本教材以生物學科及其相關領域為背景，介紹了試驗設計的原理、方法及其套用。包括生物科學研究中經典的試驗設計的原理、方法和現代生物學研究中套用的試驗設計的原理和方法。
基本介紹
- 書名：生物試驗設計與分析
- 作者：倪海兒
- 出版社：科學出版社
- 頁數：237頁
- 開本：16
- 定價：38.00
- 外文名：Experimental Design and Analysis for Biologists
- 類型：生物科學理論
- 出版日期：2013年1月1日
- 語種：簡體中文
- ISBN：9787030360540
- 品牌：科學出版社
內容簡介,圖書目錄,文摘,
內容簡介
《生物試驗設計與分析》以生物科學及相關領域為背景，介紹各類試驗設計的原理、方法及其統計分析。《生物試驗設計與分析》可作為生物科學類及農、林、畜牧、水產、製藥、生物資源與環境等相關專業本科生和研究生的教學用書，也可供相關學科的科研、教學、實驗及農業推廣技術人員參考。
圖書目錄
前言
第1章試驗設計的統計基礎
1.1隨機變數及其分布
1.2抽樣分布
1.3總體參數的檢驗與區間估計
1.4兩個總體期望的比較——簡單對比試驗
1.5多個總體期望的比較——方差分析
1.6SPSS軟體的套用
1.7試驗設計的基本原則
1.8習題
第2章試驗結果的回歸分析
2.1一元線性回歸
2.2一元線性回歸的檢驗
2.3一元線性回歸的預測
2.4多元線性回歸
2.5多項式回歸
2.6SPSS的回歸分析
2.7習題
第3章完全隨機化試驗
3.1單因素試驗
3.2模型參數的估計
3.3多重比較
3.4正交對比
3.5回響曲線的擬合
3.6模型的適合性
3.7無重複的雙因素試驗
3.8有重複的雙因素試驗
3.9方差分析的效應模型
3.10完全隨機化試驗的SPSS分析
3.1l習題
第4章隨機區組試驗
4.1隨機化完全區組試驗
4.2拉丁方試驗
4.3均衡不完全區組試驗
4.4裂區試驗
4.5隨機區組試驗的SPSS分析
4.6習題
第5章內套試驗
5.1二級套設計
5.2三級套設計
5.3習題
第6章正交試驗
6.1正交表
6.2正交試驗的方差分析
6.3正交試驗的互動作用
6.4混合水平的正交試驗
6.5重複試驗
6.6SPSS的正交設計
6.7習題
第7章帶協變數的試驗
7.1概說
7.2一元單因素協方差分析
7.3一元兩因素協方差分析
7.4二元協方差分析
7.5習題
參考文獻
附表
第1章試驗設計的統計基礎
1.1隨機變數及其分布
1.2抽樣分布
1.3總體參數的檢驗與區間估計
1.4兩個總體期望的比較——簡單對比試驗
1.5多個總體期望的比較——方差分析
1.6SPSS軟體的套用
1.7試驗設計的基本原則
1.8習題
第2章試驗結果的回歸分析
2.1一元線性回歸
2.2一元線性回歸的檢驗
2.3一元線性回歸的預測
2.4多元線性回歸
2.5多項式回歸
2.6SPSS的回歸分析
2.7習題
第3章完全隨機化試驗
3.1單因素試驗
3.2模型參數的估計
3.3多重比較
3.4正交對比
3.5回響曲線的擬合
3.6模型的適合性
3.7無重複的雙因素試驗
3.8有重複的雙因素試驗
3.9方差分析的效應模型
3.10完全隨機化試驗的SPSS分析
3.1l習題
第4章隨機區組試驗
4.1隨機化完全區組試驗
4.2拉丁方試驗
4.3均衡不完全區組試驗
4.4裂區試驗
4.5隨機區組試驗的SPSS分析
4.6習題
第5章內套試驗
5.1二級套設計
5.2三級套設計
5.3習題
第6章正交試驗
6.1正交表
6.2正交試驗的方差分析
6.3正交試驗的互動作用
6.4混合水平的正交試驗
6.5重複試驗
6.6SPSS的正交設計
6.7習題
第7章帶協變數的試驗
7.1概說
7.2一元單因素協方差分析
7.3一元兩因素協方差分析
7.4二元協方差分析
7.5習題
參考文獻
附表
文摘
著作權頁：
插圖：
7.2.3協萬差分析的計算步驟
如上所述，我們希望在消除了協變數對試驗指標的影響後，對因素各水平的效應進行檢驗。
1.回歸顯著性檢驗
表7.2.2中已將離差平方和lxx，lyy及積和lxy進行了分解，“組內”這一行所反應的是從總的離差平方和及積和中析離了因素的效應後所留下的協變數對試驗指標的影響，即回歸的效應，於是可據此檢驗模型（7.1.1）中的線性回歸的假設是否為真，利用這一行的它是式（2.1.11）的推廣，提供了模型（7.1.1）中參數盧的估計，於是，回歸的顯著性檢驗可按以下的方差分析表進行（表7.2.3）。
插圖：
7.2.3協萬差分析的計算步驟
如上所述，我們希望在消除了協變數對試驗指標的影響後，對因素各水平的效應進行檢驗。
1.回歸顯著性檢驗
表7.2.2中已將離差平方和lxx，lyy及積和lxy進行了分解，“組內”這一行所反應的是從總的離差平方和及積和中析離了因素的效應後所留下的協變數對試驗指標的影響，即回歸的效應，於是可據此檢驗模型（7.1.1）中的線性回歸的假設是否為真，利用這一行的它是式（2.1.11）的推廣，提供了模型（7.1.1）中參數盧的估計，於是，回歸的顯著性檢驗可按以下的方差分析表進行（表7.2.3）。
