平均数的比较.ppt

它的一般形式为： (5.61) (5.62) 显然这一方法的关键是确定λ的值。理论证明，使以下对数似然函数L取最大值的λ就是使原始数据正态化的最佳值： (5.63) 其中n为样本含量，v为自由度。如果xi是一维数据，则v = n - 1；如果是二维数据，则v = n - 2；依此类推。为变换后数据的子样方差，而xi则为原始数据。显然使(4.63)式取最大值的λ不可能用解方程的方法解出，只能用一维有哪些信誉好的足球投注网站计算机程序找出。这是一个典型的优化问题，可使用任何有哪些信誉好的足球投注网站程序对它求解。一般情况下，λ取整数即可。若求出的λ=0，则使用(4.62)式进行变换；若λ不为0，则用（4.61）式进行变换。 换言之，固定模型仅在于供试处理范围内了解处理间的不同效应。如果目的是要对这些处理所属的总体作出推论， 在随机模型中，因为各处理仅是所属总体的随机变量，故总体方差σ2是重要的研究对象。 (一)固定模型(fixed model) [例5.8]以5个水稻品种作大区比较试验，每品种作3次取样，测定其产量，所得数据为单向分组资料。本试验需明确各品种的效应，故为固定模型，其方差分析和期望均方的参数估计列于表5.8。 表5.8 5个水稻品种产量的方差分析和 期望均方表 __________________________________________________ 变异来源 DF SS MS 期望均方(EMS)： 固定模型 __________________________________________________ 品种间 4 87.6 21.90 σ2+nκ2 品种内 10 24.0 2.40 σ2 (试验误差) __________________________________________________ 固定模型的F测验 若 =0，则F值等于1。所以固定模型是测验假设Ho： =0(i=1，2，…k)对HA： ≠0，即测验Ho：μ1=μ2=…=μk。因而，一般比较处理效应的试验都应当采用固定模型。 (二)随机模型(random model) [例5.9]研究籼粳稻杂交F5代系间单株干草重的遗传变异，随机抽取76个系进行试验,每系随机取2个样品测定干草重(g／株)。其单向分组分析结果见表5.9。 表5.9 籼粳杂种F5代干草重的方差分析和期望均方 _________________________________________________ 变异来源 DF MS 期望均方(EMS):随机模型 _________________________________________________ 系 统 间 75 72.79 σ2+nσ2 系统内(试验误差) 76 17.77 σ2 _________________________________________________ 随机模型的F测验 若假设σ2=0，则F=1.因而，随机模型的假设为Ho：σ2=0对HA: HA：σ2≠0 当试验因素在2个或2个以上时，可以在固定模型和随机模型的基础上产生第三种模型：混合模型(记作模型Ⅲ)。混合模型乃既包括有固定模型的试验因素，又包括有随机模型的试验因素的模型。这类模型凡随机因素仍用σ2表示，固定模型用κ2表示。 （三）固定模型和随机模型的判断 1、从因素本身判断 如果因素的水平可以人为控制，如密度、品种、肥料试验等，因素效应属于固定模型；如果因素的水平不能完全人为控制，如遗传试验中杂种后代的分离、田间光温的研究、土壤持水量对作物的影响等，效应属于随机模型。 2、从试验设计的指导思想和统计推断上判断 如果试验的目的在于了解某几个特定的