的內(nèi)容是一個 對立 事件。 4. 在種田間試驗設(shè)計方法中，屬于順序排列的試驗設(shè)計方法為：對比法設(shè)計、間比法設(shè)計 5. 對比法、間比法試驗，由于處理是作順序排列，因而不能夠無偏估計出試驗的誤差。 6. 試驗設(shè)計的三個基本原則是重復、隨機和局部控制。 7. 對比法設(shè)計、間比法設(shè)計應用了試驗設(shè)計的重復和局部控制兩個原則。 8. 完全隨機設(shè)計應用了試驗設(shè)計的重復和隨機兩個原則。 9. 隨機區(qū)組設(shè)計應用了試驗設(shè)計的重復、隨機和局部控制三個原則。 10. 在田間試驗中，設(shè)置區(qū)組的主要作用是

6、進行局部控制。 11. 如果處理內(nèi)數(shù)據(jù)的標準差或全距與其平均數(shù)大體成比例，或者效應為相乘性，則在進行方差分析之前，須作數(shù)據(jù)轉(zhuǎn)換。其數(shù)據(jù)轉(zhuǎn)換的方法宜采用：　對數(shù)轉(zhuǎn)換　 12. 對于百分數(shù)資料，如果資料的百分數(shù)有小于30%或大于70%的，則在進行方差分析之前，須作數(shù)據(jù)轉(zhuǎn)換。其數(shù)據(jù)轉(zhuǎn)換的方法宜采用：　反正弦轉(zhuǎn)換（角度轉(zhuǎn)換）　 13. 樣本平均數(shù)顯著性檢驗接受或否定假設(shè)的根據(jù)是：小概率事件實際不可能性原理。 14. 從總體中抽取的樣本要具有代表性，必須是隨機抽取的樣本。 15. 為了由樣本推論總體，樣本應該是：從總體中隨機地抽取的一部分。 16. 如要更精細地測定土壤差異程度，并為試驗設(shè)計

7、提供參考資料，則宜采用：空白試驗。 17. 當總體方差為末知，且樣本容量小于30，但可假設(shè)＝＝（兩樣本所屬的總體方差同質(zhì)）時，作平均數(shù)的假設(shè)檢驗宜用的方法為：t檢驗。 18. 因素內(nèi)不同水平使得試驗指標如作物性狀、特性發(fā)生的變化，稱為：效應。 19. 田間試驗要求各處理小區(qū)作隨機排列的主要作用是：獲得無偏的誤差估計值。 20. 正態(tài)分布曲線與軸之間的總面積為：等于1。 21. 確定分布偏斜度的參數(shù)為：自由度。 22. 選擇多重比較的方法時，如果試驗是幾個處理都只與一個對照相比較，則應選擇：LSD法。 23. 用最小顯著差數(shù)法作多重比較時，當兩處理平均數(shù)的差數(shù)大于LSD0.01時，

8、推斷兩處理間差異為：極顯著。 24. 要比較不同單位，或者單位相同但平均數(shù)大小相差較大的兩個樣本資料的變異度宜采用：變異系數(shù)（CV）。 25. 選擇多重比較方法時，對于試驗結(jié)論事關(guān)重大或有嚴格要求的試驗，宜用：q檢驗。 26. 順序排列設(shè)計的主要缺點是：估計的試驗誤差有偏性。 27. 田間試驗貫徹以區(qū)組為單位的局部控制原則的主要作用是：更有效地降低試驗誤差。 28. 拉丁方設(shè)計最主要的優(yōu)點是：精確度高、控制來自兩個方面的系統(tǒng)誤差。 29. 若要控制來自兩個方面的系統(tǒng)誤差，在試驗處理少的情況下，可采用：拉丁方設(shè)計 30. 連續(xù)性變數(shù)資料制作次數(shù)分布表在確定組數(shù)和組距時應考慮： （

9、1）極差的大小；（2）觀察值個數(shù)的多少；（3）便于計算；（4）能反映出資料的真實面貌。 31. 某蔗糖自動打包機在正常工作狀態(tài)時的每包蔗糖重量具Ｎ（100，2）。某日抽查10包，得＝101千克。問該打包機是否仍處于正常工作狀態(tài)？此題采用：（1）兩尾檢驗；（2）u檢驗。 32. 下列田間試驗設(shè)計方法中，僅能用作多因素試驗的設(shè)計方法有：（1）裂區(qū)設(shè)計；（2）再裂區(qū)設(shè)計。 33. 對于對比法和間比法設(shè)計的試驗結(jié)果，要判斷某處理的生產(chǎn)力確優(yōu)于對照，其相對生產(chǎn)力一般至少應超過對照：10%以上。 34. 次數(shù)資料的統(tǒng)計分析方法有：（1）檢驗法；（2）二項分布的正態(tài)接近法。 35. 算術(shù)平均數(shù)的

10、重要特征是: （1）＝0；（2）＜∑，（a≠）。 36. 為了有效地做好試驗，使試驗結(jié)果能在提高農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)科學的水平上發(fā)揮應有的作用，對田間試驗的基本要求是：（1）試驗的目的性要明確（目的性）；（2）試驗的結(jié)果要可靠（可靠性）；（3）試驗條件要有代表性（代表性）；（4）試驗結(jié)果要能夠重復（重演性）。 37. 表示變異度的統(tǒng)計數(shù)最常用的有：（1）極差；（2）方差；（3）標準差；（4）變異系數(shù)。 38. 試驗某生長素對小麥苗發(fā)育的效果，調(diào)查得未用生長素處理和采用生長素處理的苗高數(shù)據(jù)各10個。試檢驗施用生長素的苗高至少比未用生長素處理的苗高2cm的假設(shè)。此題應為：（1）檢驗；（2）一尾檢驗

11、。 39. 確定試驗重復次數(shù)的多少應根據(jù)：（1）試驗地的面積及小區(qū)的大?。唬?）試驗地土壤差異大?。唬?）試驗所要求的精確度；（4）試驗材料種子的數(shù)量。 40. 對單因素拉丁方試驗結(jié)果資料方差分析時，變異來源有：（1）總變異；（2）行區(qū)組間變異；（3）列區(qū)組間變異；（4）處理間變異；（5）試驗誤差。 41. 在方差分析Ｆ檢驗中，（1）當實得Ｆ小于Ｆ0.05，應接受Ｈo（無效假設(shè)），認為處理間差異不顯著；（2）當實得Ｆ大于Ｆ0.05，應否定Ｈo（無效假設(shè)），接受ＨA（備擇假設(shè)）認為處理間差異顯著；（3）當實得Ｆ大于Ｆ0.01，應否定Ｈo（無效假設(shè)），接受ＨA（備擇假設(shè)）認為處理間差異極顯著

12、。 42. 在試驗中重復的主要作用是估計試驗誤差和降低試驗誤差。 43. 自由度的統(tǒng)計意義是指樣本內(nèi)能自由變動的觀察值個數(shù)。 44. 數(shù)據(jù) 3、1、3、1、2、3、4、5 的算術(shù)平均數(shù)是 2.75 　 ，中數(shù)是 3 。 45. 一般而言，在一定范圍內(nèi)，增加試驗小區(qū)的面積，試驗誤差將會降低。 46. 若算出簡單相差系數(shù)大于1時，說明：計算中出現(xiàn)了差錯。 47. 檢驗回歸和相關(guān)顯著性的最簡便的方法為：直接按自由度查相關(guān)系數(shù)顯著表。 48. 對于同一資料來說，線性回歸的顯著性和線性相關(guān)的顯著性：一定等價。 49. 在＝a+bx方程中，b的意義是x每增加一個單位，平均地將要

13、增加或減少的單位數(shù)。 50. 田間試驗可按因素的多少分為單因素試驗和多因素試驗。 51. 卡平方檢驗的連續(xù)性矯正的前提條件是自由度等于1。 52. 從一個正態(tài)總體中隨機抽取的樣本平均數(shù)，理論上服從正態(tài)分布。 53. 在一定的概率保證下，估計參數(shù)可能出現(xiàn)的范圍和區(qū)間，稱為置信區(qū)間（置信距）。 54. 在擬定試驗方案時，必須在所比較的處理之間應用唯一差異的原則。 55. 在多重比較中，當樣本數(shù)大于等于3時，t檢驗，SSR檢驗、q檢驗的顯著尺度q檢驗最高，t檢驗最低。 56. 試驗資料按所研究的性狀、特性可以分為數(shù)量性狀和質(zhì)量性狀資料。 57. 樣本可根據(jù)樣本容量的多少為：大樣本、小

14、樣本，樣本容量n>30的樣本稱為大樣本，將樣本容量n≤30的樣本稱為小樣本。 58. 樣本容量（sample size）：樣本所包含的個體數(shù)目稱為樣本容量，常記為n。通常將樣本容量n >30的樣本稱為大樣本，將樣本容量n≤30的樣本稱為小樣本。 59. 小區(qū)的形狀有長方形、正方形。一般采用長方形小區(qū)，小區(qū)的長寬比依試驗地形狀、面積及小區(qū)多少、大小而定，一般以3:1至5:1為宜。 60. 在邊際效應受重視的試驗中，方形小區(qū)是有利的，因為就一定的小區(qū)面積來講，方形小區(qū)具有最小的周長，使受到影響的植株最少。 61. 兩個變數(shù)的相關(guān)系數(shù)為0.798，對其進行假設(shè)檢驗時，已知＝0.798，那么在

15、1％水平上這兩個變數(shù)的相關(guān)極顯著。 62. 試驗方案試驗計時，一般要遵循以下原則：　明確的目的性　、　嚴密的可比性　和　試驗的高效性　。 63. 試驗誤差分為系統(tǒng)誤差和隨機誤差，一般所指的試驗誤差為隨機誤差。 64. 試驗誤差：使觀察值偏離試驗處理真值的偶然影響稱為試驗誤差或誤差。 65. 試驗指標：衡量試驗處理效果的標準稱為試驗指標（experimental index），簡稱指標（index）。在田間試驗中，用作衡量處理效果的具體的作物性狀即為指標，例如產(chǎn)量、株高等。 66. 準確性(accuracy)與精確性(precision) 統(tǒng)計工作是用樣本的統(tǒng)計數(shù)來推斷總體參數(shù)。用統(tǒng)

16、計數(shù)接近參數(shù)真值的程度，來衡量統(tǒng)計數(shù)準確性的高低，用樣本中的各個變量間變異程度的大小，來衡量該樣本精確性的高低。因此，準確性不等于精確性。準確性是說明測定值對真值符合程度的大小，而精確性則是多次測定值的變異程度。 　?。蚀_性(accuracy)也叫準確度，指在試驗中某一試驗指標或性狀的觀測值與其真值接近的程度。設(shè)某一試驗指標或性狀的真值為μ，觀測值為 x，若 x與μ相差的絕對值|x－μ|小，則觀測值x的準確性高；反之則低。 精確性(precision)也叫精確度，指試驗中同一試驗指標或性狀的重復觀測值彼此接近的程度。若觀測值彼此接近，即任意二個觀測值xi 、xj 相差的絕對值|xi －x

17、j|小，則觀測值精確性高；反之則低。試驗的準確性、精確性合稱為正確性。由于真值μ常常不知道，所以準確性不易度量，但利用統(tǒng)計方法可度量精確性。） 67. 描述總體的特征數(shù)叫：參數(shù)，用希臘字母表示；描述樣本的特征數(shù)叫：統(tǒng)計數(shù)，用拉丁字母表示。 68. 參數(shù)與統(tǒng)計數(shù)　參數(shù)：由總體的全部觀察值計算得的總體特征為參數(shù)，它是該總體真正的值，是固定不變的，總體參數(shù)不易獲得，通常用統(tǒng)計數(shù)來估計參數(shù)。統(tǒng)計數(shù)：由標本觀察值計算得到的樣本特征數(shù)為統(tǒng)計數(shù)，它因樣本不同常有變動。它是估計值，根據(jù)樣本不同而不同。 69. 試驗因素：試驗因素（experimental factor）指試驗中能夠改變，并能引起試驗指標

18、發(fā)生變化，而且在試驗中需要加以考察的各種條件，簡稱因素或因子（factor）。 70. 因素水平（factor level）： 對試驗因素所設(shè)定的量的不同級別或質(zhì)的不同狀態(tài)稱為因素的水平，簡稱水平。 71. 試驗處理（experimental treatment）： 事先設(shè)計好的實施在試驗單位上的具體項目叫試驗處理，簡稱處理。在單因素試驗中，實施在試驗單位上的具體項目就是試驗因素的某一水平，故對單因素試驗時，試驗因素的一個水平就是一個處理。在多因素試驗中，實施在試驗單位上的具體項目是各因素的某一水平組合，所以，在多因素試驗時，試驗因素的一個水平組合就是一個處理。 72. 處理效應（tre

19、atment effect）：是處理因素作用于受試對象的反應，是研究結(jié)果的最終體現(xiàn)。 73. 試驗效應（experiment effect）：試驗因素對試驗指標所起的增加和減少的作用。 74. 簡單效應（simple effect）：同一因素內(nèi)兩種水平間試驗指標的差數(shù)。例如，某水稻品種施肥量試驗，每667m2施氮10kg，得產(chǎn)量為350kg,每667m2施氮15kg，得產(chǎn)量為450kg；則在每667m2施氮10kg的基礎(chǔ)上增施5kg的效應即為450－350＝100（kg/667m2)就是簡單效應。在多因素試驗中，一個因素的水平相同，另一因素不同水平間的試驗指標差異仍屬簡單效應。如表1.1I

20、中18－10＝8就是同一N1水平時P2與P1間的簡單效應。 75. 主要效應(main effect) ：一個因素內(nèi)各簡單效應的平均數(shù)，又稱平均效應，簡稱主效。如表1.1II中N的主效為（6＋10)/2=8，這個值也是二個N水平平均數(shù)的差數(shù)，即22-14=8；P的主效為(8+12)/2=10，也是二個P水平平均數(shù)的差數(shù)，即23-13=10。 76. 交互作用 (interaction effect) ： 兩個因素簡單效應間的平均差異稱為交互作用效應，簡稱互作。它反映一個因素的各個水平在另一因素的不同水平中反應不一致的現(xiàn)象。在表1.1II中，交互作用為(12-8)/2=2，或為(10-6)/

21、2=2，這種互作稱為正互作。在表1.1III中，交互作用為(4-8)/2=-2，或為(2-6)/2=-2，這種互作稱為負互作。 因素間的交互作用只有在多因素試驗中才能反映出來?；プ黠@著與否關(guān)系到主效的實用性。若交互作用不顯著，則各因素的效應可以累加，主效就代表了各個簡單效應。 兩個因素間的互作稱為一級互作（first order interaction)。一級互作易于理解，實際意義明確。三個因素間的互作稱為二級互作(second order interaction)，余類推。二級以上的高級互作較難理解，實際意義不大，一般不予考慮。 表1.1　2×2試驗數(shù)據(jù)（解釋各種效應） 試驗 因素

22、 N（氮肥） 解釋 I P (磷肥) 水平 N1 N2 平均 N2－N1 互作為0， 即沒有互作， P1 10 16 13 6 P2 18 24 21 6 平均 14 20 6 P2－P1 8 8 8 0,0/2＝0 II P (磷肥) 水平 N1 N2 平均 N2－N1 互作為2， 即有互作，且為正互作，說明P2－P1在N2時比在N1時增產(chǎn)幅度大。 P1 10 16 13 6 P2 18 28 23 10 平均 14 22 8 P2－P1 8 12 10 4,4/2

23、＝2 III P (磷肥) 水平 N1 N2 平均 N2－N1 P1 10 16 13 6 互作為-2， 即有互作，且為負互作，說明P2－P1在N2時比在N1時增產(chǎn)幅表現(xiàn)減少。 P2 18 20 19 2 平均 14 18 4 P2－P1 8 4 6 -4,-4/2＝-2 Ⅳ 水平 N1 N2 平均 N2－N1 互作為-5， 即有互作，且為負互作，說明P2－P1在N2時比在N1時增產(chǎn)幅表現(xiàn)大大減產(chǎn)。 P1 10 16 13 6 P2 18 14 16 -4 平均 14 15 1

24、P2－P1 8 -2 3 -10,-10/2＝-5 77. 效應與互作（對效應、互作的進一步解釋和理解）： （1）效應：試驗因素對試驗指標所起的增加或減少的作用稱為試驗效應(experimental effection)，簡稱效應。例如，不同品種的玉米產(chǎn)量不同。又如，某水稻品種施肥量試驗，每667m2施氮10kg，單產(chǎn)為350kg/667m2，每667m2施氮15kg，單產(chǎn)為450kg/667m2；則在每667m2施氮10kg的基礎(chǔ)上增施5kg的簡單效應為450-350=)100(kg/667m2)。 （2）互作：互作(interaction)，也稱連應，是指兩個或兩個以

25、上處理因素間的相互作用產(chǎn)生的效應。有些試驗中，不僅因素對指標有影響，而且因素間還會有聯(lián)合搭配對指標產(chǎn)生影響，這種聯(lián)合搭配作用就是交互作用。如果氮、磷肥共施的產(chǎn)量效應大于氮、磷單施效應之和，說明氮、磷互作為正效應。例如，在農(nóng)作物施肥試驗中，在單位面積上單施氮肥（N）5kg，能使該農(nóng)作物增產(chǎn)25kg，單施磷肥（P）3kg，能增產(chǎn)15kg，若同時施氮肥5kg和 磷肥3kg，似乎是增產(chǎn)25+15=40kg，但實際增產(chǎn)了85kg，這說明氮肥和磷肥除本身作用外，還有一種聯(lián)合作用，我們習慣說N和P有交互作用，記作N×P，在這里N×P是起加強作用，其大小是：85-(15+25)=45kg。 如果氮、磷共施的

26、產(chǎn)量效應小于氮、磷單施效應之和，說明氮、磷互作為負效應，但實際上氮、磷肥共施的產(chǎn)量效應大于氮、磷單施效應之和。 78. 試驗小區(qū)（experimental plot）：安排一個試驗處理的小塊地段稱為試驗小區(qū)，簡稱小區(qū)。 79. 試驗單位（experimental unit）：亦稱試驗單元，是指施加試驗處理的材料單位。這個單位可以是一個小區(qū)，也可以是一穴、一株、一穗、一個器官等。 80. 總體（population）：根據(jù)試驗研究目的確定的研究對象的全體稱為總體(population)，其中的一個研究單位稱為個體(individual)。個體是統(tǒng)計研究中的最基本單位，根據(jù)研究目的，它可以是

27、一株植物，一個稻穗，也可以是一種作物，一個作物品種等。 81. 有限總體（finite population）與無限總體（infinite population）：包含無窮多個個體的總體稱為無限總體；包含有限個個體的總體稱為有限總體。 82. 樣本（sample）：從總體中抽取的一部分供觀察測定的個體組成的集合，稱為樣本。 83. 觀測值（observation） 對樣本中各個體的某種性狀、特性加以考察，如稱量、度量、計數(shù)或分析化驗所得的結(jié)果稱為觀測值。 84. 區(qū)組：將整個試驗環(huán)境分成若干個最為一致的小環(huán)境，稱為區(qū)組。 85. 回歸: 回歸（regression）是指由一個（或多個

28、）變量的變異來估測另一個變量的變異。 86. 相關(guān): 相關(guān)（correlation）是指兩個變量間有一定的關(guān)聯(lián)，一個性狀的變化必然會引起另一性狀的變化。 87. 無效假設(shè)與備擇假設(shè) 無效假設(shè)：無效假設(shè)或零假設(shè)（null hypothesis），意味著，所要比較的兩個總體平均數(shù)之間沒有差異，記為H0：。所謂“無效”意指處理效應與總體參數(shù)之間沒有真實的差異，試驗結(jié)果中的差異乃誤差所致，即假設(shè)處理沒有效應。 備擇假設(shè)：備擇假設(shè)（alternative hypothesis）是在無效假設(shè)被否定時，準備接受的假設(shè)，記為HA：或。 88. 樣本標準誤：樣本標準誤是平均數(shù)抽樣誤差的估計值。 8

29、9. 唯一差異原則：為保證試驗結(jié)果的嚴格可比性，在試驗中進行處理間比較時，除了處理因素設(shè)置不同的水平外，其余因素或其他所有條件均應保持一致，以排除非試驗因素對試驗結(jié)果的干擾，才能使處理間的比較結(jié)果可靠。 90. 小概率原理：在統(tǒng)計學上，把小概率事件在一次試驗中看成是實際上不可能發(fā)生的事件稱為小概率事件實際上不可能性原理，亦稱為小概率原理。 91. 簡述田間試驗設(shè)計的基本原則和作用？ （1） 重復　在試驗中，同一處理設(shè)置的試驗單位數(shù)稱為重復。重復的作用： ①估計試驗誤差；②降低試驗誤差。 （2） 隨機　隨機排列是指試驗中的每一處理都有同等機會設(shè)置在一個重復中的任何一個試驗小區(qū)上。 （

30、3） 局部控制　將整個試驗環(huán)境或試驗單位分成若干個小環(huán)境或小組，在小環(huán)境或小組內(nèi)使非處理因素盡可能一致，實現(xiàn)試驗條件的局部一致性，這就是局部控制。由于小環(huán)境間的變異可通過方差分析剔除，因而局部控制可以最大程度了降低試驗誤差。（在田間試驗設(shè)計中局部控制可通過劃分區(qū)組實現(xiàn)。將整個試驗環(huán)境分解成若干個相對一致的小環(huán)境，稱為區(qū)組。）　　　 92. 隨機區(qū)組設(shè)計的主要優(yōu)點：（1）設(shè)計簡單，容易掌握；（2）靈活性大，單因素、多因素以及綜合性試驗都可以采用；（3）符合試驗設(shè)計的三原則，能提供無偏的誤差估計，能有效地減少單向的土壤肥力差異對試驗的影響，降低試驗誤差，提高試驗的精確度；（4）對試驗地的形狀和大

31、小要求不嚴，必要時不同區(qū)組可以分散設(shè)置在不同的田塊或地段上；（5）易于分析，當因某種偶然事故而損失某一處理或區(qū)組時，可以除去該處理或區(qū)組進行分析。 93. 簡述拉丁方設(shè)計的特點及優(yōu)缺點 拉丁方設(shè)計具有三個特點：一是，試驗的處理數(shù)=重復數(shù)=行區(qū)組數(shù)=列區(qū)組數(shù)；二是每一行和每一列都包括全部處理，形成一個完全區(qū)組；三是所有處理在行和列中都進行隨機排列。 　　拉丁方設(shè)計的優(yōu)點：由于每一行和每一列都形成一個區(qū)組，因此拉丁方設(shè)計具有雙向的局部控制功能，可以從兩個方向消除試驗環(huán)境條件的影響，具有較高的精確性。 拉丁方設(shè)計的缺點：（1）由于重復數(shù)等于處理數(shù)，故處理不能太多，否則橫行區(qū)組、直列區(qū)

32、組占地過大，試驗效率不高，一般常用于5～8個處理的試驗。（2）田間布置時，不能將橫行區(qū)組和直列區(qū)組分開設(shè)置，要求有整塊方形的試驗地，缺乏隨機區(qū)組設(shè)計的靈活性。 94. 標準差：統(tǒng)計學上把方差或均方的平方根取正根的值稱為標準差（standard deviation）。標準差，能度量資料的變異程度，反映平均數(shù)的代表性優(yōu)劣。標準差（方差）大，說明資料變異大，平均數(shù)代表性差；反之，說明資料的變異小，平均數(shù)的代表性好。 95. 標準差定義、意義及計算公式 統(tǒng)計學上把方差或均方的平方根取正根的值稱為標準差（標準偏差）（standard deviation）。 　　用平均數(shù)作為樣本的代表，其代表性的

33、強弱受樣本中各觀測值變異程度的影響。如果各觀測值變異小，則平均數(shù)的代表性強；如果各觀測值變異大，則平均數(shù)代表性弱。 標準差的大小，受多個觀測值的影響，如果觀測值與觀測值間差異大，其離均差也大，因而標準差也大，反之則小。所以，樣本標準差（S）是反映樣本中各觀測值x1，x2,…,xn變異程度大小的一個指標，它的大小說明了平均數(shù)對該樣本代表性的強弱。標準差小，說明觀測值變異小，變量的分布比較密集在平均數(shù)附近，則平均數(shù)的代表性強；反之，標準差大，說明觀測值變異大，變量的分布比較離散，則平均數(shù)的代表性弱。 標準差（標準偏差）的計算公式： 96. 某樣本的方差越大，則其觀察值之間的變異就越大。 9

34、7. 標準差為方差或均方的平方根，用以表示資料的變異度，其單位與觀察值的度量單位相同。 98. 試驗誤差有哪幾方面的來源？控制試驗誤差的途徑有哪些？ （1）田間試驗誤差的來源 為了有針對性地控制和降低試驗誤差，應充分了解試驗 誤差的來源。在田間試驗中，試驗誤差的來源可以概括為以下幾個方面。 ① 試驗材料本身所存在的差異 田間試驗的供試材料通常是作物或其他生物，它們在遺傳及生長發(fā)育等方面往往會存在一定差異，如試驗所用的作物品種基因型不純，種子大小和生活力不一致，秧苗的長勢長相等素質(zhì)有差異，均可對試驗結(jié)果產(chǎn)生一定影響而導致誤差的出現(xiàn)。 ② 試驗操作和田間管理技術(shù)的不一致所引起的差異

35、 作為試驗材料的作物在田間生長周期較長，在試驗過程中各個管理環(huán)節(jié)的任何疏忽，都會對作物的生長發(fā)育產(chǎn)生影響，增加試驗誤差。例如試驗過程中的整地、播種、施肥、中耕除草、灌溉、收獲等操作與管理技術(shù)在時間上、質(zhì)量上不完全一致，對作物性狀觀察記載和測定時間、標準、人員以及所用儀器或工具等的不一致，均會增加試驗誤差。 ③ 環(huán)境條件的差異 各種環(huán)境條件對試驗各處理單元不一致的影響，均會導致試驗誤差的增加。田間試驗中環(huán)境條件的差異主要是指試驗地的土壤差異和肥力不勻所導致的差異，這是普遍存在、影響最大而又最難以控制的。其他還有病蟲害侵襲、人畜踐踏、風雨影響等，都具有隨機性，各處理所受影響也不盡相同，而且這些影

36、響的出現(xiàn)與影響程度是難以預測，難以有針對性地予以控制。 （2）田間試驗誤差的控制途徑 為了提高試驗結(jié)果的正確性，獲得可靠的試驗結(jié)論，必須嚴格控制試驗誤差。控制試驗誤差就是要根據(jù)試驗誤差的來源，采取相應的措施來避免或減少誤差因素對試驗結(jié)果的影響。 ① 選擇同質(zhì)一致的試驗材料 田間試驗中供試作物品種的基因型必須要求同質(zhì)一致，即選擇純度一致、來源相同的作物種子。試驗中需育苗移栽或扦插的，秧苗生長發(fā)育應一致，大小、壯弱不同的秧苗應分級，將同一規(guī)格的秧苗安排在同一區(qū)組的各處理小區(qū)，或?qū)⒏骷壯砻绨幢壤峙浣o各處理小區(qū)，從而減少試驗材料帶來的差異。 ② 改進操作管理技術(shù)，使之標準化 在田間試驗整

37、個過程中，要嚴格執(zhí)行各項技術(shù)規(guī)程，各種操作管理技術(shù)對所有處理應做到盡可能一致。 ③控制引起差異的主要外界因素 田間試驗引起誤差的主要外界因素是土壤差異。如果能夠有效地控制土壤差異，減少土壤差異對試驗處理的影響，就能有效地降低田間試驗誤差，提高試驗的精確性?？刂仆寥啦町惖闹饕胧┮话阌校?a)選擇土壤質(zhì)地和肥力均勻的試驗地；(b)采用適當?shù)男^(qū)技術(shù)；(c)應用正確的試驗設(shè)計和相應的統(tǒng)計分析。 99. [例]　6個毛豆品種患莖癌腫病的病株百分率（已經(jīng)過反正弦轉(zhuǎn)換的結(jié)果）如下表，試對這一隨機區(qū)組試驗的結(jié)果進行方差分析。 原始資料經(jīng)反正弦轉(zhuǎn)換后的θ值（度） 品　種 區(qū)　組 Ｔt

38、Ⅰ Ⅱ Ⅲ Ⅳ A 26.1 32.7 5.7 14.7 79.2 19.800 B 18.5 36.1 22.0 13.7 90.3 22.575 C 30.1 37.2 28.9 21.1 117.3 29.325 D 22.0 33.3 15.6 17.4 88.3 22.075 E 10.5 36.8 6.0 8.1 61.4 15.350 F 10.1 18.1 5.7 5.7 39.6 9.900 Ｔr 117.3 194.2 83.9 80.7 Ｔ＝476.1 (一)自由度

39、和平方和的分解 本資料，處理數(shù)k＝6， 區(qū)組數(shù)r＝4，全試驗觀測值個數(shù)rk=24，全試驗觀測值總和T=476.1 ① 自由度的分解 總的 dfT=rk－1＝23　　　　　區(qū)組 dfr=r－1=3　　　　處理 dft=k－1=5 誤差 dfe=dfT－dfr－dft =(rk－1)－(r－1)－(k－1)=(r－1)(k－1)=15 ② 平方和的分解 總的 區(qū)組 品種(處理) 誤差 SSe=SST －SSr－SSt=363.14792 (二) 列方差分析表和Ｆ檢驗 Ｆ檢驗 　　 　 區(qū)組　　　　 品種(處

40、理) 列方差分析表 變 異 來 源 DF SS MS F F0.05 F0.01 區(qū) 組 間 3 1392.80458 464.26819 19.18 3.29 5.42 品 種 間 5 885.62375 177.12475 7.32 2.90 4.56 誤 差 15 363.14792 24.20986 總 變 異 23 2641.57625 Ｆ檢驗說明：區(qū)組間F=19.18＞Ｆ0.01＝5.42差異顯著，說明4個區(qū)組的環(huán)境是有極顯著差異的。因此，在這個試驗中，區(qū)組作為局部控制的一

41、項手段，對于減少誤差相當有效率。品種間F=7.32＞Ｆ0.01＝4.56，說明6個供試品種的總體病株百分率是有顯著差異的。 100. ［例］玉米乳酸菌飲料工藝研究中，進行了加酸量A比較試驗，采用了5種加酸量（k=5）：A1（0.3），A2（0.4），A3（0.5），A4（0.6），A5（0.7），5次重復（r=5）（分別由5個操作人員分別完成，以操作人員為區(qū)組），隨機區(qū)組設(shè)計。試驗的感官評分結(jié)果見下表。試進行方差分析。 加酸量 區(qū)組 Tt Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ A1 77 74 63 70 74 358.0 71.60 A2 81 80 82

42、 81 79 403.0 80.60 A3 91 94 93 96 90 464.0 92.80 A4 85 81 86 83 82 417.0 83.40 A5 81 75 64 74 79 373.0 74.60 Tr 415.0 404.0 388.0 404.0 404.0 T=2015.0 經(jīng)計算得下列方差分析表： 方差分析表 變異來源 自由度DF 平方和SS 均方MS Ｆ P概率 臨界Ｆ0.05 臨界Ｆ0.01 區(qū)組間 4 74.40000 18

43、.60000 1.14 0.3735 3.01 4.77 處理間 4 1368.40000 342.10000 20.96 0.0001 3.01 4.77 誤 差 16 261.20000 16.32500 總變異 24 1704.00000 F檢驗說明： 多重比較： 平均數(shù)標準誤 = 最小顯著極差 誤差自由度dfe=16 新復極差檢驗的最小顯著極差 秩次距P 2 3 4 5 SSR0.05 3.00 3.14 3.24 3.30 SSR0.01 4.13

44、4.31 4.42 4.51 LSR0.05 LSR0.01 多重比較結(jié)果（新復極差法，SSR法） 處理 均值() 差 異 顯 著 性 5％ 1％ A3 92.8 A4 83.4 A2 80.6 A5 74.6 A1 71.6 試驗結(jié)果表明： 100.題答案： F檢驗說明：因區(qū)組間F=1.14＜Ｆ0.05=3.01，P＝0.3735＞，故區(qū)組間差異不顯著。因處理間F=20.96＞Ｆ0.01=4.77，P＝0.0001＜，故處理間差異極顯著。 多重比較

45、： 平均數(shù)標準誤 =1. 最小顯著極差 誤差自由度dfe=16 新復極差檢驗的最小顯著極差 秩次距P 2 3 4 5 SSR0.05 3.00 3.14 3.24 3.30 SSR0.01 4.13 4.31 4.42 4.51 LSR0.05 5.4208 5.6738 5.8545 5.9629 LSR0.01 7.4626 7.7879 7.9866 8.1493 多重比較結(jié)果（新復極差法，SSR法） 處理 均值() 差 異 顯 著 性 5％ 1％ A3 92.8 a

46、A A4 83.4 b B A2 80.6 b BC A5 74.6 c CD A1 71.6 c D 試驗結(jié)果表明： 處理A3的均值最高，極顯著高于A4、A2、A5、A1；處理A4極顯著高于A5、A1；處理A2極顯著高于A1，顯著高于A5；處理A4、A2間差異不顯著；處理A5、A1間差異不顯著。 101. 一些夏季害蟲盛發(fā)期的早遲和春季溫度高低有關(guān)。江蘇武進縣測定1956～1964年間，3月下旬至4月中旬，旬平均溫度累積值（x，單位：旬·度）和一代三化螟蛾盛發(fā)期（y，以5月10 日為0）的關(guān)系于下表。 累積溫和一代三化螟蛾盛發(fā)期的關(guān)系 x（累積溫）

47、 35.5 34.1 31.7 40.3 36.8 40.2 31.7 39.2 44.2 y（盛發(fā)期） 12 16 9 2 7 3 13 9 －1 經(jīng)計算得：a =48.5493；　　b =－1.0996；　　r =－0.837 （1）計算相關(guān)系數(shù)和決定系數(shù)，對相關(guān)系數(shù)進行檢驗，并說明相關(guān)系數(shù)的意義。（r0.01, 7＝0.798） （2）若相關(guān)顯著，試建立回歸方程，并說明其實際意義。在應用回歸方程進行預測時，給出x取值的限定區(qū)間。 （3）用一元線性回歸方程：=a+b預測一代三化螟盛發(fā)期，即用x（累積溫度）

48、預測一代三化螟盛發(fā)期。 101.題答案： （1）計算相關(guān)系數(shù)，對相關(guān)系數(shù)進行檢驗，并說明相關(guān)系數(shù)的意義。（r0.01, 7＝0.798） r=－0.837 因?qū)嵉茫緍0.01, 7＝0.798，則相關(guān)極顯著。 計算結(jié)果r=－0.837，說明當3月下旬至4月中旬的積溫與一代三化螟盛發(fā)期間存在極顯著的相關(guān)關(guān)系，即在x變數(shù)的取值區(qū)間[31.7，44.2]范圍內(nèi)隨著積溫的增加盛發(fā)期提早到來。 （2） 若相關(guān)顯著，試建立回歸方程，并說明其實際意義。在應用回歸方程進行預測時，給出x取值的限定區(qū)間。 由于積溫與盛發(fā)期相關(guān)極顯著，說明直線回歸關(guān)系也極顯著，故可建立直線回歸方程

49、。 =48.5493－1.0996 　方程的實際意義：說明當3月下旬至4月中旬的積溫每提高1旬·度時一代三化螟蛾盛發(fā)期將提早1.1天（1.0996天）到來，此規(guī)律只適于x變數(shù)的實際區(qū)間[31.7，44.2]；若欲在x＜31.7或x＞44.2外延，則必須要有新的試驗依據(jù)。 （3）用一元線性回歸議程：=48.5493－1.0996預測一代三化螟盛發(fā)期，即用x（累積溫度）預測一代三化螟盛發(fā)期。 若當x＝35， =10，則一代三化螟盛發(fā)期的點估計值在5月20日； 當x＝40， =4.6，則一代三化螟盛發(fā)期的點估計值在5月14～15日。 盛發(fā)期x 5月10 5月11 5月12 5

50、月13 5月14 5月15 5月16 5月17 5月18 5月19 5月20 5月21 5月22 5月23 5月24 y 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 102. [例]　6個毛豆品種患莖癌腫病的病株百分率（已經(jīng)過反正弦轉(zhuǎn)換的結(jié)果）如下表，試對這一隨機區(qū)組試驗的結(jié)果進行方差分析。 原始資料經(jīng)反正弦轉(zhuǎn)換后的θ值（度） 品　種 區(qū)　組 Ｔt Ⅰ Ⅱ Ⅲ Ⅳ A 26.1 32.7 5.7 14.7 79.2 19.800 B 18.5 36.1 22.0

51、13.7 90.3 22.575 C 30.1 37.2 28.9 21.1 117.3 29.325 D 22.0 33.3 15.6 17.4 88.3 22.075 E 10.5 36.8 6.0 8.1 61.4 15.350 F 10.1 18.1 5.7 5.7 39.6 9.900 Ｔr 117.3 194.2 83.9 80.7 Ｔ＝476.1 經(jīng)計算得以下結(jié)果： 列方差分析表 變 異 來 源 DF SS MS F F0.05 F0.01 區(qū) 組 間 3 1392.804

52、58 464.26819 19.18 3.29 5.42 品 種 間 5 885.62375 177.12475 7.32 2.90 4.56 誤 差 15 363.14792 24.20986 總 變 異 23 2641.57625 Ｆ檢驗說明： 多重比較： 平均數(shù)標準誤= 最小顯著極差 誤差自由度dfe=16 品種新復極差檢驗的最小顯著極差 P 2 3 4 5 6 SSR0.05 3.01 3.16 3.25 3.31 3.36 SSR0.01 4.

53、17 4.37 4.50 4.58 4.64 LSR0.05 LSR0.01 品種病株率的新復極差檢驗 品種 病株百分率 差 異 顯 著 性 5％ 1％ C 29.325 B 22.575 D 22.075 A 19.800 E 15.350 F 9.900 多重比較結(jié)果表明： 102.題答案： 經(jīng)計算得以下結(jié)果： 列方差分析表 變 異 來 源 DF SS MS F F0.05 F0.01 區(qū) 組 間

54、3 1392.80458 464.26819 19.18 3.29 5.42 品 種 間 5 885.62375 177.12475 7.32 2.90 4.56 誤 差 15 363.14792 24.20986 總 變 異 23 2641.57625 Ｆ檢驗說明：區(qū)組間F=19.18＞Ｆ0.01＝5.42差異顯著，說明4個區(qū)組的環(huán)境是有極顯著差異的。因此，在這個試驗中，區(qū)組作為局部控制的一項手段，對于減少誤差相當有效率。品種間F=7.32＞Ｆ0.01＝4.56，說明6個供試品種的總體病株百分率是有顯著

55、差異的。 多重比較： 平均數(shù)標準誤 最小顯著極差 誤差自由度dfe=16 品種新復極差檢驗的最小顯著極差 P 2 3 4 5 6 SSR0.05 3.01 3.16 3.25 3.31 3.36 SSR0.01 4.17 4.37 4.50 4.58 4.64 LSR0.05 7.405 7.774 7.996 8.143 8.266 LSR0.01 10.259 10.751 11.071 11.268 11.415 品種病株率的新復極差檢驗 品種 病株百分率 差 異 顯 著 性 5％ 1％ C 29.325 a A B 22.575 ab AB D 22.075 ab AB A 19.800 b ABC E 15.350 bc BC F 9.900 c C 多重比較結(jié)果表明：品種C的病株率最高，極顯著高于E、F，顯著高于A；品種B、D極顯著高于F；品種A顯著高于F；品種C、B、D間差異不顯著；品種B、D、A、E間差異不顯著；品種E、F間差異不顯著。 專心---專注---專業(yè)