UA MATH571B 试验设计VI 随机效应与混合效应4 裂区设计
UA MATH571B 试验设计VI 随机效应与混合效应4 裂区设计
- 第一种统计模型
- 第二种统计模型
裂区设计(split-plot design)和嵌套设计(nested design)要解决的问题又不太一样。我们再来回顾一下,涉及random factor的析因设计,最简单明了的设计方法是交叉设计(crossed,每一个factor A的level都要与factor B的所有level构成一个treatment用来处理一个试验单位),这样做的好处是可以识别出单个factor的效应以及所有factor的交互效应,缺点是需要很多试验资源和试验经费。嵌套设计是对交叉设计的一种改进,为了减少试验经费的使用,在不需要探究某些因子的效应或者某些交互效应时,可以让每一个factor A的level只与factor B的部分level构成一个treatment用来处理一个试验单位。但有时我们面临的问题不是试验经费,而是试验资源/试验单位数量不足,这时就需要考虑裂区设计。
下面用一个简单的例子介绍裂区设计:要研究肥料对水稻的产量影响,考虑6种不同的水稻品种与4种不同的肥料,重复试验3次(也被叫做3个blocking);按交叉设计的思路,一共需要6×4×3=726\times 4 \times 3 = 726×4×3=72块地,假设每平方米种25墩,每墩插4株,每一个试验单位为500株,则一共需要72×500/(4×25)=36072 \times 500 /(4 \times 25) = 36072×500/(4×25)=360平方米的试验田;如果实验室的试验田只有180平方米,那就可以考虑裂区设计,把试验田平均分为3部分(field),用来做3次重复试验,每部分面积为60平方米,然后把3部分每一部分平均分成4大块地(whole-plots),每一部分中每一块地随机施一种肥料,每块地施的肥料各不相同,将每一大块地平均分为6小块(sub-plots),每一大块地中每一小块随机种一种水稻,每块地种的水稻各不相同。尽管这样每一小块地只能种(4×25)×60/24=250(4 \times 25) \times 60/24 = 250(4×25)×60/24=250株,但如果可以对裂区设计的试验数据建立适当的统计模型,我们同样可以利用这有限的资源完成试验并得出结论。在这个例子中称肥料种类为whole-plot factor,称水稻品种为sub-plot factor。值得注意的是裂区设计中whole-plot factor和sub-plot factor是交叉的关系而不是嵌套的关系!
下面是一些结果(不想推了。。。)就简单点评一下这两种统计模型吧。还是用上面这个例子,因为whole-plot factor和sub-plot factor是交叉的关系,所以单个factor的效应以及所有factor的交互效应都可以识别出来。同时因为有replicate,所以还可以估计replicate的效应(同一块试验田不同位置用相同肥料种同一种水稻产量不一样?!),replicate与whole-plot factor和sub-plot factor的交互效应(第一种统计模型中的(rα)ij(r \alpha)_{ij}(rα)ij和(rβ)ik(r \beta)_{ik}(rβ)ik),以及这三者的交互效应(第一种统计模型中的(rαβ)ijk(r \alpha \beta)_{ijk}(rαβ)ijk)。先解释一下replicate与其他因子的交互效应,比如replicate与肥料的交互效应,它代表的是肥料对产量的效应在空间分布上的变化情况,所以我们一般称之为whole-plot error,与之类似的还有block-B interaction以及subplot error,但后面这两者,他们涉及的土地面积没有whole-plot factor大,因此根据是否要包含这两种效应就产生了两种统计模型:
第一种统计模型
第二种统计模型
UA MATH571B 试验设计VI 随机效应与混合效应4 裂区设计相关推荐
- UA MATH571B 试验设计VI 随机效应与混合效应3 嵌套设计
UA MATH571B 试验设计VI 随机效应与混合效应3 嵌套设计简介 两阶段嵌套设计 前两讲介绍了两因素的随机效应与混合效应模型的统计方法,进行实验设计的时候思路与RCBD类似.试验有random ...
- UA MATH571B 试验设计VI 随机效应与混合效应2
UA MATH571B 试验设计VI 随机效应与混合效应2 两个factor的混合效应模型 Restricted Model Unrestricted Mixed Model 对两因素随机与混合效应模 ...
- UA MATH571B 试验设计VI 随机效应与混合效应1
UA MATH571B 试验设计VI 随机效应与混合效应 两个factor的随机效应模型 现在回到试验设计III 单因素试验设计1中介绍的模型,yij=μ+τi+ϵij,ϵij∼iidN(0,σ2)i ...
- UA MATH571B 试验设计 总结 试验的类型与选择
UA MATH571B 试验设计 总结 试验的类型与选择 试验的意义,试验设计的意义 单个treatment factor的试验 多个treatment factor的试验 多个treatment f ...
- UA MATH571B 试验设计 QE练习题1
UA MATH571B 试验设计 QE练习题1 第一题 第二题 第三题 这是2014年一月Methodology的1-3题. 第一题 希望今年的考试没有这种概念题! 第一个是对的,比较多正态总体的方差 ...
- UA MATH571B 试验设计 总结 判断试验类型的例题
UA MATH571B 试验设计 总结 判断试验类型的例题 2015年5月第二题:Blocking factorial design 2015年5月第三题:Split-plot Design 2017 ...
- UA MATH571B 试验设计 2k析因设计理论下
UA MATH571B 试验设计 2k析因设计理论下 Confounding Blocking 222^222析因设计 Blocking 232^323析因设计 principal block Fra ...
- UA MATH571B 试验设计III 单因素试验设计1
UA MATH571B 试验设计III 单因素试验设计 单因素ANOVA 模型设定与假设 ANOVA F检验 单因素ANOVA 方差分析(Analysis of Variance,ANOVA)是两样本 ...
- UA MATH571B 试验设计I 试验设计简介
UA MATH571B 试验设计I 试验设计简介 试验设计的作用与意义 混淆变量 相关性与因果 试验设计的流程与目标 消除偏差 对照组 随机试验 Blinding 减少抽样误差 重复试验 平衡试验和区 ...
最新文章
- 西湖大学鞠峰组招聘“污水处理”与“微生物组”方向博士后与科研助理
- (四十三)java版spring cloud+spring boot+redis多租户社交电子商务平台-eureka集群整合config配置中心...
- 学python入门书-如何学习Python,以及新手如何入门?
- day25 Python四个可以实现自省的函数,反射
- Kong 发布 Kong Brain 和 Kong Immunity,可进行智能自动化和适应性监控
- 微软Azure开源开发者(深圳)峰会等你来
- 在windows的某个文件夹下运行WSL中的docker容器
- 旧电脑从win7更换成Ubuntu系统(U盘安装)
- 大数据相关知识点收集
- Shell脚本学习-阶段一
- 华为SecoClient报错[SVN Adapter V1.0感叹号]“接受返回码超时”
- 用python还需要stata吗_极冷知识点——Stata/Python/R自带数据导入(附代码)
- 关于中国互联网的国际出口-转载
- 工程项目成本费用明细表_工程施工合同成本费用明细表有哪些
- 【BZOJ 1433】 [ZJOI2009]假期的宿舍
- Revel组件化开发框架
- 保存二维码图片到手机相册
- Word使用中遇到的一些错误与解决办法,附2016版本office的安装方法
- C++实现分数的四则运算
- OKR教练:OKRs-E如何帮你落地OKR
热门文章
- Leetcode 703. 数据流中的第K大元素 解题思路及C++实现
- pytorch图像和张量的相互转换_如何加载图像并将其转换为PyTorch的适当张量?
- javascript 鼠标事件总结
- 单点效率测试工具:F8秒表
- 基于单片机的简单的任务调度器
- Dev C++ 中错误 stray 161' in program
- 2017matlab版本Simulink 学习笔记整理
- OpenCV的支持向量机SVM的程序
- Dogleg“狗腿”最优化算法
- c语言已知斜率 求倾角,倾斜解的问题