⑴ 生物測定試驗設計的基本原則有哪些
研究農葯與生物的相關性，對農葯及生物的要求是比較嚴格的。例如，室內的篩選或毒力測定，葯品應該是純品，至少要有確切的有效成分含量。而供試生物應該是純種，個體差異小，生理標准較為均一的。同時，還必須以確定的環境條件為前提。故試驗設計應該掌握以下原則：1．相對的控制環境條件
室內應該盡量保持與田間環境條件的一致性。因為環境條件的差異，尤其是本身環境條件的惡劣就極有可能會使供試生物體死亡。測定農葯的毒力，原則上要求只有兩個變數，一個是葯劑的劑量或濃度作為自變數，另一個是死亡率或抑制率作應變數。葯劑與生物的反應，一般是正相關，這樣所得的結果，容易重復和分析。但環境條件，主要是溫、濕度對農葯及生物都有直接或間接的影響，因此，生物測定的試驗條件，首先要求相對的控制環境條件，使影響因素力求穩定。室內尚可採用特定的恆溫、恆濕設備來控制，同時，使用精密的測試儀器及嚴格的測試方法，而且供試蟲種或菌種也用室內飼養標准化的純種，這樣盡可能消除或減少處理之間因條件或人為因素造成的差異，以提高試驗的精確度。田間試驗，除溫、濕度外，光照、風雨等多因子變異因素使許多條件不能控制，但小區試驗，也應盡量力求所選地區土壤肥力、病蟲害分布、作物長勢及管理水平等條件均勻相似，以減少試驗誤差為准則。
2．必須設立對照
在生物測定試驗中，對照是十分重要的。因昆蟲在試驗期間往往有自然死亡的情況，故應設立對照加以校正。對照有3種：①空白對照：是不做任何處理的對照。②不含葯劑對照：與葯劑處理所用溶劑或乳化劑完全一樣，只是不含葯劑。③標准葯劑對照：用標准葯劑作對照。標准葯劑是選擇同類化合物已對某種病蟲害確定是有效的葯劑，它不僅可以與新品種對比，也可以消除一些偶然因素影響的誤差。這3種對照，並不一定在每次試驗中都設立，應根據具體情況和測定要求加以確定。
3．處理必須設重復
毒力的測試對象是群體，一個生物體個體之間對葯劑的耐葯性是有差異的，取樣應具有代表性，每個處理要求一定的數量，重復的次數越多，結果越可靠。增加重復是減少誤差的一種方法，但也不能過多，應根據不同的供試材料，各自的試驗目的和要求而定。一般至少重復3次。
4．運用生物統計分析試驗結果
統計方法是生物測定的基本技術，是判斷和評價試驗結果的工具之一。它是應用數學邏輯來解釋生物界各種數量的資料，將其化繁為簡，找出規律。統計學的處理，是分析結果中極重要的一環，可以從錯綜復雜的試驗數據中，揭示農葯與病蟲害之間的內在聯系，因此應該正確運用，以避免輕率下結論。
⑵ 什麼是生物統計
生物統計學是一門探討如何從事生物學實驗研究的設計,取樣,分析,資料整理與推論的科學.
應用數理統計學來處理生物現象的學問。與其說是生物學的一個分科不如看作是生物學的方法論。與生物測量學大致具有同一涵義，但前者幾乎尚沒有深入到現象的統計處理機制，因此生物測量學作為稍狹義的東西，有時也與生物統計學有所區別。在物理學的測量中，測量誤差是重要問題，與此相應在生物學的研究中必須應用統計處理，其首要原因是變異。有意識地將數理統計學引入到生物學以及人類學領域的先驅者是克韋泰來特（L.A.J.Quetelet），隨後由高爾頓（F.Galton）的工作鞏固了生物測量學和優生學的基礎。數學家泊松（K.Pearson）繼承了他們的研究工作，進行了回歸和相關特別是復相關、泊松型分布數、頻率累加法、X2測驗等數理統計學的研究，並製成了很多統計數值表。他們把人們觀測的或能得到手的資料的全部作為對象，把平均值和離差作為問題，來考查其中的數學規律。數理統計學方法已適用於生物學和農業科學的實驗或試驗領域，但也是以整個資料或比試驗資料更大的抽象資料為依據的，因此人們開始意識到，在其現實是一種不能以其一部分作為研究對象的局面。於是就提出母集團和樣本的區別和關聯，以及從少數資料進行正確有效的推論的問題，這些問題被戈塞特[筆名（Student）]和費希爾（W.S.Gosset和R.A.Fisher）解決了。費希爾的工作指出，統計方法的目的在於得到資料的要點，為此，其分布法則是要以較少的母集團中的數目為特徵推想到無限的母集團，而實際的資料就是從它們之中隨機抽出的樣本。基於此點，在母集團數的統計上的無偏性、一致性、有效性、充分性的概念，構成了解消假設的驗定，最優法等的理論。這就是費希爾派的數理統計學，也特稱推計學。
⑶ 求《生物統計附實驗設計》明道緒第四版 課後習題答案
《生物統計附實驗設計》（課後習題答案）
第一章 緒論
一、名詞解釋
1、總體：根據研究目的確定的研究對象的全體稱為總體。
2、個體：總體中的一個研究單位稱為個體。
3、樣本：總體的一部分稱為樣本。
4、樣本含量：樣本中所包含的個體數目稱為樣本含量（容量）或大小。
5、隨機樣本：從總體中隨機抽取的樣本稱為隨機樣本，而隨機抽取是指總體中的每一個個體都有同等的機會被抽取組成樣本。
6、參數：由總體計算的特徵數叫參數。
7、統計量：由樣本計算的特徵數叫統計量。
8、隨機誤差：也叫抽樣誤差，是由於許多無法控制的內在和外在的偶然因素所造成，帶有偶然性質，影響試驗的精確性。
9、系統誤差：也叫片面誤差，是由於一些能控制但未加控制的因素造成的，其影響試驗的准確性。
10、准確性：也叫准確度，指在調查或試驗中某一試驗指標或性狀的觀測值與真值接近的程度。
11、精確性：也叫精確度，指調查或試驗研究中同一試驗指標或性狀的重復觀測值彼此接近的程度。
二、簡答題
1、什麼是生物統計？它在畜牧、水產科學研究中有何作用？
答：（1）生物統計是數理統計的原理和方法在生物科學研究中的應用，是一門應用數學。
（2）生物統計在畜牧、水產科學研究中的作用主要體現在兩個方面：一是提供試驗或調查設計的方法，二是提供整理、分析資料的方法。
2、統計分析的兩個特點是什麼？
答：統計分析的兩個特點是：①通過樣本來推斷總體。②有很大的可靠性但也有一定的錯誤率。
3、如何提高試驗的准確性與精確性？
答：在調查或試驗中應嚴格按照調查或試驗計劃進行，准確地進行觀察記載，力求避免認為差錯，特別要注意試驗條件的一致性，即除所研究的各個處理外，供試畜禽的初始條件如品種、性別、年齡、健康狀況、飼養條件、管理措施等盡量控制一致，並通過合理的調查或試驗設計，努力提高試驗的准確性和精確性。
4、如何控制、降低隨機誤差，避免系統誤差？
答：隨機誤差是由於一些無法控制的偶然因素造成的，難以消除，只能盡量控制和降低；主要是試驗動物的初始條件、飼養條件、管理措施等在試驗中要力求一致，盡量降低差異。系統誤差是由於一些可以控制但未加控制的因素造成的，一般只要試驗工作做得精細是可以消除的。避免系統誤差的主要措施有：盡量保證試驗動物初始條件的一致（年齡、初始重、性別、健康狀況等），盡量控制飼料種類、品質、數量、飼養條件等，測量儀器要准確，標准試劑要校正，要避免觀測、記載、抄錄、計算中的錯誤。
第二章 資料的整理
一、名詞解釋
1、數量性狀資料：數量性狀是指能夠以量測或記數的方式表示其特徵的象狀，觀察測定數量性狀而獲得的數據稱為數量性狀資料。
2、質量性狀資料：質量性狀是指能觀察到而不能直接測量的性狀，觀察質量性狀而獲得的資料稱為質量性狀資料。
3、半定量（等級）資料：是指將觀察單位按所考察的性狀或指標的等級順序分組，然後清點各組觀察單位的次數而得到的資料。
4、計數資料：指用計數方式獲得的數量性狀資料。
5、計量資料：指用量測手段得到的數量性狀資料，即用度、量、衡等計量工具直接測定的數量性狀資料。
6、全距（極差）：是資料中最大值與最小值之差。
7、組中值：分組後每一組的中點值稱為組中值，是該組的代表值。
二、簡答題
1、資料可以分為哪幾類？它們有何區別與聯系？
答：資料一般可以分為數量性狀資料、質量性狀資料、半定量資料三大類，其中數量性狀資料又包括計量資料和計數資料。區別：數量性狀資料是能夠以量測或計數的方式獲得的資料，質量性狀資料是只能觀察而不能直接測量的資料，半定量資料既有計數資料的特點又有程度或量的不同。聯系：三種不同類型的資料有時可根據研究目的和統計方法的要求將一種類型資料轉化成另一種類型的資料。
2、為什麼要對資料進行整理？對於計量資料，整理的基本步驟怎樣？
答：（1）由調查或試驗收集來的原始資料往往是零亂的，無規律可循。只有通過統計整理，才能發現其內部的聯系和規律性，從而揭示事物的本質。資料整理是進行統計分析的基礎。
（2）計量資料整理的基本步驟包括：①求全距，全距即為資料中最大值與最小值之差。②確定組數，一般根據樣本含量及資料的變動范圍大小確定組數。③確定組距，通常根據等距離分組的原則，組距等於全距除以組數。④確定組限和組中值，各組的最大值為組上限，最小值為組下限；每一組的中點值稱為組中值。⑤歸組劃線計數，作次數分布表。
3、在對計量資料進行整理時，為什麼第一組的組中值以接近或等於資料中的最小值為好？
答：在對計量資料進行整理時，第一組的組中值以接近或等於資料中的最小值可以避免第一組中觀察值過多的情況，同時也確保資料中最小值不會遺漏。
4、統計表與統計圖有何用途？常用統計圖有哪些？常用統計表有哪些？列統計表、繪統計圖時，應注意什麼？
答：（1）統計表用表格形式來表示數量關系；統計圖用幾何圖形來表示數量關 系。用統計表和統計圖可以把研究對象的特徵、內部構成、相互關系等簡明、形象地表達出來，便於比較分析。
（2）常用的統計圖有長條圖、圓圖、線圖、直方圖和折線圖等。
（3）常用的統計表有簡單表和復合表兩大類。
（4）列統計表的注意事項：①標題要簡明扼要、准確地說明表的內容，有時須註明時間、地點。②標目分橫標目和縱標目兩項，橫標目列在表的左側，用以表示被說明事物的主要標志；縱標目列在表的上端，說明橫標目各統計指標內容，並註明計算單位。③數字一律用阿拉伯數字，數字小數點對齊，小數位數一致，無數字的用「—」表示，數字是「0」的須寫「0」。④表的上下兩條邊線略粗，縱、橫標目間及合計用細線分開，表的左右邊線可以省去，表的左上角一般不用斜線。
（5）繪統計圖的注意事項：①標題簡明扼要並列於圖的下方。②縱、橫兩軸應有刻度，註明單位。③橫軸由左至右，縱軸由上而下，數值由小到大；圖形長寬比例約為5：4或6：5。④圖中需用不同顏色或線條表示不同事物時應有圖例說明。
第三章 平均數、標准差與變異系數
一、名詞解釋
1、算術平均數：是指資料中各觀測值的總和除以觀測值個數所得的商，簡稱平均數或均數。
2、無偏估計：當一個統計量的數學期望等於所估計的總體參數時，則稱此統計量為該總體參數的無偏估計。
3、幾何均數：n個觀測值相乘之積開n次方所得的方根稱為幾何均數，記為G。
4、中位數：將資料內所有觀測值從小到大依次排列，位於中間的那個觀測值稱為中位數，記為Md。
5、眾數：資料中出現次數最多的那個觀測值或次數最多一組的組中值稱為眾數，記為Mo。
6、調和平均數：資料中各觀測值倒數的算術平均數的倒數稱為調和平均數，記為H。
7、標准差：統計學上把樣本方差S2的平方根叫做樣本標准差，記做S。
8、方差：統計量Σ（x - ）2/(n - 1)稱為均方，又稱樣本方差，記為S2。
9、離均差平方和（平方和）：各個觀測值與平均數的離差（x - ）稱為離均差，各個離均差平方再求和即為離均差平方和，簡稱平方和，記為SS。
10、變異系數：標准差與平均數的比值稱為變異系數，是衡量資料中各觀測值變異程度的另一個統計量，記做C.V。
二、簡答題
1、生物統計中常用的平均數有幾種？各在什麼情況下應用？
答：生物統計中常用的平均數有算術平均數、幾何平均數、調和平均數、中位數和眾數。算術平均數較常用，簡稱平均數，當資料呈正態分布時可用算術平均數描述其中心位置。幾何均數主要應用於畜牧、水產業的動態分析，畜禽疾病及葯物效價的統計分析，如畜禽、水產養殖的增長率，抗體的滴度，葯物的效價，畜禽疾病的潛伏期等。調和均數主要用於反映畜群不同階段的平均增長率或畜群不同規模的平均規模。當所獲得的數據資料呈偏態分布時中位數的代表性優於算術平均數。眾數也適用於資料呈偏態分布的情況。
2、算術平均數有哪些基本性質？
答：算術平均數的兩個基本性質是：①離均差之和等於零。
②離均差平方和最小。
3、標准差有哪些特性？
答：標准差的特性主要表現在四個方面：
①標准差的大小受資料中每個觀測值的影響，若觀測值間變異大求得的標准差也大，反之則小。
②在計算標准差時，在各觀測值加上或減去一個常數，其數值不變。
③當每個觀測值乘以或除以一個常數a，則所得的標准差是原來標准差的a倍或1/a倍。
④在資料服從正態分布的條件下，資料中約有68.26%的觀測值在平均數左右1倍標准差 ( ±S)范圍內；約有95.43%的觀測值在平均數左右2倍標准差 ( ±2S)范圍內；約有99.73%的觀測值在平均數左右3倍標准差 ( ±3S)范圍內。
4、為什麼變異系數要與平均數、標准差配合使用？
答：變異系數是標准差與平均數的比值，是衡量資料中各觀測值變異程度的另一個統計量。當進行兩個或多個資料變異程度的比較時，若度量單位與平均數相同，可以直接利用標准差來比較；若單位和（或）平均數不同時，比較其變異程度就不能採用標准差，而要用變異系數。變異系數可以消除單位和（或）平均數不同對兩個或多個資料變異程度比較的影響。
第四章 常用概率分布
一、名詞解釋
1、必然現象：某類現象是可預言其結果的，即在保持條件不變的情況下，重復進行試驗，其結果總是確定的，這類現象稱為必然現象。
2、隨機現象：某類現象事前不可預言其結果的，即在保持條件不變的情況下，重復進行試驗，其結果未必相同，這類現象稱為隨機現象。
3、隨機試驗：一個試驗若滿足下述三個特性則稱為隨機試驗，簡稱試驗：①試驗可以在相同條件下多次重復進行。②每次試驗的可能結果不止一個，並且事先知道會有哪些可能的結果。③每次試驗總是恰好出現這些可能結果中的一個，但在一次試驗之前卻不能肯定這次試驗會出現哪個結果。
4、隨機事件：隨機試驗的每一種可能結果，在一定條件下可能發生，也可能不發生，稱為隨機事件，簡稱事件。
5、概率的統計定義：在相同條件下進行n次重復試驗，若隨機事件A發生的次數為m，那麼m/n稱為隨機事件A的頻率；當試驗重復數n逐漸增大時，隨機事件A的頻率越來越穩定地接近某一數值P，那麼就把P稱為隨機事件A的概率。這樣定義的概率稱為統計概率，也叫後驗概率。
6、小概率原理：若隨機事件的概率很小，例如小於0.05、0.01、0.001，稱之為小概率事件；在統計學上，把小概率事件在一次試驗中看成是實際不可能發生的事件稱為小概率事件實際不可能性原理，簡稱小概率原理。
7、隨機變數：作一次試驗，其結果有多種可能，每一種可能結果都可以用一個數來表示，把這些數作為變數x的取值范圍，則試驗結果可用隨機變數x來表示。
8、離散型隨機變數：如果表示試驗結果的變數x，其可能取值至多為可數個，且以各種確定的概率取這些不同的值，則稱x為離散型隨機變數。
9、連續型隨機變數：如果表示試驗結果的變數x，其可能取值為某范圍內的任何數值，且x在其取值范圍內的任一區間中取值時，其概率是確定的，則稱x為連續型隨機變數。
9、標准正態分布：μ = 0，δ2 = 1 的正態分布稱為標准正態分布。
10、標准正態變數（標准正態離差）：任何一個服從正態分布N（μ，δ2）的隨機變數x，都可以通過標准化變換：u = (x –μ)/δ，將其變換為服從標准正態分布的隨機變數u，u稱為標准正態變數。
11、雙側概率（兩尾概率）：隨機變數x落在平均數μ加減不同倍數標准差δ區間之外的概率稱為雙側概率。
12、單側概率（一尾概率）：隨即變數x小於μ-kδ或大於μ+kδ的概率稱為單側概率。
13、貝努利試驗：對於n次獨立的試驗，如果每次試驗結果出現且只出現對立事件A與A之一，在每次試驗中出現A的概率是常數p（0
14、返置抽樣：由總體隨即抽樣時，每次抽出一個個體後，這個個體還返置回原總體，則稱為返置抽樣。
15、不返置抽樣：由總體隨即抽樣時，每次抽出的個體不返置回原總體，則稱為不返置抽樣。
16標准誤：即平均數抽樣總體的標准差，其大小反映樣本平均數 的抽樣誤差的大小，即精確性的高低。
17、樣本平均數的抽樣總體：樣本平均數也是一個隨機變數，其概率分布叫做樣本平均數的抽樣分布，由樣本平均數 構成的總體稱為樣本平均數的抽樣總體。
18、中心極限定理：若隨機變數x服從正態分布N（μ，δ2），x1，x2，……，xn是由總體得來的隨機樣本，則統計量 = Σx/n的概率分布也是正態分布，且有μ = μ，δ =δ/ n ，即 服從正態分布N（μ，δ2/n）；若隨機變數服從平均數是μ，方差是δ2的分布（不是正態分布），x1，x2，……，xn是由總體得來的隨機樣本，則統計量 = Σx/n的概率分布，當n相當大時逼近正態分布N（μ，δ2/n）。
二、簡答題
1、事件的概率具有那些基本性質？
答：事件的概率一般具有以下三個基本性質：
①對於任何事件A，有0≤ P(A) ≤1
②必然事件的概率為1，即P(Ω)=1
③不可能事件的概率為0，即P(Ф)=0
2、離散型隨機變數概率分布與連續型隨機變數概率分布有何區別？
答：離散型隨機變數概率分布常用分布列來表示，其具有Pi ≥0和ΣPi = 1兩個基本性質。連續型隨機變數的概率分布不能用分布列來表示，其可能取的值是不可數的，一般用隨機變數x在某個區間內取值的概率P（a ≤x ）
3、標准誤與標准差有何聯系與區別?
答：樣本標准差與樣本標准誤是既有聯系又有區別的兩個統計量，二者的聯系是：樣本標准誤等於樣本標准差除以根號下樣本含量。二者的區別在於：樣本標准差是反映樣本中各觀測值x1，x2，……，xn變異程度大小的一個指標，它的大小說明了 對該樣本代表性的強弱。樣本標准誤是樣本平均數 1， 2，…… k的標准差，它是 抽樣誤差的估計值，其大小說明了樣本間變異程度的大小及 精確性的高低。
4、樣本平均數抽樣總體與原始總體的兩個參數間有何聯系？
答：①樣本平均數抽樣總體的平均數等於原始總體的平均數。
②樣本平均數抽樣總體的標准差等於與原始總體的標准差除以根號下樣本含量。
5、t分布與標准正態分布有何區別與聯系？
答：t分布與標准正態分布曲線均以縱軸為對稱軸，左右對稱。與標准正態分布曲線相比t分布曲線頂部略低，兩尾部稍高而平；df越小這種趨勢越明顯。df越大，t分布越趨近於標准正態分布，當n>30時，t分布與標准正態分布的區別很小；n>100時，t分布基本與標准正態分布相同；n→∞時，t分布與標准正態分布完全一致。
第五章 t檢驗
一、名詞解釋
1、假設檢驗（顯著性檢驗）：主要包括提出無效假設和備擇假設，再根據小概率實際不可能性原理來否定或接受無效假設，實際上是應用「概率性質的反證法」對試驗樣本所屬總體所做的無效假設的統計推斷。
2、無效假設：是顯著性檢驗中被檢驗的假設，其意義是試驗的表面效應是試驗誤差，處理無效，記作H0。
3、備擇假設：顯著性檢驗時在無效假設被否定時准備接受的假設，其意義是試驗的表面效應是處理效應，處理有效，記做HA。
4、顯著水平：顯著性檢驗中用來確定否定或接受無效假設的概率標准叫顯著水平，記做α，在生物學研究中常取α=0.05或α=0.01。
5、Ⅰ型錯誤：真實情況是H0成立卻否定了它，犯了「棄真」錯誤，稱為Ⅰ型錯誤。
6、Ⅱ型錯誤：真實情況是H0不成立卻接受了它，犯了「納偽」錯誤，稱為Ⅱ型錯誤。
7、檢驗功效（檢驗力、把握度）：犯Ⅱ型錯誤的概率用β表示，而1-β稱為檢驗功效，其意義是當兩總體確有差別（即HA成立）時，按α水平能發現它們有差別的能力。
8、雙側檢驗（雙尾檢驗）：利用兩尾概率進行的檢驗叫雙側檢驗，tα為雙側檢驗的臨界t值。
9、單側檢驗（單尾檢驗）：利用一尾概率進行的檢驗叫單側檢驗，此時tα為單側檢驗的臨界t值；顯然單側檢驗的tα=雙側檢驗的t2α。
10、非配對設計（成組設計）：是指當進行只有兩個處理的試驗時，將試驗單位完全隨機地分成兩組，然後對兩組隨機施加一個處理，兩組的試驗單位相互獨立，所得的兩個樣本相互獨立，其含量不一定相等。
11、配對設計：是指先根據配對的要求將試驗單位兩兩配對，然後將配成對子的兩個試驗單位隨機地分配到兩個處理組中去；配對的要求是配成對子的兩個試驗單位的初始條件盡量一致，不同對子間試驗單位的初始條件允許有差別。
12、自身配對：指同一試驗單位在兩個不同時間上分別接受前後兩次處理，用其前後兩次的觀測值進行自身對照比較；或同一試驗單位的不同部位的觀測值或不同方法的觀測值進行自身對照比較。
13、同源配對：指將來源相同、性質相同的兩個個體配成一對，如將畜別、品種、窩別、性別、年齡、體重相同的兩個試驗動物配成一對，然後將配對的兩個個體隨機地實施不同處理。
14、參數估計：是統計推斷的一個重要內容，就是用樣本統計量來估計總體參數。
15、點估計：將樣本統計量直接作為總體相應參數的估計值叫點估計。
16、區間估計：在一定概率的保證下指出總體參數的可能范圍叫區間估計。
17、置信區間：區間估計時所給出的可能范圍叫置信區間。
18、置信度（置信概率）：區間估計時給出的概率保證稱為置信度。
二、簡答題
1、為什麼在分析試驗結果時需要進行顯著性檢驗？檢驗的目的是什麼？
答：通過樣本來推斷總體是生物統計的基本特點，即通過抽樣研究用樣本信息來推斷總體的特徵。由一個樣本平均數來估計總體平均數時，樣本平均數包含抽樣誤差，用包含抽樣誤差的樣本平均數來推斷總體，其結論並不是絕對正確的。所以在分析試驗結果時需要進行顯著性檢驗。顯著性檢驗的目的是通過樣本對其所在的總體作出符合實際的推斷，即分析試驗的表面效應是由試驗處理效應還是由試驗誤差引起的，推斷試驗的處理效應是否存在。
2、什麼是統計假設？統計假設有哪幾種？各有何含義？
答：統計假設（統計推斷）是根據樣本和假定模型對總體作出的以概率形式表述的推斷。統計假設主要包括假設檢驗（顯著性檢驗）和參數估計兩個內容。假設檢驗（顯著性檢驗）的含義：提出無效假設和備擇假設，再根據小概率實際不可能性原理來否定或接受無效假設，實際上是應用「概率性質的反證法」對試驗樣本所屬總體所做的無效假設的統計推斷。參數估計的含義：用樣本統計量來估計總體參數。
3、顯著性檢驗的基本步驟是什麼？根據什麼確定顯著水平？
答：1、顯著性檢驗的基本步驟：
（1）首先對試驗樣本所在的總體作假設。
（2）在無效假設成立的前提下，構成合適的統計量，並研究試驗所得統計量的抽樣分布，計算無效假設正確的概率。
（3）根據「小概率實際不可能性原理」否定或接受無效假設。
2、確定顯著水平的標准通常採用小概率事件的標准，即0.05和0.01。選擇顯著水平應根據試驗的要求或試驗結論的重要性而定。若試驗中難以控制的因素較多，試驗誤差可能較大，則顯著水平標准可選低些，即α值取大些；反之若試驗耗費較大，對精確度的要求較高，不容許反復，或者試驗結論的應用事關重大，則所選顯著水平標准應高些，即α值取小些。
4、什麼是統計推斷？為什麼統計推斷的結論有可能發生錯誤？有哪兩類錯誤？如何降低兩類錯誤？
答：（1）統計推斷是根據樣本和假定模型對總體作出以概率形式表述的推斷。
（2）統計推斷是根據「小概率實際不可能性原理」來否定或接受無效假設的，所以不論是接受還是否定無效假設都沒有100%的把握，會發生錯誤。
（3）在檢驗無效假設H0時可能犯兩種錯誤，其中真實情況是H0成立卻否定了它，犯了「棄真」錯誤，稱為Ⅰ型錯誤；真實情況是H0不成立卻接受了它，犯了「納偽」錯誤，稱為Ⅱ型錯誤。
（4）犯Ⅰ型錯誤的概率用α表示，犯Ⅱ型錯誤的概率用β表示。α即是顯著水平，β的大小與α值的大小有關，所以在選用檢驗的顯著水平時應考慮犯Ⅰ、Ⅱ型錯誤所產生後果嚴重性的大小，還應考慮到試驗的難以及試驗結果的重要程度。降低α值可降低犯Ⅰ型錯誤的概率但會加大犯Ⅱ型錯誤的概率（在其他因素確定時，α值越小β值越大）。若一個試驗耗費大，可靠性要求高，不允許反復，或試驗結論的使用事關重大，容易產生嚴重後果，α值應取小些；對於一些試驗條件不易控制、試驗誤差較大的試驗α值取大些。同時，在提高顯著水平即減小α值時，為了減小犯Ⅱ型錯誤的概率可適當增大樣本含量。
5、雙側檢驗、單側檢驗各在什麼條件下應用？二者有何關系？
答：（1）選用雙側檢驗還是單側檢驗應根據專業知識及問題的要求在試驗設計時確定。一般若事先不知道所比較的兩個處理效果誰好誰壞，分析的目的在於推斷兩個處理效果有無差別，則選用雙側檢驗；若根據理論知識或試驗經驗判斷甲處理的效果不會比乙處理的效果差（或相反），分析的目的在於推斷甲處理是否比乙處理好（或差），則用單側檢驗。一般情況下不做特殊說明均用雙側檢驗。
（2）二者的關系：單側檢驗的tα=雙側檢驗的t2α，可見雙側檢驗顯著單側檢驗一定顯著，單側檢驗顯著雙側檢驗未必顯著。
6、進行顯著性檢驗應注意什麼問題？如何理解顯著性檢驗結論中的「差異不顯著」、「差異顯著」、「差異極顯著」？
答：（1）顯著性檢驗中應注意的問題：
①為了保證試驗結果的可靠及正確，要有嚴密合理的試驗或抽樣設計，保證各樣本是從相應同質總體中隨機抽取的，並且處理要有可比性，即除比較的處理外，其他影響因素應盡可能控制相同或基本接近。
②選用的顯著性檢驗方法應符合其應用條件。
③要正確理解差異顯著或極顯著的統計意義。
④合理建立統計假設，正確計算檢驗統計量。
⑤結論不能絕對化。
⑥報告結論時應列出，由樣本算得的檢驗統計量值，註明是單側檢驗還是雙側檢驗，並寫出P值的確切范圍，如0.01
（2）顯著性檢驗結論中的「差異不顯著」表示P>0.05，接受H0，否認HA，處理無效，記作「ns」；「差異顯著」表示0.010，接受HA，處理有效，記作「*」；「差異極顯著」表示P≤0.01，更加否認H0，接受HA，處理有效，嘉作「**」。
7、配對試驗設計與非配對試驗設計有何區別？
答：非配對設計（成組設計）是指當進行只有兩個處理的試驗時，將試驗單位完全隨機地分成兩組，然後對兩組隨機施加一個處理，兩組的試驗單位相互獨立，所得的兩個樣本相互獨立，其含量不一定相等。配對設計是指先根據配對的要求將試驗單位兩兩配對，然後將配成對子的兩個試驗單位隨機地分配到兩個處理組中去。非配對設計要求試驗單位盡可能一致，配對設計要求配成對子的兩個試驗單位的初始條件盡量一致，不同對子間試驗單位的初始條件允許有差別。一般說來，相對於非配對設計，配對設計能夠提高試驗的精確性。
⑷ 生物統計附試驗設計
第一章緒論
1.生物統計學的內容：統計原理、統計方法和試驗設計。
2.生物統計的作用：a.科學地整理分析數據；b.判斷試驗結果的可能性；c.確定事物之間的相互關系；d.提供試驗設計的原理。
3.樣本容量常記為n,通常把n≤30的樣本稱為小樣本，n.>30的樣本稱為大樣本。
4.名解：（重）①生物統計：生物統計是應用概率論和數據統計的原理和方法來研究生物界數量變化的學科；
②總體：是被研究對象的全體，據所含的個體的多少，總體分為有限總體和無限總體。
③樣本：是指總體內隨機抽取出來若干個體所組成的單位。
④隨機誤差：由於許多無法控制的內在和外在的偶然因素所造成的誤差，內在如個體差異，外在如環境，它影響試驗的精確性。
（了）①參數：從總體計算出來的數量特徵值，它是一個真值，沒有抽樣變動的影響，一般用平均數u，標准差s。
②統計量：是從樣本計算出來的數量特徵值，它是參數的估計值，受樣本變動的影響，一般用拉丁字母表示，如平均數。
③系統誤差：主要是試驗動物的初始條件不同，試驗條件相差較大，儀器不準，標准試劑未經校正，葯品批次不同，葯品用量與種類不符合試驗計劃要求，以及觀察，記錄抄案，計算中的錯誤所引起的誤差，它影響試驗的准確性。
④准確性：指在試驗或調查中某試驗指標或形狀的觀測值與其真值接近的程度。
⑤精確性：指試驗或調查中一試驗指標或形狀的重復觀測值彼此接近的程度。
第二章資料的整理
1.統計資按性質分為：計量資料、次數資料和半定量資料。
2.計量資料是指用量測方式獲得的數量性狀資料，即用度、量、衡等計量工具直接測量獲得的數量性狀資料。計量資料整理的五步驟如下：
（1）求全距，即資料中最大值和最小值之差R=Max(x)—Min(x);
(2)確定組數即按樣本大小而定；
樣本含量與組數
樣本含量 組數
30～60 6～8
60～100 8～10
100～200 10～12
200～500 12～17
500以上 17～30
（3）確定組距，每組最大值與最小值之差記為i ，公式：組距（i）＝全距（R）／組數k ；（4）確定組中值及組限，各組的最大值和最小值稱為組限，最小值為下限，最大值為上限，每組的中點值稱為組中值，組中值=（下限+上限）／2=下限+組距／2=上限-組距／2；（5）歸組劃線計數，作次數分布表。
3.常用的五種統計圖為長條圖、圓圖、線圖、直方圖、折線圖，掌握直方圖和折線圖的繪制。
4.原始資料的檢查核對主要進行下面三性的檢查：①檢查資料的完整性；②檢查資料的正確性；③檢查資料的精確性。
5大樣本資料需整理成次數分布表。
第三章資料的統計描述
1.平均數包括以下五種算術平均數、中位數、眾數、幾何平均數及調和平均數。
2.用來度量資料變異程度的指標主要有極差、方差、標准差、變異系數。
3.平均數的基本性質是（1）樣本各觀測值與平均數之差的和為零，簡述為離均差之和為；（2）樣本各觀測值與平均數之差的平方和為最小，簡述為離均差平方和為最小。
4.10頭母豬第一胎產仔數為9、8、7、10、12、10、11、14、8、9（頭）計算10頭母豬第一胎產仔數的平均數、中位數、標准差和變異系數。
解：①平均數Σx=9+8+7+10+12+10+11+14+8+9=98，n=10
②資料數據按小到大排列如：7、8、8、9、9、10、10、11、12、14
中位數
③標准差
④變異系數
第四章常用概率分布
1.事件概率具有以下性質：①對於任何事件A，有0≤P（A）≤1；②必然事件的概率為1，即P（Ω）=1：③不可能的事件概率為0,即P（Ø）=0。
2.（1）正態分布：若連續型隨機變數X的概率分布密度函數為
其中 為平均數，σ2為方差，則稱隨機變數X服從正態分布，記為X～ 。相應的概率分布函數為
正態分布密度曲線為：
（2）標准正態分布：：當μ=0、σ=l時，正態總體稱為標准正態總體，其相應的函數表示式是，（-∞＜x＜+∞）
其相應的曲線稱為標准曲線；.標准正態總體的概率問題:
對於標准正態總體N（0，1）， 是總體取值小於 的概率，
即 ，
其中 ，圖中陰影部分的面積表示為概率 只要有標准正態分布表即可查表解決.從圖中不難發現:當 時， ；而當 時，Φ（0）=0.5；標准正態總體 在正態總體的研究中有非常重要的地位，為此專門製作了「標准正態分布表」．在這個表中，對應於 的值 是指總體取值小於 的概率，即 ， ．
若 ，則 ．
利用標准正態分布表，可以求出標准正態總體在任意區間 內取值的概率，即直線 ， 與正態曲線、x軸所圍成的曲邊梯形的面積 ．
（3）有關概率計算的公式：
P(0≤u＜u1)＝Φ(u1)-0.5
P(u≥u1) =Φ(-u1)
P(｜u｜≥u1)=2Φ(-u1)
P(｜u｜＜u1)=1-2Φ(-u1)
P(u1≤u＜u2)＝Φ(u2)-Φ(u1)
註：用曲線圖和面積來理解記憶。
（4）關於標准正態分布要熟記下列幾種常用概率：
P（-1≤u＜1）=0.6826
P（-2≤u＜2）=0.9545
P（-3≤u＜3）=0.9973
P（-1.96≤u＜1.96）=0.95
P (-2.58≤u＜2.58)=0.99
（5）例：①已知u～N(0，1)，試求： (1) P(u＜-1.64)＝? (2) P (u≥2.58)=? (3) P (｜u｜≥2.56)=? (4) P(0.34≤u＜1.53) =?
利用(4-12)式，查附表1得：
(1) P(u＜-1.64)=0.05050
(2) P (u≥2.58)=Φ(-2.58)=0.024940
(3) P (｜u｜≥2.56)=2Φ(-2.56)=2×0.005234=0.010468
(4) P (0.34≤u＜1.53)=Φ(1.53)-Φ(0.34)=0.93669-0.6331=0.30389
②已知u～N(0,1)試求：
(1) P(u＜- )+P(u≥ )=0.10的
(2) P(- ≤u＜ ﹚=0.86的
因為附表2中的α值是：
所以
（1) P(u＜- )+ P(u≥ )=1- P(- ≤u＜ ﹚=0.10=α
由附表2查得： =1.644854
(2) P (- ≤u＜ )=0.86 ，α=1- P (- ≤u＜ )=1-0.86=0.14
由附表2查得： =1.475791
對於x～N(μ,σ2)，只要將其轉換為u～N(0,1),即可求得相應的雙側分位數。
③已知豬血紅蛋白含量x服從正態分布N(14.52， )， 若P(x＜1.1) =0.025, P(x> )=0.025,P(x＜ ) =0.005，P(x> )=0.005，求 , ， ， 。
由題意可知，α／2=0.025,α=0.05 又因為
P(x> )=
故 P(x＜ ＝+ P(x> )= P(u＜- ＝+ P(u> )
=1- P(- <P＜ )=0.05=α
由附表2查得： =1.959964,所以
( -14.52)/1.68=-1.959964， ( -14.52)/1.68=1.959964
即 ≈11.23， ≈17.81。
同理 =2.575829，所以
( -14.52)/1.68=-2.575829， ( -14.52)/1.68=2.575829
即 ≈10.19， ≈18.85。
④已知豬血紅蛋白含量x服從正態分布N(12.86， )， 若P(x＜ ) =0.03, P(x≥ )=0.03,求 , 。
由題意可知，α／2=0.03,α=0.06 又因為
P(x≥ )=
故 P(x＜ ＝+ P(x≥ )= P(u＜- ＝+ P(u≥ )
=1- P(- ≤P＜ )=0.06=α
由附表2查得： =1.880794,所以
( -12.86)/1.33=-1.880794， ( -12.86)/1.33=1.880794
即 ≈10.36， ≈15.36。
3. ①雙側概率（重）：把隨機變數X落在平均數 左右標准差σ一定倍數區間之外的概率記作σ；②單側概率：指所求得隨機變數X小於平均數 左側標准差σ一定倍數或大於平均數 右側標准差σ一定倍數的概率記作σ／2。
第五章假設檢驗
1.顯著性檢驗：就是指在對資料進行統計分析時，先提某一問題對樣本所在總體的參數提出一個統計假設，然後根據從樣本獲得的統計量所服從的概率分布，對這一假設進行檢驗；其目的是主要是看樣本是否來自於均數相同的總體即通過對樣本的研究來對總體作出統計推斷；檢驗的對象是在統計學中，是以樣本平均數差異x1- x2的大小時樣本所在的總樣本平均數 1、 2是否相同作出推斷。
2.為什麼以樣本均數作為檢驗對象呢？是因為樣本平均數具有下述特性：
（1）離均差的平方和 (xi- )2最小。說明樣本平均數與樣本各個觀測值最接近，平均數是資料的代表數。
（2）樣本平均數是總體平均數的無偏估計值，即E（ ）＝ 。
（3）根據統計學中心極限定理，樣本平均數 服從或逼近正態分布。
所以，以樣本平均數作為檢驗對象，由兩個樣本平均數x1和x2的差異去推斷樣本所屬總體平均數是否相同時有依據的。
3.(了) ①標准誤(平均數抽樣總體的標准差) 的大小反映樣本平均數 的抽樣誤差的大小，即精確性的高低。標准誤大，說明各樣本平均數 間差異程度大，樣本平均數的精確性低。反之， 小，說明 間的差異程度小，樣本平均數的精確性高。 的大小與原總體的標准差σ成正比，與樣本含量n的平方根成反比。從某特定總體抽樣，因為σ是一常數，所以只有增大樣本含量才能降低樣本平均數 的抽樣誤差。在實際工作中，總體標准差σ往往是未知的，因而無法求得 。此時，可用樣本標准差S估計σ。於是，以 估計 。記 為 ，稱作樣本標准誤或均數標准誤。②區別：樣本標准差與樣本標准誤是既有聯系又有區別的兩個統計量， = 已表明了二者的聯系。二者的區別在於：樣本標准差S是反映樣本中各觀測值 , ,…, 變異程度大小的一個指標，它的大小說明了 對該樣本代表性的強弱。樣本標准誤 是樣本平均數 的標准差，它是 抽樣誤差的估計值， 其大小說明了樣本間變異程度的大小及 精確性的高低。
4. ①小概率事件通常指發生的概率小於5%的事件，認為在一次試驗中該事件是幾乎不可能發生的。隨機事件的概率表示了隨機事件在一次試驗中出現的可能性大小。若隨機事件的概率很小，例如小於0.05、0.01、0.001，稱之為小概率事件。小概率事件雖然不是不可能事件，但在一次試驗中出現的可能性很小，不出現的可能性很大，以至於實際上可以看成是不可能發生的。在統計學上，把小概率事件在一次試驗中看成是實際不可能發生的事件稱為小概率事件實際不可能性原理，亦稱為小概率原理。小概率事件實際不可能性原理是統計學上進行假設檢驗（顯著性檢驗）的基本依據。
②一統計資料進行統計推斷判斷的原則如下：
Ⅰ、當 < ,P>0.05 時，差異不顯著，用「NS」表示，不能否H0 ；
Ⅱ、當 ≤ ≤ ，0.01< P <0.05時，差異顯著，用「*」表示，接受HA，否定H0 ；
Ⅲ、當 ≥ ，P≤0.01時，差異極顯著，用「**」表示，接受HA，否定H0 。
5.計算題：了解樣本均數與總體均數的差異性顯著檢驗及兩樣本均數的差異性顯著檢驗；重點知道正態總體平均數 的置信區間。
例：①計算下列資料總體平均數的95%，99%置信區間，119、22、104、32、53、31、118、57、30、101、、58、48、68、70。
解：資料總體平均數的95%，99%置信區間
df=n－1=14－1=13,故 =2.160， =3.012
=65.0714 ，S＝33.3293， 9.2431
所以⑴95%置信半徑為 =19.9668
95%置信下限為 — =45.1046
95%置信上限為 — =85.0382
即該資料總體平均數u 的95%置信區間為45.1046≤u≤85.0382
⑵99%置信半徑為 =27.8426
99%置信下限為 — =37.2288
99%置信上限為 — =92.9140
即該資料總體平均數u 的99%置信區間為37.2288≤u≤92.9140 。
②隨機抽測了10隻兔的直腸溫度，其數據為：38.7、39.0、38.9、39.6、39.1、39.8、38.5、39.7、39.2、38.4℃。已知該品種兔直腸溫度的總體平均數為 ℃，檢驗該樣本平均數溫度與 是否有顯著性差異？
解：⑴提出無效假設與備擇假設
H0 ： =39.5，HA： <39.5
⑵計算t值 經計算得 =39.09，S=0.4909
t=( - )/ =-2.6411
⑶統計推斷
由df=n-1=10-1=9,查附表得臨界t值
=2.262 =3.250, <︱t︱< ,0.01< P < 0.05
否定H0，HA接受，表明樣本平均數 與已知總體平均數 差異顯著。
⑸ 生物統計 試驗設計的基本原則是什麼，其作用是什麼
分別有單一變數原則 ；對照性原則；等量原則；科學性原則。
試驗設計，也稱為實驗設計。，經濟地、科學地安排試驗的一項技術。試驗設計自20世紀20年代問世至今，其發展大致經歷了三個階段：即早期的單因素和多因素方差分析，傳統的正交試驗法和近代的調優設計法。
其在工業生產和工程設計中能發揮重要的作用，主要有：提高產量；減少質量的波動，提高產品質量水準；大大縮短新產品試驗周期；.降低成本；.試驗設計延長產品壽命。