完全随机设计说明
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2）因素及水平数均不宜过多，否则实验量 太大，而且对比分析过于繁琐。
析因设计
假设检验方法：
对于计量资料，析因试验的结果可用方差分 析进行假设检验，推断处理因素作用及交互 作用。
析因设计
A药
未用（1）
用（2） 合计
B药
未用（1）
0.8 0.9 0.7 1.3 1.2 1.1
6.0
合计
用（2）
0.9 5.4 1.1 1.0 2.1 9.9 2.2 2.0 9.3 15.3
进行配对设计时应注意不要“配对过头”。例如， 研究高血压与钠盐摄入量的关系，如果将高血压 患者与非高血压患者按饮食习惯配对后比较钠盐 摄人量，由于饮食习惯与钠盐摄入量关系密切， 可能会掩盖病例与对照在钠盐摄人量上的差异；
实验者必须在整个研究过程中，始终能辨认属于 同一对子的是哪两只动物。因此，动物编号是非 常重要的；
结论: A、B两因素各水平间差别有统计学意义，P
均小于.0001， A、B间有交互作用，从A1B1（0.8）、
A1B2(1.0)、A2B1(1.2)、A2B2(2.1)各自均值的 关系可知：A、B间有协同作用。
重复测量设计
重复测量设计
例：为研究Nm23H1基因AN：对肝癌细胞 SMMC-7721增殖和转移的影响，将4~6周龄 雌性裸鼠10只随机等分为两组。一组接种蛋 白高表达细胞克隆AN2，另一组未转染细胞 SMMC-7721作对照，测定癌细胞计数，以光 密度吸收值A595nm来反映，试分析转移基因 AN2是否对肝癌细胞有抑制作用。
例1 将12头动物随机分配到A、B两组。 1、先将12头动物编号为1、2……12号。然后 在随机数字表内任意确定一个起始点和方向 连续取12个随机数字，并依次抄录于动物编 号下。 2、本例从随机数字表第6行第19、20列起向下 读取12个随机数字，取两位随机数字。 3、将随机数字从小到大顺序排列后得序号R， 并规定R=1～6者为A组，R=7～12者为B组。
A
1
B
1
A*B
1
Type III SS 1.68750000 0.90750000 0.36750000
Mean Square 1.68750000 0.90750000 0.36750000
F Value 168.75
90.75 36.75
Pr > F <.0001 <.0001 0.0003
析因设计
记录实验数据应保持每对的一一对应关系，不能 错乱或缺失。计算每对实验数据的差值时，顺序 应当一致。
配对设计(paired design)—随机分组
例： 取20只小白鼠，按性别、体重、窝别 配成10对，试将其分配到实验组与对照组中 去。 先按配对条件配对，并将对子编号，如1.1、 1.2 、2.1、 2.2 …..10.1、 10.2然后再在随机数 字表上，任意指定行列及查找方向，将随机 数字依次抄写在“对子号”下。 事先规定，遇单数定为AB顺序，遇双数定 为BA顺序
为1、2……16号，再把体重相近的4头动物 作为一个区组，即等分成4个区组。从随机 数字表中任意一行一列作起点顺序取4个随 机数字，取两位随机数字，对应于第一个区 组的4个动物，然后将随机数字由小到大顺 序排列后得序号(R)，再按序号的大小依次 排列组别。
随机区组设计_随机分组
本例 从随机数字表中第6行第9、10列起向下读取4 个随机数为39、74、00、99，排列后的序号 (R)为2、3、1、4，则第一个区组4个处理的 组别随机排列的顺序为B、C、A、D。
第 1 号动 B B A A B A B A A 物组别 第 2 号动 A A B B A B A B B B A 物组别
配对设计(paired design)
常用统计假设检验方法
计量资料：配对t检验、配对符号检验、 wilcoxon符号秩检验
计数资料：卡方检验、一致性检验等
配对设计(paired design)
析因设计
析因设计(factorial design)
例：对 12 例缺铁性贫血病人的疗效进行观察，将病人分为 4 组，给予不同治疗，
一个月后检查各组病人的红细胞增加数(百万／mm3)。结果见下表。
4 组不同疗法治疗缺铁性贫血病人的疗效
B药
未用（1）
用（2）
0.8
0.9
未用（1）
0.9
1.1
A药
0.7
完全随机设计—随机分组
本例从第5行第17、18列起向下读取15个随 机数字
动物编号 随机数字 序号（R）
处理组
表 2 15 头动物完全随机分三组结果 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 04 76 96 61 77 34 94 72 33 63 02 67 06 38 68 2 12 15 7 13 5 14 11 4 8 1 9 3 6 10 ACC B CACCAB A B AB B
两因素间存在交互作用，表示他们不是独立的， 随着一个因素的改变，另一个因素的效应也改 变；交互作用分为：协同作用和拮抗作用 协同作用：一种因素可增强另一因素或多种因 素的效应。 拮抗作用：一种因素可减弱另一因素或多种因 素的效应。
析因设计
优缺点： 优点： 1）它的试验结果可运用方差分析，把总变异分解为众
多个因素变异、因素间交互作用的变异以及误差 变异。因此，它不仅可以作每个因素各水平间的 比较，而且还可以进行各因素间交互作用的分析。 因此,析因设计是一种高效率的试验方法，对各种 组合的交互作用具有独特的分析功能，同时又具 有直观表达分析结果的优点; ２）析因设计还可以节约样本含量
析因设计
缺点： 1）统计分析计算较复杂;
SMMC-7721 6 0.003 0.004 0.073 0.120
7 0.000 0.011 0.080 0.122
8 0.000 0.006 0.096 0.140
9 0.001 0.004 0.084 0.115
10 -0.002 0.005 0.072 0.127
5天 0.241
0.263 0.265 0.255 0.282 0.213
亦称配伍组设计。它是对完全随机设计的改 进。
随机区组设计是将几个条件相似的受试对象 配成一个区组。如同种属、同窝别、同性别 的动物，批号相同试剂，体重相近的受试者 等，然后在各区组内按随机原则分组，每组 分别予以不同的处理。
随机区组设计_随机分组
例 将16头动物按体重配伍随机分为4组 先将16头动物称重后，按体重由小到大依次
其余三个区组的随机分组方法类推。
随机区组设计_随机分组
16 头动物随机区组设计分为四组结果
动物编号
随机数字
序号
处理组
1.1
39
2
B
1.2
74
3
C
1.3
00
1
A
1.4
99
4
D
2.1
24
2
B
2.2
72
4
D
2.3
48
3
C
2.4
03
1
A
3.1
26
1
A
3.2
31
3
C
3.3
59
4
D
3.4
29
2
B
4.1
31
2
B
重复测量设计
分组
10 只裸鼠 A595nm 编 测量时间
号 1天 2天 3天 4天
AN2
1 0.001 0.000 0.101 0.174
2 -0.003 0.016 0.110 0.160
3 0.003 0.005 0.091 0.177
4 0.005 0.005 0.089 0.160
5 -0.004 0.005 0.094 0.156
完样全本随均机数设与计总—体随均数机（分或组配对）比较
12 动物完全随机分两组结果（采用随机数字表）
动物编号 1 2 3 4 5 6 7 8 9 10 11 12
随机数字 35 92 28 65 27 09 52 66 51 07 47 70 序号（R） 5 12 4 9 3 2 8 10 7 1 6 11 处理级别 A B A B A A B B B A A B
配对设计(paired design)—概念
配对的特征或条件： 动物实验：常以种属、品系、性别相同，年龄、 体重相近的两只动物配成对子； 临床疗效观察常将病种、病型、族别、性别相 同，年龄相差不超过2—3岁，生活习惯、工作环 境等相似的病人配成对子；
配对设计(paired design)—注意的问题
X 2 =每个数据的平方和=22.55
A1B1 0.8 0.9 0.7 2.4
A1B2 0.9 1.11.0 3.0 A2B1 1.31.2 1.1 3.6
A2B2 2.1 2.2 2.0 6.3
析因设计
The GLM Procedure
Dependent Variable: Y
4.2
16
1
A
4.3
98
4
D
4.4
72
3
C
随机区组设计
常用统计假设检验方法： F检验(方差分析)、非参数检验等
随机区组设计
优缺点 优点：把条件一致的研究对象编入同一区组
并分配于各研究组，使各研究组之间的可比 性更强，能改善组间均衡性，既缩小了误差， 又可分析出处理组间和配伍组间两因素的影 响，试验效率较高。 缺点：是分组较繁。
完全随机设计
统计假设检验方法
计量资料：t检验、方差分析或秩和检验等。
计来自百度文库资料：卡方检验等
完全随机设计
优缺点： 优点：设计及统计分析简单， 缺点：试验效率不高，只能分析单因素。
配对设计
配对设计(paired design)—概念
将受试对象按某些特征或条件配成对子，然后 分别把每对中的两个受试对象随机分配到试验组 和对照组，再给予每对中的个体以不同处理，连 续试验若干对，观察对子间的差别有无意义。
配对设计(paired design)—随机分组
本 例：46 行 31 、32 列向右查找随机数
编号
1.1 2.1 3.1 4.1 5.1 6.1 7.1 8.1 9.1 10.1
1.2 2.2 3.2 4.2 5.2 6.2 7.2 8.2 9.2 10.2
随机数字 50 14 49 81 06 01 82 77 45 12
优点 配对设计可做到严格控制非处理因素对试验
结果的影响，同时使受试对象间的均衡性增 大，因而可提高试验效率。它与成组的完全 随机设计相比较，可克服受试对象间由于遗 传素质的差异所引起的偏差，同时还可以减 少样本含量。
随机区组设计
随机区组设计(randomized block design)_概念
Source
DF
Model
3
Error
8
Corrected Total
11
Sum of Squares Mean Square 2.96250000 0.98750000 0.08000000 0.01000000
F Value Pr > F 98.75 <.0001
3.04250000
Source DF
注： 随机数字 06 之后随机数字为 02，但前面已经出现过，故舍去。
完全随机设计—随机分组
随机分组应注意 ： 1、随机数的位数不应小于N的位数； 2、随机数如果有重号数字应舍弃； 3、若科研上需要各组例数不等可利用序号（R） 调整各组例数。如在例2中要求A组6例，B组5 例，C组4例，可规定R=1～6者为A组，R=7～11 者为B组，R=12～15者为C组。
完全随机设计—随机分组
例2 将15头动物随机分成三组。 将动物编号如1、2……15号，然后在随机数
字表内从某行某列起向某方向读取15个随机 数字，取两位随机数字，依次抄录于动物编 号下。 将随机数字从小到大顺序排列后得序号R。 规定R=1～5者为A组，R=6～10者为B组， R=11～15者为C组。
完全随机设计
完全随机设计—概念
完全随机设计(completely random design) 亦称单因素设计。将受试对象随机分到各处理组
中进行实验观察，或分别从不同总体中随机抽 样进行对比观察。 它适用于两个或两个以上样本的比较。各组间样 本量可相等，也可不相等。样本相等时统计分 析效率较高。
完全随机设计—随机分组
1.0
1.3
2.1
用（2）
1.2
2.2
1.1
2.0
析因设计_概念
一种多因素的交叉分组设计，是对各因素各 水平的所有组合都进行实验的设计方法，它 即可分析各因素的主效应，又可分析各因素 的交互作用，（interaction），是一种高效的 实验设计。
析因设计_概念
交互作用 各因素所产生的效应之间的相互影响情况，如
0.206 0.201 0.210 0.223
6天 0.510
0.555 0.591 0.621 0.572 0.439
0.491 0.441 0.454 0.457
析因设计
假设检验方法：
对于计量资料，析因试验的结果可用方差分 析进行假设检验，推断处理因素作用及交互 作用。
析因设计
A药
未用（1）
用（2） 合计
B药
未用（1）
0.8 0.9 0.7 1.3 1.2 1.1
6.0
合计
用（2）
0.9 5.4 1.1 1.0 2.1 9.9 2.2 2.0 9.3 15.3
进行配对设计时应注意不要“配对过头”。例如， 研究高血压与钠盐摄入量的关系，如果将高血压 患者与非高血压患者按饮食习惯配对后比较钠盐 摄人量，由于饮食习惯与钠盐摄入量关系密切， 可能会掩盖病例与对照在钠盐摄人量上的差异；
实验者必须在整个研究过程中，始终能辨认属于 同一对子的是哪两只动物。因此，动物编号是非 常重要的；
结论: A、B两因素各水平间差别有统计学意义，P
均小于.0001， A、B间有交互作用，从A1B1（0.8）、
A1B2(1.0)、A2B1(1.2)、A2B2(2.1)各自均值的 关系可知：A、B间有协同作用。
重复测量设计
重复测量设计
例：为研究Nm23H1基因AN：对肝癌细胞 SMMC-7721增殖和转移的影响，将4~6周龄 雌性裸鼠10只随机等分为两组。一组接种蛋 白高表达细胞克隆AN2，另一组未转染细胞 SMMC-7721作对照，测定癌细胞计数，以光 密度吸收值A595nm来反映，试分析转移基因 AN2是否对肝癌细胞有抑制作用。
例1 将12头动物随机分配到A、B两组。 1、先将12头动物编号为1、2……12号。然后 在随机数字表内任意确定一个起始点和方向 连续取12个随机数字，并依次抄录于动物编 号下。 2、本例从随机数字表第6行第19、20列起向下 读取12个随机数字，取两位随机数字。 3、将随机数字从小到大顺序排列后得序号R， 并规定R=1～6者为A组，R=7～12者为B组。
A
1
B
1
A*B
1
Type III SS 1.68750000 0.90750000 0.36750000
Mean Square 1.68750000 0.90750000 0.36750000
F Value 168.75
90.75 36.75
Pr > F <.0001 <.0001 0.0003
析因设计
记录实验数据应保持每对的一一对应关系，不能 错乱或缺失。计算每对实验数据的差值时，顺序 应当一致。
配对设计(paired design)—随机分组
例： 取20只小白鼠，按性别、体重、窝别 配成10对，试将其分配到实验组与对照组中 去。 先按配对条件配对，并将对子编号，如1.1、 1.2 、2.1、 2.2 …..10.1、 10.2然后再在随机数 字表上，任意指定行列及查找方向，将随机 数字依次抄写在“对子号”下。 事先规定，遇单数定为AB顺序，遇双数定 为BA顺序
为1、2……16号，再把体重相近的4头动物 作为一个区组，即等分成4个区组。从随机 数字表中任意一行一列作起点顺序取4个随 机数字，取两位随机数字，对应于第一个区 组的4个动物，然后将随机数字由小到大顺 序排列后得序号(R)，再按序号的大小依次 排列组别。
随机区组设计_随机分组
本例 从随机数字表中第6行第9、10列起向下读取4 个随机数为39、74、00、99，排列后的序号 (R)为2、3、1、4，则第一个区组4个处理的 组别随机排列的顺序为B、C、A、D。
第 1 号动 B B A A B A B A A 物组别 第 2 号动 A A B B A B A B B B A 物组别
配对设计(paired design)
常用统计假设检验方法
计量资料：配对t检验、配对符号检验、 wilcoxon符号秩检验
计数资料：卡方检验、一致性检验等
配对设计(paired design)
析因设计
析因设计(factorial design)
例：对 12 例缺铁性贫血病人的疗效进行观察，将病人分为 4 组，给予不同治疗，
一个月后检查各组病人的红细胞增加数(百万／mm3)。结果见下表。
4 组不同疗法治疗缺铁性贫血病人的疗效
B药
未用（1）
用（2）
0.8
0.9
未用（1）
0.9
1.1
A药
0.7
完全随机设计—随机分组
本例从第5行第17、18列起向下读取15个随 机数字
动物编号 随机数字 序号（R）
处理组
表 2 15 头动物完全随机分三组结果 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 04 76 96 61 77 34 94 72 33 63 02 67 06 38 68 2 12 15 7 13 5 14 11 4 8 1 9 3 6 10 ACC B CACCAB A B AB B
两因素间存在交互作用，表示他们不是独立的， 随着一个因素的改变，另一个因素的效应也改 变；交互作用分为：协同作用和拮抗作用 协同作用：一种因素可增强另一因素或多种因 素的效应。 拮抗作用：一种因素可减弱另一因素或多种因 素的效应。
析因设计
优缺点： 优点： 1）它的试验结果可运用方差分析，把总变异分解为众
多个因素变异、因素间交互作用的变异以及误差 变异。因此，它不仅可以作每个因素各水平间的 比较，而且还可以进行各因素间交互作用的分析。 因此,析因设计是一种高效率的试验方法，对各种 组合的交互作用具有独特的分析功能，同时又具 有直观表达分析结果的优点; ２）析因设计还可以节约样本含量
析因设计
缺点： 1）统计分析计算较复杂;
SMMC-7721 6 0.003 0.004 0.073 0.120
7 0.000 0.011 0.080 0.122
8 0.000 0.006 0.096 0.140
9 0.001 0.004 0.084 0.115
10 -0.002 0.005 0.072 0.127
5天 0.241
0.263 0.265 0.255 0.282 0.213
亦称配伍组设计。它是对完全随机设计的改 进。
随机区组设计是将几个条件相似的受试对象 配成一个区组。如同种属、同窝别、同性别 的动物，批号相同试剂，体重相近的受试者 等，然后在各区组内按随机原则分组，每组 分别予以不同的处理。
随机区组设计_随机分组
例 将16头动物按体重配伍随机分为4组 先将16头动物称重后，按体重由小到大依次
其余三个区组的随机分组方法类推。
随机区组设计_随机分组
16 头动物随机区组设计分为四组结果
动物编号
随机数字
序号
处理组
1.1
39
2
B
1.2
74
3
C
1.3
00
1
A
1.4
99
4
D
2.1
24
2
B
2.2
72
4
D
2.3
48
3
C
2.4
03
1
A
3.1
26
1
A
3.2
31
3
C
3.3
59
4
D
3.4
29
2
B
4.1
31
2
B
重复测量设计
分组
10 只裸鼠 A595nm 编 测量时间
号 1天 2天 3天 4天
AN2
1 0.001 0.000 0.101 0.174
2 -0.003 0.016 0.110 0.160
3 0.003 0.005 0.091 0.177
4 0.005 0.005 0.089 0.160
5 -0.004 0.005 0.094 0.156
完样全本随均机数设与计总—体随均数机（分或组配对）比较
12 动物完全随机分两组结果（采用随机数字表）
动物编号 1 2 3 4 5 6 7 8 9 10 11 12
随机数字 35 92 28 65 27 09 52 66 51 07 47 70 序号（R） 5 12 4 9 3 2 8 10 7 1 6 11 处理级别 A B A B A A B B B A A B
配对设计(paired design)—概念
配对的特征或条件： 动物实验：常以种属、品系、性别相同，年龄、 体重相近的两只动物配成对子； 临床疗效观察常将病种、病型、族别、性别相 同，年龄相差不超过2—3岁，生活习惯、工作环 境等相似的病人配成对子；
配对设计(paired design)—注意的问题
X 2 =每个数据的平方和=22.55
A1B1 0.8 0.9 0.7 2.4
A1B2 0.9 1.11.0 3.0 A2B1 1.31.2 1.1 3.6
A2B2 2.1 2.2 2.0 6.3
析因设计
The GLM Procedure
Dependent Variable: Y
4.2
16
1
A
4.3
98
4
D
4.4
72
3
C
随机区组设计
常用统计假设检验方法： F检验(方差分析)、非参数检验等
随机区组设计
优缺点 优点：把条件一致的研究对象编入同一区组
并分配于各研究组，使各研究组之间的可比 性更强，能改善组间均衡性，既缩小了误差， 又可分析出处理组间和配伍组间两因素的影 响，试验效率较高。 缺点：是分组较繁。
完全随机设计
统计假设检验方法
计量资料：t检验、方差分析或秩和检验等。
计来自百度文库资料：卡方检验等
完全随机设计
优缺点： 优点：设计及统计分析简单， 缺点：试验效率不高，只能分析单因素。
配对设计
配对设计(paired design)—概念
将受试对象按某些特征或条件配成对子，然后 分别把每对中的两个受试对象随机分配到试验组 和对照组，再给予每对中的个体以不同处理，连 续试验若干对，观察对子间的差别有无意义。
配对设计(paired design)—随机分组
本 例：46 行 31 、32 列向右查找随机数
编号
1.1 2.1 3.1 4.1 5.1 6.1 7.1 8.1 9.1 10.1
1.2 2.2 3.2 4.2 5.2 6.2 7.2 8.2 9.2 10.2
随机数字 50 14 49 81 06 01 82 77 45 12
优点 配对设计可做到严格控制非处理因素对试验
结果的影响，同时使受试对象间的均衡性增 大，因而可提高试验效率。它与成组的完全 随机设计相比较，可克服受试对象间由于遗 传素质的差异所引起的偏差，同时还可以减 少样本含量。
随机区组设计
随机区组设计(randomized block design)_概念
Source
DF
Model
3
Error
8
Corrected Total
11
Sum of Squares Mean Square 2.96250000 0.98750000 0.08000000 0.01000000
F Value Pr > F 98.75 <.0001
3.04250000
Source DF
注： 随机数字 06 之后随机数字为 02，但前面已经出现过，故舍去。
完全随机设计—随机分组
随机分组应注意 ： 1、随机数的位数不应小于N的位数； 2、随机数如果有重号数字应舍弃； 3、若科研上需要各组例数不等可利用序号（R） 调整各组例数。如在例2中要求A组6例，B组5 例，C组4例，可规定R=1～6者为A组，R=7～11 者为B组，R=12～15者为C组。
完全随机设计—随机分组
例2 将15头动物随机分成三组。 将动物编号如1、2……15号，然后在随机数
字表内从某行某列起向某方向读取15个随机 数字，取两位随机数字，依次抄录于动物编 号下。 将随机数字从小到大顺序排列后得序号R。 规定R=1～5者为A组，R=6～10者为B组， R=11～15者为C组。
完全随机设计
完全随机设计—概念
完全随机设计(completely random design) 亦称单因素设计。将受试对象随机分到各处理组
中进行实验观察，或分别从不同总体中随机抽 样进行对比观察。 它适用于两个或两个以上样本的比较。各组间样 本量可相等，也可不相等。样本相等时统计分 析效率较高。
完全随机设计—随机分组
1.0
1.3
2.1
用（2）
1.2
2.2
1.1
2.0
析因设计_概念
一种多因素的交叉分组设计，是对各因素各 水平的所有组合都进行实验的设计方法，它 即可分析各因素的主效应，又可分析各因素 的交互作用，（interaction），是一种高效的 实验设计。
析因设计_概念
交互作用 各因素所产生的效应之间的相互影响情况，如
0.206 0.201 0.210 0.223
6天 0.510
0.555 0.591 0.621 0.572 0.439
0.491 0.441 0.454 0.457