（完整版）⽣物统计附实验设计（明道绪__第四版）最全资料--复习题、课后思考题、试卷及答案
⼆、填空
明道资料1、⽣物统计分描述性统计和分析性统计。描述性统计是指运⽤分类、制表、图形以及计算概括性数据（平均数、标准差等）来描述数据特征的各项活动。分析性统计是进⾏数据观察、数据分析以及从中得出统计推断的各项活动。
2、统计分析的基本过程就是由样本推断总体的过程。该样本是该总体的⼀部分。
3、由样本获取总体的过程叫抽样。常⽤的抽样⽅法有随机抽样、顺序抽样、分等按⽐例抽样、整抽样等。
4、样本平均数与总体平均数的差异叫抽样误差。常⽤ S/√N表⽰。
5、只有降低抽样误差才能提⾼试验结果的正确性。试验结果的正确性包括准确性和精确性。
6、试验误差按来源分为系统误差（条件误差）和随机误差（偶然误差）。系统误差（条件误差）影响试验结果的准确性，随机误差（偶然误差）影响试验结果的精确性。
7、系统误差（条件误差）可以控制，可通过合理的试验设计⽅法降低或消除。随机误差（偶然误差）不可控制，可通过理论分布来研究其变异规律，或相对⽐较其出现的概率的⼤⼩。
8、样本推断总体分假设检验和区间估计两⼤内容。常⽤的检验⽅法有t检验、F检验和卡⽅检验。
9、置信区间指在⼀定概率保证下总体平均数的可能范围。
10、t检验是通过样本平均数差值的⼤⼩来检验处理效应是否存在，两样本平均数的差值代表了试验的表观效应，它可能由处理效应（真实效应）和误差效应引起，要检验处理效应是否存在，常采⽤反证法。此法先建⽴⽆效假设：即假设处理效应不存在，样本平均数差值是由误差引起，根据差异在误差分布⾥出现的概率（即可能性⼤⼩的衡量）来判断⽆效假设是否成⽴。11、判断⽆效假设是否成⽴的依据是⼩概率事件实际不可能原理，即假设检验的基本依据。⽤来肯定和否定⽆效假设的⼩概率，我们称之为显著⽔平，通常记为α。
12、t检验通常适合两样本连续性（⾮间断性）随机变量资料的假设检验，当⼆项分布逼近正态分布时，百分数资料也可⽤t检验。
13、F检验也叫⽅差分析。通常适合三个或三个以上样本连续性（⾮间断性）随机变量资料的假设检验。顾名思义，F检验是⽤⽅差的变异规律（即F分布）来检验处理效应是否存在。
14、F检验是从总离均差平⽅和与⾃由度的剖分开始，将总变异剖分为组间变异和组内变异。因为组间变异由处理效应和误差效应共同引起，组内变异由误差效应引起。因⽽，将计算出的组间⽅差和组内⽅差进⾏⽐较，就可判断处理效应是否存在。15、F检验显著或极显著说明组间处理效应存在，但并不能说明每两组间都存在差异，要知道每两组间是否有差异，必须进⾏多重⽐较，常采⽤的⽐较⽅法有最⼩显著差数法（LSD法）和最⼩显著极差法（LSR法），后⼀种⽅法⼜分为q法和新复极差法（SSR法）。⽣物试验中常采⽤新复极差法（SSR法）。
16、两因素⽆重复观测值⽅差分析只能分析试验因素的简单效应和主效应，不能分析出互作效应，因此时计算的误差⾃由度为0。当两因素有互作效应时，试验设计⼀定要在处理组（⽔平组合）内设⽴重复。
17、两因素有重复观察值⽅差分析，既可分析出两因素的主效应，还可分析出互作效应。当互作效应显著存在时，可通过多重⽐较出最佳⽔平组合。
18、35、多重⽐较的结果通常⽤字母表⽰，平均数右上⾓具有相同英⽂字母表⽰差异不显著，具有不同英⽂字母表⽰差异显著。⽤⼩写英⽂字母表⽰差异显著，⽤⼤写英⽂字母表⽰差异极显著。19、当⼆项分布接近于正态分布时，两次数资料样本的差异，可通过计算百分数，⽤t检验。
20、次数资料也可⽤2χ检验法进⾏假设检验，2χ检验可分为适合性检验和独⽴性检验。
21、独⽴性检验要先设计出联列表，然后⽤2χ检验，检验两因⼦是相互独⽴还是相互依赖，即两因⼦有⽆相关性。
22、2χ分布是随⾃由度变化的⼀簇曲线，任⼀曲线皆是连续的。在次数资料的显著性检验中，当
检验资料的⾃由度等于1时，算得的χ2值将有所偏⼤，因此应予以矫正，统计上称为连续性矫正。
23、独⽴性检验中，当某⼀单元格所计算的理论次数在5以下时，要进⾏相近单元格合并处理。
24、三种统计分析能得出两试验因素有⽆相关性的结论，它们是：两因素有重复观测值⽅差分析，通过互作效应检验说明、独⽴性检验和相关回归分析。
25、假设检验差异显著或极显著，通常⽤“*”或“**”表⽰，说明：有95%或99%的把握说明处理效应存在，但要犯5%或1%的Ⅰ型错误，即有5%或1%的可能将处理效应不存在判定为存在，或将⾮真实效应判定为真实效应。
26、假设检验差异不显著说明试验结果有两种可能：⼀是真实效应的确不存在，⼆是由于犯Ⅱ型错误将真实性差异判定为⾮真实性差异，其可能性⼤⼩受显著⽔平α、样本平均数之间的差异、试验误差的⼤⼩有关。
27、假设检验的两个类型错误相互制约，处理好它们之间的⽭盾的措施是加⼤样本含量、降低试验误差。
28、试验误差既影响样本观测值的准确性，⼜影响假设检验的可靠性，因⽽试验之前应采⽤合理的⽅法设计试验尽量减少或降低试验误差。试验设计的基本原理是随机、重复、局部条件⼀致。29、常采⽤的试验设计⽅法有：完全随机试验设计、配对或随机单位组设计、拉丁⽅设计、交叉设计和正交试验设计。
30、完全随机试验设计只⽤随机和重复两个原理，适合样本变异不⼤时应⽤。配对或随机单位组设计应⽤了试验设计的随机、重复和局部条件⼀致三个原理，可以降低试验误差，当样本变异较⼤时应⽤。但组对和组单位组要求严格，不能勉强组对和组单位组。
31、正交试验设计适合多因⼦多⽔平试验设计。
32、试验计划的核⼼内容是试验⽅案、试验⽅法、样本含量的确定。
33、试验⽅案中各因素⽔平的设置常采⽤等差、等⽐和随机法确定。
34、多个处理（处理数为三或三以上时）⽐较试验中，各处理的重复数按误差⾃由度为12以上的原则来估计，因这以后临界F 值减⼩的幅度已很⼩。
35、随机单位组单因素试验设计，试验结果的统计分析时，应将单位组看作⼀试验因⼦，采⽤两因素⽆重复观察值的⽅差分析。
36、两因素试验设计中，为了估计互作效应，降低误差效应，各处理组必须设⽴重复。
三、单项选择题
1、反映抽样误差的统计量是（）A、标准差 B、变异系数C、标准误 D、均⽅
2、算术平均数的重要特性之⼀是离均差平⽅和（）。
A、最⼩
B、最⼤
C、等于零
D、接近零
3、在⼀个平均数和⽅差均为10的正态总体N(10, 10)中，以样本容量10进⾏抽样，其样本平均
数服从（）分布。A. N(10, 1) B. N(0, 10) C. N(0, 1) D. N(10, 10)
4、F检验后的最⼩显著差数多重⽐较检验法⼜可记为（）。
A、LSD法
B、PLSD法
C、SSR法
D、DLSD
5、正态分布不具有下列（）之特征。
A、左右对称
B、单峰分布
C、中间⾼、两头低
D、概率处处相等
6、两个样本⽅差的差异显著性⼀般⽤（）测验。
A、t
B、F
C、u
D、2χ测验
7、⼀批种⼦的发芽率为75%，每⽳播5粒，出苗数为4的概率（）。
A、0.3955
B、0.0146
C、0.3087
D、0.1681
8、⽅差分析基本假定中除可加性、正态性外，尚有（）假定。否则要对数据资料进⾏数据转换。
A、⽆偏性
B、⽆互作
C、同质性
D、重演性
9、若否定
H，则（）。
A、犯α错误
B、犯β错误
C、犯α错误或不犯错误
D、犯β错误或不犯错误
10、系统误差与随机误差的区别在于。（）
A、系统误差主要是由测量仪器或⽅法偏差所造成的；⽽随机误差则是由偶然不可控的因素造成的
B、系统误差是不可以控制的，随机误差是可以避免的
C、在相同条件下，重复测量⼀动物体⾼的结果不尽⼀致的原因是由系统误差造成的
D、系统误差是不定向的，随机误差是定向的
11、科技论⽂中，如果同⾏两个平均数右上⾓有相同的⼤写字母，有不同的⼩写字母，表⽰两个平均数（）。A、差异不显著
B、差异极显著
C、差异显著
D、不清楚
四、是⾮题
1、⼆项分布的平均数为np（√）
2、在⼆因素完全随机化设计试验结果的⽅差分析中，误差项⾃由度为(1)(1)
--。（×）
n ab
3、2χ分布是随⾃由度变化的⼀簇曲线，任⼀曲线皆是间断的，可⽤于次数资料的假设测验。（×）
4、⼀个显著的相关系数或回归系数说明X和Y变数的关系必为线性关系。（×）
5、总体的特征数叫统计数。（×）
6、显著性检验中不是犯α错误就是犯β错误。（√）
7、不显著的直线相关或回归关系不⼀定说明X和Y没有关系。（√）
8、两个连续性变数资料的差异显著性检验只能⽤t检验，不能⽤F检验。（×）
五、简答题：
1、假设检验的基本原理？
可从试验的表⾯差异与实验误差与试验误差（或抽样误差）的权衡⽐较中间接地推断试验的真实差异是否存在，这就是假设检验的基本思想
k≥个样本平均数，能否利⽤u或t测验进⾏两两独⽴⽐较？为什么？
2、对于k()3
不能
⼀，检验⼯作量⼤⼆，⽆统⼀的试验误差，误差估计的精确性和检验的灵敏性低
三，推断的可靠性低，检验的I型错误率⼤
3、推导离均差之和等于0，离均差平⽅和最⼩？
4、如何提⾼试验的准确性与精确性？
5、如何控制、降低随机误差，避免系统误差？
答：进⾏多次平⾏试验能控制和降低随机误差，虽然单次测量的随机误差没有规律，但多次测量的总体却服从统计规律，通过对测量数据的统计处理，能在理论上估计起对测量结果的影响。只要试验⼯作做得精细，系统误差容易克服。
6、统计表与统计图有何⽤途？常⽤统计图、统计表有哪些？三线表的意义？
答：统计表使⽤表格形式来表⽰数量关系，统计图是⽤⼏何图形来表⽰数量关系，可以把研究对象的特征、内部构成、相互关系等简明、形象的表达出来，便于⽐较分析
统计表：简单表、复合表
统计图：长条图、圆图、线图、直⽅图、折线图
7、为什么变异系数要与平均数、标准差配合使⽤？
答：因为变异系数的⼤⼩，同时受到平均数和标准差两个统计数的影响，因⽽在利⽤变异系数表⽰资料的变异程度时，最好将平均数和标准差也列出
8、标准误与标准差有何联系与区别?
答：标准差和标准误都是变异指标，但它们之间有区别，也有联系。区别: ①概念不同；标准差是描述观察值(个体值)之间的变异程度；标准误是描述样本均数的抽样误差；②⽤途不同；标准差与均数结合估计参考值范围，计算变异系数，计算标准误等。标准误⽤于估计参数的可信区间，进⾏假设检验等。③它们与样本含量的关系不同: 当样本含量 n ⾜够⼤时，标准差趋向稳定；⽽标准误随n的增⼤⽽减⼩，甚⾄趋于0 。联系: 标准差，标准误均为变异指标，当样本含量不变时，标准误与标准差成正⽐。
9、样本平均数抽样总体与原始总体的两个参数间有何联系？
10、显著性检验的基本步骤是什么？根据什么确定显著⽔平？
答：基本步骤：
1，⾸先对试验样本所在作假设
2，在⽆效假设成⽴的前提下，构造合适的统计数，并研究试验所得统计数的抽样分布，计算⽆效假设正确的概率
3，根据“⼩概率事件实际不可能原理”否定或接受⽆效假设
在假设检验中，⽆效假设是否被否定的依据是“⼩概率事件不可能原理”。
11、均数差异显著性检验中，肯定和否定⽆效假设的依据是什么？
12、什么是统计推断？为什么统计推断的结论有可能发⽣错误？有哪两类错误？如何降低犯两类错误的概率？
⼀：统计推断是指根据样本和假定模型对总体作出的以概率形式表述的推断
⼆：由试验的真实差异跟抽样误差引起的
三：第⼀类错误：把⾮真实差异错判为真实差异
第⼆类差异：把真实差异错判为⾮真实差异
四：适当样本含量
13、进⾏显著性检验应注意什么问题？如何理解显著性检验结论中的“差异不显著”、“差异显著”、“差异极显著”？
答：注意：
1，要有合理的试验或抽样设计，保证试验结果的可靠、正确、且处理间要有可⽐性。
2，选⽤的假设检验⽅法应符合其应⽤条件
3，要正确理解差异显著或极显著的统计意义
4，合理建⽴统计假设，正确计算检验统计数
“差异不显著”：有两种可能：⼀：它们所在的总体平均数不相同，但被试验误差所掩盖，表现不出差异的显著性⼆：它们所在的总体平均数的确⽆差异
“差异显著”或：“差异极显著”：表⾯上如此差异的不同样本来⾃同⼀总体的可能性⼩于0.05或0.01，已到达了可以认为它们所在的总体平均数不相同的显著⽔平。但有些试验结果虽然差异⼤，但误差⼤，也许得不出“差异显著”的结论，⽽有些试验结果虽然差异⼩，但由于试验误差⼩，反⽽可能推断为“差异显著“
14、配对试验设计与⾮配对试验设计有何区别？
区别：⾮配对试验设计是指当进⾏有两个处理的试验时，将试验单位随机分成两个组，然后对两组随机实施⼀个处理。
配对试验设计是先根据配对的要求将试验单位两两配对，然后将配对成⼦的两个试验单位随机分配到两个处理组中。要求配对成⼦的两个试验单位的初始条件尽量⼀致，不同对⼦间试验单位的初始条件允许有差异
15、多个处理平均数间的相互⽐较为什么不宜⽤t检验法?
第⼀：检验⼯作量⼤
第⼆：⽆统⼀的试验误差
第三：推断的可能性低检验的I型错误率⼤
16、推导总离均差平⽅和=组间离均差平⽅和+组内离均差平⽅和
17、为何要进⾏多重⽐较？如何选⽤多重⽐较的⽅法？
答：F值显著或极显著，否定了⽆效假设H0，表明实验的总差异主要来源于处理间的变异，实验中各处理平均数之间存在显著或极显著差异，但并不意味着每两个处理平均数间的差异都显著或极显著，也不能具体说明哪些处理平均数间有显著或极显著差异，哪些处理平均数间差异不显著。因⽽，有必要进⾏两两平均数间的⽐较，以具体判断两两处理平均数间的差异显著性。
⼀般的讲，⼀个实验资料，究竟采⽤哪⼀种多重⽐较⽅法，主要应根据否定⼀个正确的H0和接受⼀个不正确的H0的相对重要性来决定。如果否定正确的H0事关重⼤或后果严重的，或对实验要求严格时，⽤q法较稳妥；如果接受⼀个不正确的H0是事关重⼤或后果严重的，则宜⽤SSR法。⽣物实验中，由于实验误差较⼤，常采⽤SSR法；F检验显著后，为了简便，也可采⽤LSD法。18、在什么条件下⽅差分析之前要作数据转换? 常⽤的数据转换⽅法有哪⼏种? 各在什么条件下应⽤?
答：分布的⾮正态性和⽅差的不同质经常相伴出现，对这类资料不能直接进⾏⽅差分析，⽽因考虑采
⽤⾮参数⽅法分析或进⾏适当数据转换后再作⽅差分析。
常⽤的数据转换⽅法有三种：
平⽅根转换此法适⽤于各组均⽅与其平均数之间有某种⽐例关系的资料，尤其适⽤于总体呈泊松分布的资料。