抗生素實(shí)驗(yàn)設(shè)計(jì)作業(yè)

1、3-7.分別使用金球和鉑球測定引力常數(shù)（單位：）1. 用金球測定觀察值為 6.683，6.681, 6.676, 6.678, 6.679, 6.6722. 用鉑球測定觀察值為 6.661, 6.661，6.667, 6.667, 6.664設(shè)測定值總體為n（u，）試就1,2兩種情況求u的置信度為0.9的置信區(qū)間，并求 的置信度為0.9的置信區(qū)間。用sas分析結(jié)果如下： 第一組： 第二組: 3-10某批礦砂的5個(gè)樣品的鎳含量，經(jīng)測定為（） 3.25，3.27, 3.24，3.26, 3.24 設(shè)測定值總體服從正態(tài)分布，問在a=0.01下能否接受假設(shè)：這批礦砂的鎳含量的均值為3.25。用sas分

2、析結(jié)果如下： hypothesis test null hypothesis: mean of x = 3.25 alternative: mean of x = 3.25 t statistic df prob t - 0.343 4 0.7489因?yàn)閜值大于0.01（顯著性水平），故可認(rèn)為接受原假設(shè)，這批砂的鎳含量為3.25。3-13.下表分別給出兩個(gè)文學(xué)家馬克吐溫的8篇小品文以及斯諾特格拉斯的10篇小品文中由3個(gè)字母組成的詞的比例：馬克吐溫： 0.225 0.262 0.217 0.240 0.230 0.229 0.235 0.217斯諾特格拉斯：0.209 0.205 0.196 0

3、.210 0.202 0.207 0.224 0.223 0.220 0.201設(shè)兩組數(shù)據(jù)分別來自正態(tài)總體，且兩個(gè)總體方差相等，兩個(gè)樣本相互獨(dú)立，問兩個(gè)作家所寫的小品文中包含由3個(gè)字母組成的詞的比例是否有顯著差異（a=0.05）取假設(shè)h0：u1-u20和假設(shè)h1：u1-u20用sas分析結(jié)果如下： sample statistics group n mean std. dev. std. error - x 8 0.231875 0.0146 0.0051 y 10 0.2097 0.0097 0.0031 hypothesis test null hypothesis: mean 1 - m

4、ean 2 = 0 alternative: mean 1 - mean 2 = 0 if variances are t statistic df pr t - equal 3.878 16 0.0013 not equal 3.704 11.67 0.0032由此可見p值遠(yuǎn)小于0.05，可認(rèn)為拒絕原假設(shè)，即認(rèn)為2個(gè)作家所寫的小品文中由3個(gè)字母組成的詞的比例均值差異顯著。3-14.在13題中分別記兩個(gè)總體的方差為和。試檢驗(yàn)假設(shè)：（取a=0.05）h0： ，h1：以說明在第13題中我們假設(shè)2方差相等是合理的。用sas分析如下： hypothesis test null hypothesis:

5、variance 1 / variance 2 = 1 alternative: variance 1 / variance 2 = 1 - degrees of freedom - f numer. denom. pr f - 2.27 7 9 0.2501由p值為0.25010.05（顯著性水平），所以接受原假設(shè)，兩方差無顯著差異。4-1.將抗生素注入人體會(huì)產(chǎn)生抗生素與血漿蛋白質(zhì)結(jié)合的現(xiàn)象，以致減少了藥效。下表列出5種常用的抗生素注入到牛的體內(nèi)時(shí)，抗生素與血漿蛋白質(zhì)結(jié)合的百分比。試在水平a=0.05下檢驗(yàn)這些百分比的均值有無顯著差異。設(shè)個(gè)總體服從正態(tài)分布，且方差相等。青霉素四環(huán)素鏈霉素紅霉

6、素氯霉素29.627.35.821.629.224.332.66.217.432.828.530.811.018.325.032.034.88.319.024.2sas分析結(jié)果如下：dependent variable: y sum of source df squares mean square f value pr f model 4 1480.823000 370.205750 40.88 f c 4 1480.823000 370.205750 40.88 f model 11 82.8333333 7.5303030 1.39 0.2895 error 12 65.0000000 5

7、.4166667 corrected total 23 147.8333333 r-square coeff var root mse r mean 0.560316 22.34278 2.327373 10.41667 source df type i ss mean square f value pr f m 2 44.33333333 22.16666667 4.09 0.0442 n 3 11.50000000 3.83333333 0.71 0.5657 m*n 6 27.00000000 4.50000000 0.83 0.5684 source df type iii ss me

8、an square f value pr f m 2 44.33333333 22.16666667 4.09 0.0442 n 3 11.50000000 3.83333333 0.71 0.5657 m*n 6 27.00000000 4.50000000 0.83 0.5684由結(jié)果可知，在不同濃度下得率有顯著差異，在不同溫度下得率差異不明顯，交互作用的效應(yīng)不顯著。4-4. 不用協(xié)變量做方差分析the glm proceduredependent variable: y sum of source df squares mean square f value pr f model 3 1

9、041.791667 347.263889 1.38 0.2766 error 20 5018.166667 250.908333 corrected total 23 6059.958333 r-square coeff var root mse y mean 0.171914 22.88754 15.84009 69.20833 source df type i ss mean square f value pr f v 1 330.0416667 330.0416667 1.32 0.2650 m 1 693.3750000 693.3750000 2.76 0.1120 v*m 1 1

10、8.3750000 18.3750000 0.07 0.7895 source df type iii ss mean square f value pr f v 1 330.0416667 330.0416667 1.32 0.2650 m 1 693.3750000 693.3750000 2.76 0.1120 v*m 1 18.3750000 18.3750000 0.07 0.7895由分析結(jié)果可知，花的品種、溫度和兩者的交互作用對鮮花產(chǎn)量的影響都是不顯著的。引入?yún)f(xié)變量作方差分析 the glm proceduredependent variable: y sum of source

11、 df squares mean square f value pr f model 4 5832.719086 1458.179772 121.92 f v 1 330.041667 330.041667 27.60 .0001 m 1 693.375000 693.375000 57.97 .0001 v*m 1 18.375000 18.375000 1.54 0.2303 x 1 4790.927419 4790.927419 400.58 f v 1 23.944281 23.944281 2.00 0.1733 m 1 479.288865 479.288865 40.07 .00

12、01 v*m 1 75.071998 75.071998 6.28 0.0215 x 1 4790.927419 4790.927419 400.58 f model 2 38.93714 19.46857 9.54 0.0033 error 12 24.47619 2.03968 corrected total 14 63.41333 root mse 1.42817 r-square 0.6140 dependent mean 30.03333 adj r-sq 0.5497 coeff var 4.75530 parameter estimates parameter standard

13、variable df estimate error t value pr |t| intercept 1 19.03333 3.27755 5.81 f model 3 15.64500 5.21500 15.17 0.0119 error 4 1.37500 0.34375 corrected total 7 17.02000 root mse 0.58630 r-square 0.9192 dependent mean 9.90000 adj r-sq 0.8586 coeff var 5.92224 parameter estimates parameter standard vari

14、able df estimate error t value pr |t| intercept 1 9.90000 0.20729 47.76 f model 3 15.64500 5.21500 15.17 0.0119 error 4 1.37500 0.34375 corrected total 7 17.02000 parameter standard variable estimate error type ii ss f value pr f intercept 9.90000 0.20729 784.08000 2280.96 f model 1 76.24389 76.2438

15、9 7.45 0.0163 error 14 143.28371 10.23455 corrected total 15 219.52760 parameter standard variable estimate error type ii ss f value pr f intercept 8.22980 1.38618 360.74949 35.25 f model 2 147.46551 73.73276 13.30 0.0007 error 13 72.06209 5.54324 corrected total 15 219.52760 parameter standard vari

16、able estimate error type ii ss f value pr f intercept 18.33483 2.99803 207.32264 37.40 f model 3 167.42492 55.80831 12.85 0.0005 error 12 52.10268 4.34189 corrected total 15 219.52760 parameter standard variable estimate error type ii ss f value pr f intercept 19.49941 2.70837 225.06452 51.84 f 1 t9 1 0.3473 0.3473 175.752 7.45 0.0163 2 t13 2 0.3244 0.6717 84.4265 12.85 0.0033 3 t5 3 0.0909 0.7627 60.2727 4.60 0.0532由結(jié)果可知，y=19.49941+0.00163+0.00728-2.193056-10（1）畫出y.x散點(diǎn)圖如下：采