Πλήρεις Οµάδες σε Ελεύθερη ιάταξη

Transcript

1 Πλήρεις Οµάδες σε Ελεύθερη ιάταξη ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Viola adorata

2 Πλήρεις Οµάδες σε Ελεύθερη ιάταξη (Randomized Complete-block Design- RCBD) Παράδειγµα 22 (Φασούλας,, 2006, σ.. 106). Ίδιο µε το Παράδειγµα 21 µε τη διαφορά ότι η τυχαιοποίηση των 10 γενοτύπων έγινε µέσα σε κάθε µία από 10 οµάδες (blocks-replications). Να ελεγχθεί αν οι γενότυποι παρουσιάζουν στατιστικά σηµαντικές διαφορές σε επίπεδο σηµαντικότητας α=0,05.

3 Παραµετροποίηση -1 Πειραµατικό Σχέδιο (Experimental Design): Πλήρεις Οµάδες σε Ελεύθερη ιάταξη (Randomized Complete-block Design-RCBD RCBD) Πλήθος Παραγόντων (Factors): 2 (Γενότυπος και Οµάδα Blocks-Replications Replications) Πλήθος Επιπέδων (Levels) του Παράγοντα Γενότυπος (π): 10, του Παράγοντα Οµάδα (o): 10 Συνολικό πλήθος µετρήσεων (Ν): 100 Σχέδιο: Ισορροπηµένο (Balanced), δηλ. ίδιος αριθµός µετρήσεων-επαναλήψεων επαναλήψεων σε κάθε επέµβαση

4 Παραµετροποίηση -2 Εξαρτηµένη µεταβλητή (Depended Variable): Πρωϊµότητα ξεσταχιάσµατος (ηµέρες) Ανεξάρτητες µεταβλητές-παράγοντες (Independed Variables): Γενότυπος (δοµικός), Οµάδα (σχεδίου) Πρότυπο ΙII (Model type III): Μεικτές Επιδράσεις (Mixed Effects) Γενότυπος: Καθορισµένες Επιδράσεις (Fixed Effects) Οµάδα: Τυχαίες Επιδράσεις (Random Effects)

5 Μεθοδολογία Εγκατάστασης Πειράµατος Προηγούµενη εµπειρία και γνώση σχετικά µε το πειραµατικό υλικό Εµπειρία και γνώση σχετικά µε προηγούµενα πειράµατα στον ίδιο πειραµατικό αγρό Έλεγχοι οµοιοµορφίας και οµοιογένειας πειραµατικού υλικού ιαστάσεις πειραµατικών τεµαχίων Πλήθος φυτών Αποστάσεις Καλλιεργητική φροντίδα Περίοδος πειραµατισµού Μέθοδος µέτρησης εξαρτηµένης µεταβλητής Εγκυρότητα-Αξιοπιστία µετρήσεων Εδαφολογικά στοιχεία Κλιµατολογικά στοιχεία Τήρηση Ηµερολογίου Πειράµατος

6 Πότε εφαρµόζεται το RCBD Όταν δεν µπορούµε να εξασφαλίσουµε οµοιόµορφο περιβάλλον. Όταν δεν µπορούµε να ελέγξουµε την ανοµοιοµορφία-ανοµοιογένεια ανοµοιογένεια. Όταν έχουµε αποδείξεις ή ενδείξεις ότι η ανοµοιογένεια του περιβάλλοντος βαίνει προς µία συγκεκριµένη κατεύθυνση (κλίση-gradient).

7 Σκοπός Η ελάττωση του πειραµατικού σφάλµατος και η αύξηση της ευαισθησίας του πειράµατος. Ο έλεγχος γνωστής πηγής παραλλακτικότητας. Η αποµάκρυνση της επίδρασης της γνωστής πηγής παραλλακτικότητας. Η αύξηση του βαθµού γενίκευσης των αποτελεσµάτων όταν οι οµάδες τοποθετούνται π.χ. σε διαφορετικές τοποθεσίες.

8 Χρήσιµες-Οδηγίες (1) Όταν η κλίση βαίνει προς µία κατεύθυνση χρησιµοποιείστε στενόµακρα blocks-οµάδες οµάδες. ιευθετήστε τα blocks στον αγρό ώστε η µεγάλη τους πλευρά να είναι κάθετη στη διεύθυνση της κλίσης. Όταν η ανοµοιογένεια βαίνει προς δύο διευθύνσεις όπου η µία είναι πολύ πιο ισχυρή- σηµαντική από την άλλη, αγνοείστε την ασθενέστερη και εφαρµόστε την προηγούµενη οδηγία.

9 Χρήσιµες-Οδηγίες (2) Όταν η ανοµοιογένεια βαίνει προς δύο διευθύνσεις όπου και οι δύο είναι εξίσου ισχυρές-σηµαντικές σηµαντικές και κάθετες µεταξύ τους τότε: Εγκαταστήστε blocks που το σχήµα τους να είναι τετράγωνο (όσο το δυνατόν). Εγκαταστήστε µακρόστενα blocks µε τη µεγάλη τους πλευρά να είναι κάθετη προς τη µία διεύθυνση και χρησιµοποιείστε την Ανάλυση Συνδυασποράς (ANCOVA) για να ελέγξετε τη δεύτερη κλίση. Χρησιµοποιείστε το σχέδιο του Λατινικού Τετραγώνου. Όταν η αναοµοιογένεια είναι µη προβλέψιµη τότε το σχήµα των οµάδων θα πρέπει να είναι τετράγωνο (όσο το δυνατόν).

10 Γενικός Κανόνας Σχεδιασµού Η εγκατάσταση των οµάδων θα πρέπει να γίνει µε τρόπο ώστε η παραλλακτικότητα εντός (within) των οµάδων να είναι όσο το δυνατόν µικρότερη ενώ η παραλλακτικότητα µεταξύ (between) των οµάδων όσο το δυνατόν µεγαλύτερη

11 Πίνακας εδοµένων Γενότυποι Ο1 Ο2 Ο3 Ο4 Ο5 Ο6 Ο7 Ο8 Ο9 Ο10 Σύνολα Α Β Γ Ε Ζ Η Θ Ι Κ Σύνολα

12 Πίνακας Ανάλυσης Παραλλακτικότητας (ή ιακύµανσης) Πηγή Παραλλακτικότητας Βαθµοί Ελευθερίας Άθροισµα Τετραγώνων Μέσα Τετράγωνα ΑΤΟ Οµάδες ο-1 ΑΤΟ ΜΤΟ= ο 1 Γενότυποι ΑΤΠ π-1 ΑΤΠ ΜΤΠ= (ή Παράγοντας) π 1 Σφάλµα ΑΤΣ (π-1)(ο-1) ΑΤΣ ΜΤΣ= (ή Υπόλοιπο) ( π 1)( ο 1) F F= ΜΤΟ ΜΤΣ F= ΜΤΠ ΜΤΣ Ολική πο-1 ΣΑΤ Για τους γενότυπους, η δειγµατική τιµή F συγκρίνεται µε την Κρίσιµη Τιµή (θεωρητική) της F-Κατανοµής µε (π-1) και [(π-1)(o-1)] β.ε., σε επίπεδο σηµαντικότητας α. Για τις οµάδες, µε την τιµή της F((ο-1), (π-1)(o-1)) σε ε.σ. α.

13 ANOVA Table Source of Variation Degrees of Freedom (df) Blocks o-1 Treatments or Factor A (Genotype) Error π-1 (π-1)(ο-1) Sum of Squares (SS) Block SS (SSB) Treatment SS (SSA) Error SS (SSE) Mean Squares (MS) Block SS MSB= o 1 Treatment SS MSA= π 1 Error SS MSE= ( π 1)( o 1) F F= MSB MSE F= MSA MSE Total πο-1 Total SS (SST)

14 Πίνακας εδοµένων Γενότυποι Ο1 Ο2 Ο3 Ο4 Ο5 Ο6 Ο7 Ο8 Ο9 Ο10 Σύνολα Α Β Γ Ε Ζ Η Θ Ι Κ Σύνολα

15 Υπολογισµοί ιορθωτικός Όρος (Correction Term): Ο= =1.288,81 Συνολικό Άθροισµα Τετραγώνων: ΣΑΤ=( )- Ο=400,19 Άθροισµα Τετραγώνων Παραγόντων: K+ 34 ΑΤΠ=( )- Ο=51,49 Άθροισµα Τετραγώνων Οµάδων: K+ 28 ΑΤΟ=( )- Ο=147,89 Άθροισµα Τετραγώνων Σφαλµάτων: ΑΤΣ=ΣΑΤ-ΑΤΠ-ΑΤΟ=400,19-51,49-147,89=200,81

16 Πίνακας Ανάλυσης Παραλλακτικότητας (ή ιακύµανσης) Πηγή Παραλλακτικότητας Βαθµοί Ελευθερίας Άθροισµα Τετραγώνων Μέσα Τετράγωνα F F 0,05 Οµάδες 9 147,89 16,43 6,62 1,99 Γενότυποι (Παράγοντας) 9 51,49 5,72 2,30 1,99 Σφάλµα ,81 2,48 Ολική ,19 Κρίσιµη Τιµή F(9, 81)=1,99, σε επίπεδο σηµαντικότητας α=0,05 Επειδή 2,30>1,99 Οι γενότυποι παρουσιάζουν στατιστικά σηµαντικές διαφορές σε επίπεδο σηµαντικότητας α=0,05. Η επίδραση του περιβάλλοντος είναι επίσης στατιστικά σηµαντική.

17 Συντελεστής Παραλλακτικότητας (Coefficient of Variation), CV CV ΜΤΣ MSE = 100= 100 Y.. Y.. Στο παράδειγµα, CV= 1, ,9% 3,59 =

18 Το Γενικό Γραµµικό Πρότυπο (General Linear Model) Y = µ + t + b + e ij i j ij t i : η κύρια επίδραση της επέµβασης (γενότυπος) i (i=1,,10) b j : η κύρια επίδραση της οµάδας j (j=1,,10)

19 Παραδοχές: π Παραδοχές και Προϋποθέσεις o 2 ti = 0 b = 0 ij e i= 1 j= 1 j e N(0, σ ) Προϋποθέσεις: Οι παρατηρήσεις προέρχονται από τυχαία δείγµατα Οι παρατηρήσεις είναι ανεξάρτητες η µία από την άλλη Οι πληθυσµοί (ο π σε πλήθος) των παρατηρήσεων ακολουθούν Κανονική Κατανοµή Ισχύει η ιδιότητα της αθροιστικότητας (προσθετικότητας). Ισοδύναµα, δεν υπάρχει αλληλεπίδραση των δύο παραγόντων (Γενότυπος Οµάδα). Η επέµβαση i έχει το ίδιο αποτέλεσµα ανεξάρτητα από την οµάδα στην οποία εφαρµόζεται. Η επίδραση της Οµάδας είναι η ίδια ανεξάρτητα από την επέµβαση. Οι διασπορές των πληθυσµών (ο π σε πλήθος) είναι ίσες (Οµοσκεδαστικότητα)

20 Στατιστικοί Έλεγχοι Μηδενικές Υποθέσεις Η = 2 0 Β : σ 0 b Η µ = µ = = µ 0Γ : 1 2 L π Εναλλακτικές Υποθέσεις Η1 Γ ήη : τουλάχιστον 2 µ έσοι όροιδιαφέρουν, k, z, ( k, z= 1,. αγ Η ή Η α σ b > 2 1 Β Β : 0

21 Άλλες Στατιστικές Αναλύσεις Αν η ANOVA ανιχνεύσει στατιστικά σηµαντικές διαφορές ακολουθούν συγκρίσεις µέσων όρων (a a priori, ad hoc)

22 ιαγραµµατική Αναπαράσταση του Υποδείγµατος Πρωϊµότητα Σφάλµα Γενότυπος Οµάδα

23 Συγκρίσεις Μέσων Όρων Το Κριτήριο της Ελάχιστης (Στατιστικά) Σηµαντικής ιαφοράς (ΕΣ -LSD) t 2 ΜΤΣ 2 MSE = t ο ο ΕΣ = ( π 1)( ο 1); a ( π 1)( ο 1); a Όπου t ( π 1)( ο 1);a : Κρίσιµη τιµή της t-κατανοµής µε (π-1)(ο-1) β.ε., σε επίπεδο σηµαντικότητας α Στο παράδειγµα: 2 2, 48 4,96 ΕΣ = 1,99 = 1,99 = 1,99 0, 496 = 1,99 0, 704= 1, 40, σε επίπεδο σηµαντικότητας α=0,05. Στο προηγούµενο παράδειγµα ΕΣ =1,75

24 Στο Παράδειγµα Γενότυποι ΜΟ ΤΑ N Α 4,10 1,66 10 Β 2,50 0,53 10 Γ 3,20 1, ,40 2,07 10 Ε 5,20 1,93 10 Ζ 3,60 2,55 10 Η 3,40 2,67 10 Θ 2,90 1,66 10 Ι 4,20 2,62 10 Κ 3,40 0,97 10 ΕΣ 0,10 1,17 ΕΣ 0,05 1,40 ΕΣ 0,01 1,86 ΕΣ 0,0011 2,38

25 Στο προηγούµενο παράδειγµα (CRD) Γενότυποι ΜΟ ΤΑ N Α 4,10 1,66 10 Β 2,50 0,53 10 Γ 3,20 1, ,40 2,07 10 Ε 5,20 1,93 10 Ζ 3,60 2,55 10 Η 3,40 2,67 10 Θ 2,90 1,66 10 Ι 4,20 2,62 10 Κ 3,40 0,97 10 ΕΣ 0,10 1,46 ΕΣ 0,05 1,75 ΕΣ 0,01 2,32 ΕΣ 0,0011 2,97

26 Αποτελέσµατα µε το SPSS (1) Estimated Marginal Means of Πρωϊµότητα (ηµέρες) 5,5 Estimated Marginal Means 5 4,5 4 3,5 3 2,5 Α Β Γ Ε Ζ Η Θ Ι Κ Γενότυποι

27 Αποτελέσµατα µε το SPSS (2) Fixed Effects Model Dependent Variable: Πρωϊµότητα (ηµέρες) Source Corrected Model Intercept Block Genotype Error Total Corrected Total a. Computed using alpha =.05 Tests of Between-Subjects Effects Tests of Between-Subjects Effects Type III Sum Partial Eta Observed of Squares df Mean Square F Sig. Squared Power a b b. R Squared =.498 (Adjusted R Squared =.387) P-value R 2 =0,498 (Συντελεστής Προσδιορισµού-Coefficient of Determination)

28 Αποτελέσµατα µε το SPSS (3) Mixed Effects Model Dependent Variable: Πρωϊµότητα (ηµέρες) Source Intercept Genot Block Hypothesis Error Hypothesis Error Hypothesis Error a. Computed using alpha =.05 b. MS(Block) c. MS(Error) Tests of Between-Subjects Effects Type III Sum Partial Eta Noncent. Observed of Squares df Mean Square F Sig. Squared Parameter Power a b c c

29 Αποτελέσµατα µε το SPSS (4) Tukey HSD a,b Duncan a,b Γενότυπ οι Β Θ Γ Η Κ Ζ Α Ι Ε Sig. Β Θ Γ Η Κ Ζ Α Ι Ε Sig. Πρωϊµότητα (ηµέρες) N Subs et Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error term is Mean Square(Error) = a. Uses Harmonic Mean Sample Size = b. Alpha =

30 Παρουσίαση των Αποτελεσµάτων 1 Η ANOVA έδειξε ότι υπάρχουν στατιστικά σηµαντικές διαφορές, σε επίπεδο σηµαντικότητας α=0,05, µεταξύ των 10 Γενοτύπων: (F(9,81)=2.30,(9,81)=2.30, p=0,023<0,05) Η ANOVA έδειξε ότι η επίδραση του περιβάλλοντος (οµάδες) είναι στατιστικά σηµαντική (p<0,001)

31 Παρουσίαση των Αποτελεσµάτων 2 Γενότυποι ΜΟ ΤΑ N Α 4,10 ab 1,66 10 Β 2,50 b 0,53 10 Γ 3,20 ab 1, ,40 ab 2,07 10 Ε 5,20 a 1,93 10 Ζ 3,60 ab 2,55 10 Η 3,40 ab 2,67 10 Θ 2,90 b 1,66 10 Ι 4,20 ab 2,62 10 Κ 3,40 ab 0,97 10 Μέσοι όροι που ακολουθούνται από διαφορετικό γράµµα διαφέρουν στατιστικά σηµαντικά, σε επίπεδο σηµαντικότητας α=0,05, σύµφωνα µε τα αποτελέσµατα του ελέγχου Tukey HSD

32 Παρουσίαση των Αποτελεσµάτων 3 Γενότυποι ΜΟ ΤΑ N Α 4,10 abc 1,66 10 Β 2,50 c 0,53 10 Γ 3,20 bc 1, ,40 bc 2,07 10 Ε 5,20 a 1,93 10 Ζ 3,60 bc 2,55 10 Η 3,40 bc 2,67 10 Θ 2,90 bc 1,66 10 Ι 4,20 ab 2,62 10 Κ 3,40 bc 0,97 10 Μέσοι όροι που ακολουθούνται από διαφορετικό γράµµα διαφέρουν στατιστικά σηµαντικά, σε επίπεδο σηµαντικότητας α=0,05, σύµφωνα µε τα αποτελέσµατα του ελέγχου Duncan

33 Αποτελεσµατικότητα Πειραµατικού Σχεδίου Σκοπός του Γεωργικού Πειραµατισµού είναι να καταλήξουµε σε αµερόληπτα συµπεράσµατα σχετικά µε τις διαφορές των µέσων όρων διαφόρων επεµβάσεων µε τη λιγότερη δυνατή δαπάνη σε πόρους. Η Ευαισθησία ενός Π. Σχεδίου µετριέται µέσω του Πειραµατικού Σφάλµατος (διασπορά κατά πειραµατική µονάδα). Όσο πιο µικρή είναι η διασπορά αυτή τόσο πιο αποτελεσµατικό το αντίστοιχο πειραµατικό σχέδιο. Για να συγκρίνουµε την αποτελεσµατικότητα δύο σχεδίων χρησιµοποιούµε το λόγο των διασπορών τους.

34 Σχετική Αποτελεσµατικότητα (για το RCBD) RE ( o 1) ΜΤΟ+ o( π 1) ΜΤΣ ( o 1) MSB+ o( π 1) MSE = = ( οπ 1) ΜΤΣ ( οπ 1) MSE Relative Efficiency: RE Στη µαθηµατική σχέση ο αριθµητής αντιστοιχεί στο CRD ενώ ο παρονοµαστής στο RCBD Στο παράδειγµα: RE 9 16, ,48 = = 1, , 48 Το RCBD αύξησε την αποτελεσµατικότητα κατά 51% σε σχέση µε το CRD

35 Έλεγχοι Προϋποθέσεων

36 Έλεγχος Κανονικότητας Κατανοµή των Σφαλµάτων (1)

37 Κατανοµή των Σφαλµάτων (2) Des criptive Statis tics Mean Skew ness Kurtosis Statistic Statistic Std. Error Statistic Std. Error Standardized Residual for y

38 Κατανοµή των Σφαλµάτων (3) One -Sample Kolm ogor ov-sm irnov Test N Normal Parameters a,b Mos t Ex treme Diff erences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Monte Carlo Sig. (2-tailed) Mean Std. Deviation Absolute Positive Negative Sig. a. Test dis tribution is Normal. b. Calc ulated f rom data. 99% Conf idence Interval Low er Bound Upper Bound c. Based on sampled tables w ith starting seed Standardized Residual for y c

39 Έλεγχος Οµοσκεδαστικότητας (1) 3 Dependent Variable: Πρωϊµότητα (ηµέρες) Std. Residual Predicted Model: Intercept + BLOCK + GENOT

40 Έλεγχος Οµοσκεδαστικότητας (2) Προσαρµογή Ευθείας Γραµµής (Ελαχίστων Τετραγώνων) 3 Dependent Variable: Πρωϊµότητα (ηµέρες) Std. Residual Predicted Model: Intercept + BLOCK + GENOT

41 Έλεγχος Οµοσκεδαστικότητας (3) Προσαρµογή Βέλτιστης Καµπύλης (Μέθοδος Loess-90 90%) 3 Dependent Variable: Πρωϊµότητα (ηµέρες) Std. Residual Predicted Model: Intercept + BLOCK + GENOT

42 Έλεγχος Αθροιστικότητας (Additivity) του Tukey Analysis of Variance Source of Variation Sum of Sq. DF Mean Square F Prob. Between Genotypes Within Genotypes Between Blocks Residual Nonadditivity Balance Total Grand Mean

43 Βιβλιογραφία Φασούλας, Α. Κ.. (2006). Στοιχεία Πειραµατικής Στατιστικής. Θεσσαλονίκη. Καλτσίκης, Π. Ι.. (1997). Απλά Πειραµατικά Σχέδια. Αθήνα: Εκδόσεις Α. Σταµούλη. Μιχαηλίδης, Ζ.. (2005). Βιοµετρία-Γεωργικός Πειραµατισµός. ΑΤΕΙ Θεσσαλονίκης. Steel, R. & Torrie,, J. (1986). Principles and Procedures of Statistics: A Biometrical Approach.. Singapore: McGraw-Hill Book Company. Gomez, K. & Gomez, A. (1984). Statistical Procedures for Agricultural Research.. Singapore: John Willey & Sons, Inc. Kuehl,, R. (2000). Designs of Experiments: Statistical Principles of Research Design and Analysis.. Pacific Grove: Duxbury Thomson Learning.

44 Viola adorata