生物试验设计与统计方法.ppt

生物试验设计与统计方法 主 讲： 李 志 新 2007.3 下一张 主 页 退 出 上一张 本课程的目的和任务 本门课程为农学、作物遗传育种学、植物保护学、生物技术 专 业的专业基础课，是数理统计原理和方法在生物学中的应用 。 其主要目的是培养学生具有生物科学试验设计的能力和对试 验 资料进行统计分析处理的能力。主要任务是： 1、培养学生初步掌握开展生物及农业科学试验的方法。 2、培养学生掌握常用的生物及农业科学试验设计方法和进 行 科学试验设计的能力。 3、培养学生掌握正确收集、整理试验资料的方法。 4、培养学生掌握生物统计基本理论、基本技术和常用方法 ， 能够使用生物统计方法和技术对试验资料进行正确的统计分 析。 5、培养学生掌握必要的计算技术，包括使用电子计算器及 统 计分析软件的方法。 本课程的基本要求 学生学完本课程后，应达到如下要求： 1、掌握正确收集试验数据的方法以及数据资料的整理方法 。 2、掌握数据资料的基本统计分析方法。 3、掌握显著性检验的基本理论和常用方法，能对不同的试 验 资料应用显著性检验方法进行统计分析和处理。 4、掌握相关分析和回归分析的常用统计分析方法。 5、掌握常用抽样调查技术和方法。 6、具备生物及农业科学试验设计的能力，能正确应用试验 设 计方法进行生物及农业科学试验的设计，以及对试验资料进 行 正确的统计分析。 第一章 绪 论 第一节 科学研究与科学试验 一、农业和生物学领域的科学研究 科学研究是人类认识自然、改造自然、服 务社会的原动力。农业和生物学领域的科学 研究推动了人们认识生物界的各种规律，促 进人们发掘出新的农业技术和措施。从而不 断提高农业生产水平，改进人类生存环境。 下一张 主 页 退 出 上一张 自 然 科 学 实验科学：通过周密的实验设计， 解释各种实验现象，探索科学规律 。 理论科学：主要运用推理的方法 二、科学研究的基本方法 （一）科学研究的基本过程 基础性或应用基础性研究在于揭示新的知识、 理论和方法； 应用性研究在于获得某种新的技术或产品。 农业科学领域的研究包括3个环节：（1）对 所研究的命题形成认识或假说；（2）安排相斥性 的试验或抽样调查；（3）根据资料推理，肯定或 否定或修改假说，形成结论或开始新一轮试验以验 证修改完善后的假说。 下一张 主 页 退 出 上一张 二、科学研究的基本方法 （二）科学研究的基本方法 1、选题 明确意义及重要性 2、文献 大厦顶层 3、假说 对象和预期结果之间形成某种见解 或想法。 4、假说的检验 直接或间接检验 5、试验的规划与设计 比较试验；试验结果 的代表性和重演性；唯一差异原则；系统误差和偶 然误差。 下一张 主 页 退 出 上一张 第二节 试验方案 一、试验因素和水平 试验方案（experimental scheme）： 是指根据试验目的与要求而拟定的进行比较 的一组试验处理的总称。 下一张 主 页 退 出 上一张 可变的并设有待比较的一组处理因子称为试验因素 ， 简称因素或因子。 试验因素的量的不同级别或质的不同状态称为水平 。 质量水平：供试材料具有质的区别，试验因素水平 是 定性的。 数量水平：供试材料具有量的不同，试验因素水平 是 定量的。 试验方案按供试因素的多少可区分为单因素试验方 案、 多因素试验等方案。 下一张 主 页 退 出 上一张 1、单因素试验 单因素试验（single factor experiment） 是指整个试验中只比较一个试验因素的不同 水平的试验。单因素试验方案由该试验因素 的所有水平构成。这是最基本、最简单的试 验方案。例如品种比较试验，几个品种就是 几个水平，也即是几个处理。又如施肥量试 验，几种施肥量就是几个水平。几个水平就 构成了试验方案。 下一张 主 页 退 出 上一张 2、多因素试验方案 多因素试验 （multiple factors experiment）是指在同一试验中同时研究两 个或两个以上试验因素的试验。 多因素试验方案由该试验的所有试验因素 的水平组合（即处理）构成。多因素试验方 案分为完全方案和不完全方案两类。 下一张 主 页 退 出 上一张 （1）完全方案 在列出因素水平组合（即处理）时 ，要求每 一个因素的每个水平都要碰见一次，这时，水平组 合（即处理）数等于各个因素水平数的乘积。 例如以3种施肥量对3个品种进行试验。两个因 素分别为施肥量（A）、品种（B）。施肥量（A） 分为 A1、 A2、 A3水平， 品种（B）分为B1、B2、 B3水平 。共有 A1B1、A1B2、A1B3、 A2B1、 A2B2 、 A2B3、 A3B1、 A3B2、A3B3 共33=9 个水平组 合（处理）。这 9个水平组合（处理）就构成了这 两个因素的试验方案。 下一张 主 页 退 出 上一张 根据完全试验方案进行的试验称为全面试验。 全面试验既能考察试验因素对试验指标的影响，也 能考察因素间的交互作用，并能选出最优水平组合 ，从而能充分揭示事物的内部规律。 多因素全面试验的效率高于多个单因素试验的 效率。全面试验的主要不足是，当因素个数和水平 数较多时，水平组合（处理）数太多，以至于在试 验时，人力、物力、财力、场地等都难以承受，试 验误差也不易控制。因而全面试验宜在因素个数和 水平数都较少时应用。 下一张 主 页 退 出 上一张 （2）不完全方案 它是将试验因素的某些水平组合在一起 形成少数几个水平组合。这种试验方案的目 的在于探讨试验因素中某些水平组合的综合 作用，而不在于考察试验因素对试验指标的 影响和交互作用。这种在全部水平组合中挑 选部分水平组合获得的方案称为不完全方案 。根据不完全方案进行的试验称为部分试验 。植物试验的综合性试验 、 正交试验 都属 于部分试验。 下一张 主 页 退 出 上一张 综合性试验是针对起主导作用且相互 关系已基本清楚的因素设置的试验，它的 水平组合就是一系列经过实践初步证实的 优良水平的配套。 正交试验是在全部水平组合中选出有 代表性的部分水平组合设置的试验。 下一张 主 页 退 出 上一张 二、试验指标与效应 用来衡量试验效果的指示性状称试验指标( experimental indicator）。 试验中可以选用单指标也可选用多指标，由专业知 识 对试验要求确定。试验因素对试验指标所起的增加或减 少 的作用称为试验效应 (experimental effect) 。 在同一因素内两种水平间试验指标的相差属简单效 应 (simple effect）。 下一张 主 页 退 出 上一张 表1.1为某豆科植物施用氮（N）、磷（P）的22种处 理组合（N1P1， N1P2， N2P1 ，N2P2 ） 下一张 主 页 退 出 上一张 试验因素N IP水平N1N2平均N1-N2 P11016136 P21824216 平均14206 P2-P188 80,0/2=0 简单效应 平均效应 互作 由表1.1试验结果数据可说明各种效应： （1）一个因素的水平相同，另一因素不同水平 间的产量差异属简单效应。 （2）一个因素内各简单效应的平均数称平均效 应，也称主要效应（main effect）,简称主效。 （3）两个因素简单效应间的平均差异称为交互 作用效应（interaction effect），简称互作。它反 映的是一个因素的各水平在另一因素的不同水平中 反应不一致的现象。 下一张 主 页 退 出 上一张 N1N2 P1 P2 30 20 10 0 N1N2 P1 P2 30 20 10 0 N1N2 P2 P1 30 20 10 0 N1N2 P1 P2 30 20 10 0 图1.1 22试验的图示（解释交互作用 ） 因素间的交互作用只有在多因素试验中才 能反映出来。互作显著与否关系到主效的实 用性。或交互作用不显著，则各因素的效应 可以累加，主效就代表的各个简单效应。在 正互作时，从各因素的最佳水平推论最优组 合，估计值要偏低些，但仍有应用价值。若 为负互作，则根据互作程度大小而有不同情 况。 下一张 主 页 退 出 上一张 三、制订试验方案的要点 1、明确试验目的 2、根据试验的目的，确定试验因素和水平 拟定方案时，在正确掌握生产中存在的问题后 ，对试验目的、任务进行仔细分析，抓住关键，突 出重点。首先要挑选对试验指标影响较大的关键因 素。若只考察一个因素，则可采用单因素试验。若 是考察两个以上因素，则应采用多因素试验。如进 行10个大豆品种的试验，在拟定试验方案时，设置 一个对照品种，得到 一 个 包 含11个处理的单因素 试验方案； 下一张 主 页 退 出 上一张 如果再设置一个密度试验，那么就得到了 不同品种在不同密度下的多个处理组合，则 安排一个二因素试验方案。 应该注意，一个试验中研究的因素不宜过 多，否则处理数太多，试验过于宠大，试验 干扰因素难以控制。凡是能用简单方案的试 验，就不用复杂方案。 各因素水平可根据不同课题、因素的特点 来确定，以使处理的效应容易表现出来。 下一张 主 页 退 出 上一张 （1）水平的数目要适当 水平数目过多，不仅难以反映出各水平间的差 异，而且加大了处理数；水平数太少又容易漏掉 一些好的信息，至使结果分析不全面。 （2）水平间的差异要合理 有些因素在数量等级上只需少量的差异就反 映出不同处理的效应。如饲料中微量元素的添加 等。而有些则需较大的差异才能反应出不同处理 效应来，如饲料用量等。 下一张 主 页 退 出 上一张 3）试验方案中各因素水平的排列要灵活掌握 一般可采用等差法（即等间距法）、等比法和 随机法3种。我们结合玉米诱导培养基添加2,4-D为 例说明。 等差法 是指各相邻两个水平数量之差相等，如 2,4-D各水平的排列为：1mg、3mg、5mg，其中 3mg为中心水平，向上向下都相隔2mg。 等比法 是指各相邻两个水平的数量比值相同， 如2,4-D各水平的排列为1.5mg、3mg、6mg、 12mg,相邻两水平之比为1:2。 下一张 主 页 退 出 上一张 随机法 是指因素各水平随机排列，如2,4-D 水平排列为1mg、5mg、3mg、6mg各水平 的数量无一定关系。 3、试验方案中必须设立作为比较标准的对照 试验的目的就是通过比较来鉴别处理效应 大小、好坏等。为了达到这一目的 ，试验方 案应当包括各试验处理，以及作为比较的对 照 。任何试验都不能缺少对照，否则就不能 显示出试验的处理效果 。 下一张 主 页 退 出 上一张 各个处理可互为对照，不必再设对照。在 对某种作物作生理生化指标检验时，所得数 据是否异常应与作物的正常值作比较，作物 的正常值就是所谓的标准对照。在作物杂交 试验中，要确定杂交优势的大小，必须以亲 本作对照，这就是试验对照。另外，还有一 种自身对照，即处理与对照在同一作物上进 行，如作物用药前与用药后生理指标的比较 等。 下一张 主 页 退 出 上一张 4、试验处理（包括对照）之间应遵 循唯一差异原则 这是指在进行处理间比较时，除了试 验处理不同外，其它所有条件应当尽量一致 或相同，使其具有可比性，才能使处理间的 比较结果可靠。 下一张 主 页 退 出 上一张 5、正确处理试验因素与试验条件的关系 根据互作的概念，在一种条件下某种试 验因子的最优水平，换了条件，便可能不再 是最优水平。 6、多因素试验提供了比单因素试验更多的效 应估计，具有单因素试验无可比拟的优越性 。 下一张 主 页 退 出 上一张 第三节 试验误差及其控制 一、试验数据的误差 通过试验观察或测定获得的试验数据往往含有 误差（error），每次所取样品测定的结果称为 一个观察值（observation） ，以y表示。例如 测定大豆种子蛋白质。理论上大豆种子蛋白质 有一个理论值或真值，以表示，误差用表示 ，则观察值真值误差，即：y= + 下一张 主 页 退 出 上一张 如果大豆种子一部分是在冷库中保存的，一部分 是在常温下保存的，所测得的蛋白质含量是不同的 ，常温下的种子含量会降低，这种种误差是可追溯 原因的，因而对于同一块田地种子，所测的观察值 存在变异，这种变异可归结为两种情况，一种是完 全偶然的，找不出确切原因的，称为偶然误差（ spontaneous error）或随机误差（random error ）；另一种是有原因的称为偏差（bias）或系统误 差(system error). 下一张 主 页 退 出 上一张 若以冷库中保存的大豆作为比较的标准， 其 蛋白质含量的观察值可表示为： yA= + A 在常温下保存的大豆蛋白质含量观察值为: yB= + B+ B A、 B称为偶然误差， B称为偏差或系统误差 二、数据的准确性和精确性 准确性(accuracy)也叫准确度，指在调 查或试验中某一试验指标或性状的观测 值与其真值接近的程度。设某一试验指 标或性状的真值为，观测值为 x，若 x 与相差的绝对值|x|越小， 则观测 值x的准确性高； 反之则低。 下一张 主 页 退 出 上一张 精确性(precision)也叫精确度，指调查或试验中同 一试验指标或性状的重复观测值彼此接近的程度。 若观测值彼此接近，即任意二个观测值xi 、xj 相差 的绝对值|xi xj |越小，则观测值精确性高；反之 则低。 准确性、精确性的意义见图1-2。 调查或试验的准确性、精确性合称为正确性。 下一张 主 页 退 出 上一张 图1.2 由打靶图示试验的准确性和精确性 下一张 主 页 退 出 上一张 在调查或试验中应严格按照调查或试验 计划进行，准确地进行观测记载，力求避免 人为差错，特别要注意试验条件的一致性， 即除所研究的各个处理外，供试植物的初始 条件如品种、生育期、管理措施等应尽量控 制一致，并通过合理的调查或试验设计努力 提高试验的准确性和精确性。 由于真值常常不知道，所以准确性不易 度量，但利用统计方法可度量精确性。 下一张 主 页 退 出 上一张 三、随机误差与系统误差 随机误差 也叫 抽样误差 (samplin