网站大量收购独家精品文档,联系QQ:2885784924

生物统计学 多重比较.ppt

  1. 1、本文档共27页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

五多重比较多重比较(multiplecomparisons)要明确不同处理平均数两两间差异的显著性,每个处理的平均数都要与其他的处理进行比较,这种差异显著性的检验就叫多重比较。统计上把多个平均数两两间的相互比较称为多重比较。概念五、多重比较常用方法最小显著差数法leastsignificantdifferenceLSD法最小显著极差法leastsignificantrangesLSR法LSD法的实质是两个平均数相比较的t检验法。LSR法克服了LSD法的局限性,采用不同平均数间用不同的显著差数标准进行比较,它可用于平均数间的所有相互比较。(一)最小显著差数法(LSD法)1.检验的方法(1)先计算出达到差异显著的最小差数,记为LSDα(2)用两个处理平均数的差值绝对值与LSDα比较:x1x2-(一)最小显著差数法(LSD法)1.检验的方法(1)先计算出达到差异显著的最小差数,记为LSDα由t=得x1x2-x1x2-Sx1x2-x1x2-S=t·LSD0.05=t0.05·x1x2-SLSD0.01=t0.01·x1x2-Sx1x2-S=√s12n1s22n2+=√1n11n2se2(+)当n1=n2时:x1x2-S=√2se2n平均数差数标准误的计算公式:处理内方差1.检验的方法(2)再用两个处理平均数的差值绝对值与LSDα比较:x1x2-x1x2->LSDα,即和在给定的α水平上差异不显著x1x2拒绝Ho接受Ho(一)最小显著差数法(LSD法)x1x2即和在给定的α水平上差异显著x1x2-<LSDα,某猪场对4个不同品种幼猪进行4个月增重量的测定,每个品种选择体重接近的幼猪4头,测定结果列于下表,试进行方差分析。=27.227.924.125.830.9T=434.4111.496.2103.2123.6Ti27.030.829.024.622.223.026.724.324.825.726.825.931.924.031.835.91234沈花沈黑沈白大白品种重复xixk=4,n=4,nk=16例变异来源SSdfs2FF0.05F0.01品种间品种内103.94109.3631234.6479.1133.802*3.495.95总变异213.3015不同品种猪4个月增重量的方差分析表例x1x2-S=√2se2n=√2×9.1134=2.1346查t值表,当误差自由度dfe=12时,LSD0.05=t0.05·x1x2-S=2.179×2.1346=4.6513(kg)LSD0.01=t0.01·x1x2-S=3.056×2.1346=6.5233(kg)t0.05=2.179,t0.01=3.0562.结果表示方法(一)最小显著差数法(LSD法)梯形法标记字母法标记字母法首先将全部平均数从大到小依次排列。然后在最大的平均数上标字母a,将该平均数与以下各平均数相比,凡相差不显著的(<LSDα)都标上字母a,直至某个与之相差显著的则标字母b。再以该标有b的平均数为标准,与各个比它大的平均数比较,凡差数差异不显著的在字母a的右边加标字母b。然后再以标b的最大平均数为标准与以下未曾标有字母的平均数比较,凡差数差异不显著的继续标以字母b,直至差异显著的平均数标字母c,再与上面的平均数比较。如此重复进行,直至最小的平均数有了标记字母,并与上面的平均数比较后为止。(一)最小显著差数法(LSD法)标记字母法品种平均数差异显著性α=0.05α=0.01大白沈花沈白沈黑30.927.925.824.1aA例不同品种间4个月增重量差异显著表abbbAABBBxi结果表明:大白和沈黑增重量差异达到了极显著标准,大白与沈白之间的差异达到了显著标准,其他品种间差异不显著。LSD0.05=4.6513

文档评论(0)

一壶清茶 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档