oraz b
Transkrypt
oraz b
W układzie split-plot dla doświadczeń trójczynnikowych możliwe są trzy podstawowe warianty planowania: A-BC AB-C A-B-C (split-split-plot) W wariancie A-BC wydziel się tylko podbloki pierwszego rzędu, który losowo przyporządkowuje się a poziomów czynnika A. W obrębie każdego podbloku rozlosowuje się wszystkie bc kombinacje czynników B oraz C. A2B1C1 A2B2C1 A2B2C2 A1B2C2 A1B1C1 A1B1C2 A2B2C2 A2B2C1 A2B1C2 A1 A1B2C2 A1B1C2 A2 A1B2C1 A1B1C1 A2B1C1 A2B1C1 A2B2C2 A2B2C1 A1 A2B1C2 A1B1C1 A1B1C2 A2B1C2 A2B2C1 A2B2C2 A1B2C1 A1B1C2 A1B2C1 A1 A2B1C1 A1B1C1 A1B2C2 Liczba poziomów czynnika A: Liczba poziomów czynnika B: Liczba poziomów czynnika C: Liczba bloków: Liczba jednostek doświadczalnych: a b b n a Blok IV A2 A1B2C2 Blok III A2 Blok II A1B2C1 Kierunek zmienności systematycznej A2B1C2 A1 Blok I A2 2 2 2 4 b c n 2 2 2 4 32 W wariancie AB-C wydziela się podbloki pierwszego rzędu, których liczba wynosi ab. Odpowiada ona liczbie kombinacji czynników A oraz B, które są do tych podbloków losowo przypisywane. W obrębie każdego podbloku wydziela się c poletek, którym w sposób losowy przypisuje się poziomy czynnika C. A1B2C2 A1B2C1 A1B1C1 A1B1C2 A1B2C2 A1B2C1 A2B1C1 A2B1C1 A2B1C1 A2B1C2 A1B1C1 A1B1C2 A1B1C2 A1B2 A1B2C1 A1B1 A1B1C1 A2B1C1 A1B1 A2B2 A2B1C2 A2B2C2 A2B2C1 A2B1 A2B1C2 A2B1 A2B2C1 A2B2C2 A2B1C2 A2B1 A1B2C1 A1B2C2 A2B2 A2B2C2 A2B2C1 Liczba poziomów czynnika A: Liczba poziomów czynnika B: Liczba poziomów czynnika C: Liczba bloków: Liczba jednostek doświadczalnych: a b b n a Blok IV A1B2 A2B2 A1B2C2 Blok III A1B1 A1B1C1 A2B1 Blok II A1B2 A1B1C2 A1B2 Kierunek zmienności systematycznej A2B2C1 A2B2C2 A1B1 Blok I A2B2 2 2 2 4 b c n 2 2 2 4 32 W wariancie A-B-C występują dwa rodzaje podbloków – pierwszego i drugiego rzędu. Na a podblokach pierwszego rzędu rozlosowuje się poziomy czynnika A. Zaś w obrębie każdego podbloku pierwszego rzędu wydziela się b podbloków drugiego rzędu, którym losowo przypisuje się poziomy czynnika B. W ramach podbloków drugiego rzędu wydziela się c poletek i przypisuje się im losowo poziomy czynnika C. B1 A2B1C1 B2 A2B1C2 A2B2C2 B2 A2B2C1 A1B2C2 B1 A1B2C1 A1B1C1 A1 B2 A2B2C2 B1 A2B2C1 A2B1C2 B1 A2B1C1 A1B1C1 B2 A1B1C2 A2 B1 A1B1C1 B2 A1B1C2 A1B2C2 B1 A1B2C1 A2B1C2 B2 A2B1C1 A2B2C2 A1 B2 B1 A2B2C1 A2B2C1 A2B1C1 B2 A2B1C2 A1B2C1 B1 A1B2C2 A1B1C2 A1B1C1 Blok IV A2 A2B2C2 A1B2C2 Blok III A1 A1B2C1 Blok II A2 A1B1C2 Kierunek zmienności systematycznej A1 Blok I A2 Hipoteza statystyczna: H 0 ( A) : 1 2 a 0 H 0( B ) : 1 2 b 0 H0 C : 1 2 H 0( A : 11 12 ab H 0( A C ) : 11 12 ac 0 H 0( B C) 11 12 bc 0 H 0( A B C) B) : : 111 0 c 112 0 abc 0 Model liniowy analizy wariancji: yijkl m gl i (I ) il j ij k ik jk ijk ( II ) ijkl yijk – obserwacja cechy Y na jednostce doświadczalnej dla i-tego poziomu czynnika A, j-tego poziomu czynnika B, k-tego poziomu czynnika C oraz l-tego bloku; m – prawdziwa średnia (populacji) cechy Y; gl – efekt l-tego bloku (l = 1, 2, …, n); αi – efekt i-tego poziomu czynnika A; βj – efekt j-tego poziomu czynnika B; γk – efekt k-tego poziomu czynnika C; α βij – efekt interakcji i-tego poziomu czynnika A oraz j-tego poziomu czynnika B; α γik – efekt interakcji i-tego poziomu czynnika A oraz k-tego poziomu czynnika C; β γjk – efekt interakcji i-tego poziomu czynnika B oraz k-tego poziomu czynnika C; α β γijk – efekt interakcji i-tego poziomu czynnika A, j-tego poziomu czynnika B oraz k-tego poziomu czynnika C; ε(I)il – błąd I; ε(II)ijkl – błąd II (losowy) •Bloki •Czynnik A •Błąd I •Czynnik B •Czynnik C •Interakcja A × B •Interakcja A × C •Interakcja B × C •Interakcja A × B × C •Błąd II (losowy) Model liniowy analizy wariancji: yijkl m gl i j ij (I ) ijl k ik jk ijk ( II ) ijkl yijk – obserwacja cechy Y na jednostce doświadczalnej dla i-tego poziomu czynnika A, j-tego poziomu czynnika B, k-tego poziomu czynnika C oraz l-tego bloku; m – prawdziwa średnia (populacji) cechy Y; gl – efekt l-tego bloku (l = 1, 2, …, n); αi – efekt i-tego poziomu czynnika A; βj – efekt j-tego poziomu czynnika B; γk – efekt k-tego poziomu czynnika C; α βij – efekt interakcji i-tego poziomu czynnika A oraz j-tego poziomu czynnika B; α γik – efekt interakcji i-tego poziomu czynnika A oraz k-tego poziomu czynnika C; β γjk – efekt interakcji i-tego poziomu czynnika B oraz k-tego poziomu czynnika C; α β γijk – efekt interakcji i-tego poziomu czynnika A, j-tego poziomu czynnika B oraz k-tego poziomu czynnika C; ε(I)ijl – błąd I; ε(II)ijkl – błąd II (losowy) •Bloki •Czynnik A •Czynnik B •Interakcja A × B •Błąd I •Czynnik C •Interakcja A × C •Interakcja B × C •Interakcja A × B × C •Błąd II (losowy) Model liniowy analizy wariancji: yijkl m gl i (I ) il j ij ( II ) ijl k ik jk ijk ( III ) ijkl yijk – obserwacja cechy Y na jednostce doświadczalnej dla i-tego poziomu czynnika A, j-tego poziomu czynnika B, k-tego poziomu czynnika C oraz l-tego bloku; m – prawdziwa średnia (populacji) cechy Y; gl – efekt l-tego bloku (l = 1, 2, …, n); αi – efekt i-tego poziomu czynnika A; βj – efekt j-tego poziomu czynnika B; γk – efekt k-tego poziomu czynnika C; α βij – efekt interakcji i-tego poziomu czynnika A oraz j-tego poziomu czynnika B; α γik – efekt interakcji i-tego poziomu czynnika A oraz k-tego poziomu czynnika C; β γjk – efekt interakcji i-tego poziomu czynnika B oraz k-tego poziomu czynnika C; α β γijk – efekt interakcji i-tego poziomu czynnika A, j-tego poziomu czynnika B oraz k-tego poziomu czynnika C; ε(I)il – błąd I; ε(II)ijl – błąd II; ε(III)ijkl – błąd III (losowy) •Bloki •Czynnik A •Błąd I •Czynnik B •Interakcja A × B •Błąd II •Czynnik C •Interakcja A × C •Interakcja B × C •Interakcja A × B × C •Błąd III (losowy) Możliwe jest zakładanie doświadczeń z większą liczbą czynników niż trzy. Planowanie układów doświadczalnych dla takich doświadczeń jest dalszym rozwijaniem dotychczasowej metodyki. Wraz ze wzrostem liczby czynników wzrasta stopień komplikacji analizy i interpretacji wyników takiej analizy. Dlatego też doświadczenia przyrodnicze z większą liczbą czynników niż trzy należą do rzadkości Rozwiązywanie wielu zagadnień rolniczych odbywa się poprzez prowadzenie doświadczeń powtarzanych w różnych miejscowościach i w różnych sezonach wegetacyjnych. Metodyka umożliwiająca odpowiednią analizę tych doświadczeń noszących nazwę serii doświadczeń nie jest prosta i wymaga wprowadzenia właściwego i realnego, odpowiadającego rzeczywistości, modelu matematycznego. Pojedyncze doświadczenia w serii zakłada się według przyjętej metodyki stosowanej dla pojedynczych doświadczeń polowych. Najczęściej są to układy blokowe: Losowane bloki Split-plot Split-blok (doświadczenia PDO) Analiza danych pochodzących z serii doświadczeń przebiega dwuetapowo: Szczegółowa analiza pojedynczych doświadczeń zgodnie z planem doświadczenia; Synteza serii doświadczeń Przy sporządzaniu syntezy miejscowości/lata traktuje się jako bloki lub bloki nadrzędne (split-plot, splitsplit-plot), przy czym ten drugi wariant jest uważany za właściwszy. W przypadku gdy liczba miejscowości/lat przekracza 3 w miejsce klasycznej analizy wariancji zakładającej, że badane czynniki (w tym miejscowości/lata) mają charakter stały (są kontrolowane) stosuje się tak zwane modele losowe lub mieszane analizy wariancji (zakładają one, że czynniki w takiej analizie mogą mieć charakter losowy i niekontrolowany).