第一章 绪论生物统计学教材编辑.pptVIP

变 量 定性变量 定量变量 连续变量 非连续变量 只有整数出现 可以有任何小数出现 为了表示总体和样本的数量特征，需要计算出几个特征数，包括平均数和变异数（极差、方差、标准差等）。 描述总体特征的数量称为参数(parameter)，也称参量。常用希腊字母表示参数，例如用μ表示总体平均数，用σ表示总体标准差； 描述样本特征的数量称为统计数(staistic)，也称统计量。常用拉丁字母表示统计数，例如用 表 示样本平均数，用S表示样本标准差。 四、参数与统计数 五、效应与互作 通过施加试验处理，引起试验差异的作用称为效应。效应是一个相对量，而非绝对量，表现为施加处理前后的差异。效应有正效应与负效应之分。 例如：适量施肥处理使得小麦产量提高为正效应。 互作，又叫连应，是指两个或两个以上处理因素间相互作用产生的效应。互作也有正效应（协同作用）与负效应（拮抗作用）之分。 例如：统计表明施用氮肥+磷肥比单施氮肥效果好，是因为二者之间有正的互作效应。 六、变异及其来源 变异 效应值：不同处理导致的差异 误差值 随机误差（Random error） ／偶然性误差 系统误差（Systematic error） ／偏差（bias） 观察值(observation):将每次所取样品测定的结果称为一个观察值，记为yi。 例如：测定绵农4号小麦品种的株高，得到以下数值(单位：cm)： 　　　　　90、91.5、93、89、90.8 其中的每一个数值就是一个观察值。 如果没有误差，上述观察值就不会出现差异，并始终保持一个恒定的值，这个值称为理论值或真值，以μ表示。 由于误差是客观存在的，所以： 　　　　观察值＝真值＋误差 用代数式表示为： 　　　　　　　　 yi＝ μ＋εi 式中εi代表误差，故： 　　　　　　　 　εi＝ yi－ μ 误差(error):观察值与真值之间的差异。 误差的分类： 随机误差(random error)：完全是偶然的，找不出确切原因引起的误差，也称偶然性误差(spontaneous)。 系统误差(systematic error)：有一定原因引起的误差，也称偏差(bias)。 随机误差，也叫 抽样误差(sampling error) 。这是由于试验中无法控制的内在和外在的偶然因素所造成。如试验动物的初始条件、饲养条件、管理措施等尽管在试验中力求一致，但也不可能达到绝对一致，所以随机误差带有偶然性质，在试验中，即使十分小心也是不可避免的。如果通过良好的试验设计、正确的试验操作，增加抽样或试验次数，随机误差可能减小，但不可能完全消灭。统计上的试验误差一般都指随机误差。随机误差越小，试验精确性越高。 系统误差，也叫片面误差 (lopsided error)。 这是由于试验条件控制不一致、测量仪器不准、试剂配制不当、试验人员粗心大意使称量、观测、记载、抄录、计算中出现错误等人为因素而引起的。系统误差影响试验的准确性。只要以认真负责的态度和细心的工作作风是完全可以避免的。 例如：仪器故障、标准尺有误…… 试验误差的规律性 系统误差源自某种系统性原因，它的规律性比较明显。 随机误差就个体而言，很难寻找它的规律性；但对一个比较大的群体，也有规律可循。如数量性状的随机误差在理论上服从正态分布。 试验误差的层次性 这里用一个例子说明误差的层次性问题： 取100个30g大豆种子的样品测定蛋白质含量。 第一层次的误差：来源于抽样引起的误差。 第二层次的误差：从30g种子中取2g进行分析，要求测定两次，两次测定结果若相差太大还需进行第三次测定。可见第二层次的误差来源于测定过程的误差。 七、准确性与精确性 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μ，观测值为 x，若 x与μ相差的绝对值|x－μ|越小， 则观测值x的准确性越高； 反之则低。 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，则观测值精确性越高；反之则低。 简而言之： 准确性：观察值与理论值之间的符合程度。 精确性：指观察值之间的符合程度。 系统误差使数据偏离了其理论值，影响数据的准确性。 偶然误差使数据相互分散，影响了数据的精确性。 * * * * * * * * * * :1, 1, 3 * * :1, 1, 3 * * 5 * * * * 　　原始社会，从结绳记事开始，就有了统计的萌芽。