Как посчитать нср05 по урожайности

Добавил пользователь Morpheus
Обновлено: 19.09.2024

Функция "чтения" служит для ознакомления с работой. Разметка, таблицы и картинки документа могут отображаться неверно или не в полном объёме!

Суммы по повторениям:

I = 57,6+49,5+56,6 = 163,7

II = 59, 2+53, 2+60,9 = 173,3

III = 51,1+50,7+52,6 = 154,4

IV = 56,8+58,5+56,3 = 171,6

Суммы по вариантам:

1 = 57,6+59,2+51,1+56,8 = 224,7

Сумма по повторениям = сумме по вариантам

Общее = ∑X÷N =∑x0÷l=(56,2+53+56,6) ÷ 3=55,3

Общее число наблюдений:

где l - число вариантов;

n - число повторений.

Корректирующий фактор: C= (∑Х)2÷N=6632÷12 = 36 630,8

Суммы квадратов:

Общая: Сy=∑X2 -C = (57,62+…+56,32) -36 630,8 = 151,2

Повторений: Сp=∑P2 ÷ l - C = (163,72+…+171,62) /3 - 36 630,8 = 74,8

Вариантов: Сv=∑V2 ÷ n - C = (224,72+…+226,42) /4 - 36 630,8 = 31,4

Остаток (ошибки): Сz= Сy - Сp - Сv= 151,2- 74,8 -31,4 = 45,0

Число степеней свободы:

Общее: N- l = 12-1=11

Повторений: n-l = 4-1=3

Вариантов: l-1=3-1=2

Остаточное: (N-1) - (l-1) - (n-1) =11-3-2=6 или (n-1) ∙(l-1) =3∙2=6

Средние квадраты:

Вариантов: S2v= Cv ÷ (l-1) = 31,4÷2 = 15,71

Остатков: S2z= Cz ÷ (n-1) ∙ (l-1) = 45,0÷6,0= 7,5

Fф=S2v÷S2z=15,71÷7,5=2,1

Нами разработан пакет программ AgCStat в виде надстройки Excel.

В настоящее время пакет включает 12 программ плюс лист с примерами подготовки данных для анализа:

получение табличных значений критериев Фишера и Стьюдента;
восстановление выпавших данных
вычисление статистик выборки;
однофакторный дисперсионный анализ полевых опытов по Б.А. Доспехову;
двухфакторный дисперсионный анализ полевых опытов по Б.А. Доспехову;
двухфакторный дисперсионный анализ неравномерного комплекса по Н.А. Плохинскому;
трехфакторный дисперсионный анализ равномерного комплекса (оригинальный алгоритм авторов);
одно, двух и трех факторный анализ качественных признаков по Н.А. Плохинскому;
парная корреляция и регрессия с полным статистическим анализом результатов;
оценка разности средних по критерию Стьюдента.

3. Если первые две ссылки не работают, Вы можете скачать Эксель файл AgCStat

Анализируя список программ пакета, специалист может заметить, что некоторые программы дублируют программы стандартного Пакета анализа и даже встроенные функций. Это вызвано рядом причин.

Во-первых, неискушенному пользователю все же удобнее иметь все в одном пакете, освоить который значительно проще, чем работу со встроенными функциями.

Во-вторых, в версиях Excel младше Excel 2002 ряд функций либо отсутствуют, либо они не доступны, как, например, функции GetFisher и GetStudent – выдающих табличные значения критериев.

При разработке программ входящих в пакет нами использовались исключительно отечественные разработки, причем предпочтение оказывалось алгоритмам, которые в аграрных научных учреждениях приняты как стандартные.

Дадим некоторые пояснения по пакету программ.

Восстановление выпавших данных. Выбраковка делянки полевого опыта – обычное дело. Причины самые разные от градобоя до воровства и потравы. Узнать количество пропавшего в принципе нельзя, но вычислить величину, которая не нарушая статистических характеристик комплекса, восстановит его ортогональность для проведения некоторого формального анализа можно [3, 6]. Прием восстановления выпавшего данного применяется и тогда, когда некоторое данное резко отличается от соседних, однако пользоваться этим приемом следует с большой осторожностью и в купе с другими видами анализов о принадлежности данного к выборке.

В доступной нам литературе, мы не нашли четкого алгоритма трехфакторного дис-персионного анализа для количественных признаков (равномерного комплекса), но, поскольку необходимость в нем высока, разработали его сами, опираясь на алгоритмы Н.А. Плохинского [5].

Анализ опытов, связанных с изучением устойчивости растений к вредителям и болезням, а также для оценки эффективности различных химических препаратов, влияющих на устойчивость, очень часто проводится с использованием качественных признаков (больной – здоровый, заражен – не заражен и т. д.). В нашем пакете одно диалоговое окно позволяет выполнить дисперсионный анализ качественных признаков по одно, двух и трехфакторной схеме.

Программа для расчета корреляции и регрессии при парных взаимодействиях построена так, что выдает результаты регрессионного и корреляционного анализов в один прием вместе с оценкой их статистической достоверности.

Иногда исследователя интересует всего лишь величина разности средних двух выборок и ее достоверность. Эту задачу решает последняя в списке программа. Достаточно указать диапазоны, в которых находятся выборки, диапазоны могут быть как смежными, так и несмежными и даже располагаться на разных листах книги Excel.

Для установки книги надстройки на ПК достаточно иметь дискету с двумя файлами:AgCStat.xla и SetUp.exe. Вы запускаете файл SetUp.exe, а все остальное делается в автоматическом режиме. По завершению установки в списке надстроек Excel (меню Сервис — Надстройки, окно Надстройки) появится новая строка: “Agcstat”. Для начала работы с надстройкой ее нужно активизировать, установкой флажка.

Теперь в меню Сервис видим команду СХSТАТ, щелкаем по ней мышкой и на экране монитора появится диалоговое окно с перечнем программ пакета. До начала работы, советуем просмотреть примеры подготовки данных (первая строка списка). Дополнительной информации для работы с пакетом не потребуется.

При использовании вышеизложенных материалов необходимо ссылаться на авторов.

- средний квадрат дисперсии остатка s_z 2 = C_z / (N – l)..

- фактическое значение F-критерия Фишера .

F_Ф > F₀₁ , следовательно, различия между сравниваемыми вариантами можно считать существенными.

F₀₅ и F₀₁ определяют по числу степеней свободы большей дисперсии (вариантов) и по числу степеней свободы меньшей дисперсии (остатка) по приложению учебника (стр.247).

Так как различия существенны, необходимо произвести оценку по наименьшей существенной разности (НСР₀₅).

Чтобы определить НСР необходимо по данным дисперсионного анализа вычислить обобщенную ошибку средней величины по опыту и ошибку разности средних.

Критерий НСР выраженный в единицах, выраженный в единицах измерения изучаемого признака

t критерий Стьюдента на 5 % уровне значимости берётся по числу степеней свободы дисперсии остатка

4. Критерий НСР выраженный в единицах выраженный в единицах

Для определения места в ряду распределения необходимо найти разность со стандартом. За стандарт берется тот вариант, который рекомендуется использовать в данных условиях, либо который уже внедрен в производство. Место в ряду распределения отводится только тем вариантам, фактическая разность со стандартом у которых превышает значение НСР₀₅.
Статистическое заключение

По результатам дисперсионного анализа можно сделать заключение, что различия между сравниваемыми вариантами существенные, т.к. фактическое значение F критерия Фишера больше F критерия на 5 и 1 % уровне значимости.

Для производства рекомендуется вариант № V (сорт Нижегородская), т.к. его фактическая разность со стандартом превышает значение НСР₀₅ (47,53 >5,83).
5. Корреляционный анализ
Отличительной чертой лесохозяйственных объектов является многообразие признаков, характеризующих каждый из них. Так, дерево можно характеризовать возрастом, размерами, объемом и т. д. Чем больше размеры дерева, тем обычно больше объем его стволовой части.

Существуют функциональные и коррелятивные зависимости.

Функциональные - это зависимости, при которых каждому конкретному значению независимой переменной (х) соответствует строго определенное значение зависимой переменной (y).

Коррелятивной зависимостью называют зависимость, при которой каждому конкретному значению независимой соответствует множество значений зависимой переменной.

При выявлении корреляционной зависимости могут иметь место тренды различной направленности. Если с увеличением независимой переменной зависимая увеличивается, то зависимость называют прямой корреляционной зависимостью. Есть случаи, когда с увеличением независимой переменной зависимая уменьшается. В этом случае зависимость называется обратной корреляционной зависимостью.

Корреляционный анализ имеет своей задачей количественное определение тесноты связей между признаками при парной связи и между результативным (изменяющемся под действием других, связанных с ним признаков) и множеством факторных признаков (обуславливающих изменения результативных признаков) при многофакторной связи.

Теснота связи количественно выражается величиной коэффициентов корреляции.

Корреляционная зависимость характеризует лишь прямолинейное изменение. Коэффициент корреляции может принимать значения от - 1 до + 1. При полной прямой корреляции r = + 1, при полной обратной корреляции r = - 1. При r = 0 прямолинейная связь отсутствует (криволинейная связь при этом может наблюдаться).

где N – число наблюдений;

S_x , S_y – средние квадратические отклонения распределений x и y.

Для определения значимости коэффициента корреляции необходимо рассчитать его ошибку:

.
Значимость r (коэффициента корреляции) определяется отношением:

Вычисленный t_r сравнивается с t – критерием на пяти- и однопроцентном уровне значимости при числе степеней свободы ν = n – 2, где n - объем выборки. Если t_р > t₀₅, то зависимость существенная. А если t_p t₀₅, то нулевую гипотезу отвергают на принятом уровне значимости.

Схема полного корреляционного анализа
Если при обработке информации возникает задача установления связи между двумя величинами, то работу проводят в определенной последовательности:

- на график наносят значения пар (x_i, y_i) для визуальной оценки наличия и тесноты связи;

- если связь явно нелинейная, то вычисляют и оценивают корреляционное отношение η;

- если определенного заключения по графику сделать нельзя, то наряду с корреляционным отношением η вычисляют коэффициент корреляции r, после чего вычисляется мера линейности ε и ее основная ошибка m_ε :

Величина меры линейности характеризует отклонение связи от прямолинейной. Если ε / m_ε > 2, то гипотезу о нелинейности связи принимают, в противном случае (ε / m_ε 2 – r 2 ) × ( n – К_x ) )/ ( ( 1 – η 2 ) × ( К_x – 2 ) ),

где η 2 – квадрат корреляционного отношения y по x; r 2 – квадрат линейной корреляции; n – объем выборки; К_x – число групп по ряду х.

Гипотеза о прямолинейности взаимосвязи отвергается, если F_р > F_т при уровне значимости α = 0,01 и принимается, если F_р 5.1. Расчё показателей корреляции на примере малой выборочной совокупности
Расчет вспомогательных величин для вычисления коэффициента корреляции приведен в таблице 5.1.
Таблица 5.1 Расчет вспомогательных величин для коэффициента корреляции

Агрономия Моисейченко В.Ф. "Основы научных исследований в агрономии" 133
Моисейченко В.Ф., Трифонова М.Ф., Заверюха А.X., Ещенко В.Е. Основы научных исследований в агрономии: Учебник. Под редакцией А. А. Белоусовой — M.: Колос, 1996. — 336 c.
ISBN 5-10-003276-6
Предыдущая 134 >> Следующая
Наименьшая существенная разность (HCP) — величина, указывающая границу возможных случайных отклонений в эксперименте; это та минимальная разность в урожаях между средними, которая в данном опыте признается существенной при 5%-ном (НСР05) или 1%-ном (HCPoi) уровне значимости.
Опыт — исследование, осуществляемое на специально выделенном участке для оценки действия различных вариантов (сортов) на урожай растений и его качество.
Ошибка опыта, выборка — мера расхождения между результатами выборочного исследования и истинным значением измеряемой величины. При обработке результатов опыта методом дисперсионного анализа определяют обобщенную ошибку средних, выражаемую в тех же единицах измерения, что и изучаемый признак. Ошибку выраженную в процентах от соответствующей средней, называют относительной ошибкой опыта или выборки (?%). В полевом опыте величину Sx% (старое обозначение т% или P), часто без учета уровня урожайности, используют в качестве показателя, характеризующего точность полевого опыта.
Относительная ошибка — ошибка средней, выраженная в процентах от соответствующей средней.
Повторение — часть площади опытного участка, включающая делянки с полным набором вариантов схемы опыта.
Повторность — число одноименных делянок каждого варианта в данном полевом опыте. Повторность опыта во времени — число лет испытания агротехнических приемов или сортов.
Производственный сельскохозяйственный опыт — комплексные исследования, которые проводятся в производственных условиях бригадами, отделениями, хозяйствами или группой хозяйств и отвечают конкретным задачам производства, его развития и совершенствования.
Рекогносцировочный (разведывательный) посев — сплошной посев одной культуры, предшествующий закладке опыта и проводимый для выявления степени однородности (путем дробного учета урожая) почвенного плодородия на площади опыта.
Систематическое размещение вариантов — схема, при которой порядок следования вариантов в каждом повторении под
330

Хо,95>ХО,99 ~ критерии хи-квадрат для уровней вероятности Л),95 и jPo,99J
HCPos95, НСРо>99 — наименьшие существенные разности для
уровней вероятности Ро,95 и ^о,99>" / — число вариантов;' п — число повторностей, объем выборки; N- число делянок в опыте, общее число наблюдений; V — число степеней свободы; С — корректирующий фактор;
Су, Ср, Cv, Cz — суммы квадратов рассеиваний: общего, повторений, вариантов, остатка (ошибки);
г — коэффициент линейной корреляции;
sr — ошибка коэффициента линейной корреляции;
Ryx — коэффициент регрессии Y по X;
SR — ошибка коэффициента регрессии;
rxy-z> гхгу — частные линейные коэффициенты корреляции;
Rxyz, Ry-Xi — множественные линейные коэффициенты корреляции;
г\ху — корреляционное отношение Y по X;
cov — ковариация;
h2 — коэффициент наследуемости.
332

ЛИТЕРАТУРА
Агрофизические методы исследования почв. — M.: Наука, 1966. — 259 с.
Агрохимические методы исследования почв. — M.: Наука, 1965. — 436 с.
Биометрический анализ в биологии / Под ред. Г. Н. Зайцева. — M.: Изд-во МГУ, 1982. - 160 с.
ГродзинскийА. M., ГродзинскийД. М. Краткий справочник по физиологии растений. — Киев: Наукова думка, 1973. — 591 с.
Предыдущая 134 >> Следующая

Читайте также: