多因素方差分析(Multi-way Analysis of Variance) R实现

1, data0507 flower 是某种植物在两个海拔和两个气温下的开花高度,采用合适 的统计方法,检验该种植物的开花高度在不同的海拔之间和不同的气温之间有无差异?如果有差异,具体如何差异的?(说明依据、结论等关键信息,包括计算过程中涉及的关键信息)

library(HH)  #HH包中的interaction2wt()可以同时展示主效应和交互效应

flower <- read.delim("D:/Datum/生物统计/data/data5/data0507 flower.txt")

flower

   Altitude Temperatyre Height
1         1           1  148.7
2         1           1  148.3
3         1           1  147.7
4         1           1  148.7
5         1           1  148.3
6         1           1  147.7
7         1           1  148.7
8         1           1  148.3
9         1           1  147.7
10        1           1  143.0
11        1           1  142.7
12        1           1  142.0
13        1           1  143.0
14        1           1  142.7
15        1           1  142.0
16        1           1  143.0
17        1           1  142.7
18        1           1  142.0
19        1           1  150.3
20        1           1  149.3
21        1           1  148.7
22        1           1  150.3
23        1           1  149.3
24        1           1  148.7
25        1           1  149.3
26        1           1  149.3
27        1           1  149.0
28        2           1  135.3
29        2           1  136.0
30        2           1  135.7
31        2           1  135.3
32        2           1  135.7
33        2           1  133.0
34        2           1  134.0
35        2           1  133.7
36        2           1  133.0
37        2           1  134.0
38        2           1  133.7
39        2           1  149.3
40        2           1  149.0
41        2           1  149.3
42        2           1  135.3
43        2           1  135.7
44        2           1  135.3
45        2           1  139.3
46        2           1  139.7
47        2           1  138.7
48        1           2  135.3
49        1           2  136.0
50        1           2  135.7
51        1           2  133.0
52        1           2  134.0
53        1           2  133.7
54        1           2  135.3
55        1           2  135.7
56        1           2  135.3
57        1           2  135.3
58        1           2  135.7
59        1           2  135.3
60        1           2  135.7
61        1           2  136.0
62        1           2  135.3
63        1           2  134.3
64        1           2  134.3
65        2           2  135.3
66        2           2  135.7
67        2           2  135.3
68        2           2  135.7
69        2           2  130.7
70        2           2  133.3
71        2           2  133.7
72        2           2  130.7
73        2           2  133.3
74        2           2  133.7
75        2           2  130.7
76        2           2  133.3
77        2           2  133.0
78        2           2  133.3
79        2           2  136.0
80        2           2  136.0
81        2           2  133.3
82        2           2  136.0
83        2           2  136.0
84        2           2  133.3
85        2           2  136.0
86        2           2  136.0
87        2           2  142.3

str(flower)  # 查看数据结构

summary(flower)  # 查看数据摘要统计量

plot(flower$Altitude, flower$Height)  # 绘制海拔与开花高度的散点图

plot(flower$Temperatyre, flower$Height)  # 绘制气温与开花高度的散点图

summary(aov(flower$Height~flower$Altitude*flower$Temperatyre))

#对于该植物的开花高度,海拔和气温之间有交互作用(F1,83=34.46,P<0.001)

#在控制了影响开花高度的海拔和气温的交互作用后,该种植物的开花高度在不同的海拔之间有极显著差异(F1,83=76.89,P<0.001)

#在控制了影响开花高度的海拔和气温的交互作用后,该种植物的开花高度在不同的气温之间有极显著差异(F1,83=100.52,小于0.001)

interaction2wt(flower$Height~flower$Altitude*flower$Temperatyre) #展示主效应和交互效应

#气温越高[从1到2],开花高度越低

#海拔越高[从1到2],开花高度越低

2, data0508 develop 是三种昆虫在七种条件下的生长期,采用合适的统计方法, 检验生长期在不同的物种之间和不同的条件之间有无差异?如果有差异,具体 如何差异的?(说明依据、结论等关键信息,包括计算过程中涉及的关键信息)

library(HH)  #HH包中的interaction2wt()可以同时展示主效应和交互效应

develop <- read.delim("D:/Datum/生物统计/data/data5/data0508 develop.txt")

develop

   Species Condition  Day
1        1         1  9.6
2        1         2 10.6
3        1         3  9.8
4        1         4 10.7
5        1         5 11.1
6        1         6 10.9
7        1         7 12.8
8        2         1  9.3
9        2         2  9.1
10       2         3  9.3
11       2         4  9.1
12       2         5 11.1
13       2         6 11.8
14       2         7 10.6
15       3         1  9.3
16       3         2  9.2
17       3         3  9.5
18       3         4 10.0
19       3         5 10.4
20       3         6 10.8
21       3         7 10.7

str(develop)  # 查看数据结构

summary(develop)  # 查看数据摘要统计量

plot(develop$Species, develop$Day)  # 绘制三种物种与昆虫生长期的散点图

plot(develop$Condition, develop$Day)  # 绘制七种条件与开花高度的散点图

# two fixed factors, full model

summary(aov(develop$Day~develop$Species*develop$Condition))

不存在交互作用

# two fixed factors, no interaction

summary(aov(develop$Day~develop$Species+develop$Condition))

#在控制了条件影响后,不同昆虫的生长期有显著差异(P=0.017,小于0.05)

#在控制了昆虫种类的影响后,处于不同条件下的昆虫测生长期有极显著差异(P=1.33e-05,小于0.001)

# two fixed factors, full model

summary.lm(aov(develop$Day~develop$Species+develop$Condition))

#对于物种影响(Species),物种 B,物种 C 具有较显著的负效应,即物种 B 物种 C 生长期较短,

#对于条件影响(Condition)ConditonC5, ConditonC6, ConditonC7 具有较显著的正效应,即 ConditonC5, ConditonC6, ConditonC7 生长期较长

interaction2wt(develop$Day~develop$Species+develop$Condition)  #查看主效应

#生长量:物种A>B>C(根据左下角图和summary.lm的结果)

#生长量:条件7>6>5>4>2>3>1(根据右上角图和summary.lm的结果)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/151392.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LintCode 1394 · Goat Latin (字符串处理题)

1394 Goat Latin Description A sentence S is given, composed of words separated by spaces. Each word consists of lowercase and uppercase letters only. We would like to convert the sentence to “Goat Latin” (a made-up language similar to Pig Latin.) The …

Spark资源规划-资源上线评估

1、总体原则 以单台服务器 128G 内存&#xff0c;32 线程为例。 先设定单个 Executor 核数&#xff0c;根据 Yarn 配置得出每个节点最多的 Executor 数量&#xff0c;每个节点的 yarn 内存/每个节点数量单个节点的数量 总的 executor 数单节点数量*节点数。 2、具体提交参数 …

Java中异常的概念、体系结构和分类

引言&#xff1a; 在Java编程中&#xff0c;异常是一种特殊情况的事件&#xff0c;它打断了程序正常的执行流程&#xff0c;需要进行相应的处理。理解异常的概念、体系结构和分类是成为一名优秀的Java开发者的基本要求。在本篇博客中&#xff0c;我们将详细讨论Java中异…

【ceph】AI时代-数据为王-ceph存储将成为未来比较看好的赛道之一,为什么不all in一把学习一个不那么卷的赛道呢?

本站以分享各种运维经验和运维所需要的技能为主 《python零基础入门》&#xff1a;python零基础入门学习 《python运维脚本》&#xff1a; python运维脚本实践 《shell》&#xff1a;shell学习 《terraform》持续更新中&#xff1a;terraform_Aws学习零基础入门到最佳实战 《k8…

Codeforces Round 908 (Div. 2)

一个教训&#xff1a;做题的时候一定要自己模拟一遍所有样例&#xff0c;这样思路出来的很快&#xff01;&#xff01;&#xff01; C. Anonymous Informant Example input Copy 6 5 3 4 3 3 2 3 3 100 7 2 1 5 5 6 1 1 1 1 1 1000000000 1 8 48 9 10 11 12 13 14 …

【springboot笔记】程序可用性检测ApplicationAvailability

1.背景 springboot-3.1.5 ApplicationAvailability LivenessState ReadinessState AvailabilityChangeEvent 我们可以通过ApplicationAvailability获取当前应用程序的可用性&#xff0c;这个可用性包括ApplicationContext和对外请求路由两种。 LivenessState 是表示Applicatio…

打开文件 和 文件系统的文件产生关联

补充1&#xff1a;硬件级别磁盘和内存之间数据交互的基本单位 OS的内存管理 内存的本质是对数据临时存/取&#xff0c;把内存看成很大的缓冲区 物理内存和磁盘交互的单位是4KB&#xff0c;磁盘中未被打开的文件数据块也是4KB&#xff0c;所以磁盘中页帧也是4KB&#xff0c;内存…

吴恩达《机器学习》8-7:多元分类

在机器学习领域&#xff0c;经常会遇到不止两个类别的分类问题。这时&#xff0c;需要使用多类分类技术。本文将深入探讨多类分类&#xff0c;并结合学习内容中的示例&#xff0c;了解神经网络在解决这类问题时的应用。 一、理解多类分类 多类分类问题是指当目标有多个类别时…

Vue3 常用组件

一、Fragment组件 Vue2 的template 模板中必须要有一个根标签&#xff0c;而我们在Vue3 的模板中不需要使用根标签就能渲染&#xff0c;因为Vue3 在内部会将多个标签包含在一个Fragment 虚拟元素中。 好处就在于可以减少标签的层级&#xff0c;减小内存占用。 二、Teleport组…

使用cli批量下载GitHub仓库中所有的release

文章目录 1\. 引言2\. 工具官网3\. 官方教程4\. 测试用的网址5\. 安装5.1. 使用winget安装5.2. 查看gh是否安装成功了 6\. 使用6.1. 进行GitHub授权6.1.1. 授权6.1.2. 授权成功6.2 查看指定仓库中的所有版本的release6.2.1. 默认的30个版本6.2.2. 自定义的100个版本6.3 下载特定…

springboot实现在线人数统计

在线人数统计 笔者做了一个网站&#xff0c;需要统计在线人数。 在线有两种&#xff1a; 一、如果是后台系统如果登录算在线&#xff0c;退出的时候或者cookie、token失效的时候就算下线 二、如果是网站前台&#xff0c;访问的时候就算在线 今天我们来讲一下第2种情况&…

大数据HCIE成神之路之数学(3)——概率论

概率论 1.1 概率论内容介绍1.1.1 概率论介绍1.1.2 实验介绍 1.2 概率论内容实现1.2.1 均值实现1.2.2 方差实现1.2.3 标准差实现1.2.4 协方差实现1.2.5 相关系数1.2.6 二项分布实现1.2.7 泊松分布实现1.2.8 正态分布1.2.9 指数分布1.2.10 中心极限定理的验证 1.1 概率论内容介绍…

PostgreSQL基于Citus实现的分布式集群

&#x1f4e2;&#x1f4e2;&#x1f4e2;&#x1f4e3;&#x1f4e3;&#x1f4e3; 哈喽&#xff01;大家好&#xff0c;我是【IT邦德】&#xff0c;江湖人称jeames007&#xff0c;10余年DBA及大数据工作经验 一位上进心十足的【大数据领域博主】&#xff01;&#x1f61c;&am…

MongoDB相关基础操作(库、集合、文档)

文章目录 一、库的相关操作1、查看数据库2、查看当前库3、创建数据库4、删除数据库 二、集合的相关操作1、查看库中所有集合2、创建集合2.1、显示创建2.2、隐式创建 3、删除集合 三、文档的相关操作1、插入文档1.1、插入单条文档1.2、插入多条文档1.3、脚本方式 2、查询文档3、…

cloud的概念

"Cloud"&#xff08;云&#xff09;通常指的是云计算&#xff08;cloud computing&#xff09;领域。云计算是一种通过网络&#xff08;通常是互联网&#xff09;提供计算资源和服务的模型。这些计算资源包括计算能力、存储空间、数据库、网络、分析能力等。云计算模…

PHP 数据类型转换学习资料

PHP 数据类型转换 在 PHP 中&#xff0c;您可以使用内置的类型转换函数来将一个数据类型转换为另一个数据类型。这些函数可以帮助您在程序中进行数据类型的转换和操作。以下是一些常用的 PHP 数据类型转换函数&#xff1a; 1. 转换为字符串类型 (string) $variable&#xff…

python 就是随便玩玩,生成gif图,生成汉字图片,超级简单

文章目录 主方法调用LetterDrawingWordDoingImage 上图 你也想玩的话&#xff0c;可以直接上码云去看 码云链接 主方法调用 import analysisdata.WordDoingImage as WordDoingImage import analysisdata.LetterDrawing as LetterDrawingif __name__ __main__:# 输入的文本&a…

Python利器:os与chardet读取多编码文件

在数据处理中会遇到读取位于不同位置的文件,每个文件所在的层级不同,而且每个文件的编码类型各不相同,那么如何高效地读取文件呢? 在读取文件时首先需要获取文件的位置信息,然后根据文件的编码类型来读取文件。本文将使用os获取文件路径,使用chardet得到文件编码类型。 …

预约按摩小程序功能及使用指南;

小程序预约按摩功能及使用指南&#xff1a; 1. 注册登录&#xff1a;用户可选择通过账号密码或微信一键登录&#xff0c;便捷注册&#xff0c;轻松管理预约服务。 2. 查找店铺&#xff1a;展示附近的按摩店铺信息&#xff0c;用户可根据需求选择合适的店铺进行预约。 3. 选择服…

[autojs]界面上检测无障碍服务和悬浮窗

"ui"; ui.layout(<vertical><appbar><toolbar title"悬浮窗权限无障碍服务"/></appbar><horizontal><Switch id"无障碍服务" text"无障碍服务" checked"{{auto.service ! null}}" padding…