文档介绍：基于R的基本统计分析
整理课件
内容提要
描述统计
频数表分析
方差分析
t检验
卡方检验
线性回归
相关分析
整理课件
描述分析(Descriptive statistics)
描述统计就是把数据集所包含的信息加以"Frequency chart of yield")
整理课件
方差分析ANOVA
方差分析是一种在若干组能相互比较的试验数据中，把产生变异的原因加以区分的方法与技术，其主要用途是研究外界因素或试验条件的改变对试验结果影响是否显著。
类型：单因素方差分析(One-way ANOVA)、双因素方差分析(Two-way ANOVA) 。
方差分析的基本模型是线性模型，并假设随机变量是独立、正态和等方差的。
方差分析是根据平方和的加和原理，利用 F 检验，进而判断试验因素对试验结果的影响是否显著。
整理课件
单因素方差分析
整理课件
## Tukey HSD 方法 ##
("multcomp")
library(multcomp)
tuk <- glht(fit, linfct = mcp(Treat = "Tukey"))
summary(tuk) # standard display
<- cld(tuk) # letter-based display
opar <- par(mai=c(1,1,,1))
plot()
par(opar)
整理课件
双因素（无重复）方差分析
整理课件
多重比较
library(agricolae)
# 对A因素在a =
((fit, "A", alpha = ))
# 对B因素进行多重比较
((fit, "B", alpha = ))
整理课件
重复试验的双因素方差分析
整理课件
协方差分析(analysis of covariance)
协方差分析是关于如何调节协变量对因变量的影响效应，从而更加有效地分析实验处理效应的一种统计技术，也是对实验进行统计控制的一种综合方差分析和回归分析的方法。
当研究者知道有些协变量会影响因变量，却不能够控制和不感兴趣时，则可以在实验处理前予以观测，然后在统计时运用协方差分析来处理。将协变量对因变量的影响从自变量中分离出去，可以进一步提高实验精确度和统计检验灵敏度。例如林木生长量与肥料的关系，施肥条件可以人工控制，但林木初始苗高(协变量)是难以控制的，通过协方差分析，消除初始苗高的影响，使得生长量在一致的基础上进行方差分析。
整理课件
单因素协方差分析
整理课件
双因素协方差分析
【例子 】为研究某杨树一年生生长与 N 肥、K 肥及初始苗高的关系，采用正交试验设计，共设置了 18 个样地的栽培试验，试验因子与水平及测量结果如表 4-13所示。试分析 N 肥、K 肥及初始苗高对生长量的影响。
整理课件
t检验
在实际工作中，经常需要判断两个样本平均数是否差异，以了解两样本所属的两个总体平均数是否相同。检验方法可以使用 t 检验。
对于两个样本平均数差异显著性检验，可分为非配对设计和配对设计。
整理课件
单样本检验
【例子 】 杨树某无性系试验林造林 5 年后，调查树高生长量，随机抽取 32 棵树，调查结果如下表 4-16 所示。有一无性系 B5 的 5 年树龄树高 μ = 8 m。试分析该试验林的树高与 B5 有无显著差异？
整理课件
种类
放牧
不放牧
Asclepias syriaca
Aster laevis
Aster lateriflorus
Aster novae-angliae
Aster simplex
Dactylis glomerata
Fragaria virginiana
Hieracium pratense
Phleum pratense
Picris hieracoides
Plantago lanceolata
Poa compressa
Poa pratensis
Solid