DPS课堂笔记

3研究对象的稳定性分析农作物新品种登记推广前的品种区域比较试验包括AMMI模型4效应曲线分析（定量分析），温度与昆虫发育速度，施肥与产量的关系用的最多的是完全随机设计，随机区组设计完全随机：先将各个处理编上号码先编号再随机分组随机区组设计在电子表格里面输入各个处理的名称，再进行区组设计完全随机设计随机区组设计实验室，实验条件完全相同（如培养皿），用完全随机设计田间实验，局部控制用随机区组设计先划分区组两种设计结果的统计分析。数据格式；一行一个处理，一列一次重复对数正态分布：对数转换Poisson分布：平方根要不要转换，怎样转换？计算出来的p值最小方差分析是基于正态分布假设，数据在接近正太分布情况下统计效率最高，p值最小多重比较了、：看期刊习惯分析结果，先看p值不同处理之间，指标的高低存在极显著的差异F（2,57）=5.54,P=0.0063自由度一般只有n-1个是可变的方差分析结果表明不同处理之间差异多重比较，只有在方差分析的p0、05时才接着进行。多重比较：有相同的字母，差异不显著所以进行多重比较前，一定要先报告F和P值区组之间差异不用管随机区组设计统计分析、结果解读：区组间差异不用管他和完全随机设计相同，分析处理之间的差异统计差异显著性数据时完整的（平衡数据），实际科研所有的实验设计方法的分析都可以用GLM解决统计方差分析：平方和分解GLM方法，回归分析，最小二乘法回归方程：实验结果的观察值作为因变量Y实验设计的各个处理因子作为自变量X处理因子各个水平进行0-1化虚拟变量处理回归分析第一步：0-1化处理处理高剂量低剂量对照处理1100处理2010处理3001解方程，求回归系数根据回归系数计算各个处理的平方和根据平方和进行方差分析实验设计与回归方程关系：线性模型完全随机设计Y=μ(均值效应)+αi区组效应+e误差项i为处理，j为区组u为在回归方程里为常数项α各个处理水平0-1化求的GLM分析数据格式右边是观察值作为y左边是各个实验处理的组合，自变量x平方和分解方式：一般是III型变量编码：效应编码参照两种都可以多重比较：5个处理，互相比较，要比较10次4321、假设里面有5对是有差异的Tukey：保证不会吧没有差异的判为有差异，这里的判为只有4对……有差异。不会超过实际上5对有差异LSD法：保证不会吧有差异的判为没有差异。这里可判为6对……有差异。不会少于实际上的5对。Duncan及其他方法：适当调整，达到某种平衡，但是不能保证是精确地判断自定义比较：单一自由度比较A因素里面，第1,2两个水平是基肥10,15N，第3，4水平是追肥10,15N比较及不同地点间有差异I型分解：先分解出地区间差异平方和，然后在分解出各个地区内，田块间的平方和；主要用于系统分组、嵌套设计A/B地区间差异是否大于变异系数Bennett检验G-一统计量，似然比卡方，进行卡方检验G=7.610.00卡方统计量的计算（观察值-理论值）2皮尔逊卡方值=…………………………，求和理论值理论值，根据模型的假设计算，卡方值越小，p值越大，观察值和模型的理论值相符（没有差异）常规卡方统计量，皮尔逊卡方，似然比卡方。似然比卡方性能更好些，似然比卡方计算需要取对数。P2O2,似然比卡方具有可加性。列联表卡方检验，卡方值，检验行列指标之间的相关性。有时该卡方……解释专业含义（异质性）生物统计一分类数据一联表卡方检验不同性质列联表的统计检验行列指标都无顺序Logistic回归数据格式回归分析及其应用回归分析：用数学模型描述专业上的理论模型Y=ax+bY=ax2+bx（温度）y（天数）1520201525123010有效积温Y=K/(x-x0)非线性方程线性转换后求解回归分析参数估计，最小二乘法最小二乘法：因变量观察值和理论值的差值的平方和最小身高和年龄关系：LogisticS型曲线Y=K/(1+exp(ax+b))非线性方程模型诊断任何数据都可建立y=ax+b得到系数a、b的估计值。得到系数估计值后，要进行统计检验，计算p值总的平方和=各个y值，减去平均值，平方后求和。表示y的总的变异大小回归平方和=各个y的拟合值，减去平均值，平方后求和，表示y的拟合值变异大小残差平方和=各个残差，平方后求和。关系：总的平方和=回归平方和+残差平方和P值含义：回归方程不成立的概率的大小P0.05,p0.01回归方程极可能成立，回归方程可用回归方程可用不代表很好的描述的变化。决定系数：理论方程模型能解释因变量y优化的比例大小回归分析方法：最小二乘法回归方程建立后；一看p值（方程能否用p0,05），二看决定系数（方程在专业上是否有意义），要求决定系数大于0.5方差分析、回归分析定性比较、定量描述回归方程（没有惰性物质）Y=0.64090+0.09677x1标准误差=0.0420回归方程（）加入惰性物质后）Y=1.70553+0.09326x1标准误差=0.0179多因素实验设计及其统计分析多因素实验设计：正交设计：日本田口设计第一步：用了近30种化学试剂，参考其他昆虫饲料配方，采用正交设计，进行试验，选出主要成分第二部:选出约20种继续进行正交试验，确定一般配方的主要成分：满足飞虱的营养要求第三步：选出重要的4-5种，采用复合中心设计，优化配方：提高成虫羽化率。正交设计：一般有固定表格四因素三水平，完全实验：35正交试验：至少是32水平数的平方正交：两因素之间的相关为零但是相关为零却不一定是正交（多因素试验里面）SPSS里面正交设计表，有时不是正交表更接近均匀设计表：正交表，均匀分散，整齐可比正交设计，一般用现成的表格进行根据正交实验设计表调整我们得试验因素，及其水平数多因素多水平实验：均匀设计（超立方体设计）复合中心设计5个水平，3-5个因子的优化实验设计（建立最优的教学模型）二次正交旋转设计；二次通用组合设计因子筛选：正交模型优化：因子少时用中心复合设计（尽量用该设计进行优化，有很多更好的统计性质）；因子多时用均匀设计生物学实验，方差分析，统计检验，正交表各列排满后，是饱和设计，此时，无法分解出实验误差，进行方差分析方差分析F值=处理均方/误差均方要进行统计检验：因子列不排满；或者重复一次分析：比一比看一看：主要看调整极差，比大小统计检验：没重复时，要留有空白列分析过程中，处理因子列的均方很小时，也可作为空白（误差来源）有重复正交试验：试验类型适当划分区组，可提高试验精度实验室条件下:可适当划分时间（上午，下午，今天，明天）区组非线性回归分析模型的选取专业背景更重要Y=49.18-2.8x+0.45ax2Y=103.65/(x-9.6535)模型的诊断和解释方差分析p值一般都很小，决定系数较大。这里是初步判断主要看各个回归系数，统计检验及专业含义Y=103.65/(x-9.6535)统计检验p0.05时，可对参数进行专业上的解释参数估计的95%置信区间。参数是否有应用价值。95%置信区间有效积温82.26125.05起点温度7.7111.60作业？偏最小二乘法回归分析：样本数大于变量数样本数少，可用逐步回归选取重要因子建立回归方程这样：方程不稳定，有的因子没有选进来，给模型应用配方因子：几个变量取值加起来为100%PLS：不用筛选因子可同时对多个因变量进行建模分析PLS在均匀设计里面应用很多，均匀设计实验结果统计分析复合中心设计统计分析：标准方法：二次多项式回归法非标准方法：筛选重要因子模型检验回归检验，F值大，P0.05;失拟检验:F值小，P最好0.05;）效应曲线:单变量效应，两变量互作效应（曲面，等高线）目标变量最有时的X值取值区域，或变化趋势。典范分析：对二次多项式回归方程求导数，进行优化，优化结果及优化点的变量X的特征筛选重要因子，第一步时不选稳定点处为鞍点最有优化典范分析（求导数），结果没有典范分析。典范分析要求针对完整的二次多项式回归方程进行含区组的分析：模型项的p值0.05.多元分析数据格式一行一个样本，一列一个最优指标时各个因素组合判别分析：根据已知类别建立判别函数“有师分类”多变量（变量特别多时）判别，回归分析：随机森林方法2001