該文結(jié)合植物生長調(diào)節(jié)劑對草坪草生長的影響試驗結(jié)果,闡述了在重復(fù)測量實驗的方差分析中對數(shù)據(jù)進行檢驗的重要性,并介紹了應(yīng)用Python語言實現(xiàn)檢驗的方式。 

【文章來源】：安徽農(nóng)學通報. 2020,26(09)

【文章頁數(shù)】：4 頁

【部分圖文】：

Python程序?qū)崿F(xiàn)的試驗數(shù)據(jù)描述統(tǒng)計

試驗在不同時間點對樣本進行了多次測量，可以通過繪制均值折線圖描述每組數(shù)據(jù)的趨勢，以初步分析數(shù)據(jù)的發(fā)展方向。通過Python程序?qū)崿F(xiàn)的3組數(shù)據(jù)均值折線圖如圖2所示。由圖2可知，第1組和第3組隨著時間的推移，株高呈現(xiàn)明顯的增長趨勢，表明對照組和處理組2生長明顯，且測量數(shù)值處于同一水平，猜測100mg/L防落素與300mg/L縮節(jié)胺的復(fù)配組合無法有效抑制草坪草的內(nèi)源生長素。而第2組的生長趨勢并不明顯，且觀察值與第1組和第3組相比少了很多，可以猜測，100mg/L防落素與50mg/L烯效唑的復(fù)配組合可以有效抑制樣品的再生長。通過折線圖可以對主效應(yīng)和交互效應(yīng)有初步的判斷，但并不能因此做出差異推斷，還需要對數(shù)據(jù)做進一步檢驗。3.2 檢驗2:數(shù)據(jù)分布檢驗

各組數(shù)據(jù)之間的差異推斷可通過單因素方差分析求得，進行方差分析之前需要做F分布，只有服從正態(tài)分布總體才適用于F分布的假設(shè)檢驗，否則，檢驗結(jié)果是沒有意義的[7]。圖示法（直方圖、QQ圖等）是正態(tài)分布常用的檢驗方法，具備簡單和直觀性，可采用直方圖對樣本測量數(shù)據(jù)進行檢驗，引例試驗應(yīng)用Python程序?qū)崿F(xiàn)的直方圖如圖3所示。除了圖示法，S-W檢驗（Shapiro-Wilk）和K-S檢驗（Kolmogorov-Smirnov）也是正態(tài)分布常用的檢驗方法，這是比較頻率分布f(x）與理論分布g(x）或者2個觀測值分布的檢驗方法，檢驗功效一般隨樣本容量的增大而增大。S-W檢驗是一種基于相關(guān)性的算法，計算可得到1個相關(guān)系數(shù)，系數(shù)越接近1，表明數(shù)據(jù)和正態(tài)分布擬合得越好，適用于小樣本場合（3≤n≤50);K-S檢驗適用于樣本量大于50的大樣本場合。檢驗數(shù)據(jù)時通常會根據(jù)樣本量的大小選擇適用的檢驗方法，本試驗中每組草坪草的樣本量為20，所以選用S-W檢驗。計算結(jié)果返回2個值，一個是統(tǒng)計數(shù)（test statistic），一個是P值（p-value），如果p值小于顯著性水平（P<0.05），則拒絕原假設(shè)，該分布可以認為是正態(tài)分布。引例試驗各分組數(shù)據(jù)應(yīng)用Python程序?qū)崿F(xiàn)的正態(tài)檢驗結(jié)果如圖4所示。


本文編號：3471144