完全随机的试验设计例子.pdf

完全随机的试验设计例子

【篇一：完全随机的试验设计例子】

完全随机试验设计与分析散文吧>>完全随机试验设计与分析1、完全随
机试验设计概述

1.1完全随机试验设计的含义与特征

1.2r语言实现完全随机试验设计的程序

2、完全随机试验设计的数据分析

2.1完全随机试验设计两个处理组的t检验

2.2完全随机试验设计多组的方差分析

2.3完全随机试验设计多组之间的多重比较

2.4方差分析假设条件的检验

采用完全随机化的方法将同质的受试对象分配到各处理组,然后观察

各组的实验效应。完全随机设计也叫组间设计，被试对象被分成若

干组，每组分别接受一种实验处理，有几种实验处理被试也相应的

被分为几组，各实验组的被试之间相互独立，因而又叫“独立组”设

计。

1、完全随机试验设计概述1.1完全随机试验设计的含义与特征完全

随机设计（completelyrandomdesign，crd）又称单因素试验设

计，或成组试验设计，是科学研究中最常用的一种试验设计方法，

它是将同质的受试对象随机地分配到n个各处理组中进行实验观察，

各组分别接受不同的处理，试验结束后比较各组均值之间的差异有
无统计学意义。完全随机设计的本质是将供试对象随机分组。

这种试验设计保证每供试验对象都有相同机会接受任何一种处理，
而不受试验人员主观倾向的影响。

当试验条件特别是试验对象的初始条件比较一致时，可采用完全随
机设计。这种设计应用了重复和随机化两个原则，因此能使试验结
果受非处理因素的影响基本一致，真实反映出试验的处理效应。完
全随机设计是一种最简单的设计方法，主要优缺点如下：

1、完全随机设计的主要优点：

(1)试验设计容易

完全随机试验设计适用面广，处理数与重复数都不受限制，但在总
样本量不变的情况下，各组样本量相同时设计效率最高。

(2)统计分析简单

无论所获得的试验资料各处理重复数相同与否，都可采用t检验或方差分
析法进行统计分析。当数据缺失时，亦不影响其余数据的统计分析。

2、完全随机设计的主要缺点：

(1)由于未应用试验设计三原则中的局部控制原则，非试验因素的影
响被归入试验误差，试验误差较大，试验的精确性较低。

(2)在试验条件、环境、受试对象差异较大时，不宜采用此种设计方
法。

(3)完全随机试验设计一次试验只能分析一个因素。2r语言实现完全

随机试验设计的程序在r语言中，可以通过agricolae扩展包中的

design.crd()函数来进行完全随机试验设计。

design.crd()函数的基本用法如下：

design.crd(trt,r,serie=2,seed=0,kinds=-“super

duper”,randomization=true)

其中主要参数的意义：

trt：试验组数。

r：每组重复数。

serie：design.crd函数返回的对象中，plots是试验对象的顺序号，

该顺序号的编排方式由serie取值确定。serie参数的取值不同，，

试验对象的数字标签plots会因此而改变。(1)serie的值取0，则试

验对象的数字标签顺序从1开始，然后是2、3等。(2)serie的值取

1，则试验对象的数字标签顺序从11开始，然后是12、13等。

(3)serie值取2时，试验对象的数字标签顺序从101开始，然后是

102，103等。(4)serie值取3时，试验对象数字标签顺序从1001

开始，然后是1002，1003等。

seed：随机数字种子，设定随机数字种子后，可重现该设计。

kinds：完全随机的随机化方法，包括：“wichmann-hill，”

“marsaglia-multicarry”，“super-duper”，“mersenne-twister”，
“knuth-taocp”，“user-supplied”，“knuth-taocp-2002”，

“default，”这些随机化方法的具体算法可参阅相关文献。
完全随机试验设计示例：

19个试验对象，完全随机分为5组，每组的试验对象分别为，43，

5，4，3，下述程序代码就可以实现完全随机试验的方案设计，并将
试验方案存贮为excel文件。

setwd(e:/doewithr.book.data)library(agricolae)library(xlsx)##
loadingrequiredpackage:rjava##loadingrequiredpackage:

xlsxjarstreatment-c(group-1,group-2,group-3,group-4,
group-5)replications-c(4