生物统计学第一章绪论.ppt

2020 2 10 1 生物统计学 试验统计方法MethodsofExperimentalStatistic 2020 2 10 2 教材 面向21世纪课程教材主编 盖钧镒 南京农业大学国家大豆改良中心 2020 2 10 3 第一章绪论 科学试验及其误差控制 2020 2 10 4 第一节科学研究与科学试验第二节试验方案第三节试验误差及其控制第四节试验统计学的发展和本课程的主要内容 本章主要内容 2020 2 10 5 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 自然科学 理论科学 推理 演绎 归纳等 实验科学 周密设计实验 2020 2 10 6 农业和生物学领域的包括 农学 园艺 草业 植保 生物技术 农业资源与环境 抽样调查 科学试验 2020 2 10 7 一 科学研究的基本过程 根据本人的观察形成一种认识或假说 根据假说所涉及的内容安排相斥性的试验或抽样调查 根据试验或调查所获的资料进行推理 肯定或否定或修改假说 从而形成结论 二 科学研究的基本过程和方法 形成假说 实验验证 结论 2020 2 10 8 二 科学研究的基本方法 1 选题2 文献3 假说4 假说的检验5 试验的规划与设计 2020 2 10 9 第二节试验方案 一 试验因素与水平二 试验指标与效应三 制订试验方案的要点 2020 2 10 10 一 试验因素与水平 试验方案是根据试验目的和要求所拟进行比较的一组试验处理 treatment 的总称 1 因素 factor 农业与生物学研究中 不论农作物还是微生物 其生长 发育以及最终所表现的产量受多种因素的影响 其中有些属自然的因素 如光 温 湿 气 土 病 虫等 有些是属于栽培条件的 如肥料 水分 生长素 农药 除草剂等 2020 2 10 11 进行科学试验时 必须在固定大多数因素的条件下才能研究一个或几个因素的作用 从变动这一个或几个因子的不同处理中比较鉴别出最佳的一个或几个处理 被变动并设有待比较的一组处理的因子称为试验因素 简称因素或因子 factor 试验因素的量的不同级别或质的不同状态称为水平 level 2020 2 10 12 试验因素水平可以是定性的 如供试的不同品种 具有质的区别 称为质量水平 也可以是定量的 如喷施生长素的不同浓度 具有量的差异 称为数量水平 数量水平不同级别间的差异可以等间距 也可以不等间距 该试验就会有六种水平组合 处理 例如 研究不同品种在不同氮肥施用量下的产量表现 A1B1 A1B2 A2B1 A2B2 A3B1 A3B2 品种 A1 A2 A3 施氮等级 B1 B2 2020 2 10 14 统计上 只研究一个处理因素的试验称为单因素试验 统计上 包含两个或两个以上的处理因素的试验称为多因素试验 2020 2 10 15 试验方案按其供试因子数的多少可以区分为以下3类 单因素试验 single factorexperiment 单因素试验是指整个试验中只变更 比较一个试验因素的不同水平 其他作为试验条件的因素均严格控制一致的试验 多因素试验 multiple factororfactorialexperiment 多因素试验是指在同一试验方案中包含2个或2个以上的试验因素 各个因素都分为不同水平 其他试验条件均应严格控制一致的试验 2020 2 10 16 综合性试验 comprehensiveexperiment 综合性试验中各因素的各水平不构成平衡的处理组合 而是将若干因素的某些水平结合在一起形成少数几个处理组合 2020 2 10 17 二 试验指标与效应 试验指标 experimentalindicator 试验效应 experimentaleffect 主效互作 2020 2 10 18 1 试验指标 产量 抗性 耐逆性等 单指标 多指标 综合指标 用于衡量试验效果的指示性状称试验指标 experimentalindicator 2020 2 10 19 试验因素对试验指标所起的增加或者减少的作用 2 试验效应 effect 例如 对某水稻品种进行施肥试验 每667m2施氮10kg 667m2产量为350kg 每667m2施氮15kg 667m2产量为450kg 则在每667m2施氮10kg的基础上增施5kg的效应即为450 350 100kg 667m2 2020 2 10 20 简单效应 在同一因素内两种水平间试验指标的相差 例如 有一氮肥肥效试验 其处理有 O 不施氮肥 N 施氮肥 则 氮的简单效应 N产量 O产量 N O 2020 2 10 21 在多因素试验中 一个因素的相同水平下 另一因素不同水平间的产量 或其它性状 差异仍称为简单效应 例如 有一氮 磷肥肥效试验 其处理有 P 只施磷肥 NP 同时施氮肥和磷肥 则 氮肥的简单效应 NP产量 P产量 NP P 2020 2 10 22 主效 maineffect 一个因素内各简单效应的平均数称为平均效应 也称做主要效应或主效 2020 2 10 23 例如 有一氮 磷肥肥效试验的结果 其处理有 O 既不施氮 又不施磷 N 只施氮肥 P 只施磷肥 NP 同时施氮肥和磷肥 同理 可计算磷肥的简单效应和主效 则 单施氮的简单效应 N O 在施磷的基础上氮的简单效应 NP P 氮的主效 2020 2 10 24 互作 interactioneffect 两个因素简单效应间的平均差异称为交互作用 简称互作 它反映一个因素的各水平在另一个因素的不同水平下反应不一致的现象 2020 2 10 25 若增产低于75kg 则氮与磷有负的交互作用 例如 有一水稻品种的施肥试验 单施5kg氮增产50kg 单施4kg磷增产25kg 假定在施5kg氮的同时又施4kg磷 若增产恰为75kg 则氮与磷没有交互作用 若增产高于75kg 则氮与磷有正的交互作用 2020 2 10 26 表1 12 2试验数据 解释各种效应 P1水平下的N的简单效应 N1水平下的P的简单效应 N的主要效应 P的主要效应 NP的互作效应 2020 2 10 27 表1 12 2试验数据 解释各种效应 2020 2 10 28 2020 2 10 29 2020 2 10 30 三 制订试验方案的要点 拟订试验方案前应通过回顾以往研究的进展 调查交流 文献检索等明确试验的目的 形成对所研究主题及其外延的设想 使待拟订的试验方案能针对主题确切而有效地解决问题 根据试验目的确定供试因素及其水平 试验方案中应包括有对照水平或处理 简称对照 check 符号CK 2020 2 10 31 试验方案中应注意比较间的唯一差异原则 以便正确地解析出试验因素的效应 拟订试验方案时必须正确处理试验因素及试验条件间的关系 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 2020 2 10 32 将每次所取样品测定的结果称为一个观察值 observation 以y表示 理论值或真值 以表示 则 即观察值 真值 误差 每一观察值都有一误差 可正 可负 一 试验数据的误差和精确性 第三节试验误差及其控制 2020 2 10 33 注意 总体 用希腊字母表示 p395 样本 用英文字母表示 2020 2 10 34 系统误差 systematicerror 具有一定原因的偏差 bias 比如由于在观测中因仪器不准 工作者的习惯和偏向等原因所引起的观察值偏大或偏小的差异 试验中发生的误差有两种 2020 2 10 35 偶然误差 randomerror 完全偶然性的 找不出确切原因的 主要由于试验地的土壤差异所引起 这是田间试验误差中最有影响也是最难以控制的 其它因素如病虫害侵袭 人畜践踏 风雨影响等也会引起偶然误差 2020 2 10 36 系统误差影响了数据的准确性 准确性是指观测值与其理论真值间的符合程度 而偶然误差影响了数据的精确性 精确性是指观测值间的符合程度 2020 2 10 37 试验数据的误差和精确性 a 准确性和精确性都好 b 准确性差 精确性甚佳 c 准确性和精确性都很差 d 有一定的准确性 但精确性很差 2020 2 10 38 二 试验误差的来源 系统误差是一种有原因的偏差 因而在试验过程中要防止这种偏差的出现 可以通过试验条件及试验过程的仔细操作而控制 随机误差是偶然性的 随机误差不可能避免 但可以减少 2020 2 10 39 以大豆品种蛋白质含量的测定为例 若从一批种子中抽取1000份样品 分别进行蛋白质含量的测定 若无系统偏差的干扰 则所获1000个数据 将其平均数当作理论真值 三 随机误差的规律性 2020 2 10 40 根据可计算出1000个误差值 这1000个误差值有 有 平均起来正负相抵消等于0 若将其画成坐标图 接近于一个对称的钟形图 在靠近0的 范围内出现的误差次数多 越远离0出现的次数越少 图1 3随机误差的分布模式 f e 2020 2 10 41 四 随机误差的层次性 五 试验误差的控制 2020 2 10 42 第四节试验统计学的发展和本课程的主要内容 一 试验统计学的发展二 本课程的主要内容 2020 2 10 43 17世纪Pascal和Fermat的概率论 18世纪DeMoivre Laplace和Gauss的正态分布理论 19世纪达尔文应用统计方法研究生物界的连续性变异 孟德尔应用统计方法发现显性 分离 独立分配等遗传定律 KarlPearson用统计方法研究进化问题 并创建了Biometrika杂志 Galton研究了亲子身高的回归问题 20世纪以来Gosset用实验方法发现了t分布 2020 2 10 44 Fisher提出了方差分析 建立了试验设计的三大原理 并提出了随机区组 拉丁方等试验设计 还将统计方法用之于研究数量性状的基因效应 Yates Yule等发展了一系列的试验设计包括后来的混杂设计和不完全区组设计等 英国Rothamsted试验场在生物统计和田间试验设计方面卓有贡献 Neyman和E S Pearson建立了统计推断的理论 生物统计学 biostatistics 是数理统计在生物学研究中的应用 它是用数理统计的原理和方法来分析和解释生物界各种现象和试验调查资料的科学 2020 2 10 46 二 本课程的主要内容 第一章绪论第二章田间试验的设计与实施第三章次数分布和平均数 变异数第四章理论分布和抽样分布第五章统计假设测验第六章方差分析第七章卡平方 2 测验第八章直线回归和相关分析 2020 2 10 47 学习的功用 提供整理和描述数据的科学方法 提供由样本推论总体的科学方法 提供由误差分析以鉴定处理效应的科学方法 提供探索事物间相互联系的科学方法 提供进行试验设计的一般方法和重要原则 2020 2 10 48 上课要求 36学时理论 18学时实践 课堂适当做些笔记 课后多做练习 总评成绩 期末考试70 作业20 平时10 2020 2 10 49 学习要求 循序渐进 不留疑点 力求掌握公式的意义和应用 认真做好教材每章的习题 2020 2 10 5