试验统计方法复习总结
统计学复习整理
统计学复习整理统计学复习知识点1、统计数据的分类，按照计量尺度、收集方法和时间状况计量尺度：分类，顺序，数值型收集方法：观测，试验时间状况：截面，时间序列2、参数与统计量的联系与区别总体，样本3、系统的内部数据、外部数据指的是什么外部数据：内部数据：业务资料。
财务会计核算4、统计数据的来源有哪些？间接，直接（调查，实验）5、概率抽样和非概率抽样的方法有哪些？两者的不同点在哪？概率抽样，简单随机抽样，分层抽样，整群抽样，系统抽样，多阶段抽样非概率抽样:方便抽样，滚雪球抽样，判断抽样，自愿抽样，配额抽样一依据随机原则，统计量理论分布存在，据调查结果推断总体6、非抽样误差有哪些？抽样框，回答，不回答，调查员，测量7、抽样误差的原因是什么？影响抽样误差大小的因素是什么？由于抽样随机性，样本量大小，总体变异性8、如何确定组距，如何对数据进行分组？（最大值—最小值）/组数9、什么是茎叶图？树茎和树叶分别表示什么？茎表示十位数字，叶表示个位数字10、箱线图有哪5个特征值表示？最大数，最小数，上四分位数，下四分位数，中位数11、集中趋势的度量指标有哪些？各自的计算公式、特点及相互比较（适合描述哪种类型的数据、是否受极端值影响等）、平均数的性质各变量值与平均数的离差值和等于0各变量值与平均数的离差平方和最小12、左偏、右偏和对称分布中均值、中位数、众数的关系左偏：平均数<中位数<众数13、离散趋势的度量指标有哪些？分别如何计算？各自的性质？异众比率，四分位差，方差和标准差，离散系数14、样本标准差、方差、标准分数的计算公式，标准分数的性质标准分数：均值等于零，方差等于一15、经验法则和切比雪夫不等式68%(1)，95%(2)，99%(3) 75%(2)，89%(3), 94(4)%16、离散系数、偏度、峰度的计算公式离散系数= S/均值17、偏度、峰度系数的意义18、评估估计量的标准无偏性，有效性，一致性19、一个总体均值的区间估计20、假设检验中的小概率原理是什么，依据是什么在一次试验中，一个几乎不可能发生的事件发生的概率，在一次试验中小概率事件一旦发生，我们就有理由拒绝原假设，小概率有研究者事先确定21、假设检验的步骤提出原假设和被择假设，确定适当的检验统计量，规定显著水平a，作出统计决策22、如何确定原假设与备择假设23、什么是显著性水平是一个概率值，原假设为真时拒绝原假设概率24、假设检验中的两类错误、两者关系、如何控制25、一个总体的参数的假设检验26、参数估计与假设检验的关系27、什么是方差分析？检验多个总体均值是否相等，研究分类型自变量对数值型因变量的影响28、方差分析的基本原理？两类误差？组内误差，组间误差29、方差分析的基本假定（条件）每个总体都应该服从正态分布，各个总体的方差必须相同，观察值是独立的30、方差分析的备择假设意义31、总离差平方和(SST)、误差项离差平方和(SSE)、水平项离差平方和 (SSA) 之间的关系SST=SSA+SSEn-1 k-1 n-k32、相关系数的计算及意义对变量之间关系密切程度的度量33、什么是回归分析？回归分析与相关分析的区别从一组样本数据出发，确定变量之间的数学关系式，对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量中找出哪些变量的影响显著，哪些不显著，利用所求关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度。
统计学实验报告总结(共3篇)
篇一：统计学实验心得体会统计学实验心得体会为期半个学期的统计学实验就要结束了，这段以来我们主要通过excl软件对一些数据进行处理，比如抽样分析，方差分析等。
经过这段时间的学习我学到了很多，掌握了很多应用软件方面的知识，真正地学与实践相结合，加深知识掌握的同时也锻炼了操作能力，回顾整个学习过程我也有很多体会。
统计学是比较难的一个学科，作为工商专业的一名学生，统计学对于我们又是相当的重要。
因此，每次实验课我都坚持按时到实验室，试验期间认真听老师讲解，看老师操作，然后自己独立操作数遍，不懂的问题会请教老师和同学，有时也跟同学商量找到更好的解决方法。
几次实验课下来，我感觉我的能力确实提高了不少。
统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。
它被广泛的应用在各门学科之上，从物理和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上。
可见统计学的重要性，认真学习显得相当必要，为以后进入社会有更好的竞争力，也为多掌握一门学科，对自己对社会都有好处。
几次的实验课，我每次都有不一样的体会。
个人是理科出来的，对这种数理类的课程本来就很感兴趣，经过书本知识的学习和实验的实践操作更加加深了我的兴趣。
每次做实验后回来，我还会不定时再独立操作几次为了不忘记操作方法，这样做可以加深我的记忆。
根据记忆曲线的理论，学而时习之才能保证对知识和技能的真正以及掌握更久的掌握。
就拿最近一次实验来说吧，我们做的是“平均发展速度”的问题，这是个比较容易的问题，但是放到软件上进行操作就会变得麻烦，书本上只是直接给我们列出了公式，但是对于其中的原理和意义我了解的还不够多，在做实验的时候难免会有很多问题。
不奇怪的是这次试验好多人也都是不明白，操作不好，不像以前几次试验老师讲完我们就差不多掌握了，但是这次似乎遇到了大麻烦，因为内容比较多又是一些没接触过的东西。
试验统计方法复习总结加解析
1 变量：数据所具有的变异特征或性。
2 观察值：变量所测得的具体观测数据，或每一个体的某一性状，特征的测定数据。
3 总体：具有共同性质的个体所组成的集体。
4 个体：总体中的一个成员。
5 样本：从总体中抽出的部分个体的总和。
即总体的一部分样本容量：样本中所包含的个体数目。
6 参数：由总体的全部观察值而算得的总体特征值。
7．统计数：由样本观察值而算得的样本特征数。
8. 算数平均数：指资料中各观察值总和除以观测值个数所得的商。
9. 中位数：将资料内所有观测值从小到大依次排列，位于中间的那个观测值。
10.众数：资料中出现次数最多的那个观测值或次数最多一组的组中值。
11.无偏估计量：当一个统计量的数学期望等于所估计的总体参数时则称此统计量为该总体参数的无偏估计量12.极差：指样本观察值中最大值与最小值之差，也称变异幅度或全距。
13.变异系数：标准差与平均数的百分率称为变异系数，记为C.V。
14.试验：通常我们把根据某一研究目的，在一定条件下对自然规律现象所进行的观察或试验统称为试验。
15.小概率原理：在统计学上，把小概率事件在一次试验中看成是实际不可能发生的事件称为小概率事件实际不可能性原理16.试验指标：为衡量试验结果的好坏或处理效应的高低，在试验中具体测定额性状或观测的项目。
17.试验因素：试验中所研究的影响试验指标的因素。
18.试验水平：试验因素所处的某种特定状态或数目等级。
19.试验处理：每一试验因素不同或多因素间的水平组合构成了实验处理。
20.L8(27):L代表正交表的符号 L右下角的数字“8”代表8行，包含8个处理（水平组合）；“2”表示因素水平数，“7“表示有7列，用这张正交表最多可以安排7个2水平因素。
22.单一差异原则;除需要比较的因素外,其他因素都必须保持的相同的水平上23.β-错误：无效假设是错误的，备择假设是正确的，可是测验结果却接受了无效假设，这种错误称为第二类错误，即参数见本来有差异，可是测验结果却认为参数见无差异。
大学生物统计复习考试总结
⼤学⽣物统计复习考试总结1.“唯⼀差异”原则：在多个因⼦的试验时还要将所⽐较的那个因⼦以外的因⼦控制在相同的⽔平上。
2.试验⽅案:是根据试验⽬的和要求所拟进⾏⽐较的⼀组试验处理的总称。
3.⽔平:试验因素的量的不同级别或质的不同状态称为⽔平。
4.多因素试验:是指在同⼀试验⽅案中包含2个或2个以上的试验因素，各个因素都分为不同⽔平,其他试验条件均应严格控制⼀致的试验。
各因素不同⽔平的组合称为处理组合。
5.试验指标:⽤于衡量试验效果的指⽰性状称为试验指标。
6.试验效应:试验因素对试验指标所起的增加或减少的作⽤称为试验效应。
7.单因素试验中的简单效应：在同⼀因素内两种⽔平间试验指标的相差属简单效应。
8.多因素试验中:（1）简单效应:⼀个因素的⽔平相同，另⼀因素不同⽔平间的产量差异仍属简单效应。
（2）平均效应:⼀个因素内各简单效应的平均数称为平均效应, 亦称为主要效应。
（3）交互作⽤效应：两个因素简单效应间的平均差异称为交互作⽤效应,简称互作.9.准确性:是指观测值与其理论真值间的符合程度。
10.精确性:是指观测值间的符合程度。
11.试验⼩区:在⽥间试验中,安排⼀个处理的⼩块地段称为试验⼩区，简称⼩区。
12.边际效应：是指⼩区两边或两端的植株,因占较⼤空间⽽表现的差异,⼩区⾯积应考虑边际效应⼤⼩,边际效应⼤的需相应增⼤⼩区⾯积。
13.⽣长竞争:是指当相邻⼩区种植不同品种或相邻⼩区施⽤不同肥料时，由于株⾼、分蘖(枝)能⼒或⽣长期的不同,通常将有⼀⾏或更多⾏受到影响。
这种影响因不同性状及其差异⼤⼩⽽有不同。
14.区组:将全部处理⼩区分配于相对同质的⼀块⼟地上，这称为⼀个区组。
15.完全区组:⼀般试验须设置3~4次重复，分别安排在3~4个区组上，这时重复与区组相等，每⼀区组或重复包含有全套处理，称为完全区组。
16.不完全区组:⼀个重复安排在⼏个区组上，每个区组只安排部分处理，称为不完全区组。
17.总体:具有共同性质的个体所组成的集团，称为总体。
试验统计方法复习资料
试验统计方法复习资料试验统计方法复习资料统计学是一门研究收集、分析、解释和呈现数据的学科。
在统计学中，试验统计方法是一种重要的分析工具，它用于研究因果关系和推断总体参数。
本文将为大家提供一份试验统计方法的复习资料，帮助大家更好地理解和应用这一方法。
一、概述试验统计方法是通过对数据进行实验设计和分析，来推断总体参数的方法。
它的基本思想是通过对实验组和对照组的比较，来评估某个处理对于结果的影响。
试验统计方法主要包括以下几个方面的内容：实验设计、假设检验、置信区间估计和效应量分析。
二、实验设计实验设计是试验统计方法的基础，它决定了实验的可靠性和有效性。
常见的实验设计包括完全随机设计、随机区组设计和阻断设计等。
完全随机设计是最简单的设计，它将实验对象随机分配到各个处理组中，以消除其他因素对结果的影响。
随机区组设计则考虑了实验对象之间的差异，将实验对象分为若干区组，然后在每个区组内随机分配处理。
阻断设计则是在实验过程中引入时间的因素，以控制实验对象在不同时间点的变化。
三、假设检验假设检验是试验统计方法中常用的推断方法，它用于判断某个处理对结果的影响是否具有统计学意义。
假设检验的基本步骤包括建立原假设和备择假设、选择适当的检验统计量、计算观察值的检验统计量和判断是否拒绝原假设。
常见的假设检验方法有t检验、方差分析和卡方检验等。
四、置信区间估计置信区间估计是试验统计方法中用于估计总体参数的方法。
与假设检验不同，置信区间估计提供了一个范围，而不是一个确定的值。
置信区间估计的基本步骤包括选择适当的估计量、计算估计量的标准误差、选择置信水平和计算置信区间。
常见的置信区间估计方法有正态分布总体均值的置信区间估计和二项分布总体比例的置信区间估计等。
五、效应量分析效应量分析是试验统计方法中用于评估处理效果大小的方法。
它可以帮助研究者判断某个处理对结果的影响是否具有实际意义。
常见的效应量分析方法有Cohen's d、Pearson相关系数和判别系数等。
资料：统计方法总结
一、统计分析方法总结1.连续性资料1.1 两组独立样本比较1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。
1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。
1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。
1.2 两组配对样本的比较1.2.1 两组差值服从正态分布，采用配对t检验。
1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。
1.3 多组完全随机样本比较1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。
如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。
1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。
如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。
1.4 多组随机区组样本比较1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。
如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。
1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。
如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正P值，然后用符号配对的Wilcoxon检验。
****需要注意的问题：（1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t检验或方差分析。
因为统计学上有中心极限定理，假定大样本是服从正态分布的。
试验统计复习总结
试验设计及统计分析 复习课
1. 基本概念：总体；样本；集中量数；离中量数 2. 假设检验：Z检验 ；T检验（单个样本，独立样本，配对样本） 3. 方差分析 ：单因素；双因素；区组 4. 回归分析：简单线性回归 5. 正交试验设计：直观分析
1. 基本概念
总体： 研究对象的全体；通常是指研究对象某个指标X取值的全体。 样本： 从总体中随机抽出的一部分个体 集中量数： 算术平均值，中数，众数 离中量数： 极差，方差，标准差，变异系数
机器 工人
Error Corrected Total
5
3.方差分析(ANOVA)：双因素
设一火箭使用了四种燃料(A)、三种推进器(B)作射程试验，每种燃料与每种推进器 的组合作两次试验，得火箭射程数据如表示。试检验燃料、推进器以及它们之间 的交互作用对火箭射程有无显著影响？
推进器B 燃料A A1 A2 A3 A4
区组 处理
Error Corrected Total
6
4. 回归分析：一元线性回归
抽样调查南方平原地区15户粮食专业户，其户经营规模x (亩）与户现有 及2002－2003年需求的农业机械动力y (马力)的数据如下表，要求（1） 进行相关检验；（2）配线性回归方程； （3）回归方程和回归系数的显 著性检验。(a=0.05) x(亩) 66 75 53 16 87 y(马力) 32 32 15 15 45 x(亩) 63 30 53 18 64 y(马力) 22 13 24 12 24 x(亩) 36 58 19 20 18 y(马力) 17 15 12 16 12
高三总复习统计知识点总结
第二章统计简单随机抽样，也叫纯随机抽样。
就是从总体中不加任何分组、划类、排队等，完全随机地抽取调查单位。
特点是：每个样本单位被抽中的可能性相同（概率相等），样本的每个单位完全独立，彼此间无一定的关联性和排斥性。
简单随机抽样是其它各种抽样形式的基础。
通常只是在总体单位之间差异程度较小和数目较少时，才采用这种方法。
简单随机抽样常用的方法：（1）抽签法；⑵随机数表法；⑶计算机模拟法；⑷使用统计软件直接抽取。
在简单随机抽样的样本容量设计中，主要考虑：①总体变异情况；②允许误差范围；③概率保证程度。
抽签法:（1）给调查对象群体中的每一个对象编号；（2）准备抽签的工具，实施抽签（3）对样本中的每一个个体进行测量或调查例：请调查你所在的学校的学生做喜欢的体育活动情况。
随机数表法：例：利用随机数表在所在的班级中抽取10位同学参加某项活动。
系统抽样1．系统抽样（等距抽样或机械抽样）：把总体的单位进行排序，再计算出抽样距离，然后按照这一固定的抽样距离抽取样本。
第一个样本采用简单随机抽样的办法抽取。
K（抽样距离）=N（总体规模）/n（样本规模）前提条件：总体中个体的排列对于研究的变量来说，应是随机的，即不存在某种与研究变量相关的规则分布。
可以在调查允许的条件下，从不同的样本开始抽样，对比几次样本的特点。
如果有明显差别，说明样本在总体中的分布承某种循环性规律，且这种循环和抽样距离重合。
2．系统抽样，即等距抽样是实际中最为常用的抽样方法之一。
因为它对抽样框的要求较低，实施也比较简单。
更为重要的是，如果有某种与调查指标相关的辅助变量可供使用，总体单元按辅助变量的大小顺序排队的话，使用系统抽样可以大大提高估计精度。
分层抽样1．分层抽样（类型抽样）：先将总体中的所有单位按照某种特征或标志（性别、年龄等）划分成若干类型或层次，然后再在各个类型或层次中采用简单随机抽样或系用抽样的办法抽取一个子样本，最后，将这些子样本合起来构成总体的样本。
统计方法总结
统计分析方法综述一、聚类分析： 1、基本思想 ：在样本之间结构不明确的情况下，建立一个定量尺度，借以度量样品（变量）之间的亲疏程度，从而实现对样品（变量）进行分组的目的。
2、聚类分析的思路：开始，n 个样品(P 个变量)各自成类→每次，按样品(变量)间的亲疏程度，将最近(最相似)的两个样品(变量)聚成一类→最终将n 个样品(P 个变量)聚成一个大类在实际问题中，是聚成若干类，以有利于问题的分析3、距离的计算方法有：明氏距离、马氏距离、兰氏距离；系统聚类的方法有：最短距离法、最长距离法、中间距离法等等。
4、 按聚类对象分为样品聚类（Q 型聚类）和变量聚类（R 型聚类）。
（1）样品聚类是对事件进行聚类，或是说对观测量进行聚类，是对反映被观测对象的特征的变量值进行分类。
（2）变量聚类则是当反映事物特点的变量很多时，根据所研究的问题选择部分变量对事物的某一方面进行研究的聚类方法。
二、判别分析：在已知的一些样品 （多指标）已经分成若干个类型的基础上，建立必要的判别函数、判别准则，对新样品的归属进行判别。
判别分析有：距离判别法、费歇尔判别法、贝叶斯判别法 判别分析包括以下两步：1、分析和解释各类指标之间存在的差异，并建立判别函数。
2、以第一步的分析结果为依据，将对那些未知分类属性的案例进行判别分类。
三、主成分分析：1、是将原有众多的指标变量12,,,PX X X 经组合后生成新的相互无关的综合指标12,,,PF F F 的方法。
注意：1、原指标变量之间可能存在相关性(信息重叠)。
缺陷 2、新指标12,,,PF F F 互不相关，且可以重现原指标的12,,,PX X X 的全部信息。
优化 3、主成分分析在12,,,PF F F 中选取前2-3个主成分123,,F F F ，集中反映全部信息的80%-90%，因此用123,,F F F 来分析问题。
简化2、基本思路：构造一个线性组合(变换)11112121212122221122(7.1)p p p p p p p pp p F a X a X a X F a X a X a X F a X a X a X =+++⎧⎪=+++⎪⎨⎪⎪=+++⎩要求经(7.1)生成的12,,,P F F F ： 1、cov(,)0(),i j F F i j =≠即i F 和jF 不相关；2、12()()()P Var F Var F Var F ≥≥≥ ，即主成分i F 携带的信息量递减；3、11()()ppiii i Var F Var X===∑∑，即新指标重现原指标的全部信息；4、从p 个新指标中选出前k 个指标，11()()80%,pkiii i Var F Var F ==≥∑∑一般要求。
试验统计方法复习资料
一、名词解释1. 试验方案：根据试验目的和要求所拟进行比较的一组试验处理的总称。
2. 试验因素：被变动并设有比较的一组处理的因子。
简称因素或因子。
3. 单因素试验：整个试验中只变更、比较一个试验因素的不同水平，其它作为试验条件的因素均严格控制一致的试验。
4. 多因素试验：在同一试验方案中包含两个或两个以上的试验因素，各个因素都分为不同水平，其它试验条件均严格控制一致的试验。
5. 处理组合：各因素不同水平的组合。
6. 试验指标：用于衡量试验效果的指示性状。
7. 试验效应：试验因素对试验指标所起的增加或减少的作用。
8. 简单效应：在同一因素内两种水平间试验指标的相差。
9. 平均效应：一个因素内各简单效应的平均数。
也称主要效应，简称主效。
10. 交互作用效应：两个因素简单效应间的平均差异。
简称互作。
11. 对照：试验方案中包括有对照水平或处理，简称对照。
（试验当中所设计的比较标准的处理）12. 唯一差异原则：指在试验中进行比较的各个处理，其间的差别仅在于不同的试验因素或不同的水平，其余所有的条件都应完全一致。
13. 误差：测量值与真实值之间的差异称为误差。
14. 随机误差：由随机或偶然因素造成的试验结果与处理真值之间的差异称为偶然性误差或随机误差。
15. 系统误差：由固定原因一起的试验结果与处理真值之间的差异称为系统误差。
16. 精确度：试验中同一性状的重复观察值彼此接近的程度。
（即试验误差的大小）17. 准确度：试验中某一性状的观察值与其理论值真值的接近程度。
18. 空白试验：在整个试验地上种植单一品种的作物。
19. 匀田种植：20. 重复：试验中同一处理种植小区数即为重复次数。
21. 随机排列：指一个区组中每一处理都有同等的机会设置在任何一个试验小区上，避免任何主观成见。
22. 局部控制：指将整个试验环境分成若干个相对最为一致的小环境，再在小环境内设置成套处理，使非试验因素（试验环境）最大程度的一致。
- 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)。
试验统计方法复习总结引言•统计学:研究事物的数量特征及其数量规律的一门方法论学科•生物统计学:研究生物的数量特征及其数量规律的一门方法论学科(数理统计和概率论的原理在生物学研究中的应用)•生物统计学的两大内容及其作用• 1.试验设计:科学的设计和操作试验,其主要作用是减少试验误差,获得科学准确的试验数据.主要内容有基本知识,试验方案,试验误差,试验设计的原则和方法.• 2.统计分析:科学的分析数据,其主要作用是发现事物数量的本质及其规律.主要内容有基本知识,基本原理,统计假设测验,方差分析,相关回归分析等.科学研究的基本过程和方法(一) 科学研究的基本过程(与第五章的统计假设测验有密切的联系)(1)提出假设或假说；(2)进行试验或抽样调查；(3)分析数据肯定或否定或修改假说。
(二) 科学研究的基本方法1.选题2.文献3.假说4.试验的规划与设计5.假说的检验第一章1．何为实验因素，实验水平，实验处理？何谓简单效应、主要效应和交互作用效应？举例说明。
试验因素：简称因素或因子(factor):被变动并设有待比较的一组处理的因子或试验研究的对象(研究对象的效应)。
水平(level):试验因素内不同的级别或状态。
试验处理(treatment):单因素试验中的每一个水平即为一个处理;多因素试验中是不同因素的水平结合在一起形成的处理组合,也简称为处理。
简单效应(simple effect): 在同一因素内两种水平间试验指标的差异。
主效(main effect):一个因素内各简单效应的平均数。
交互作用效应(interaction effect)，简称互作:因素内简单效应间差异的平均。
例、有一N和P对水稻A品种的小区试验产量结果如下:反应不一致的现象.2．什么是实验方案，如何制定一个正确的实验方案？试举例说明？试验方案:根据试验目的和要求所拟定的用来进行比较的一组试验处理的总称。
1.目的明确。
2. 选择适当的因素及其水平。
3. 设置对照水平或处理，简称对照(check，符号CK)。
4. 应用唯一差异原则。
3．什么是实验误差？实验误差与实验的准确度，精确度以及实验处理间的可靠性有什么关系？试验误差的概念:试验结果与处理真值之间的差异试验误差的分类:1.系统误差(systematic error) : 由于固定原因造成的试验结果与处理真值之间的差异.系统误差影响了数据的准确性，准确性是指观测值与其理论真值间的符合程度；2.随机误差(random error):由于随机因素或偶然因素造成的试验结果与处理真值之间的差异.随机误差影响了数据的精确性，精确性是指观测值间的符合程度。
4实验误差有哪些来源？如何控制？来源：(1)试验材料固有的差异(2)试验时农事操作和管理技术的不一致所引起的差异(3)进行试验时外界条件的差异控制：(1)选择同质一致的试验材料(2) 改进操作和管理技术，使之标准化(3) 控制引起差异的外界主要因素选择条件均匀一致的试验环境；试验中采用适当的试验设计和科学的管理技术；应用相应的科学统计分析方法。
第二章1、试验设计( experiment design)广义----是指整个试验研究课题的设计，包括确定试验处理的方案，小区技术，以及相应的资料搜集、整理和统计分析的方法等；狭义----专指小区技术，特别是抽样方法.重复区组和试验小区的排列方法。
主要通过抽样方法,重复区组和处理小区的不同排列方法,达到控制或减少试验误差的目的.处理小区----一个处理所占有的一小块试验空间或试验地.重复区组( block ) ----一个试验的全部处理小区相邻排列在一起即构成一个区组.2、田间试验设计的基本原则是什么？有何作用？试验设计的三个基本原则1.重复2.随机3.局部控制重复的作用: 估计试验误差 ；降低试验误差 。
随机的主要作用:无偏估计试验误差;研究随机事件----获得随机变量-----概率的性质------进行统计分析(统计推断)!局部控制就是分范围分地段或分空间地控制非处理因素，使之对各试验处理的影响在较小空间内达到最大程度的一致,从而有效地降低试验误差。
这是降低误差的重要手段之一第三章1总体，样本，参数，统计数的概念和关系？总体( population ):具有共同性质的个体所组成的集团. 有限总体----由有限个个体构成的总体.无限总体----总体所包含的个体数目有无穷多个 .样本( sample ):从总体中抽取若干个个体的集合称为样本(sample)。
参数:由总体中全部个体观察值计算得总体特征值. 统计数( statistic ):测定样本中的各个体而得的样本特征数，如平均数等，称为统计数 关系:试验研究的目的是为了获得总体的信息或特征; 试验研究的方法则是抽样研究;利用样本的结果(统计数)推断或估计总体特征 (参数).2算数平均数的意义和特性？算术平均数 一个数量资料中各个观察值的总和除以观察值个数所得的商数，称为算术平均数算术平均数的重要特性：(1)离均差之和为零(2)离均差平方的总和最小3变异数的意义、种类和计算？变异数的意义:一表示资料数据间的变异程度或离散程度或离均程度;二可以衡量平均值的代表性.变异数的种类: 一、极差 二、方差 三、标准差 四、变异系数 计算：样本标准差的公式为： 总体标准差用表示：变异系数( coefficient of variation ) ----样本的标准差对均数的百分数：变异系数是一个不带任何单位的平均一个单位纯数离均程度，其作用:消除了平均值大小及所带单位不同的影响,其可用以比较二个事物的变异度大小。
第四章1统计概率、正态离差含义？统计学上用n 较大时稳定的频率近似代表概率。
通过大量实验而估计的概率称为实验概1)(2-∑-=n y y s N y 2)(∑-=μσ%100⨯=ysCV率或统计概率，以p 表示。
正态离差：2正太分布曲线特征的第五点？正态曲线与横轴之间的总面积等于1，因此在曲线下横轴的任何定值，例如从y =y 1到y =y 2之间的面积，等于介于这两个定值间面积占总面积的成数，或者说等于y 落于这个区间内的概率。
正态曲线的任何两个y 定值ya 与yb 之间的面积或概率乃完全以曲线的 和 而确定的。
详细数值见附表2，下面为几对常见的区间与其相对应的面积或概率的数字：(非常重要)区间 ±1 面积或概率=0.6827±2 =0.9545 ±3 =0.9973 ±1.960 =0.9500 ±2.576 =0.9900 对于标准正态分布则有区间 0±1 面积或概率=0.6827 0± 2 =0.95450± 3 =0.99730 ± 1.960 =0.95000 ± 2.576 =0.99003小概率原理及其在统计假设测验中的应用？小概率原理----若事件A 发生的概率较小，如小于0.05或0.01，则认为事件A 在一次试验中不太可能发生，这称为小概率事件实际不可能性原理，简称小概率原理。
小概率事件实际不可能性原理在统计假设测验中的应用:如果事先假设了一些条件,在这些假设的条件下若计算出某一事件为一小概率事件,然而它在一次正常的试验中竟然发生了;反过来说明假设的条件不正确,从而否定该假设(接受另一个相反的假设)4、样本平均数抽样分布及其参数？样本平均数差数抽样分布及其参数？ 从已知的总体中以一定的样本容量进行随机抽样，由样本的统计数所对应的概率分布称为抽样分布。
抽样分布( sampling distribution )是统计推断的理论基础。
如果从容量为N 的有限总体抽样，若每次抽取容量为n 的样本，那么一共可以得到 个样本(所有可能的样本个数)。
抽样所得到的每一个样本可以计算一个平均数，全部可能的样本都被抽取后可以得到许多平均数。
如果将抽样所得到的所有可能的样本平均数集合起来便构成一个新的总体，平均数就成为这个新总体的变量。
由平均数构成的新总体的分布，称为平均数的抽样分布。
随机样本的任何一种统计数都可以是一个变量，这种变量的分布称为统计数的抽样分布。
(1) 该抽样分布的平均数 与母总体的平均数相等：(2) 该抽样分布的方差与母总体方差间存在如下关系：μμ=y ⎪⎭⎪⎬⎫==n n y y σσσσ 相应地， 22n N μσy μ如果从一个总体随机地抽取一个样本容量为n 1的样本，同时随机独立地从另一个总体抽取一个样本容量为n 2的样本，那么可以得到分别属于两个总体的样本，这两个独立随机抽取的样本平均数间差数( )的抽样分布参数与两个母总体间存在如下关系：(1) 该抽样分布的平均数与母总体的平均数之差相等：(2) 该抽样分布的方差与母总体方差间的关系为： 第五章1区间估计，置信区间，置信限，置信度的概念？区间估计:在一定的概率保证之下,由样本的统计数估计出总体参数可能位于的区间. 置信区间( confidence interval ):在一定的概率保证之下,由样本的统计数估计出的总体参数可能位于的区间.区间的上、下限称为置信限( confidence limit ) 一般以L 1和L 2分别表示置信下限和上限。
置信系数或置信度:保证总体参数位于置信区间的概率以P =(1－ )表示。
2什么是统计假设？统计假设有哪几种？各有何含义？假设测验时直接测验的统计假设是那一种为什么？统计假设(statistical hypothesis) :对样本所属的总体(特征值或参数)提出假设(包括无效假设和备择假设两个,在后面有说明)。
▪ 无效假设(null hypothesis):记作H0,假设样本所属总体效应或参数(平均数)与某一指定值相等或假设两个总体参数相等,即相对而言都不具有自己的独特效应.▪ 备择假设( alternative hypothesis ):记作 HA,假设样本所属总体效应或参数(平均数)与某一指定值不相等或假设两个总体参数不相等,或相对而言它们都有自己的独特效应.所以也可以称为有效假设.因为只有无效假设相当于总体已知，这样才能从已知的总体中进行抽样分布，才能进一步计算样本在无效假设中出现的概率。
3区间估计和假设测验的关系？ 区间估计与统计假设测验的关系为:1 如果无效假设位于置信区间内,就接受无效假设,称为 差异不显著;2 如果无效假设位于置信区间外,就否定无效假设,接受 备择假设,称为差异显著;4什么是显著水平？为什么要有一个显著水平？根据什么确定显著水平？它和统计推断有何关系？用来测验假设的小概率标准5%或1%等，称为显著水平 由于显著水平不同可能直接影响到推断结果.本例题如果 用0.01水平就要接受无效假设,所以必须事先确定显著水平. 选用显著水平的原则:统计上达显著,实际上有应用价值.选用显著水平的原则:试验误差小的,选高水平0.01;试验误差大的,选低水平0.05.2121μμμ-=-y y 2221212222121nn y y y y σσσσσ+=+=-21y y -5什么叫统计推断？它包括哪些内容？什么是统计假设测验，它的原理和方法？统计推断:利用概率论和抽样分布的原理,由样本结果(统计数)推断或估计其总体特征(参数).它有两条路:一是统计假设测验,二是参数的区间估计.本教材主要是统计假设测验.统计假设测验的含义:首先对样本所属的总体提出统计假设(无效假设 ,备择假设 )然后计算样本在无效假设的总体中出现的概率,若概率大则接受该假设;若概率小则否定该假设,从而接受另一个相反的备择假设 具体有以下三大步:(一)提出统计假设:对所研究的总体首先提出统计假设(二)计算概率: 在假定无效假设为正确的前提下，研究抽样分布，从而计算出样本在无效假设的总体中出现的概率(三) 推断: 根据“小概率事件实际上不可能发生”原理接受或否定无效假设第六章1方差分析的基本方法基本步骤？ 方差分析的步骤:1.平方和及自由度的分解:把试验资料总变异的平方和及自由度分解为各个因素的平方和及自由度,并计算出它们的方差.2.F 测验:利用f 分布测验各个因素的方差是否显著大于误差方差.以明确哪个因素的效应是显著的.3.多重比较:对方差显著的因素内水平间的平均数进行比较(差异显著性测验),以明确哪些平均数间差异显著,哪些平均数间差异不显著. 2、F 测验的两个前提条件？ F 测验需具备条件：(1)变数y 遵循正态分布N ( ， )， (2) s 12 和 s 22 彼此独立 。