多因素试验是指两个或两个以上试验因素的试验,其处理组合数为各因素水平数之 积。例如二因素试验中,一因素4水平,另一因素5水平,则这一试验就有4×5=20个处 理组合,多因素试验因设计类型不同,故处理组合以不同方式进行田间排列,如完全随机 随机区组、拉丁方、裂区设计和条区设计等等

问题的提出 人们经常遇到的问题是如何选取样本以及 根据样本来对总体的种种统计特征作出判 断。实际工作中碰到的随机变量(总体)往 往是分布类型大致知道,但确切的形式并不 知道,亦即总体的参数未知.要求出总体的 分布函数F(x)(或密度函数p(x))就等于要根 据样本来估计出总体的参数.这类问题称为 参数估计

两因素方差分析是讨论两因素试验的统计推断问题。本 文分非重复试验和重复试验两种情形进行讨论。 一、两因素非重复试验的方差分析 设有两个因素A,B,因素A有r个不同水平: A,A2…,A,;因素B有s个不同水平:B1,B2…,B 在A,B的每一种组合水平(A,B)下作一次试验,试验 结果为X,=(i=1,…,r,j=1,2,,),所有X,相互独立

通常把生产实践与科学实验中的结果,如产品的性能, 产量等统称为指标,影响指标的因素用A,B,C,…,表示。 因素在试验中所取的不同状态称为水平,因素4的不同水 平用A1,A2表示。 在一项试验中,如果让一个因素的水平变化,其他因素 水平保持不变,这样的试验叫做单因素试验。处理单因 素试验的统计推断问题称为单因素方差分析或一元方差 分析。类似地可定义多因素方差分析。本节先介绍单因 素方差分析

分布函数能完整地描述r.v的统计特性,但实际应用中并不都需要知 道分布函数,而只需知道rv的某些特征. 例如: 判断棉花质量时,既看纤维的平均长度又要看纤维长度与平均长度的偏离程度平均长度越长,偏离程度越小,质量就越好;

①确定性现象：在一定条件下必然发生的现象 例 抛一石子必然落下； （结果可以事先预言的） ②随机现象： 在个别试验中其结果呈现出不确定性 在大量的重复观察中又具有某种统计 规律性的现象

在一个统计决策问题中,可供选择的决策函 数往往很多,自然希望寻找使风险最小的决策函 数,然而在这种意义下的最优决策函数往往是不 存在的。这是因为风险函数R(,d)是既依赖于参 数又依赖于决策函数d的二元函数,它往往会 使得在某些处决策函数1的风险函数值较小; 而在另一些θ处决策函数a2的风险函数值较小。要解这个问题,就要建立一个整体指标的比较准则

在许多随机试验中，需要考虑的指标不止一个。例如，考查某地区学龄前儿童发育情况，对这一地区的儿童进行抽样检查，需要同时观察他们的身高和体重，这样，儿童的发育就要用定义在同一个样本空间上的两个随机变量来加以描述。又如，考察礼花升空后的爆炸点，此时要用三个定义在同一个样本空间上的随机变量来描述该爆炸点。在这一章中，我们将引入多维随机变量的概念，并讨论多维随机变量的统计规律性

针对生产工况实测数据不能覆盖整个数据空间的现象,提出了一种基于统计空间映射的自学习模式识别方法.通过实测数据的仿真实验验证了该方法的有效性

一、最佳选择题 1.(C)小,表示用该样本均数估计总体均数的可靠性大。 A.B.C.od..四分位数间距 2.两样本均数比较的t检验,差别有统计意义时,P越小,说明(C) A两样本均数差别越大 B两总体均数差别越大 C越有理由认为两总体均数不同 D越有理由认为两样本均数不同 E越有理由认为两总体均数相同