1、一、简答1、 回归与相关模型中的便利关系与功能回归模型 相关模型1 X 和YX 是自变数，Y 是依变数XYX 和 Y 同等重要X Y2 用途 Y 预测和控制 X 和 Y 间的相互关系、密切程度和方向2、 试写出简单相关系数公式，并结合模型说明。一个具体的计算的例子：X Y1 22 53 63、 在简单回归分析中，为什么相关的显著性检验能够代替回归的显著性检验？答：因为对于同一资料来说，相关显著，回归必显著，反之亦然。因此可以用相关系数检验法检测回归方程的显著与否。4、 在多元回归时，为什么剔除一个不显著的变量后一定要重新计算所以回归系数？答：由于变数之间相关的存在，的重新计算。5、 什么叫正交
2、性？答：一个处理的每个水平与其他处理的每一个水平只接触一次的性质。6、 旋转性？答：在回归设计中，离实验中心相同距离上的预测值 Y 浩特的方差基本相等的性质。7、 通用性？答：在回归设计中，实验半径在 0-1 区间的预测值 Y 浩特的方差基本相等的性质。8、 饱和设计答：在一个实验方案中，其试验点数与待估回归参数数目相同的实验设计成为饱和设计。9、 D 优良性？在给定的因子空间上， ，在所有可能设计出的实验方案中，信息矩阵行列式为最大值得成为 D 优良性。10、最优设计 答：在给定的因子空间上，可以设计出各种实验方案，其中使理论值与观测值拟合最好的成为最优实验设计。11、失拟方差答：没有想到的
3、因素所产生的方差。12、主成分分析答：主成分分析就是将多个指标近似地化为少数指标的一种统计方法。13、为什么进行通径分析答：为了抓住关键因子，参与通径分析的自变数都要对 Y 有显著的线性效应的，没有显著效应的自变数都给予剔除。14、通径分析的实质通径系数就是 Xi 和 Y 的简单相关系数 riY 的线性分解的分量。15、最优方程答：偏回归系数皆为显著，且误差最小的优化方程。二、简述1、 简述正交区组设计与随机区组设计的异同点。2、 在回归分析中，如果回归方差显著，则说明：方程成立3、 简述逐步回归的基本思想。答：基本思想是：将因子一个个引入。引入因子的条件是，该因子的偏回归平方和经检验是显著的
4、。同时，每引入一个新因子后，要对老因子逐个检验，将偏回归平方和变为不显著的因子剔除。4、 举例说明线性化曲线回归的步骤，例如 y= a+ bx 步骤：步骤： 整理数据，将自变数与依变数成对或成组排列成表； 制作散点图，选择适宜的曲线方程； 对所选方程进行线性化，求解参数（或统计数） ； 进行检验（决定系数法或 x2 检验）5、 简述主成分分析的步骤。a、通过方差分析，剔除变异较小的变数；b、用引入的变数求简单相关矩阵；c、将相关矩阵用 Jacobi 法求特征根和特征向量；d、确定累计特征根大于 0.8 以上时候的前几个主成分；e、分析特征向量找出对个主成分起主要作用的变数。6、 简述均匀设计的
5、优点。答：均匀设计采用数论的方法，使实验点在积分范围内，较正交设计进一步分散，因而试验点具有更强的代表性，实验效率也有了显著提高。可进行多因素实验、回归分析、方差分析。7、 在回归设计中观察值 y 与 y 浩特的 x2 检验能证明什么？答：14 可以用来检验方程拟合好与否，如果拟合好，则可以用此回归方程进行预测和控制。反之，不能进行预测和控制。8、 简述在饱和 D-最优设计实验与统计分析中应注意的问题。答： 十分注意实验的准确性。因为生物实验的干扰因素多，不可控制的因素多，误差大，必须做重复实验设计。三、应用1、 完成下面的编码表和对应的实验处理。2、 根据平滑图完成下表。3、 查看并分析下面通径分析表。
