实验设计与数据评价 9787562342755

《实验设计与数据评价》主要内容包括：第1章绪论、第2章SPSS简介、第3章误差的理论基础、第4章简单的实验设计和分析、第5章方差分析、第6章析因实验设计、第7章正交实验设计、第8章回归分析等。 《实验设计与数据评价》由华南理工大学出版社出版。 第1章绪论 1.1实验设计在科学研究中的作用 1.2误差的基本概念 1.3统计特征数 第2章SPSS简介 2.1 SPSS的安装与启动 2.2 SPSS的数据编辑窗口和输出窗口 2.3定义变量 2.4数据的输入与保存 第3章误差的理论基础 3.1误差的分布规律 3.2正态分布 3.3平均值的误差和置信界限 3.4 t分布 3.5统计检验 3.6 F分布 3.7X2分布 习题 第4章简单的实验设计和分析 4.1简单的对比实验设计和分析 4.2两组间比较实验和配对实验设计 4.3可疑数据的舍弃 习题 第5章方差分析 5.1单因素实验的分析 5.2随机化区组实验的设计和分析 5.3拉丁方设计和分析 习题 第6章析因实验设计 6.1各因素仅取两个水平的设计 6.2各因素取两个以上水平的析因实验 6.3混区设计 习题 第7章正交实验设计 7.1正交拉丁方 7.2正交表 7.3进行正交实验的步骤和数据的直观分析 7.4正交实验的方差分析 第8章回归分析 8.1一元线性回归 8.2相关系数 8.3线性回归效果的显著性检验 8.4用回归方程进行预测和控制 8.5一元非线性回归 8.6多元线性回归 8.7多项式回归 习题 附表一正态分布表 附表二正态分布的双侧分位表 附表三SPSS的内部函数（部分） 参考文献 版权页： 插图： 在科学实验中取得数据，经过整理，最后要做结论。对一篇科学论文的评审主要是看数据是否充分和结论是否正确。有一些试验做得精密，数据充分，结论是显而易见的；有时，实验的影响因素多，数据不够精密或者要考察的问题改变不大，这时要作出判断就有困难。在这种情况，应该借助于统计方法。这种统计检验的方法称为“显著性检验”或“假设检验”。 例如，在农业生产中，即使两个品种的丰产能力完全相同，它们试验结果的平均产量也不会完全相等，这是由于受到偶然性因素影响的结果。但是，偶然性因素影响的结果往往有一定的范围，如果两个产品的差异超出了通常偶然性因素影响所能解释的范围，就可以有把握地推断这两个品种产量有显著的差异，也就是说，它们的丰产能力有着本质性的差异。 下面再看一个例子。 例3—6试验工厂在最初11天的作业中，对一种石油产品的辛烷值每天测一次，得到以下的结果：88.2，86.7，87.2，88.4，87.2，86.8，86.1，87.3，86.5，86.6，87.1。问上述测定值对产品辛烷值为87.5的设计要求来说，是否已经达到目的？ 如果辛烷值的测定不受随机因素的影响，则不难作出准确无误的推断，这里只需进行一次测定就可以作出这样的推断：如果测定的结果是87.5，就达到了设计要求；如果小于87.5，就未达到要求。但实际上并不是这么简单，测定的辛烷值显然受到随机因素的影响，一些比87.5高，一些比87.5低。为了减少随机因素的影响，可以计算这11个测定值的平均值为87.1。然而不是87.5的事实也不能成为否定达到设计要求的理由，因为如果在直接观测中有随机因素的影响，则这种影响在平均值中也是存在的。问题在于87.1和87.5之差是由于产品不符合设计要求，还是可以用随机因素的影响进行满意的解释。在此例中，关键在于判断观测的差异是否“显著”：样本平均值87.1和规定值87.5的差异是否显著，意味着产品的真实辛烷值与规定值是否存在差异。

ISBN	9787562342755
出版社	华南理工大学出版社
作者	张震
尺寸	16