典型中心抽样理论的探讨

<正> [1] 提出的典型中心抽样方法,要求总体分布为正态且总体平均数已知其概。当给定概知总体平均数∧/X_0时,则以∧/X_0为中心,由标志值最接近∧/X_0的3—5个单元组成     

田间试验设计和统计分析Ⅷ

7.5正交试验设计的统计分析 正交试验设计的统计分析方法仍是方差分析,我们通过例7.1的统计分析作具体说明。称 S_j=∑(j到各水平对应数据之和)~2/水平重复数-CT     

田间试验设计和统计分析(Ⅲ)

2.4多重比较 通过方差分析可以判断各因素对试验结果是否有显著影响。但是,一个因素的不同水平之间有显著差异时,一般并不能就说各水平两两之间都有显著差异,如果需要进一步确定那个或那几个水平与另一个或另几个水平之间有显著差异,则必须作多重比较。下面介绍两种多重比较方法。     

简单随机抽样的样本量估计

<正> 在森林抽样调查中,首先要正确地决定所需要的样本量。本文针对目前采用的样本量估计公式存在的问题,按森林抽样调查的要求,提出了新的样本量估计公式。由于森林抽样调查的总体和样本量都很大而抽样比很小,所以本文仅讨论重复抽样方式下大样本的样本量估计。对于样本量为n的简单随机样本,样本均值与样地方差分别记为:     

线性最小均方误差的比率估计

本文对有限总体的总体均值提出了一个模型无偏的线性最小均方误差估计,并给出了这个均方误差的一个无偏估计。     

林木直径分布的马尔可夫预测

利用连续清查的两期固定样地的资料，对下一期林木直径分布的各么级比例和株数、枯损比例和总株数、进界木株数以及从一个径级转移到中车个径级的株数等参数的无偏估计量，给出了各估计量方差的近似无偏估计量。     

田间试验设计和统计分析(Ⅱ)

2.方差分析 2.1基本思想 我们已经将表1.1的试验数据分解为期望苗高与误差两部分,而期望苗高又总平均,密度效应和品种效应组成,这样,表1.1的试验数量由以下四部分组成: 数据=总平均+密度效应+品种效应     

林木直径分布的马尔可夫预测Ⅲ方差的近似无偏估计

利用连续清查的两期固定样地的资料，对下一期林木直径分布的各径级比例和株数、枯损比例和总株数、进界木株数以及从一个径级转移到另一个径级的株数等参数的无偏估计量，给出了各估计量方差的近似无偏估计量     

田间试验设计和统计分析(Ⅵ)

6 裂区试验的设计和统计分析 6.1交互效应 如果试验包括两个(或两个以上)因素,常常不仅每个因素单独对试验结果起作用,而且往往两因素的各水平之间的搭配还会对试验结果起作用。也就是说,往往一个因素对试验结果的作用会依赖于另外一个因素所取的水平,这时称这两个因素对试验结果有交互效应。现举例说明。