P值 P值是在假设检验中使用的一个指标，用于衡量在原假设（零假设）为真的情况下，观察到的数据或更极端数据出现的概率。原假设通常表示没有效应或没有差异的情况。P值越小，表示在原假设为真的情况下，观察到的数据出现的概率越低，因此拒绝原假设的证据越强。 用途：用于决定是否拒绝原假设。 解释：P值小于某个显著性水平（如0.05）通常被认为是统计显著的，意味着有足够的证据拒绝原假设。 范围：P值的范围在0到1之间。 R值（通常指决定系数R²） 在统计学中，R值可能指多个不同的概念，但最常见的是指决定系数（R²），它用于衡量模型对数据的拟合程度。R²值表示模型解释的变异占总变异的比例。 用途：用于评估模型的拟合优度。 解释：R²值越接近1，表示模型对数据的解释能力越强，即模型的预测值与实际值的偏差越小。 范围：R²值的范围在0到1之间，0表示模型没有解释任何变异，1表示模型完美解释了所有变异。

1.可用树：B31104；B11109；Y0601；Y10101；Y40801;Y40901;B20909;B20908;Y10107;G10401;G10801;G10904 2.打之亲拍照，比例尺标定，标记好 3.打之后拍照 4.统计相对生长率 5.种仁里的胚乳剥开扣下来 6.在5月份做

import pandas as pd from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score import matplotlib.pyplot as plt import numpy as np file_path = r"D:\表型图片\999.xlsx" df = pd.read_excel(file_path) print("Data Overview:") print(df.head()) X = df[['length', 'width']] y = df['area'] # 设置随机种子以保证结果可复现 np.random.seed(42) num_iterations = 10 fig, axes = plt.subplots(nrows=2, ncols=5, figsize=(20, 8)) axes = axes.flatten() for i in range(num_iterations): # 不放回随机抽取5个数据点 indices = np.random.choice(X.index, 5, replace=False)