陆时羡马上对刘献华的专业性发出了质疑。
“我说你好歹也是堂堂博士，你说的这个，里面怎么可能需要检测还原性物质呢？”
刘献华刚刚也是下意识的反应，现在又怎么可能认怂，于是反驳道：“怎么不可能？说不定没钱吃饭吃土了呢？”
陆时羡：(￢_￢)
他只能说不愧是博士，脑子转的就是快啊！
陆时羡懒得和他争论，穿好消毒后的白大褂、戴好鞋套和口罩以及其他的一些注意事项。
他开始准备器皿、配置试剂以及计量仪器等一些准备工作。
将其摆放整齐，然后在试剂贴上明晰的标签。
然后根据自己的检验目的开始进行检样的登记，编号。
旁边的刘献华原本还无所谓的表情，忽然变得越来越怪异。
对于科研而言，有句话是真理，那就是细节决定成败。
陆时羡的操作看似毫不起眼，可是却是整个实验成功的基石。
而这种东西只有真正踏入科研的人才会明白。
陆时羡的情况他是清楚的，就算他是生竞国一金牌，可所谓的生物竞赛实验在真正的科研面前根本就没有入门。
于是趁着实验还没开始，他终于忍不住了，向他开口问道。
“陆时羡，你这一手是哪里学来的啊？”
陆时羡知道他想问什么，毫无心理负担地将锅扔给了他的指导老师。
“我高中生竞队的教练啊，看看不就会了？”
刘献华越发疑惑，是他跟不上时代了吗？
现在高中老师都有这个水平了？
不过，现在不是纠结这个的时候了。
因为陆时羡的实验操作已经开始了。
测试还原性物质这个步骤颇为复杂，因为里面需要测定的东西太多了，而他需要测量的样本又非常多，所以他今天的工作量还不少。
他需要测定的内容有还原性物质总量、活性还原性物质、fe2+、2+及活性有机还原性物质含量等。
其中土壤还原性物质由al2（so4）3浸提，还原性物质总量采用重铬酸钾氧化法测定。
而活性还原性物质含量采用高锰酸钾滴定法测定。
fe2+含量要采用邻菲罗啉比色法测定，2+含量采用高碘酸钾比色法测定。
活性有机还原性物质含量则是活性还原性物质含量与fe2+含量之差。
......
做着做着一个上午的时间就要过去了，就只剩下几个样本没有测定了。
既然这样，陆时羡也不休息了，索性连午餐都省去了。
这对于他来说是极不正常的，因为他一直保持正常、规律的作息时间和就餐时间。
可这些跟科研比起来，优先级又差了一些。
在过去，有时候忘记吃饭喝水都是常事。
于是这一做，时间就来到了下午两点多。
实验到此结束，他也得到了需要的数据。
于是他开始关闭电源、台灯、处理污物和台面，然后将试验台上的东西摆放整齐。
最后习惯性的将废液、废弃物放入回收装置。ъiqugetv
他脱下工作服，轻轻吐了一口气，然后走出实验室开始舒展筋骨。
他原来的计划是半天将其测定完毕，但是他制定好的计划被打乱也不是一次两次了。
只要今天能够顺利完成任务，他就达到心理预期了。
旁边的刘献华跟着他走出去，已经是不知道说些什么好了。
看着他的动作由生涩再到顺滑，简直浓缩了从新手到老司机的所有历程。
原以为他在理论上比较有天赋，没想到对实验好像也能触类旁通。
这就是国一金牌冠军的实力吗？
真的是怪物啊！
他忍不住一直在心中感慨。
这时，他才有功夫问道：“你测这东西有什么用？”
“无非是一些氧化还原作用，这似乎是偏化学向的内容啊？”
陆时羡达到了自己来时的目标，现在心情正好，便跟他开了一个玩笑。
“你猜啊，猜我想干什么？”
刘献华没好气地回应：“你猜我猜不猜？”
既然陆时羡要保持神秘，他也不细问。
对他而言，无论陆时羡做的实验，对他这个层次看来，都是很low的那种。
“你实验做完了吧？那我就溜了。你是快弄完了，我的论文还没着落呢！”
说完，刘献华终于完成了他工具人的使命，直接开溜了。
而陆时羡则是准备先去填饱肚子，对他而言最艰难的一关已经完成了。
对于这种实验而言，只要得到了数据，剩下的工作就非常简单了。
吃完午餐，陆时羡在金陵大学在电子阅览室随便找了台电脑。
第一题的实验设计早就完成了。
现在的任务是第二题试验数据整理与特征数计算。
其实有专门的数据处理软件的，前世他用的比较多的就是江浙大学开发的dps数据处理系统、statistical以及tlab软件。
不过就这种程度的数据处理，恕他直言，他用excel电子表格就能完成。
将数据使用crosoftexcel2008录入和整理。
他所得的数据都是属于连续性变数资料，一般而言直接进行排序、求极差、确定组数和组距、选定组限和组中值以及归组之后，这个过程也就完成了。
接着插入函数众数de、中位数dian、算术平均数average、几何平均数geoan、四分位值quartile、标准差stdev和方差var。
接下来是第三题统计推断。
这个步骤他需要完成的任务是参数估计，因为样本数本来就不多，所以他使用样本统计量的值作为总体参数的估计值，也就是点估计。
然后是抽样分布，分别进行x^2（卡方）分布、t分布以及f分布的计算。
x^2分布是方差的抽样分布，它说明的是，从正态分布的总体中随机抽样，所的样本的方差s^2接近于总体方差的可能性。
t分布是随机变量x~n(0，1)，y~x2(n)，且x与y独立，记为t(n)。
f分布是x、y为两个独立的随机变量，x服从自由度为k1的卡方分布，y服从自由度为k2的卡方分布，这2个独立的卡方分布被各自的自由度除以后的比率这一统计量的分布。
接下来就来到最关键的一步。
(。手机版阅读网址：