excel统计分析
文章平均质量分 59
以excel为工具进行统计分析,包含各种统计分析方法和分析过程。
maizeman126
这个作者很懒,什么都没留下…
展开
-
用excel进行高稳系数法分析
鉴于不同的论文对HSC与品种的平均产量以及品种的产量变异系数的相关性有不同描述,个人认为在用高稳系数综合评判品种的高产稳产性时,影响先对HSC与品种的平均产量以及品种的产量变异系数的相关性进行分析,明确HSC与这两个指标间的相关显著性。结合品种产量和高稳系数可以得出:14 个玉米新组合中,WL13-4 和 WL13-9 的高产稳产性更好,WL13-8 丰产性好而稳产性较差,WL13-1丰产性和稳产性较好,WL13-6和R12777的丰产性和稳产性都差。基于高稳系数法的玉米新组合高产稳产性分析_安红卫。原创 2024-08-27 01:00:00 · 311 阅读 · 0 评论 -
excel统计分析——多元相关分析
两组具有联合分布的变量x1,x2,...,xp和y1,y2,...,yq之间的而相关关系,可以通过分别对两组中的变量进行配对求其pq个简单相关系数来分析,但多个值千差万别不好分析,而且不容易抓住问题的核心。多个自变量间的相关分析,可以直接计算两个变量间简单相关系数(即直线相关系数),也可以在保持其他变量不变的情况下计算两个变量之间的偏相关系数,还可以计算一个变量与一组变量间的负相关系数,或把变量分为两组来计算典型相关系数。复相关系数的检验使用F检验。偏相关系数的检验和简单相关系数的检验类似,用t检验。原创 2024-04-12 01:00:00 · 1738 阅读 · 0 评论 -
excel统计分析——多项式回归
和多元线性回归一样,当检验结果存在不显著的偏回归系数时,需逐步剔除不显著的项重新建立回归方程。回归方程显著,即存在回归关系;截距和两个偏回归系数均显著,表明y和x之间存在二次曲线回归关系。多项式回归属于单变量曲线回归,但其形式和求解方法与多元线性回归相似。,则多元线性回归方程和多项式回归方程的形式一致,多元线性回归方程也可以直接用原始数据求解。2、选择对应的输入和输出区域。此处注意X值的输入区域不用选择。由于X不可逆,两边同时乘以X'得,检验偏回归系数的显著性时,1、在数据分析工具对话框中,选择“回归”原创 2024-04-07 01:00:00 · 778 阅读 · 0 评论 -
excel统计分析——矩阵相关知识
对于n阶方阵A,如果存在数λ和非零向量γ,使AX=λX(X≠0),则称λ是矩阵A的特征根(characteristic root,又称特征值),X是矩阵A属于特征根λ的特征向量(characteristic vector)。矩阵的乘积定义为前一矩阵第i行与后一矩阵第j列对应元素的乘积之和组成的新矩阵的第i行第j列的元素。矩阵的转置指互换矩阵行与列的位置,转置后的矩阵称为原矩阵的转置矩阵(transposed matrix)。矩阵的和(差)定义为两个同型矩阵对应位置上的元素相加(减)得到的新矩阵。原创 2024-04-05 01:00:00 · 347 阅读 · 0 评论 -
excel统计分析——多元线性回归
由于线性回归方程中含有不显著的因素时,线性回归方程也可能显著,为使方程能正确表达变量间的关系,需要剔除线性回归方程中不显著的自变量,保证在线性回归方程中的自变量的偏回归系数均达到显著水平,这时的线性回归方程称为最优线性回归方程(optimal linear regression equation)。多元线性回归(multiple linear regression)是具有一个因变量或多个(两个或以上)自变量的线性回归,是直线回归的拓展,其模型和计算过程与直线回归类似,只是在计算上更为复杂。原创 2024-04-06 01:00:00 · 6802 阅读 · 0 评论 -
excel统计分析——两向分组资料的协方差分析
两向分组资料,是含协变量无重复观测值的两因素方差分析资料,协方差分析的步骤与单向分组资料的完全相同,只是进行平方和与自由度的分解时,处理部分需分解为两项。回归分析结果显示:y与x存在显著的线性回归关系,因此需要对y值进行矫正,并对矫正平均数进行显著性检验,才能确定不同区组或处理对y的效应。区组只是局部控制的一种手段,在结果分析上只需剔除其影响,而不必对其效应进行研究,因此这里仅对处理的矫正平均之间的差异显著性进行检验。的差异显著性时,需将处理间和误差项的df、SS和SP相加以代替总df、SS和SP;原创 2024-04-03 01:00:00 · 442 阅读 · 0 评论 -
excel统计分析——协方差分析的作用
但是如果客供试验的动物很少,初始体重又有明显差异,无法选到足够相同或近似体重的动物,就只好对不同初始体重的动物进行不同饲料配方的处理,此时应当认为初始体重x与增重y有回归关系,采用协方差分析的方法排除初始体重的影响,然后再来比较其他因素对增重的影响。在方差分析中,各因素的水平时人为控制的,即使是随机因素也是认为选定的;又如,如果考虑试验开始前动物初始体重的影响,以初始体重为一个因素,不同初始体重作为不同水平,进行随机区组设计,初始体重相同的动物为一组,分别接受另一因素不同水平的处理,数据方差分析也无问题。原创 2024-04-04 01:00:00 · 991 阅读 · 0 评论 -
excel统计分析——两因素无重复方差分析
从严格意义上讲,两因素试验都应当设置重复观测值,以便检验交互作用是否真实存在,对试验误差有更准确的估计,从而提高检验效率。将B因素的b个水平作为A因素的b次重复,同时将A因素的a个水平作为B因素的a次重复,按照单因素平方和分解的方法,可以计算A因素的平方和SSA和B因素的平方和SSB。对于A、B两个因素的无重复试验,设A因素有a个水平,B因素有b个水平,共有ab个组合,每个组合只有一个观测值,全部观测值数量为ab个。其中,i=1,2,...,a,j=1,2,...,b,μ为总体平均数;原创 2024-01-06 05:00:00 · 1724 阅读 · 0 评论 -
excel统计分析——Q-Q图
统计学家认为在抽样较少的情况下,抽样点按照分位数等概率间隔的出现是不合理的,实际情况应该是分布在两端的数据被抽到的概率非常小,中间抽到的概率比较高,于是给出了一些分位点位置的调整方案。Q-Q图全称Quantile-Quantile图,Q-Q图是用于评估两个数据集的分布相似程度的,若数据点分布在直线y=x附近,则两个数据集的分布类似。正态Q-Q图是Q-Q图的一种。普通Q-Q图与正态Q-Q图的不同点在于普通Q-Q图的横坐标是未知数据集的分位数,正态Q-Q图的横坐标是标准正态分布的分位数,其他步骤都一样。原创 2023-12-17 13:26:09 · 2240 阅读 · 0 评论 -
excel统计分析——K-S正态性检验
K-S检验法(Kolmogorov-Smirnov test,柯尔莫哥罗夫-斯米尔诺夫检验)是一种非参数检验方法,用于检验一个样本是否来自特定的概率分布(one-sample K-S test),或者检验两个样本是否来自同一概率分布(two-sample K-S test)。sup函数表示一组距离中的上确界,这是个数学概念,表示在原假设Fn(x)=F(x)的条件下,Fn(x)−F(x)的绝对值的最小上界。2、根据Glivenko-Cantelli定理,当n很大时,由样本观测得到的经验分布函数。原创 2023-12-25 18:06:17 · 2805 阅读 · 0 评论 -
excel统计分析——Lilliefors正态性检验
3、计算统计量:Lilliefors检验的统计量是基于CDF的最大绝对偏差。统计量的计算涉及数据点与标准正态分布值的比较。2、数据预处理:首先,对数据进行排序,然后计算每个数据点的累积分布函数(CDF)值。1、提出假设:Lilliefors检验的原假设是数据来自正态分布(正态性假设)。与K-S检验不同,Lilliefors检验不需要假定数据的分布类型,它基于观测数据来评估是否来自正态分布。4、对比临界值:通过比较观察到的统计量与经过模拟或查找临界值得到的分布,寻找对应的临界值进行比较。原创 2023-12-28 11:25:39 · 1344 阅读 · 0 评论 -
excel统计分析——偏度、峰度
偏度的衡量是相对于正态分布来说,正态分布的偏度为0,即若数据分布是对称的,偏度为0。峰度,是研究数据分布陡峭或者平滑的统计量,通过对峰度系数的测量,我们能够判定数据相对于正态分布而言是更陡峭还是更平缓。比如正态分布的峰度为0,均匀分布的峰度为-1.2(平缓),指数分布的峰度6(陡峭)。偏度衡量随机变量概率分布的不对称性,是相对于平均值不对称程度的度量,通过对偏度系数的测量,我们能够判定数据分布的不对称程度以及方向。数据分布的左偏或右偏,指的是数值拖尾的方向,而不是峰的位置。原创 2023-12-21 17:45:57 · 3419 阅读 · 1 评论 -
excel统计分析——A-D正态性检验
当总体分布参数未知,而样本量小到7<n≤25范围的情况下,A-D检验依旧可以较好地实现正态性检验,能敏感地揭示资料潜在的不对称性。此方法在计算尾部数据的平方距离时,给予了更高的权重;计算中间数据的平方距离时,给予其较小的权重。A-D检验是1954年由Anderson—Darling提出的正态性检验方法,实际上是对CVM检验的一种改进。1、对样本数据进行从小到大的排序,使得。,Φ为标准正态分布的累计分布函数,分别为样本的平均数和标准差。原创 2023-12-27 12:39:58 · 1270 阅读 · 0 评论 -
excel统计分析——P-P图
P-P图(Probability-probability Plot即概率-概率图)是根据变量的累积概率对应于所指定的理论分布累积概率绘制的散点图,用于直观地检测样本数据是否符合某一概率分布。4、将样本数据的观测累计概率和正态分布下的理论累计概率一一匹配成数据对,作为x-y坐标系的数据点。1、选中数据,插入散点图,第一列为x轴数据,第二列为y轴数据,第三列为辅助列,用于绘制y=x标准线。2、样本数据从小到大排序,计算个数据点对应的CDF,所谓其观测的累计概率。1、计算出样本统计量:平均数和标准差。原创 2023-12-18 21:11:31 · 1924 阅读 · 0 评论 -
excel统计分析——两因素有重复方差分析
无重复观测值的两因素方差分析只能研究两个因素的主效应,不能考察因素间的交互作用,只有在确定因素间不存在交互作用时才能进行无重复观测值的试验和分析。与无重复观测值的两因素数据相比,有重复观测值的两因素数据的平方和与自由度的分解多出两个因素的互作效应项,即。如果因素是不可控的,如土壤、气候等,称为随机因素,产生的是各水平之间的变异性,效应是随机效应。2、弹出对话框中,带标题选择数据区域,并在“每一样本的行数”处填写重复数,本例为3。如果因素是认为可控的,如温度、时间、浓度等,称为固定因素,其效应为固定效应。原创 2024-01-07 05:00:00 · 1685 阅读 · 0 评论 -
excel统计分析——CVM正态性检验
CVM检验的思想基本与K-S检验一致,与K-S检验相比,CVM检验统计量度量的是经验累积分布函数和目标累积分布函数的平方距离的积分。就是把每个数据点的差求平方以后相加,得到总的分布偏差,这样就考虑了所有的差异点,而不是像K-S检验那样只考虑一个最大的。常用方法的对比[J].循证医学,2014,14(02):123-128。1、将数据从小到大进行排序,形成x1原创 2023-12-26 18:57:56 · 701 阅读 · 0 评论 -
excel统计分析——单因素方差分析
在进行两个样本方差的同质性检验时,要求用大方差做分子 、小方差做分母,但在方差分析中,始终是用处理均方做分子、误差均方做分母。方差分析是将总变异分解为组间变异的方差和组内变异的方差,并通过F检验推断处理效应是否显著的过程,而方差是通过平方和与自由度计算出来的,所以方差分析首先需要进行平方和与自由度的分解。,或反过来叫各分量平方和、各分量自由度的可加性,这是Fisher创建方差分析方法时发现的规律,是方差分析原理的核心内容。选择数据区域,本此选择区域包含处理名称,和处理的数据是按行分布的。原创 2024-01-02 06:00:00 · 5816 阅读 · 0 评论 -
excel统计分析——方差分析总述
当比较两个样本的均值时,用t检验;与t检验不同,方差分析将全部观测值作为一个整体来看待,把数据的变异总量分解为不同变异原因引起的若干部分,比如处理分量和误差分量,然后进行F检验,判断处理的变异是否显著地大于随机误差引起的变异,从而站在全局高度来判断试验处理是否显著有效。通过试验获得一批数据,可以计算其总平均数,也可以计算不同处理的平均数,每一个观测值与总平均数间的差异是数据的总变异,同一处理的每一观测值与该处理平均数间的差异称为组内变异,不同处理平均数间的差异称为组间变异。参考资料:生物统计学。原创 2024-01-01 15:04:49 · 597 阅读 · 0 评论 -
excel统计分析——S-W正态性检验
使用原始的S-W检验,在8≤n≤50时可以利用,小样本(n<8)对偏离正态分布的检验不太有效。而J. P. Royston就是通过近似的方法改进了S-W方法,对样本量的要求为12≤n≤5000,甚至更多;根据W的公式可推算出,W是a与x之间的相关系数的平方,W的取值范围始终在0和1之间。3、利用标准正态分布的概率密度函数的反函数,对得到的CDF进行计算,记作。其中,当n为偶数时,m=n/2;当n为奇数时,m=(n-1)/2。的分布是未知的,必须通过模拟,造表或者近似方法获得。,其中,2<i<n-1,原创 2023-12-24 16:35:53 · 5446 阅读 · 0 评论 -
excel统计分析——LSD多重比较
LSD法实质上是承租数据的t检验,只是使用了误差均方计算标准误,即对所有平均数的方法进行了合并。2、将该平均数与以下各平均数相比,凡相差不显著的,都标上字母a,直至某一个与之相差显著的平均数,标记字母b;再以该标有b的该平均数为标准,与上方各个比它大的平均数比较,凡不显著的也一律标以字母b;3、再以标有b的最大平均数为标准,与以下各未标记的平均数比,凡不显著的继续标以字母b,直至遇到某一个与其差异显著的平均数标记c。4、凡有一个相同标记字母的即为差异不显著,凡具不同标记字母的即为差异显著。原创 2024-01-09 04:00:00 · 9137 阅读 · 2 评论 -
excel统计分析——多重比较
针对LSD法统一使用一个差数标准的问题,统计学家提出了最小显著极差法,根据平均数个数k和秩次距(平均数间的顺序距离)m的不同,采用不同的最小显著极差标准进行比较,随着平均数个数k和秩次距m增加,最小显著极差也相应增加。Tukey法根据k调整最小显著极差,S-N-K法和Duncan法则根据秩次距调整最小显著极差,Tukey's-b法同事根据k和秩次距调整最小显著极差。多重比较有多种方法,但都是给出一个达到(极)显著差异的最小数值作为标准亩,再用平均数间的差数与其比较,判断平均数间的差异显著性。原创 2024-01-07 17:13:54 · 1246 阅读 · 0 评论 -
excel统计分析——两样本t检验时方差齐性检验的必要性
这几种方法的利弊及适用条件:方差比、Hartley检验、Bartlett检验都需要原始数据是正态分布,Levene检验和BF法对正态分布不是很依赖。检验两个独立样本总体之间的方差是否相等,可以使用方差比(F检验)、Hartley检验、Levene检验、BF法(Brown-Forsythe检验)、Bartlett检验。3、Levene检验:用于检验两个或多个组之间的方差是否相等(较常用)。4、Brown-Forsythe检验:用于检验两个或多个组的方差是否相等,可以在数据不满足正态性假设时使用。原创 2023-11-24 19:14:21 · 1664 阅读 · 1 评论 -
excel统计分析——Bartlett方差齐性检验
Bartlett检验的核心思想是通过求取不同组之间的卡方统计量,然后根据卡方统计量的值来判断组间方差是否相等。Bartlett检验是一种可在各水平重复测定次数不等时用来检验方差齐性的方法,但要求样本量不低于5个。针对样本量低于5时不能使用 Bartlett 检验的缺点, Box 提出修正的 Bartlett 检验统计量。修正的 Bartlett 检验, 在样本量较小或较大、相等或不等场合均可使用。其中,N为各样本含量之和,k为样本数量(即处理的水平数量),备择假设:各处理组方差不全相等。原创 2023-12-03 21:15:22 · 1589 阅读 · 1 评论 -
excel统计分析——单样本t检验
excel版本:office2021。原创 2023-11-22 17:28:38 · 787 阅读 · 0 评论 -
excel统计分析——配对数据t检验
在进行两种处理效果的比较试验设计中,配对设计比成组设计在误差控制方面具有大优势。由于同一配对内两个供试单元的背景条件非常接近,而不同配对间的条件差异又可以通过各个配对差数予以消除,所以配对设计可以控制试验误差,具有较高精确度。在进行假设检验时,只要假设两样本的总体差数为0,而不必假定两样本的总体方差相同。其中,E列的d值计算公式:d=X1-X2。但要注意成组数据与配对数据间的区分。原创 2023-12-01 12:55:30 · 1841 阅读 · 1 评论 -
excel统计分析——Levene方差齐性检验
Levene检验的重要特点是:可用于正态分布或非正态分布的资料,比较的各组样本含量可以相等或不等吗,这就使得Levene检验的应用条件不受数据分布类型的限制。可以是原始数据中第i个样本的算术平均数,也可以是原始数据中第i个样本的中位数,也可以是原始数据中第i个样本的10%调整均数(即去除前5%和后5%的数据后剩余数据的均值)。Levene检验主要可用于下列检验:两样本t检验,完全随机设计的方差分析,随机区组设计的方差分析,拉丁方设计的方差分析以及析因设计的方差分析。为第i个样本的含量,N为各样本含量之和,原创 2023-12-02 23:39:44 · 2352 阅读 · 0 评论 -
excel统计分析——Cochran‘s C 方差齐性检验
Cochran's C检验,不是Cochran's Q检验,注意二者的区分。Cochran's C检验是单侧方差异常值检验,同Hartley检验,Cochran's C检验也需要每组样本量相同且每组样本都是正态分布。Hartley检验只使用了最大方差和最小方差计算统计量,而Cochran's C检验则使用了全部样本方差,因此Cochran's C检验比Hartley检验更全面。由于Cochran's C检验利用更多的样本信息,因此显得更为灵敏,且对有轻微偏倚的分布,Cochran's C检验也适用。原创 2023-12-05 20:50:57 · 1009 阅读 · 1 评论 -
excel统计分析——为什么要做正态性检验
一个正态分布的资料,离散趋势一般不会太明显,体现在均数和标准差大小上,标准差一般不会大于均数,如果标准差与均数相当或者大于均数,在样本量不是太小的情况下(一般N大于20),那我们一般认为这种情况总体不符合正态分布。严格讲,标准差仅说明数据的离散趋势大小,与样本对应的总体分布无确定对应关系。事实上,中心极限定理说的是:不管总体数据的分布是什么样的(可能是正态,也可能偏态),如果从总体中多次抽样,对于每个抽样样本计算统计量(如均值、中位数), 当每次抽样例数足够大,样本的均值或中位数近似服从正态分布。原创 2023-12-10 21:37:29 · 2979 阅读 · 1 评论 -
excel统计分析——双样本t检验(独立样本、异方差)
自由度不再是两个样本自由度之和,而是要通过系数R计算,当两个独立样本的方差检验为非齐性时,t检验的标准误为。原创 2023-11-26 18:07:03 · 1815 阅读 · 1 评论 -
excel统计分析——Hartley方差齐性检验
Hartley检验与方差比的思想比较类似,差别在于Hartley检验用于多组方差的检验,用多组中最大的方差除最小的方差,得到一个F值,然后通过F值的判断来对方差齐性进行判断。,但在诸方差相等的条件下,可以通过随机模拟方法获得H分布的分位数,该分布依赖于记为H(r,f),依赖水平r和样本方差自由度f=m-1,m为样本量。Hartley检验, 仅适用于样本量相等的场合,且要求数据正态分布。原创 2023-12-04 22:04:45 · 880 阅读 · 0 评论 -
excel统计分析——关于正态性、方差齐性的描述
对正态性和方差齐性,需要时可作正态性检验和方差齐性检验,而当样本含量较小时,资料是否来自正态分布的总体难于进行直观判断和假设检验,常常需根据过去经验。正态性要求是主要指标的分布情况,只要其直方图形态大致为中间多两边少,无极端异常值即可,辅以正态性检验;正态性检验和方差齐性检验是能够采用参数检验而所需的条件,并不是具体的统计学方法,在文章报告中一般不对以上条件进行详细解读,除非审稿专家专门提及,所以要做好原始数据的保存,并对其数据进行条件要求的备份,以应对审稿专家的随时要求。原创 2023-12-12 10:47:46 · 640 阅读 · 0 评论 -
excel统计分析——双样本t检验(独立样本、等方差)
方法二:在确定方差齐性后,利用数据分析工具。excel版本:office2021。原创 2023-11-22 19:08:58 · 3660 阅读 · 0 评论 -
excel统计分析——卡方适合性检验
一些遗传学试验的结果为两种互斥的情况之一,例如孟德尔试验中豌豆子叶的颜色为黄色或绿色,而根据遗传学的规律,出现不同类型的概率是确定的。适合性检验是卡方检验应用的一种类型,检验实际的观测数与通过某一理论模型计算所得理论数是否相符,相当于1×c列联表的卡方检验,也成为单因素离散型数据的卡方检验。其中,自由度df=k-1-r,k为数据分组数,r为利用样本估计的总体参数的个数。(2)计算各组的理论数:对各组的上下限进行标准化处理,计算各组段的正态分布概率,然后根据概率和观测总次数计算理论数。参考资料:生物统计学。原创 2024-02-04 16:35:06 · 2458 阅读 · 0 评论 -
excel统计分析——成对数据秩和检验
将数据按从小到大的顺序排列起来,数据顺序编号称为数据的秩次(rank)。秩和检验(rank-sum test)是用秩次的大小代替数据的具体数值进行比较的非参数检验方法。具体做法如下:先将数据从小到大,或等级变量资料从弱到强转换成秩次,在求出秩次之和以及相应的检验统计量,与临界值比较后确定P值,然后与α比较进行推断。设有两个对称分布的连续总体,从两个总体随机抽取观察值,组成n对观测值时,每对观测值之差记为。分别计算正秩次及负秩次的和,并统计正、负差值的总个数n。,如果两个总体的分布相同,则。原创 2024-02-07 01:00:00 · 1610 阅读 · 0 评论 -
excel统计分析——卡方独立性检验(上)
如果数据资料为有序数据的话,则不能使用此法进行检验。独立性检验的数据通常以联列表的形式展示。设A、B是一个人随机试验中的两个事件,其中事件A可能出现r类结果,事件B可能出现c类结果,两个因子行不作用形成rc类结果。表示时间A出现第i类结果,同时事件B出现第j类结果的次数。以事件A为行、事件B为列制表,得到一个r行c列的表,称为r×c列联表。自由度df=(r-1)(c-1)。(1)对行列求和,这里可以按下图选中区域,利用快捷键alt+=,快速求和。(2)求卡方统计量和p值。注意2×2列联表卡方统计量的矫正。原创 2024-02-02 01:00:00 · 1586 阅读 · 0 评论 -
excel统计分析——Tukey‘s-b法多重比较
Tukey's-b多重比较法是对Tukey法和S-N-K法的综合,取两种方法。其中,m为秩次距,k为样本平均数的个数,df为误差项自由度,2.1对样本均值按从大到小的顺序排序,进行多重比较。1、利用数据分析工具获取方差分析结果:步骤参照。2.1计算最小显著极差LSR。2、利用公式进行多重比较。参考资料:生物统计学。临界值的各1/2合成。原创 2024-01-25 01:00:00 · 1291 阅读 · 0 评论 -
excel统计分析——卡方检验(基本原理)
卡方检验主要是分析分类资料的观测数(O)与根据某种理论分布或者之前已经建立的公认频数分布所期望的理论数(E)之间的差异显著性;适合性检验用于分析观测数分布是否符合某种理论分布。计算出卡方统计量并与相应自由度及显著水平的卡方临界值进行比较,确定接受还是否定零假设,并作出观测数和理论数是否具有差异显著的推断。(1)次数资料的卡方检验是基于近似卡方分布建立的,要求样本是随机抽取获得的,系统抽样的数据不能进行卡方检验。(2)卡方检验是对次数资料的检验,对连续性数据进行检验时,需将其进行分组计数后才能进行。原创 2024-01-28 01:00:00 · 2353 阅读 · 0 评论 -
excel统计分析——平衡不完全区组设计
如果一个区组只包含部分处理,则称为不完全区组,在生态学及农林田间试验中,由于受地形、土壤等客观条件的限制,一个区组内无法容纳全部的实验处理时,只能容纳其中的一部分处理,即一个区组只包含一部分的处理,这时候就需要采用不完全区组设计。其中:T为总变异,tc为矫正的处理变异,R为区组变异,e为误差;a为试验处理数,n为重复数据,b为区组数,k为每个区组的处理数,na=bk;和随机区组设计一样,平衡不完全区组设计资料的统计分析也采用无重复观测值的两因素方差分析模型,但需要对处理平方和进行矫正,去除区组的影响。原创 2024-02-20 10:20:36 · 708 阅读 · 0 评论 -
excel统计分析——参数检验和非参数检验
非参数检验是一类与总体分布无关的检验方法,在总体方差未知或知道甚少的情况下,利用样本数据对总体分布进行推断,推断过程中不涉及相关总体分布的参数,因而得名。无论平均数的假设检验还是方差分析,都是推断两个或多个平均数间的差异显著性的主要方法,是对总体参数的检验,因此称为“参数检验”。参数检验要求总体服从正态分布分布,但在很多情况下,样本并非都来自正态总体,或其分布难以确定,或不满足参数检验的条件,如观测值明显偏离正态分布、方差不同质等,这时可采用非参数检验对数据进行统计分析。参考资料:生物统计学。原创 2024-01-27 11:48:19 · 909 阅读 · 0 评论 -
excel统计分析——完全随机设计
这种设计是成组法的扩展形式,处理数≥3,试验只考察一个因素,每个试验单位具有相同机会接受任何一种处理。完全随机设计方法简单,较好地体现了重复和随机化两个原则,处理数和重复数都不受限制,适用于试验条件、环境、试验材料差异较小的试验,统计分析简单。但由于未应用局部控制原则,非试验因素的影响被归入试验误差,在处理数较多时,试验误差增大,试验的精确性会降低;完全随机设计的试验数据统计分析,根据试验因素的数量,采用单因素或多因素方差分析分析进行统计分析。参考资料:生物统计学。原创 2024-02-13 01:00:00 · 890 阅读 · 0 评论