生物统计学实验
《生物统计附实验设计》实验指导书(生物)
目录实验一 Excel常用生物统计功能简介及应用 (2)实验二方差分析 (9)实验三单因素试验结果分析 (13)实验四多因素试验结果分析 (17)实验五直线回归与相关 (20)实验六 DPS 统计分析软件的应用 (22)常用统计分析软件研究性学习提示 (35)统计网站 (38)参考文献 (39)实验一Excel常用生物统计功能简介及应用1. 实验目的及要求：1.1 实验目的：通过上机作业，掌握Excel常用生物统计功能的应用方法。
1.2 实验要求：根据实验原理，按照实验方法与步骤独立完成作业。
1.3 实验规定学时：4学时1.4 实验性质：综合2. 实验原理：Microft Excel电子表格虽然不是专门的统计软件，但其具有丰富的统计分析功能，界面中文表述，操作简易，可以利用其内置的“分析工具库”进行生物统计中常用的t检验、方差分析、回归分析和次数分布表与直方图的编制等。
2.1 Excel 分析工具库的安装Excel提供了一组统计分析工具，称为“分析工具库”，可以利用其进行统计中常用的t检验、方差分析、回归分析和次数分布表与直方图的编制等。
分析工具库需安装后才可以使用。
打开Excel工作表，在菜单栏单击“工具”选项，如果存在“数据分析”条目，表示分析工具库已经安装，若无，可在“工具”菜单中单击“加载宏”命令，在“加载宏”对话框中选中“分析工具库”，单击“确定”按钮（有的需要插入Excel安装光盘），在“工具”菜单中即出现“数据分析”条目。
2.2 分析工具库的运行及主要统计分析方法在“工具”菜单中单击“数据分析”选项，弹出“数据分析”对话框（见图1），其主要统计分析方法有：（1）方差分析：单因素方差分析、交叉分组有重复双因素方差分析、交叉分组无重复双因素方差分析。
（2）描述统计：计算平均数，标准差等常用统计量。
（3）t检验：配对资料的t检验、等方差非配对资料的t检验、异方差非配对资料的t检验等。
（4）计算多个变量两两之间的相关系数。
生物统计学中的实验设计与数据分析方法
生物统计学中的实验设计与数据分析方法一、引言生物统计学作为一门重要的学科，运用统计学的原理和方法来解决生物科学领域的研究问题。
在生物学研究中，实验设计与数据分析方法起着至关重要的作用。
本文将介绍生物统计学中常用的实验设计与数据分析方法。
二、实验设计实验设计是生物研究中最重要的环节之一，合理的实验设计可以保证实验结果的可靠性和科学性。
在生物统计学中常用的实验设计方法包括随机分组设计、区组设计和因子设计等。
1. 随机分组设计随机分组设计是最常见的实验设计方法之一。
它通过将实验对象随机分为若干组，每组进行相同的处理，以消除非实验因素对实验结果的影响。
随机分组设计通常用于比较不同处理间的差异。
2. 区组设计区组设计是处理两个或更多变量时常用的实验设计方法。
其通过将实验对象进行分组，每组内部处理相同，不同组之间处理不同，以减小因组内差异对实验结果的影响。
区组设计常用于对实验因素和区组效应进行分析。
3. 因子设计因子设计是通过改变实验的因子（自变量）来观察和研究不同因子对结果的影响。
在因子设计中，通过对不同水平的因子进行处理，可以分析因子对结果的主效应和交互效应。
三、数据收集与处理在生物统计学中，合理的数据收集和处理方法对最终的数据分析结果至关重要。
常见的数据收集与处理方法包括样本选择、数据清洗和缺失值处理等。
1. 样本选择样本选择是数据收集的第一步。
在生物研究中，合理的样本选择可以保证样本代表性和数据可靠性。
样本选择的原则包括随机抽样、分层抽样和配对抽样等。
2. 数据清洗数据清洗是保证数据质量的重要环节。
在数据清洗过程中，需要排除掉异常值、重复值和无效值等错误数据。
数据清洗的目的是保证数据的准确性和一致性。
3. 缺失值处理缺失值是数据分析中常见的问题之一。
对于存在缺失值的数据，可以采用插补、删除或引入虚拟变量等方法进行处理。
最常见的缺失值处理方法包括均值插补、中位数插补和最近邻法等。
四、数据分析方法数据分析是生物统计学的核心内容之一。
生物统计学中的实验设计与分析
生物统计学中的实验设计与分析生物统计学是一门跨学科的学科，它涉及统计学、医学、生物学、物理学和计算机科学等领域。
其中实验设计与分析是生物统计学的重点内容之一，它是生物学研究中构建实验、分析实验数据的重要方法。
实验设计实验设计是生物学研究中对实验方案进行构建、随机分组和其他试验设计。
一个好的实验必须经过规划、实施、记录和分析。
实验设计的好坏直接影响实验的结果和结论的可靠性。
实验设计中的一些重要因素包括样本大小、实验控制、测量误差、随机性、重复性、缺失值等。
为了减小样本误差，应当适当增大样本量，同时，根据实验的需要，可以选择单因素、双因素或多因素设计。
实验控制包括不同组之间的控制、不同时间点之间的对照、实验环境和处理方法等等。
测量误差和随机性是不可避免的，但是可以通过设计备份样本、测试偏差等方法减小误差。
随机化的设计可以减小实验结果受样本偏差的影响。
重复性设计可以检验实验结果的可靠性，检验实验差异的稳定性。
缺失值处理可以减少实验结果的影响，也可以减小实验结果的误差，提高实验的有效性。
实验分析实验分析是在实验的基础上通过计算结果、对数据的变异性和统计分析，将实验结果转化为有价值的信息、发现、结论。
实验分析中的一些重要方法包括统计分析、单因素、双因素、多因素方差分析、线性回归分析、非线性回归分析、生存分析等等。
实验结果的可靠性和有用性直接受到实验分析的影响。
统计分析是实验分析的根本工具，它可以对实验中的数据进行描述性和推断性分析。
在描述性分析中，可以了解样本的基本情况、样本之间的关系；在推断性分析中，可以从样本中推断总体的性质，例如对总体均值或总体比例的估计。
单因素、双因素、多因素方差分析可以用来分析实验结果和不同因素之间的关系。
线性回归分析可以发现哪些因素对实验效果有重要影响，而非线性回归分析可以发现实验效果与因素之间的非线性关系。
生存分析可以发现实验结果与生命期的关系，例如药物对病人生命期的影响。
总结实验设计和分析是生物学研究中非常重要的方法，它可以帮助研究者规划实验方案、提高实验效率和可靠性，发掘更加真实和有意义的实验结果。
新版生物统计学实验设计例题(生物统计与试验设计题库)
《生物统计附试验设计》习题集第一章绪论一、名词解释总体个体样本样本含量随机样本参数统计量随机误差系统误差准确性精确性二、简答题1、什么是生物统计它在畜牧、水产科学研究中有何作用2、统计分析的两个特点是什么3、如何提高试验的准确性与精确性4、如何控制、降低随机误差，避免系统误差第二章资料的整理一、名词解释数量性状资料质量性状资料半定量（等级）资料计数资料计量资料全距（极差）组中值次数分布表次数分布图二、简答题1、资料可以分为哪几类它们有何区别与联系2、为什么要对资料进行整理对于计量资料，整理的基本步骤怎样3、在对计量资料进行整理时，为什么第一组的组中值以接近或等于资料中的最小值为好4、统计表与统计图有何用途常用统计图有哪些常用统计表有哪些列统计表、绘统计图时，应注意什么第三章平均数、标准差与变异系数一、名词解释算术平均数无偏估计几何平均数中位数众数调和平均数标准差方差离均差的平方和（平方和）变异系数二、简答题1、生物统计中常用的平均数有几种各在什么情况下应用2、算术平均数有哪些基本性质3、标准差有哪些特性4、为什么变异系数要与平均数、标准差配合使用三、计算题1、10头母猪第一胎的产仔数分别为：9、8、7、10、12、10、11、14、8、9头。
试计算这10头母猪第一胎产仔数的平均数、标准差和变异系数。
2、随机测量了某品种120头6月龄母猪的体长，经整理得到如下次数分布表。
试利用加权法计算其平均数、标准差与变异系数。
xf组别组中值（）次数（）80— 84 288— 92 1096— 100 29104— 108 28112— 116 20120— 124 15128— 132 13136— 140 33、某年某猪场发生猪瘟病，测得10头猪的潜伏期分别为2、2、3、3、4、4、4、5、9、12(天)。
试求潜伏期的中位数。
4、某良种羊群1995—2000年六个年度分别为240、320、360、400、420、450只，试求该良种羊群的年平均增长率。
生物统计学与实验设计
生物统计学与实验设计生物统计学是一门研究生物学数据处理和解释的学科，是生物学实验设计和数据分析的重要工具。
合理的实验设计和有效的统计分析可以帮助我们得出可靠的结论和科学的推断。
本文将介绍生物统计学的基本原理和常用方法，以及如何进行合理的实验设计。
一、生物统计学的基本原理生物统计学是应用统计学原理和方法研究生物学数据的科学。
它的基本原理包括以下几个方面：1. 变量类型：生物学实验中通常涉及不同类型的变量，包括定性变量和定量变量。
定性变量是指描述事物属性的变量，如性别、颜色等；定量变量是指可以进行数值计量的变量，如体重、血压等。
2. 数据采集：在生物学实验中，我们需要收集相应的数据来进行分析。
数据采集应该尽量精确、全面和可靠。
采集数据的过程中要严格按照实验设计的要求进行，避免任何干扰因素的影响。
3. 数据整理和清洗：收集到的数据需要进行整理和清洗，包括去除异常值、缺失值的处理等。
数据整理和清洗是保证数据质量和准确性的重要环节。
4. 描述统计分析：描述统计是通过统计指标来描述数据的基本特征。
包括均值、标准差、频数分布等。
描述统计是对数据的第一层次的分析，可以帮助我们对数据有一个直观的认识。
5. 推断统计分析：推断统计是通过样本数据对总体进行推断。
常用的方法包括假设检验、置信区间估计等。
推断统计可以帮助我们从样本数据中得出总体特征的结论。
二、实验设计合理的实验设计是进行科学研究的基础，也是保证实验结果可靠性的重要因素。
一个良好的实验设计应具备以下几个要素：1. 研究目的和假设：明确研究的目的和假设，假设应具备可验证性和明确性。
2. 实验设计：选择适当的实验设计，包括对照组设计、随机分组设计等。
实验设计应遵循科学原理，能够有效控制干扰因素。
3. 样本大小确定：确定合适的样本大小是保证实验结果可靠性的重要环节。
样本大小的确定需要考虑效应大小、显著水平、样本方差等因素。
4. 随机分配：在实验中对实验对象进行随机分配是避免实验结果的偏倚和提高实验效力的重要手段。
「《生物统计附试验设计》教案」
「《生物统计附试验设计》教案」生物统计是生物学的一个重要分支，旨在帮助我们理解和分析生物实验数据。
试验设计是生物统计中的一个重要概念，它指的是和实验相关的一系列决策，包括确定实验的目的、确定实验的因素和水平、随机分配实验单位、以及确定实验的重复次数等等。
本教案将介绍生物统计附试验设计的一些基本概念和方法。
一、教学目标1.了解生物统计在生物学研究中的重要性；2.掌握生物统计附试验设计的基本概念和原则；3.了解一些经典的生物统计附试验设计方法；4.培养学生分析和解读生物实验数据的能力。
二、教学内容1.生物统计的基本原理和方法（200字左右）-介绍生物统计的基本概念和原理，包括总体和样本、统计量和参数、零假设和备择假设等；-介绍生物统计的基本方法，包括描述统计和推断统计。
2.经典的生物统计附试验设计方法（400字左右）-简介完全随机设计、随机区组设计和阻止设计等经典的试验设计方法，包括设计原理和实际应用；-分析和解读生物实验数据的方法，包括方差分析、t检验和卡方检验等。
3.实际案例分析（400字左右）-挑选一些生物学研究中常见的案例，例如药物疗效评价、生长速度比较等；-指导学生对实际数据进行分析和解读，包括数据处理、方差分析和统计推断等。
4.教学方法（100字左右）-以案例教学为主，引导学生主动思考和分析实际问题；-结合实际实验操作，让学生亲自体验生物统计附试验设计的过程；-利用互动教学和小组讨论的方式培养学生的合作和创新能力。
三、教学过程1.生物统计的基本原理和方法（20分钟）-分配教材或电子资料供学生预习；-上课前检查学生对基本概念的理解，并解答疑问；-讲解生物统计的基本原理和方法，引导学生进行思考和讨论。
2.经典的生物统计附试验设计方法（40分钟）-介绍完全随机设计、随机区组设计和阻止设计的原理和应用；-示例实验：设计一个完全随机设计的生物实验，并指导学生进行实际操作；-引导学生对实验结果进行分析和解读，提供帮助和指导。
生物统计与实验设计
生物统计与实验设计一、简介生物统计学是一门对生命科学数据进行收集、处理、分析、解释和应用的学科。
实验设计是进行实验前的必备环节，它关乎整个研究的可靠性和有效性。
本次研究将介绍生物统计与实验设计如何应用于生物科学研究中。
文章将从实验设计的基本概念和步骤开始，然后讨论常用的统计方法和技术，最后对生物统计学在生物科学研究中的应用进行总结。
二、实验设计1.确定研究问题和研究目的：研究者需要确立研究问题和研究目的，明确需要得到的结果。
一个生物学实验的研究问题可能是考察某种药物对小鼠的心脏功能的影响。
2.设计实验：在确定研究目的之后，研究者需要设计实验，包括选择实验对象、实验方法、实验条件等，以便得到可靠的结果。
前述生物学实验中，需要考虑的实验条件包括小鼠的年龄、性别、体重、摄取饮食、麻醉方式、恢复期等。
这些条件的控制将有助于排除实验结果中可能会出现的伪影。
3.收集数据：在完成实验设计之后，研究者需要收集数据和实验结果。
数据可以通过各种方法获得，例如问卷调查、实验观察、实验数据等。
4.数据分析：在收集完数据之后，研究者需要对数据进行清理和分析，以便得到有意义和可靠的结果。
数据清理包括了识别和修正错误的数据，统计分析包括了方差分析、回归分析、协方差分析和多元分析等。
5.结果解释和报告：研究者需要对实验结果进行解释和报告，向其它科研人员或公众传递自己的研究成果。
三、常用统计方法和技术统计方法是在实验数据收集和分析时所使用的数学方法。
常见的统计方法包括描述性统计和推断性统计。
1.描述性统计：描述性统计指的是对实验数据的总体特征进行描述的方法。
通常使用的描述性统计方法包括平均值、中位数、标准差等。
描述性统计方法也可以使用图形展现实验数据的分布情况。
2.推断性统计：推断性统计指的是通过样本数据对总体数据进行推断的方法。
常见推断性统计方法包括假设检验、置信区间和回归分析等。
假设检验用于检验实验数据与假设之间是否存在显著性差异。
生物统计方法实践与检验一例
生物统计方法实践与检验一例生物统计方法是生物学中进行数据分析、试验设计和假设检验的重要工具。
通过运用统计方法，我们可以对生物学现象和实验数据进行定量分析，并做出科学合理的结论。
本文将介绍一个生物统计方法的实践案例，以帮助读者理解如何应用统计方法解决生物学问题。
实验目的：研究人类血液中某种特定蛋白质的浓度是否与年龄有关。
实验设计和步骤：1.选取样本：从一个包含不同年龄段的人群中，随机选取100名参与者。
2.测量血液中特定蛋白质的浓度：使用实验室提供的测量方法，测量每个参与者血液中特定蛋白质的浓度，并记录数据。
3.建立假设：- 零假设（H0）：人类血液中特定蛋白质的浓度与年龄无关。
- 备择假设（H1）：人类血液中特定蛋白质的浓度与年龄有关。
4.数据分析：- 描述统计分析：计算参与者的平均年龄和特定蛋白质的浓度，并绘制相关图表，如箱线图等。
- 推断统计分析：使用合适的统计方法，如t检验或方差分析，比较不同年龄组之间的特定蛋白质浓度是否存在显著差异。
5.结果和结论：- 根据数据分析的结果，比较不同年龄组的特定蛋白质浓度，并进行假设检验。
- 如果发现特定蛋白质浓度在不同年龄组之间存在显著差异，则拒绝零假设，接受备择假设，并得出结论：人类血液中特定蛋白质的浓度与年龄有关。
- 如果发现特定蛋白质浓度在不同年龄组之间不存在显著差异，则无法拒绝零假设，并得出结论：人类血液中特定蛋白质的浓度与年龄无关。
讨论：在这个案例中，我们使用了生物统计方法来研究人类血液中特定蛋白质的浓度与年龄的关系。
通过对100名参与者的血液样本进行浓度测量，并应用统计分析方法，我们可以得出结论：这种特定蛋白质的浓度与年龄有关。
这个案例中的统计方法包括描述统计和推断统计。
描述统计分析帮助我们理解数据的分布和中心趋势，而推断统计分析则帮助我们对人群总体进行推断。
通过借助统计假设检验，我们可以评估不同年龄组之间特定蛋白质浓度的差异是否显著。
需要注意的是，这个案例仅仅是一个示例，具体的数据分析方法和统计检验的选择应根据实际问题和数据特征来确定。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
渤海大学学生实验报告课程名称：生物统计学实验任课教师：何余堂实验室名称：计算机室房间号：理工Ⅱ--205 实验时间：2012-6-14学院化学化工与食品安全学院专业食品质量与安全班级10-10姓名宋帅婷学号10150142同组人其余19人实验项目统计数据的整理及次数分布表/图的制作组别第二组实验成绩一、实验目的1、掌握Excel数据输入、输出与编辑方法；2、掌握Excel用于描述性统计的基本菜单操作及命令；3、掌握数据整理的基本方法；4、熟练制作次数分布表/图。
二、实验原理当观测值较多(n>30)时，宜将观测值分成若干组，以便统计分析。
将观测值分组后，制成次数分布表，即可看到资料的集中和变异情况。
连续性资料的整理，需要先确定全距、组数、组距、组中值及组限，然后将全部观测值计数归组。
分组结束后，将资料中的每一观测值逐一归组，统计每组内所包含的观测值个数，制作次数分布表。
利用Excel的数据统计工具可以辅助完成上述工作。
三、实验步骤1、加载分析工具库单击Excel程序“工具”菜单中的“数据分析”命令可以浏览已有的分析工具。
如果在“工具”菜单上没有“数据分析”命令，应在“工具”菜单上运行“加载宏”命令，在“加载宏”对话框中选择“分析工具库”。
2、练习某地80例30～40岁健康男子血清总胆固醇（mol/L）测定结果如下：4.77 4.565.18 4.38 4.03 5.16 4.88 4.52 4.47 5.38 3.37 4.37 5.77 4.89 5.85 5.105.55 4.38 3.40 3.896.14 5.39 4.79 4.09 5.85 3.04 4.31 3.91 4.60 3.95 6.30 5.12 5.32 3.35 4.79 4.55 4.58 2.70 4.47 3.56 4.77 4.56 5.18 4.38 4.03 5.16 4.88 4.52 4.47 5.38 3.37 4.37 5.77 4.89 5.85 5.10 5.55 4.38 3.40 3.89 6.14 5.39 4.79 4.09 5.85 3.04 4.31 3.91 4.60 3.95 6.30 5.12 5.32 3.35 4.79 4.55 4.58 2.70 4.47 3.56 5.213、在“工具”中选“数据分析”-“描述统计”，得到以下结果： 表1.1平均 4.70725 标准误差 0.092934 中位数 4.62 众数 5.85 标准差 0.831226 方差 0.690937 峰度 0.465832 偏度 0.291994 区域 4.52 最小值 2.7 最大值 7.22 求和 376.58 观测数 80 最大(1) 7.22 最小(1)2.7 置信度(95.0%) 0.184984、计算极差，确定组数；输入每一组上限，组距。
表1.25、在“输入区域”填入数据范围，在“接收区域”填入分组的范围，选择“新工作表组”和“图最大值 7.22 第一组 2.5 第五组4.5 第九组6.5最小值 2.7 第二组 3 第六组5 第十组7组数 4.52 第三组 3.5 第七组5.5 第十一组7.5组距 10 第四组 4 第八组6表输出”，得到次数分布表和直方图。
表1.3接收频率2.602.96513.3313.69554.0644.42564.79125.15545.5285.88546.2546.6151其他06 、对直方图进行编辑：在直方图上按右键，选“数据系列格式-选项”，将“分类间隔”设置为0，对字体大小进行调整，得到以下直方图。
结论：该组数据符合正态分布。
四、实验分析本实验最重要的是掌握如何使用分析数据命令和如何建立分布直方图。
注意excel 软件的使用和各个工具的用法即可把本实验完成！从分布直方图中可以看出该样本的接受频率等等。
本实验的难点在于，excel中数据的输入格式，以及使用中的很多细节，只有熟练掌握才不会出错。
课程名称：生物统计学实验任课教师：何余堂实验室名称：计算机室房间号：理工Ⅱ--205 实验时间：2012-6-14学院化学化工与食品安全学院专业食品质量与安全班级10-10姓名宋帅婷学号10150142 同组人其余19人实验项目实验二统计假设检验组别第二组实验成绩一、实验目的1、了解Excel数据分析工具中假设检验的相关内容；2、掌握使用Excel进行假设检验的基本方法。
一、实验原理1、基本概念假设检验（hypothesis test）又称显著性检验（significance test）,就是根据总体的理论分布和小概率原理，对未知或不完全知道的总体提出两种彼此对立的假设，然后由样本的实际情况，经过一定的计算，做出在一定概率意义上应该接受的那种假设的推断。
2、Excel分析工具库中可用来进行假设检验的工具在进行两个样本均值相等假设分析时，可使用t-检验分析，根据情况选择：成对双样本均值分析、双样本等方差假设分析和双样本异方差假设分析。
(1) t-检验：成对双样本均值分析，当样本中的观察值存在配对关系时，可以使用“成对双样本t-检验”。
例如对一个样本组在实验前后进行了两次检测，为确定实验前后样本均值是否相等，应使用成对t检验，此t-检验并不假设两个总体的方差是相等的。
(2) F-检验：双样本方差分析，此分析工具可以进行双样本F-检验，又称为方差齐性检验，用来比较两个样本总体的方差是否相等。
(3) “t-检验：双样本等方差假设”分析此分析工具可以进行双样本t-检验。
此t-检验先假设两个数据集的平均值相等。
双样本等方差假设对话框与“成对双样本均值分析”对话框和用法几乎相同。
“成对双样本均值分析”。
二、实验步骤1、将表2.1数据输入到Excel 中。
表2.1 动物附肢(mm)2、在“工具”菜单中，单击“数据分析”命令。
选择t-检验：成对双样本均值分析；在变量1的区域和变量2的区域分别输入需要北方动物和南方动物数据；选“标志”和“新工作表组”，点“确定”即可输出结果。
表2.2 动物附肢t-检验: 成对双样本均值分析北方动物 南方动物平均 118.5 118 方差 20.28571429 7.714285714 观测值 8 8 泊松相关系数 0.479632097 假设平均差 0 df 7 t Stat 0.353553391 P(T<=t) 单尾 0.367041155 t 单尾临界 1.894578604 P(T<=t) 双尾 0.73408231 t 双尾临界 2.364624251结论：从t 检验结果可以看出，北方动物和南方动物的附肢没有显著性差异。
3、在工作表中输入以下的数据。
步骤：在“工具”菜单中，单击“数据分析”命令。
选择F-检验。
在变量1的区域和变量2的区域分别需要输入治疗前和治疗后的数据；选“标志”和“新工作表组”，点“确定”即可输出结果。
表2.2治疗前后舒张压F-检验结果北方动物 120 113 125118 116 113 119 124 南方动物116 117 121114 116 118 122 120治疗前 110 116 120 113 126 108 120 110 100 104 治疗后 90 116 101 103 110 88 92 104 126 86治疗前治疗后平均121.9230769 102.4615385方差256.4102564 163.4358974观测值13 13df 12 12F 1.568873549P(F<=f) 单尾0.223371731F 单尾临界 2.686637113结论：F-检验结果表明，该药物治疗前后无显著性差异，该药物没有疗效。
四、实验分析及总结：1、实验中需注意掌握对样本进行F检验和t检验的方法。
注意比较F值、t值与标准单尾或双尾F值、t值的大小，分析差异显著性。
也可分析概率单尾或双尾P值，如大于0.05则表明差异不显著，如小于0.05则达到显著性水平，如小于0.01则达到极显著性水平2、在试验中，由于我输入数据有误，导致试验结果相互矛盾，没有得出正确的结论，在老师的细心指导下，我找到错误的原因，终于得出正确的结论。
通过这次试验，我学会了如何判断样本差异是否达到显著性水平或极显著水平。
课程名称：生物统计学实验任课教师：何余堂实验室名称：计算机室房间号：理工Ⅱ--205 实验时间：2012-6-14学院化学化工与食品安全学院专业食品质量与安全班级10-10姓名宋帅婷学号10150142 同组人其余19人实验项目实验三直线回归分析组别第二组实验成绩一、实验目的1、熟悉Excel中进行回归分析与相关性分析的基本命令与操作；2、会用Excel进行一元和多重线性回归分析、相关性分析。
二、实验原理直线回归是用直线回归方程表示两个数量变量间依存关系的统计分析方法，属双变量分析的范畴。
1、直线回归方程的求法（1）回归方程的概念直线回归方程的一般形式是Y=a+bX，其中X为自变量，一般为资料中能精确测定和控制的量，Y为应变量，指在X规定范围内随机变化的量。
a为截距，是回归直线与纵轴的交点，b为斜率，意为X每改变一个单位时, Y的变化量。
(2) 直线回归方程的求法确定直线回归方程利用的是最小二乘法原理，基本步骤为：1）先求b，基本公式为b=l xy/l xx=SS xy/SS xx ,其中l xy为X，Y的离均差积和，l xx为X的离均差平方和；2）再求a，根据回归方程a等于Y的均值减去X均值与b乘积的差值。
(3)回归方程的图示根据回归方程，在坐标轴上任意取相距较远的两点，连接上述两点就可得到回归方程的图示。
应注意的是，连出的回归直线不应超过X的实测值范围。
2、回归关系的检验回归关系的检验又称回归方程的检验，其目的是检验求得的回归方程在总体中是否成立，即是否样本代表的总体也有直线回归关系。
方法有以下两种：（1）方差分析其基本思想是将总变异分解为SS回归和SS剩余，然后利用F检验来判断回归方程是否成立。
(2)t检验其基本思想是利用样本回归系数b与总体均数回归系数ß进行比较来判断回归方程是否成立，实际应用中因为回归系数b的检验过程较为复杂，而相关系数r的检验过程简单并与之等价，故一般用相关系数r的检验来代替回归系数b的检验。
三、实验步骤1、将表3.3数据输入到Excel中。
进食量/g（x）增重量/g（y）799 185780 158719 130867 180689 133787 167934 186749 1342、在“工具”中选“数据分析”，选“回归”。
3、分别输入“Y”、“X”组数据，选择“标志”、“新工作表组”和“残差”；点“确定”即可输出结果。