压缩包内含一份docx格式和一份PDF格式的论文。论文（含附录代码等）共2万余字，主要运用《概率论与数理统计》（盛骤等）里的一些基本分析方法对《红楼梦》进行了文笔赏析并得到一些相关的推测，并且针对后40回作者是否曹雪芹也给出了简单的推测。内含有两个实现分析的python代码文件。

该文件计算平衡不完全区组设计 [BIBD] 方差分析。 BIBD 是一组由 v >= 2 个元素组成的集合 X，称为处理，以及一组 b > 0 个 X 子集，称为块，满足以下条件： - 每个块由恰好 k 个处理组成，v > k > 0 - 每个处理都出现在恰好 r 个块中，r > 0 - 每对处理同时出现在恰好 l (lambda) 块中，l > 0。 BIBD 必须满足[约束]： v*r = b*k = eu = 整个实验的实验单元总数r*[k-1] = l*[v-1]) 线性模型是： x_ij = µ + a_i + b_j + e_ij i = 1,...,v (治疗); j = 1,...,a（块）； e_ij ~ N[0,var_e] 它需要输入数据矩阵（矩阵的大小必须是 n×3：数据=第 1 列，处理=第 2 列，块=第 3 列）和显着性水平（默认值 = 0.05）。

方差分析，实验数据处理，包括单因素，多因素分析

利用c#语言实现多元统计分析单因子、多因子方差分析计算，可执行。

Python中的最大协方差分析 最大协方差分析（MCA）使两个不同数据字段之间的时间协方差最大化，并且与主成分分析（PCA）/经验正交函数（EOF）分析密切相关，后者使单个数据字段内的方差最大化。 MCA允许提取两个不同数据字段之间的主要共变模式。 xmca模块可将numpy.ndarray和xarray.DataArray用作输入字段。 测验 python -m unittest discover -v -s tests/ 核心功能 标准MCA / PCA 最大化协方差而不是相关==>最大协方差分析（MCA） 对数据字段应用纬度校正以补偿较高纬度中的拉伸区域 应用奇异矢量的旋转 正交Varimax旋转 倾斜的Promax旋转 通过希尔伯特变换使数据复杂化，以检查振幅和相位信息

该脚本包括 (1) 数据集模拟和 (2) 使用 ANOVAN 的混合设计分析在混合设计方差分析模型中： 一个因子（固定效应因子）是一个主体间变量，并且另一个（随机效应因子）是受试者内变量） （ http://en.wikipedia.org/wiki/Mixed-design_analysis_of_variance ）

MATLAB生 方差分析

用于amova分子方差分析

非参数方差分析的 Kruskal-Wallis 检验在统计学中，Kruskal-Wallis 按等级对方差进行单向分析（命名为（威廉·克鲁斯卡尔（William Kruskal）和W.艾伦·沃利斯（W.Allen Wallis） 检验各组之间人口中位数的相等性。 它等同于一个将数据替换为它们的等级的单向方差分析。 它是一个将 Mann-Whitney U 检验扩展到 3 个或更多组。 由于它是一个非参数方法，Kruskal-Wallis 检验不假设正态分布总体，不像类似的单向方差分析。 然而测试确实假设每组的形状和比例分布相同， 除了中位数的任何差异。 的准确分布Kruskal-Wallis 统计非常耗费时间、空间和内存，因此使用其他分布近似。 MatLab 函数 KRUSKALWALLIS 仅使用卡方分布是最保守的（这意味着它更接受H0假设比你想要的）。 此函数还计算 F、Beta 和

MATLAB方差分析源代码example，适合于各类研究应用