Γ. Πειραματισμός Βιομετρία

Σχετικά έγγραφα
Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός - Βιομετρία

Ανάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017

Εισαγωγή - Πειραματικοί Σχεδιασμοί. Κατσιλέρος Αναστάσιος

Ζήτηµα 2. Κατεύθυνση µεταβολής γονιµότητας. Πειραµατικός Αγρός. Επεµβάσεις: Α1Β1:1, Α1Β2:2, Α1Β3:3, Α2Β1:4, Α2Β2:5 και Α2Β3:6

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία

Εξέταση Φεβρουαρίου (2011/12) στο Μάθηµα: Γεωργικός Πειραµατισµός. Ζήτηµα 1 ο (2 µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Τεχνική Πειραματισμού. Κλιμάκωση των πειραμάτων στο χρόνο Δικτύωση των πειραμάτων στο χώρο Εδαφική ανομοιογένεια

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

8. Ανάλυση Διασποράς ως προς. δύο παράγοντες

Διάστημα εμπιστοσύνης της μέσης τιμής

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Γεωργικός Πειραµατικός Σχεδιασµός: Πρακτικές Συµβουλές

Ανάλυση διακύμανσης (Μέρος 2 ο ) 31/3/2017

8. Ανάλυση Διασποράς ως προς. δύο παράγοντες

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

0 + a = a + 0 = a, a k, a + ( a) = ( a) + a = 0, 1 a = a 1 = a, a k, a a 1 = a 1 a = 1,

Εξαρτημένα δείγματα (εξαρτημένες μετρήσεις)

Κεφάλαιο 14. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

ΑΝΑΛΥΣΗ ΤΗΣ ΙΑΚΥΜΑΝΣΗΣ (ΑΝOVA)

1. Πειραματικά Σφάλματα

ΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...

Κεφάλαιο 2 Πίνακες - Ορίζουσες

Για το δείγμα από την παραγωγή της εταιρείας τροφίμων δίνεται επίσης ότι, = 1.3 και για το δείγμα από το συνεταιρισμό ότι, x

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)

Εάν A = τότε ορίζουμε την ορίζουσα του πίνακα ως τον αριθμό. det( A) = = ( 2)4 3 1 = 8 3 = 11. τότε η ορίζουσά του πίνακα ισούται με

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

Περιεχόμενα. Πρόλογος 3

Εισαγωγή στην Ανάλυση Παραλλακτικότητας

Πολλαπλή παλινδρόμηση (Multivariate regression)

Χημική Τεχνολογία. Ενότητα 1: Στατιστική Επεξεργασία Μετρήσεων. Ευάγγελος Φουντουκίδης Τμήμα Μηχανολόγων Μηχανικών Τ.Ε.

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

ΓΕΩΡΓΙΚΟΣ ΠΕΙΡΑΜΑΤΙΣΜΟΣ 1ο Εργαστήριο «ΣΧΕΔΙΑΣΗ ΠΕΙΡΑΜΑΤΙΚΟΥ ΑΓΡΟΥ»

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ Μαθηματικά για Οικονομολόγους ΙI-Μάθημα 4 Γραμμικά Συστήματα

Στατιστικός έλεγχος υποθέσεων (Μέρος 3 ο ) 10/3/2017

Γ2.1 Στοιχεία Αρχιτεκτονικής. Γ Λυκείου Κατεύθυνσης

HY213. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ

Σφάλματα Είδη σφαλμάτων

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΑ ΓΕΝΙΚΑ ΜΑΘΗΜΑΤΙΚΑ

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

Δοκιμές προτίμησης και αποδοχής

ΑΛΓΕΒΡΑ ΠΙΝΑΚΩΝ ή ΜΗΤΡΩΝ

Γεωργικοί Πειραµατισµοί Χωριστού Σχεδίου: Οµάδες µε Υποοµάδες (Split-plot plot designs) ρ. Γεώργιος Μενεξές

Κατανομή συνάρτησης τυχαίας μεταβλητής Y=g(X) Πιθανότητες & Στατιστική 2017 Τμήμα Μηχανικών Η/Υ & Πληροφορικής, Παν. Ιωαννίνων Δ13 ( 1 )

Mέτρα (παράμετροι) θέσεως

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

= (2)det (1)det ( 5)det 1 2. u

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

x 2,, x Ν τον οποίον το αποτέλεσμα επηρεάζεται από

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Μια από τις σημαντικότερες δυσκολίες που συναντά ο φυσικός στη διάρκεια ενός πειράματος, είναι τα σφάλματα.

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

Υπολογιστικά & Διακριτά Μαθηματικά

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Εφαρμοσμένα Μαθηματικά ΙΙ

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Εφαρμοσμένα Μαθηματικά ΙΙ 5ο Σετ Ασκήσεων (Λύσεις) Πίνακες Επιμέλεια: I. Λυχναρόπουλος

Πρόσθεση, αφαίρεση και πολλαπλασιασμός φυσικών αριθμών

Έλεγχος υποθέσεων ΙI ANOVA

Ψηφιακά Συστήματα. 5. Απλοποίηση με χάρτες Karnaugh

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Ηλεκτροτεχνία Ηλ. Μηχανές & Εγκαταστάσεις πλοίου Βασικές αρχές ηλεκτροτεχνίας

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Γραμμικός Προγραμματισμός Μέθοδος Simplex

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)

ΓΕΝΙΚO ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ

συντελεστής κληρονομικότητας (coefficient of heritability) Η 2 h 2

ΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ

(Καταληκτική ηµεροµηνία παραλαβής 16/11/2004) (Α) Ποιες είναι οι προϋποθέσεις ώστε να ισχύουν οι παρακάτω διανυσµατικές σχέσεις:

ΕΙΔΗ ΕΡΕΥΝΑΣ I: ΠΕΙΡΑΜΑΤΙΚΗ ΕΡΕΥΝΑ & ΠΕΙΡΑΜΑΤΙΚΟΙ ΣΧΕΔΙΑΣΜΟΙ

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

Ανάλυση Διασποράς Προβλήματα και Ασκήσεις

Kruskal-Wallis H

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΓΡΑΜΜΙΚΗΣ ΑΛΓΕΒΡΑΣ. ρ Χρήστου Νικολαϊδη

Βελτίωση Φυτών. Βελτίωση Σταυρογονιμοποιούμενων φυτών. Είδη ποικιλιών

ΠΛΗ 12- Σχέση ισοδυναμίας, γραμμικά συστήματα και απαλοιφή Gauss

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Χημική Τεχνολογία. Εργαστηριακό Μέρος

Σχεδιασμός και Διεξαγωγή Πειραμάτων

2. ΑΝΑΛΥΣΗ ΣΦΑΛΜΑΤΩΝ

Κριτήρια επιλογής μέτρων συνάφειας

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Εφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση 8/6/2017 Διδάσκων: Ι. Λυχναρόπουλος

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13

Γεωργικός Πειραματισμός ΙΙ ΑΥΞΗΜΕΝΑ ΣΧΕΔΙΑ

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

Εφαρμοσμένα Μαθηματικά ΙΙ

Διατύπωση μαθηματικών εκφράσεων για τη περιγραφή του εγγενούς ρυθμού των χημικών αντιδράσεων.

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 2. Σταύρος Παπαϊωάννου

Transcript:

Γενικά Σκοπός των παραγοντικών πειραμάτων είναι η ταυτόχρονη μελέτη των επιδράσεων ενός αριθμού παραγόντων ώστε να προκύψει πληροφόρηση όχι μόνο για την αντίδραση του πειραματικού υλικού σε μεμονωμένους παράγοντες αλλά και στους συνδυασμούς των παραγόντων αυτών Παραγοντικό πείραμα (όχι σχέδιο): είναι η μελέτη δύο ή περισσότερων παραγόντων σε συνδυασμό Παράγοντας: το είδος της πειραματικής επέμβασης πχ. Ν-ούχος λίπανση Επίπεδο: οι διάφορες επεμβάσεις του κάθε παράγοντα πχ. 10 KgΝ/ha, 0 KgΝ/ha, 30 KgΝ/ha Κάθε επίπεδο ενός παράγοντα πρέπει να συμμετέχει στο πείραμα σε συνδυασμό με όλα τα επίπεδα των άλλων παραγόντων Τα αραγον ικά ειρά α α ε ι ρέ ουν η ελέ η ης αλληλε ίδρα ης ε αξύ ων Τα παραγοντικά πειράματα επιτρέπουν τη μελέτη της αλληλεπίδρασης μεταξύ των παραγόντων

Κατηγορίες παραγοντικών πειραμάτων Α. Πλήρη παραγοντικά πειράματα Διπαραγοντικά (συνδυασμοί διαφόρων επιπέδων κάθε παράγοντα) Πολυπαραγοντικά (συνδυασμοί διαφόρων επιπέδων) κ παραγοντικά (κ παράγοντες, όλοι σε δύο επίπεδα), 3 κ (κ παράγοντες, όλοι σε τρία επίπεδα), κλπ Β. Ανάμεικτα παραγοντικά πειράματα Πλήρως ανάμεικτα Μερικώς ανάμεικτα

Αλληλεπίδραση α) Η ανόμοια αντίδραση των επεμβάσεων ενός παράγοντα στα διάφορα επίπεδα ενός άλλου παράγοντα β) Όταν οι απλές επιδράσεις ενός παράγοντα διαφέρουν περισσότερο από ότι μπορεί να αποδοθεί στην τύχη, η διαφοποιημένη αντίδραση ονομάζεται αλληλεπίδραση γ) Η αλληλεπίδραση μεταξύ παραγόντων έχει συχνά την ίδια ή και μεγαλύτερη σημασία από τις κύριες επιδράσεις των παραγόντων

Παραδείγματα αλληλεπίδρασης Μεταβλητή Μεταβλητή Παράγοντας Α Απουσία αλληλεπίδρασης Παράγοντας Α Αλληλεπίδραση (αποκλίνουσα) Μεταβλη ητή Μεταβ βλητή Παράγοντας Α Παράγοντας Α Αλληλεπίδραση (κατεύθυνσης) Αλληλεπίδραση (συγκλίνουσα)

Απλές επιδράσεις - Κύριες επιδράσεις - Αλληλεπιδράσεις A. Παράδειγμα χωρίς αλληλεπίδραση Επίδραση δύο δόσεων Ν στην απόδοση (Mg/ha) ποικιλιών κριθαριού ( x ) N-ούχος λίπανσης (B) Ποικιλία (Α) 0 kg/ha (b 0 ) 60 kg/ha (b 1 ) Αττική (a 0 ) 1.0 (a 0 b 0 ) 3.0 (a 0 b 1 ) Ελπίδα (a 1 ).0 (a 1 b 0 ) 4.0 (a 1 b 1 ) Η απλή επίδραση ενός παράγοντα είναι η διαφορά μεταξύ των δύο επιπέδων του σε ένα συγκεκριμένο επίπεδο ενός άλλου παράγοντα - Απλή επίδραση του Α στο b 0 = a 1 b 0 -a 0 b 0 = -1 = 1 - Απλή επίδραση του Α στο b 1 = a 1 b 1 -a 0 b 1 = 4-3 = 1 - Απλή επίδραση του B στο a 0 = a 0 b 1 -a 0 b 0 = 3-1 = - Απλή επίδραση του Bστο a 1 = a 1 b 1 -a 1 b 0 = 4- =

Απλές επιδράσεις - Κύριες επιδράσεις Αλληλεπιδράσεις (Συνέχεια) Βάρος Βάρος Παράγοντας Α Παράγοντας Α H κύρια επίδραση ενός παράγοντα είναι ο μέσος όρος των απλών επιδράσεων του σε όλα τα επίπεδα του άλλου παράγοντα ½ Kύρια επίδραση του Α = (απλή επίδραση του Α στο b 0 + απλή επίδραση του Α στο b 1 ) = (1+1)/ = 1 Kύρια ρ επίδραση του B= ½ (απλή επίδραση του Β στο a 0 + απλή επίδραση του B στο a 1) = (+)/ = Η αλληλεπίδραση είναι η μέση διαφορά μεταξύ των απλών επιδράσεων του Α στα δύο επίπεδα του Β και αντίστροφα (Προσοχή: ισχύει μόνο για x παραγοντικά πειράματα) Α x Β = ½ (απλή επίδραση του Α στο b 1 - απλή επίδραση του Α στο b 0 ) = ½ (1-1) = 0 ή Α x Β = ½ (απλή επίδραση του Β στο a 1 - απλή επίδραση του B στο a 0 ) = ½ (-) = 0

Απλές επιδράσεις - Κύριες επιδράσεις Αλληλεπιδράσεις (Συνέχεια) Β. Παράδειγμα με αλληλεπίδραση Επίδραση δύο δόσεων Ν στην απόδοση (Mg/ha) ποικιλιών κριθαριού ( x ) N-ούχος λίπανσης (B) Ποικιλία (Α) 0 kg/ha (b 0 ) 60 kg/ha (b 1 ) Αττική (a 0 ) 1.0 (a 0 b 0 ) 1.0 (a 0 b 1 ) Ελπίδα (a 1 ).0 (a 1 b 0 ) 4.0 (a 1 b 1 ) Η απλή επίδραση ενός παράγοντα είναι η διαφορά μεταξύ των δύο επιπέδων του σε ένα συγκεκριμένο επίπεδο ενός άλλου παράγοντα - Απλή επίδραση του Α στο b 0 = a 1 b 0 -a 0 b 0 = -1 = 1 - Απλή επίδραση του Α στο b 1 = a 1 b 1 -a 0 b 1 = 4-1 = 3 - Απλή επίδραση του B στο a 0 = a 0 b 1 -a 0 b 0 = 1-1 = 0 - Απλή επίδραση του Bστο a 1 = a 1 b 1 -a 1 b 0 = 4- =

Απλές επιδράσεις - Κύριες επιδράσεις Αλληλεπιδράσεις (Συνέχεια) Βάρος Βάρος Παράγοντας Α Παράγοντας Α H κύρια επίδραση ενός παράγοντα είναι ο μέσος όρος των απλών επιδράσεων του σε όλα τα επίπεδα του άλλου παράγοντα ½ Kύρια επίδραση του Α = (απλή επίδραση του Α στο b 0 + απλή επίδραση του Α στο b 1 ) = (1+3)/ = Kύρια ρ επίδραση του B= ½ (απλή επίδραση του Β στο a 0 + απλή επίδραση του B στο a 1) = (0+)/ = 1 Η αλληλεπίδραση είναι η μέση διαφορά μεταξύ των απλών επιδράσεων του Α στα δύο επίπεδα του Β και αντίστροφα (Προσοχή: ισχύει μόνο για x παραγοντικά πειράματα) Α x Β = ½ (απλή επίδραση του Α στο b 1 - απλή επίδραση του Α στο b 0 ) = ½ (3-1) = 1 ή Α x Β = ½ (απλή επίδραση του Β στο a 1 - απλή επίδραση του B στο a 0 ) = ½ (-0) = 1

Γενικά για τις αλληλεπιδράσεις 1. Η αλληλεπίδραση μεταξύ δύο παραγόντων μπορεί να υπολογισθεί μόνο εάν οι παράγοντες συμμετέχουν στο ίδιο πείραμα. Στην περίπτωση απουσίας αλληλεπίδρασης, η απλή επίδραση ενός παράγοντα είναι η ίδια για όλα τα επίπεδα των άλλων παραγόντων και ισούται με την κύρια επίδραση του παράγοντα αυτού 3. Στην περίπτωση παρουσίας αλληλεπιδράσεων, η απλή επίδραση ενός παράγοντα μεταβάλλεται με τη μεταβολή του επιπέδου των άλλων παραγόντων. Επομένως, η κύρια επίδραση του διαφέρει από τις απλές επιδράσεις του.

Συγκριτική Χρησιμότητα Παράδειγμα (Αντικατάσταση δύο απλών πειραμάτων με ένα διπαραγοντικό πείραμα) Α Πείραμα ποικιλιών Πηγές Πείραμα Ποικιλιών ΒΕ Επαναλήψεις 5 Ποικιλίες 3 Σφάλμα 15 Σύνολο 3 Β Πείραμα Μυκητοκτόνων Πηγές Πείραμα Μυκητοκτόνου Επαναλήψεις 6 Μυκητοκτόνο 1 Σφάλμα 6 Σύνολο 13 Συνδυασμός Α και Β σε Παραγοντικό Πείραμα ΒΕ Παραγοντικό Πηγές ΒΕ Επαναλήψεις 3 Ποικιλίες 3 Μυκητοκτόνο 1 Ποικιλίες Χ Μυκητοκτόνο 3 Σφάλμα 1 Σύνολο 31 Μικρότερη επιφάνεια (3 αντί 38 πειραματικά τεμάχια) Δυνατότητα εύρεσης πιθανής αλληλεπίδρασης ης και προσδιορισμού ρ του καλύτερου συνδυασμού ποικιλίας μυκητοκτόνου Ακόμα και σε απουσία αλληλεπίδρασης, το όφελος προέρχεται από την " κρυμμένη επανάληψη", δηλαδή την ύπαρξη 4 x 4 = 16 επαναλήψεων για κάθε μυκητοκτόνο και 4 x = 8 επαναλήψεων για κάθε ποικιλία για υπολογισμό των αντίστοιχων μέσων όρων και των τυπικών σφαλμάτων των διαφορών τους. Οι 1 ΒΕ του σφάλματος στο παραγοντικό επιτρέπουν μια καλύτερη εκτίμησή του.

Ανάλυση διπαραγοντικού με βάση το ΕΤΣ Το Γραμμικό Πρότυπο: Y ( ) i i ij i = 1,, a j = 1,, b k = 1,, n a a b a j ( a ) ij 0 (Πρότυπο ό Ι) i i 1 j1 i1 όπου: μ = ο μέσος των ab επεμβάσεων α i = η επίδραση του i επιπέδου του παράγοντα Α β j = η επίδραση του j επιπέδου του παράγοντα Β (αβ) ij = η αλληλεπίδραση του i επιπέδου του Α με το j επίπεδο του Β ε = η απόκλιση της Υ από το μέσο του ij πληθυσμού Αν για όλα τα επίπεδα των δύο παραγόντων ισχύει η αθροιστικότητα, τότε όλα τα (αβ) ij ισούται με μηδέν Προϋποθέσεις: τα ε είναι ανεξάρτητα, ακολουθούν κανονική κατανομή και προέρχονται από ένα πληθυσμό (κοινή διακύμανση)

Ανάλυση διπαραγοντικού με βάση το ΕΤΣ (Συνέχεια) Κατάτμηση Αθροίσματος Τετραγώνων Τα συστατικά του προτύπου ξαναγράφονται ως εξής: Y Y Y a ( a ) i j ij α i ως Y i.. Υ... β j ως Υ. j. Y ε ως Υ Y ij.. Οπότε: Y Y... ( Y i.. Y...) ( Y. j. Y...) ( Y ij. Y. j. Y i.. Y...) ( Y Y ij. ) Άρα: a n i1 j1 k1 n a b i1 j1 ( Y ( Y ij Y...) bn a i1 ( Y i.. Y...) an i1 j1 k1 b j1 ( Y. j.. Y. j. Y i.. Y...) ( Y Y ij. ) a n Y...)

Ανάλυση διπαραγοντικού με βάση το ΕΤΣ (Συνέχεια) Ανάλυση της παραλλακτικότητας (Πρότυπο Ι) Πηγή Παραλλακτικότητας ΒΕ Άθροισμα Τετραγώνων Μέσο Τετράγωνο ΘΣΜΤ F A B AB Υπόλοιπο Σύνολο a-1 b-1 (a-1)(b-1) ab(n-1) abn-1 AT AB AT A AT B AT ATo bn i1 j1 MT A a Y i.. Y... MTA e bn a i 1 MT an b Y j. Y... j 1. B MT e an b a b MTAB e n ab n ( Y ij. Y. j. Y i.. Y...) a b n Y Y ij. i 1 j 1 k 1 a b n Y Y... i 1 j 1 k 1 MT e MT B MT MT AB MT a a a b i /( a 1) b j /( b 1) i1 j1 i1 j1 b ( ) ij /[( a 1)( b 1)]

Ανάλυση διπαραγοντικού με βάση το ΤΠΟ Το Γραμμικό Πρότυπο: Y ( ) i j k jk i = 1,,r j = 1,, a k = 1,, b j a j 0 και ) jk 0 k ( a ( a ) όπου: μ = ο μέσος των ab επεμβάσεων ρ i = η επίδραση της i ομάδας j k jk (Πρότυπο Ι) α j = η επίδραση του j επιπέδου του παράγοντα Α β k = η επίδραση του k επιπέδου του παράγοντα Β (αβ) jk = η αλληλεπίδραση του j επιπέδου του Α με το k επίπεδο του Β ε = η απόκλιση της Υ από το μέσο του ij πληθυσμού Αν για όλα τα επίπεδα των δύο παραγόντων ισχύει η αθροιστικότητα, τότε όλα τα (αβ) ij ισούται με μηδέν Προϋποθέσεις: τα ε είναι ανεξάρτητα, ακολουθούν κανονική κατανομή και προέρχονται από ένα πληθυσμό (κοινή διακύμανση)

Ανάλυση διπαραγοντικού με βάση το ΤΠΟ (Συνέχεια) Κατάτμηση Αθροίσματος Τετραγώνων Τα συστατικά του προτύπου Y ( ) ξαναγράφονται ως εξής, αντικαθιστώντας με τους αντίστοιχους εκτιμητές: i j k jk Y Y... ( Y i.. Y...) ( Y. j. Y...) ( Y.. Y...) ( Y jk. Y. j. Y.. k Y...) ( Y Y i.. Y... Y.. jk k ) Άρα: i j k ar r b k a ( Y ( Y b.. k i1 j1 k1 ( Y Y...) Y...) Y i r ab a r i1 j b k ( Y ( Y i... jk... Y... Y. jk ) Y...) Y. j. br Y.. k a j ( Y. j. Y...) Y...)

Παράδειγμα ANOVA για ένα x παραγοντικό πείραμα (Προσοχή: για λόγους απλότητας χρησιμοποιούνται διαφορετικοί από πριν συμβολισμοί) Δεδομένα από την ανάλυση σύμφωνα με το σχέδιο ΤΠΟ Επεμβάσεις Ομάδες a 0 b 0 a 0 b 1 a 1 b 0 a 1 b 1 Y. j 1 1 19 9 3 9 15 7 35 99 3 14 3 33 38 108 4 13 1 30 37 101 Y i. 54 85 119 14 400 = Y.. 1... 400 10. 000 rab 4**. AT ό Yij (1 15 14... 37 ) 1. 170 (9 99 108 * 101. j 3. AT 3. 5 ά ab )

Παράδειγμα ANOVA για ένα x παραγοντικό πείραμα (Συνέχεια) 4. Κατάτμηση Αθροίσματος Τετραγώνων των Επεμβάσεων (ΑΒ) 4.1 Πίνακας Αθροισμάτων Επεμβάσεων a 0 a 1 ΣB b 0 54 119 173 b 1 85 14 7 ΣΑ 139 61 400 4. Άθροισμα Τετραγώνων του Α A AT rb 930.5 (139 61 4* ) 4.3 Άθροισμα Τετραγώνων του Β 4.4 Άθροισμα Τετραγώνων της Α x Β AT B B ra 18.5 (173 7 4 * ) ab AT AxB r (54 85 119 14 ) 4 5. AT 1 ί ό ά 4

Παράδειγμα ANOVA για ένα x παραγοντικό πείραμα (Συνέχεια) 6. Πηγή Παραλ/τας ΒΕ ΑΤ ΜΤ ΘΣΜΤ Ομάδες r 1=3 3,50 10,83 σ e + 4σ O Α a 1=1 930,5 930,5 σ e + 8σ Α Β b 1=1 18,5 18,5 σ e + 8σ Β ΑΧΒ (a 1)(b 1)=1 1 400 4,00 400 4,00 σ e + 4σ ΑΒ Υπόλοιπο (r 1)(ab 1)=9 1,00,33 σ e F (Πρότυπο Ι) ΜΤ Α /ΜΤυ=398,7** ΜΤ Β /ΜΤυ=78,1** ΜΤ ΑΧΒ /ΜΤυ=1,7 17 Σύνολο rab 1=15 1170,00 7. Υπολογισμός ΕΣΔ (0.05) 71 7.1 MT (.33) t. 05/ ;9BE,6 1, 7 rb 4* Επέμβαση Μ.όρος a 0 17,4a a 1 3,6b MT (.33) 7. B t. 05/ ;9BE,6 1, 7 ra 4 * Επέμβαση Μ.όρος b 0 1,6a b 1 8,4b

Παράδειγμα ANOVA για ένα x παραγοντικό πείραμα (Συνέχεια) Επειδή η αλληλεπίδραση ηα x Β δεν είναι σημαντική, η ανάλυση τελειώνει εδώ και σχολιάζονται οι διαφορές μεταξύ των επιπέδων του παράγοντα Α ανεξάρτητα από τα επίπεδα του παράγοντα Β καθώς και οι διαφορές μεταξύ των επιπέδων του παράγοντα Β ανεξάρτητα από τα επίπεδα του παράγοντα Α (δηλαδή οι κύριες επιδράσεις των παραγόντων Α και Β). Εάν όμως η αλληλεπίδραση είναι σημαντική, τότε υπολογίζεται η ΕΣΔ για τη σύγκριση τιμών στον κορμό του πίνακα των δεδομένων (δηλαδή μεταξύ των μέσων όρων κάθε επέμβασης) Α Β a 0 a 1 b 0 13,5 9,8 b 1 1,3 35,5 MT (.33) 7.3 AxB t. 05/ ;9BE,6, 4 r 4

Παράδειγμα παραγοντικού πειράματος 4x3σε ΕΤΣ Πηγή Παραλ/τας ΒΕ Α a-1= 3 Β b-1= Α Χ Β (a-1)(b-1)= 6 Σφάλμα Με αφαίρεση =4 Υπόλοιπο rab-1= 35 Παράδειγμα παραγοντικού πειράματος 3 x σε ΛΤ Πηγή Παραλ/τας ΒΕ Σειρά ab-1=5 Στήλη ab-1=5 Α a-1= Β b-1=1 Α Χ Β (a-1)(b-1)= Σφάλμα (ab-1)(ab-) = 0 Υπόλοιπο (ab) -1=35

Παράδειγμα παραγοντικού πειράματος 4x3xσε σχέδιο ΤΠΟ Η ANOVA για 5 ομάδες έχει τη μορφή: Πηγή Παραλ/τας ΒΕ Ομάδα r-1=4 A a-1=3 B b-1= C c-1=1 A X B (a-1)(b-1)=6 ) A X C (a-1)(c-1)=3 B X C (b-1)(c-1)= A X B X C (a-1) (b-1)(c-1)=6 Σφάλμα (r-1)(abc-1)=9 Υπόλοιπο rabc-1=119 Γ λ ό Αθ ά Τ ώ Α Β CA BA CB C Για τον υπολογισμό των Αθροισμάτων Τετραγώνων για Α, Β, C, A x B, A x C, B x C και A x B x C απαιτείται ο σχηματισμός διάφορων πινάκων συνόλων επεμβάσεων

4x3xσε σχέδιο ΤΠΟ (Συνέχεια) Η γενική μορφή των πινάκων αυτών έχει ως εξής: 1. Αθροίσματα για τον υπολογισμό ΑΤ Α, ΑΤ Β και ΑΤ Α ΧΒ a 0 a 1 a a 3 B Υπενθύμιση: b 0 a 0 b 0 a 1 b 0... ( ab) b 1 ATAXB b rc A ΔΟ ΑΤ Α ΑΤ Β. Αθροίσματα για τον υπολογισμό ΑΤ Α, ΑΤ C και ΑΤ Α ΧC a 0 a 1 a a 3 C... Υπενθύμιση: c 0 a 0 c 0 a 1 c 0 c ( ac) 1 ATAXC A rb ΔΟ ΑΤ Α ΑΤ C

4x3xσε σχέδιο ΤΠΟ (Συνέχεια) 3. Αθροίσματα για τον υπολογισμό ΑΤ B, ΑΤ C και ΑΤ B ΧC b 0 b 1 b C c 0 b 0 c 0 b 1 c 0... c 1 B Υπενθύμιση: AT BXC ( bc) ra ΔΟ ΑΤ B ΑΤ C 4. Τιμές για τον υπολογισμό των ΑΤ συνόλου, ΑΤ ομάδων και ΑΤ ΑXBΧC Επανάληψη 1 Επανάληψη Επανάληψη 5 ΑΒC a 0 b 0 c 0 a 0 b 0 c 1 a 0 b 1 c 0. a 3 b 1 c 1 Επανάλ. AT AXBXC ( abc) r ΔΟ ΑΤ A ΑΤ B ΑΤ C AT AXB AT AXC AT BXC

Ερμηνεία ANOVA που περιέχει αλληλεπιδράσεις Η ερμηνεία πρέπει πάντοτε να ξεκινά με τις υψηλότερης τάξης αλληλεπιδράσεις (πχ. ΑxBxC πριν τις AxB, BxC, AxC) H ερμηνεία των κυρίων επιδράσεων δεν πρέπει να γίνεται ποτέ πριν την ερμηνεία των αλληλεπιδράσεων Η δοκιμασία του F για τις αλληλεπιδράσεις μπορεί να αποβεί σημαντική για δύο λόγους: 1. Πραγματική αλληλεπίδραση. Διαφορές στο μέγεθος όταν οι αντιδράσεις είναι όμοιες αλλά οι διαφορές μεταξύ των μέσων όρων των επεμβάσεων είναι μεγάλες Παράδειγμα: Η απόδοση ενός αριθμού ποικιλιών που κατατάσσονται με την ίδια σειρά σε δύο διαφορετικές τοποθεσίες που έχουν μεγάλη απόκλιση σε παραγωγικό δυναμικό λόγω των καλλιεργητικών συνθηκών (πχ. άφθονες βροχοπτώσεις vs συνθήκες ξηρασίας)

Αλληλεπιδράσεις και διαφορές σε μέγεθος ιαφορές μεγέθους Αλληλεπίδραση Αλληλεπίδραση Αλληλεπίδραση

Οδηγός Ερμηνείας ANOVA με Αλληλεπιδράσεις Μη σημαντική αλληλεπίδραση Σημαντική αλληλεπίδραση Συζήτηση των κύριων επιδράσεων Αιτία σημαντικότητας της αλληλεπίδρασης Σημαντικότητα λόγω πραγματικής αλληλεπίδρασης Σημαντικότητα λόγω διαφορών στο μέγεθος Σζή Συζήτηση της αλληλεπίδρασης λ Σζή Συζήτηση των κύριων επιδράσεων. δά Αποφυγή συζήτησης των Αποφυγή συζήτησης της κύριων επιδράσεων αλληλεπίδρασης

Πλεονεκτήματα παραγοντικών πειραμάτων Παρέχουν εκτιμήσεις των αλληλεπιδράσεων Πιθανή αύξηση της ακρίβειας λόγω της κρυμμένης επανάληψης Αποτελέσματα χρήσιμα για ένα μεγαλύτερο εύρος συνθηκών Μειονεκτήματα παραγοντικών πειραμάτων Μερικοί συνδυασμοί επεμβάσεων μπορεί να μην εμφανίζουν ενδιαφέρον Το πειραματικό σφάλμα μπορεί να αυξηθεί με την αύξηση του αριθμού των επεμβάσεων Η ερμηνεία των αποτελεσμάτων καθίσταται δύσκολη (ειδικά για τριπλές αλληλεπιδράσεις)