返回列表 发帖

15.9.2 实例操作

[例15-9]食品中微量砷(As)主要采用两种方法测定,一是新银盐法,另一是DDC-Ag法。今比较两种方法测定不同浓度As标准液(μg/5ml)的光密度值可信区间,试绘制均值相关区间图。

编号

新银盐法

DDC-Ag法

1.0

2.0

3.0

4.0

5.0

1.0

2.0

3.0

4.0

5.0

1

2

3

4

5

0.150

0.130

0.140

0.180

0.190

0.330

0.410

0.250

0.380

0.350

0.490

0.510

0.570

0.530

0.550

0.690

0.620

0.730

0.780

0.810

0.990

0.810

0.860

0.940

0.950

0.021

0.033

0.038

0.041

0.029

0.065

0.059

0.048

0.069

0.057

0.087

0.089

0.092

0.073

0.081

0.112

0.109

0.119

0.134

0.127

0.169

0.148

0.134

0.175

0.162

15.9.2.1 数据准备

激活数据管理窗口,定义变量名:数据的变量名为DATA,将新银盐法和DDC-Ag法的测定所得光密度值一并输入;然后设一变量为GROUP,用于定义不同标准液浓度组,依次输入1、2、3、4、5;再设一变量为CATE,用于定义不同方法组,依次输入1、2。

15.9.2.2 操作步骤

选Graphs菜单的Error Bar...过程,弹出Error Bar定义选项框,均值相关区间图有2种,Simple为简单均值相关区间图,Clustered为复式均值相关区间图,本例选用复式均值相关区间图。然后点击Define钮,弹出Define Clustered Error Bar:Summaries for Groups of Cases对话框(图15.11),在左侧的变量列表中选data点击Ø钮使之进入Variable框,选group点击Ø钮使之进入Category Axis框, 选cate点击Ø钮使之进入Define Clusters by框。

图15.11 均值相关区间图定义对话框

在Bar Represent栏中有一下拉菜单,系统提供3种图形表现方式让用户选择:

Confidence interval for mean:绘出总体均值的可信区间,要求输入区间的百分数;

Standard error of mean:绘出均值+/-两倍标准误的区间;

Standard deviation:绘出均值+/-两倍标准差的区间。

本例选用Confidence interval for mean。之后点击Titles...钮,弹出Titles对话框,在Title栏内输入“两种方法测定微量砷的光密度95%可信区间比较”,点击Continue钮返回Define Clustered Error Bar:Summaries for Groups of Cases对话框,再点击OK钮即完成。

15.9.2.3 结果显示

下图可见,用DDC-Ag法测定的光密度精确度高于新银盐法,但其对浓度的区分度低于新银盐法。

TOP

第十节 散点图

15.10.1 主要功能

调用Graphs菜单的Scatter过程,可绘制散点图。散点图用于表现测量数据的原始分布状况,读者可从点的位置判断测量值的高低、大小、变动趋势或变化范围。

15.10.2 实例操作

[例15-10]研究饮茶对人体血清微量元素(μmol/L)的影响作用,结果如下,试绘制散点图。

编号

多喝茶组

少喝茶组

不喝茶组

Zn

Fe

Mn

Zn

Fe

Mn

Zn

Fe

Mn

1

2

3

15.87

16.27

16.77

36.87

35.90

37.45

0.29

0.28

0.24

13.25

12.98

13.64

32.40

32.65

33.04

0.21

0.22

0.19

11.40

10.89

11.05

29.87

30.14

30.70

0.12

0.14

0.11

15.10.2.1 数据准备

激活数据管理窗口,定义变量名:数据的变量名为DATA,将各组各微量元素的测定值一并输入;设一变量为CATE1,用于定义喝茶状况组,多喝茶组为1、少喝茶组为2、不喝茶组为3;再设一变量为CATE2,用于定义微量元素种类,Zn为1、Fe为2、Mn为3。

15.10.2.2 操作步骤

选Graphs菜单的Scatter...过程,弹出Scatterplot定义选项框(图15.12),散点图有4种,Simple为单层散点图,Overlay为多层散点图,Matrix为矩阵散点图,3-D为立体散点图,本例选用单层散点图。然后点击Define钮,弹出Simple Scatterplot对话框(图15.13),在左侧的变量列表中选data点击Ø钮使之进入Y Axis框,选cate1点击Ø钮使之进入X Axis框(指定饮茶状况为横轴标目), 选cate2点击Ø钮使之进入Set Markers by框(指定微量元素种类为散点标志)。点击Titles...钮,弹出Titles对话框,在Title栏内输入“饮茶与人体血清微量元素的关系”,点击Continue钮返回Simple Scatterplot对话框,再点击OK钮即完成。

图15.12 散点图选项框

图15.13 散点图绘制对话框

TOP

15.10.2.3 结果显示

下图横轴标目中1.0为多喝茶组、2.0为少喝茶组、3.0为不喝茶组。图中可见,饮茶对提高人体血清铁(Fe)和锌(Zn)的含量有明显的作用,且饮茶量越大,效果越明显;但对锰(Mn)的作用较小,饮茶量与效果的关系不明显。

第十一节 直方图

15.11.1 主要功能

调用Graphs菜单的Histogram过程,可绘制直方图。直方图是用直条的长短来表示连续性的绝对数(或称频数)资料的多少,其意义与本章第三节介绍的区域图相似,但区域图能进行多组资料的比较(如堆积式区域图),而直方图不能。

15.11.2 实例操作

[例15-11]现有某地某年流行性乙型脑炎患者的年龄分布资料如下表,试绘制直方图。

年龄分组

患者人数

每岁患者人数

0-

1-

2-

3-

4-

5-

6-

7-

8-

9-

10-14

15-19

20-24

25-29

30-34

35-44

45-54

55-64

30

30

75

78

77

49

71

59

56

67

143

77

16

10

12

7

3

1

30.0

30.0

75.0

78.0

77.0

49.0

71.0

59.0

56.0

67.0

28.6

15.4

3.2

2.0

2.4

0.7

0.3

0.1

15.11.2.1 数据准备

激活数据管理窗口,定义变量名:频数资料的变量名为NUMBER,将每岁患者人数资料输入;设一变量为GROUP,用于定义年龄组,将各年龄分组的下限值输入。为使频数资料在作图中生效,应选Data菜单的Weight Cases...命令项,在弹出的Weight Cases对话框中取Weight cases by项,并选变量NUMBER点击Ø钮使之进入Frequency Variable框,点击OK钮即可。

TOP

15.11.2.2 操作步骤

选Graphs菜单的Histogram...过程,因直方图只有一种类型,故直接弹出Histogram对话框(图15.14),在左侧的变量列表中选group点击Ø钮使之进入Variable框;点击Titles...钮,弹出Titles对话框,在Title栏内输入“某地某年流行性乙型脑炎患者年龄分布”,点击Continue钮返回Histogram对话框,再点击OK钮即完成。

图15.14 直方图绘制对话框

系统在Chart Carousel窗口输出直方图。由于本例资料的分组情形比较细(即每岁一组),而系统只按默认的每5岁一组方式输出图形,所以需要安用户的要求对统计图进行编辑。点击Chart Carousel窗口上端工具栏中的Edit钮,弹出!Chart1窗口,将鼠标箭头指向图的横轴并双击鼠标左键,弹出Interval Axis对话框(图15.15),在Axis Title处将“GROUP”改为中文“年龄分组”;在Intervals栏选择Custom项,点击Define...钮,弹出Interval Axisefine Custom Interval对话框(图15.16),在Definition栏的Interval width处输入1,要求按每岁一组的方式作图;在Range栏的Minimum处输入0,在Maximum处输入65,要求横轴从0岁开始至65岁止。点击Continue钮返回Interval Axis对话框,再点击OK钮即可。

图15.15 横轴修改对话框

图15.16 用户定义横轴选项框

15.11.2.3 结果显示

下图即为经用户编辑后的直方图。由图中可见:该地流行性乙型脑炎患者主要集中在10岁之前,10岁之后患者数骤减,尤其是35岁之后患者数几乎为0。

TOP

第十二节 正态概率分布图

15.12.1 主要功能

调用Graphs菜单的Normal P-P过程,可绘制正态概率分布图。如果变量值是正态分布的,则所绘制的正态概率分布图将呈现一条从纵轴零点指定右上角的直线。

15.12.2 实例操作

[例15-12]某医师测得30名健康女大学生血清总蛋白含量(g/L)资料如下,试绘制正态概率分布图。

74.3 78.8 68.8 78.0 70.4 80.5 80.5 69.7 71.2 73.5

79.5 75.6 75.0 78.8 72.0 72.0 72.0 74.3 71.2 72.0

75.9 73.5 78.8 74.3 75.8 65.0 74.3 71.2 69.7 68.0

15.12.2.1 数据准备

激活数据管理窗口,数据的变量名为DATA,将原始测定值输入。

15.12.2.2 操作步骤

选Graphs菜单的Normal P-P...过程,弹出Normal P-P Plot对话框(图15.17),在左侧的变量列表中选data点击Ø钮使之进入Variable框。在Transform栏中,系统有4种数据转换形式供用户选择:

图15.17 正态概率分布图定义对话框

Natural Log transform:作自然对数的转换;

Standardize values:作标准化值(即Z值)的转换;

Difference:使用系列值与n个相近观察值的差别值替代原始值;

Seasonally difference:使用系列值与n个时期值的差别值替代原始值。

本例不作数据转换。点击Expected...钮弹出Normal P-P Plot:Expected对话框,系统询问用户采用什么方法计算预期正态概率值,共4种方法:

Blom:使用公式 推算;

Tukey:使用公式 推算;

Rankit:使用公式 推算;

Van der Waerden:使用公式 推算。

上列各式中,n为观察单位数, r为1~ n的秩次。本例选Blom方法。点击Continue钮返回Normal P-P Plot对话框,再点击OK钮完成操作。

15.12.2.3 结果显示

下图显示观察值紧贴正态概率线分布,由此可知其服从正态分布。

TOP

第十三节 正态概率单位分布图

15.13.1 主要功能

调用Graphs菜单的Normal Q-Q过程,可绘制正态概率单位分布图。绘制正态概率单位分布图的意义与本章第十二节介绍的正态概率分布图一样,只是其纵轴采用概率单位而不是采用概率。

15.13.2 实例操作

[例15-13]某医师研究不同布氏菌苗免疫后布氏菌素皮肤反应情况,资料如下,试绘制正态概率单位分布图。

A组菌苗皮肤浸润直径(mm)

20.0 24.0 25.0 23.0 22.0 20.5 17.5 19.0 25.0 23.0

24.0 24.0 16.5 21.0 15.0 11.5 20.5 15.5 22.5 25.5

B组菌苗皮肤浸润直径(mm)

20.0 20.0 22.0 20.0 15.5 18.5 16.5 15.5 18.0 16.5

15.5 20.0 14.0 13.5 13.5 12.5 16.5 14.5 13.0 20.5

20.5 25.0 10.0 20.0 22.5 18.0

15.13.2.1 数据准备

激活数据管理窗口,A组菌苗皮肤浸润直径的数据变量名为X1,将原始测定值输入;B组菌苗皮肤浸润直径的数据变量名为X2,也将原始测定值输入。

15.13.2.2 操作步骤

选Graphs菜单的Normal Q-Q...过程,弹出Normal Q-Q Plot对话框(图15.18),在左侧的变量列表中选data点击Ø钮使之进入Variable框;不作数据转换;选择Blom方法推算预期正态概率单位值;点击OK钮完成操作。

图15.18 正态概率单位分布图定义对话框

15.13.2.3 结果显示

由于是对两个变量作正态概率单位分布图,故系统输出两张图。比较变量X1与X2的正态概率单位分布图,可看到变量X1的分布形式偏离正态,因其值大多落在0概率单位之下,故呈现一定程度的正偏态;而变量X2的分布形式接近正态,其值较均匀地紧贴正态概率单位线。


TOP

第十四节 普通序列图

15.14.1 主要功能

调用Graphs菜单的Sequence过程,可绘制普通序列图。普通序列图用于表现一组或几组观察值随另一序列性变量变化的趋势。

15.14.2 实例操作

[例15-14]研究气相色谱仪采用硅胶采样管测定苯胺的稳定性,资料如下,试绘制普通序列图。

分析时间

(min)

加入值

(μg)

测定值

(μg)

0

1

3

5

7

10

100

100

100

100

100

100

101.8

106.0

104.0

98.0

99.0

96.0

15.14.2.1 数据准备

激活数据管理窗口,定义变量名:加入值数据的变量名为X1,测定值数据的变量名为X2,分析时间的变量名为TIME。将原始数据一一输入即可。

15.14.2.2 操作步骤

选Graphs菜单的Sequence...过程,弹出Sequence Chart对话框(图15.19),在左侧的变量列表中选x1、x2点击Ø钮使之进入Variable框,选time点击Ø钮使之进入Time Axis Labels框,点击OK钮即完成。

图15.19 普通序列图定义对话框

TOP

15.14.2.3 结果显示

下图为气相色谱仪采用硅胶采样管测定苯胺的稳定性研究图。该图显示:测定值围绕加入值作小幅度(<6%)的波动。测定前期,测定值高于实际加入值;测定后期,测定值低于实际加入值。最佳测定时间为样品加入后3~5分钟内。

第十五节 时间序列图

15.15.1 主要功能

调用Graphs菜单的Time Series过程,可绘制时间序列图。时间序列是指按时间顺序排列的随机变量的一组实测值。分析时间序列图,可以从运动的角度认识事物的本质,如几个时间序列之间的差别、一个较长时间序列的周期性,或对未来的情况进行预测。

15.15.2 实例操作

[例15-15]连续4周(每周5个工作日)测定某无菌操作室空气中的细菌含量(×103/M3),资料如下,试绘制时间序列图,看是否存在周期性变动趋势。

时间

第一周

第二周

第三周

第四周

第1天

第2天

第3天

第4天

第5天

3.7

4.0

11.5

7.5

3.8

3.0

6.6

12.7

5.9

2.0

4.4

4.9

10.8

5.6

4.1

3.2

4.8

10.9

5.8

6.0

15.15.2.1 数据准备

激活数据管理窗口,定义变量名为DATA,然后按时间顺序从第一周第1天起将观察数据依次输入。

15.15.2.2 操作步骤

在Graphs菜单的Time Series项中,含两个过程:

Autocorrelations:自相关时间序列图,自相关指相关值来自一组时间序列中前一时间序列与其后序列的对应各观测值的相关;

Cross-correlations:交叉相关时间序列图,交互相关指相关值来自某一时间序列变量与相邻另一个或一些时间序列变量的对应各观测值的相关。

本例只有一个随机变量,故选用Autocorrelations过程。在弹出的Autocorrelations对话框(图15.20)中,选左侧变量列表中的data点击Ø钮使之进入Variable框。在Display栏选 Autocorrelations项,要求仅绘制自动相关的时间序列图。点击Options...钮,弹出 Autocorrelations:Options对话框,在Maximum Number of Lags处输入5,表示时间序列阶段为每5天一个周期,点击Continue钮返回Autocorrelations对话框,再点击OK钮即完成。

图15.20 时间序列图定义对话框

15.15.2.3 结果显示

在时间序列图中,用户可根据相关系数的大小来判断序列模型的变动趋势。一般地说,相关系数为0或为<0,则前后序列或相邻序列的变动趋势保持原状;当最大的正相关系数出现在最后一个时点之前的任一时点时,表明趋势变动,完整地说是后面的或相邻变量的序列较前面的或相邻前面变量的序列延迟,前面的或相邻前面变量的序列超前的时点即在最大正相关系数所在的时点。

如本例,系统按用户指向,一个时间序列为5个时点段,下图显示最大正相关系数位于最后一个时点,故表明前后时间序列稳定,即具有周期性。

TOP

[em01]

TOP

好东西&nbsp; 谢谢啊

TOP

返回列表