Σχεδιασμός Γεωργικών Πειραμάτων. Πειραματικές Μονάδες Ένα Φυτό Ένα Τεμάχιο (Plot) του χωραφιού.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Μπουντζιούκα Βασιλική, MSc Βιοστατιστικός Εξωτ. Συνεργάτης ΕΣΔΥ
Advertisements

Factorial Analysis of Variance – Παραγοντική Ανάλυση Διακύμανσης
Διάλεξη 7 Ανάλυση Διακύμανσης ΙI (Παραγοντική ANOVA)
Ανάλυση Πολλαπλής Παλινδρόμησης
Eλέγχουμε αν η διαφορά μεταξύ δύο μέσων τιμών (Τ και P) είναι σημαντική (δηλ. αν διαφέρει από το 0 ή ότι δεν είναι τυχαία) χρησιμοποιώντας το t-test: Recall.
ΧΡΗΜΑΤΟΔΟΤΗΣΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΕΝΔΥΣΕΩΝ ΣΤΗ ΓΕΩΡΓΙΑ
Βασικές Αρχές Μέτρησης
Μέθοδοι έρευνας.
ΘΕΩΡΙΕΣ ΚΑΙ ΥΠΟΘΕΣΕΙΣ: Διατύπωση Αναπτυξιακών Ερωτημάτων
ΚΕΦΑΛΑΙΟ 6 ΓΕΩΓΡΑΦΙΚΕΣ ΜΕΘΟΔΟΙ ΚΑΙ ΤΕΧΝΙΚΕΣ: ΣΗΜΕΙΑ
Υποθέσεις: Ένα Δείγμα. ΤΥΠΙΚΕΣ ΤΙΜΕΣ Τιμές Ζ X = 50, μ = 100, σ = 30, Ζ =
Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Διάλεξη 5 Σύγκριση μέσω όρων
ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ ΤΙΤΛΟΣ ΕΡΕΥΝΑΣ ΠΑΡΟΥΣΙΑΣΗ ΠΡΟΒΛΗΜΑΤΟΣ
Μεθοδολογία της έρευνας στις Κοινωνικές Επιστήμες Ι & ΙΙ
ΑΝΑΘΕΣΗ ΣΥΜΒΑΣΕΩΝ ΥΠΗΡΕΣΙΩΝ & ΠΡΟΜΗΘΕΙΩΝ
ΚΕΦΑΛΑΙΟΥΧΙΚΕΣ ΕΤΑΙΡΙΕΣ 4 ο Πακέτο Σημειώσεων Εισηγήτρια : Δοξαστάκη Κάλλια 4 ο Πακέτο Σημειώσεων Εισηγήτρια : Δοξαστάκη Κάλλια.
Στατιστική – Πειραματικός Σχεδιασμός Βασικά. Πληθυσμός – ένα μεγάλο σετ από Ν παρατηρήσεις (πιθανά δεδομένα) από το οποίο το δείγμα λαμβάνεται. Δείγμα.
Πειραματικές Μονάδες Ένα φυτό Ένα πειραματικό τεμάχιο (plot)
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Τεχνολογιών Φυσικού Περιβάλλοντος ΜΑΘΗΜΑ: Οικολογία Πληθυσμών - Βιοποικιλότητα 1 η Άσκηση Εύρεση.
ΕΙΣΑΓΩΓΗ Η επιδίωξη: βελτίωση ποιότητας με συνεχή βελτίωση των διεργασιών με βάση τις οποίες παράγονται τα προϊόντα Παράγοντες: ελεγχόμενες μεταβλητές.
Διεπιστημονική σχέση των μαθηματικών με την πληροφορική σε επίπεδο δευτεροβάθμιας εκπαίδευσης Ευδοξία Πλουμούδη (ΑΕΜ: 2763) Επιβλέπων Καθηγητής: Δρ. Βασίλειος.
Γεωπονικό Πανεπιστήμιο Αθηνών Τμήμα Αξιοποίησης Φυσικών Πόρων Εργαστήριο Γεωργικής Υδραυλικής.
Σχεδιασμός των Μεταφορών Ενότητα #5: Δειγματοληψία – Sampling. Δρ. Ναθαναήλ Ευτυχία Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών.
ΕΝΝΟΙΑ & ΔΙΑΚΡΙΣΕΙΣ ΚΟΣΤΟΥΣ ΕΝΝΟΙΑ & ΔΙΑΚΡΙΣΕΙΣ ΚΟΣΤΟΥΣ ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Τ.Ε.Ι. ΚΡΗΤΗΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ.
ΣΥΜΜΟΡΦΩΣΗ ΣΕ ΔΙΚΑΣΤΙΚΕΣ ΑΠΟΦΑΣΕΙΣ Εισηγητές: - Κωνσταντίνος Μπλάγας, Δ/νων Σύμβουλος ΔήμοςΝΕΤ - Καλλιόπη Παπαδοπούλου, Νομική Σύμβουλος ΔήμοςΝΕΤ.
«Διγλωσσία και Εκπαίδευση» Διδάσκων: Γογωνάς Ν. Φοιτήτρια: Πέτρου Μαρία (Α.Μ )
Εργαστήριο Στατιστικής (7 ο Εργαστήριο) Συσχετίσεις μεταξύ μεταβλητών (ερωτήσεων)
Π.Γ.Ε.Σ.Σ ΚΑΡΝΑΡΟΥ ΧΡΙΣΤΙΝΑ Β2ΘΡΗΣΚΕΥΤΙΚΑ ΚΕΦΑΛΑΙΟ 5 ΣΕΛΙΔΕΣ ΕΡΓΑΣΙΕΣ Α-Δ.
Στατιστικές Υποθέσεις III (Ερευνητικά Ερωτήματα / Υποθέσεις προς επιβεβαίωση)
ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ ΤΕΧΝΙΚΕΣ ΚΟΣΤΟΛΟΓΗΣΗΣ Αποφάσεις Βάσει Οριακής & Πλήρους Κοστολόγησης Α.Τ.Ε.Ι. ΚΡΗΤΗΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΠΟΦΑΣΕΙΣ ΒΑΣΕΙ ΟΡΙΑΚΗΣ.
Εργαστήριο Στατιστικής (9 ο Εργαστήριο) Συσχετίσεις μεταξύ μεταβλητών (ερωτήσεων)
Στατιστικές Υποθέσεις (Ερευνητικά Ερωτήματα / Υποθέσεις προς επιβεβαίωση)
12. Αναπαραγωγή & ανάπτυξη Βιολογία Α’ Λυκείου. Αναπαραγωγή Το μόνο σύστημα που δεν είναι απαραίτητο για επιβίωση Ύπαρξη 2 διαφορετικών φύλων Πρωτεύοντα.
Στατιστικές Υποθέσεις (Ερευνητικά Ερωτήματα / Υποθέσεις προς επιβεβαίωση)
ΕΛΕΓΧΟΙ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Η πιο συνηθισμένη στατιστική υπόθεση είναι η λεγόμενη Υπόθεση Μηδέν H 0. –Υποθέτουμε ότι η εμφανιζόμενη διαφορά μεταξύ μιας.
Έλεγχος Υποθέσεων Ο έλεγχος υποθέσεων αναφέρεται στη διαδικασία αποδοχής ή απόρριψης μιας στατιστικής υπόθεσης, Κατά την εκτέλεση ενός στατιστικού ελέγχου,
ΝΟΣΗΛΕΥΤΙΚΗ ΦΡΟΝΤΙΔΑ ΠΑΙΔΙΩΝ ΜΕ ΜΕΤΑΒΟΛΙΚΑ ΝΟΣΗΜΑΤΑ Δημήτριος Κυφωνίδης Παιδίατρος Διευθυντής Παιδιατρικής Κλινικής «Μποδοσάκειο» Νοσοκομείο Πτολεμαΐδας.
ΑΦΥΔΑΤΩΣΗ ΕΝΔΟΦΛΕΒΙΑ ΧΟΡΗΓΗΣΗ ΥΓΡΩΝ Κυφωνίδης Δημήτριος Παιδίατρος Διευθυντής Παιδιατρικής Κλινικής «Μποδοσάκειο» Νοσοκομείο Πτολεμαΐδας.
Υπεύθυνη καθηγήτρια: Ε. Γκόνου Μαθητές: Ρωμανός Πετρίδης, Βαγγέλης Πίπης Π.Γ.Ε.Σ.Σ ….Θανέειν πέπρωται άπασι.
ΔΙΑΛΕΞΗ 11η Ποσοτική έρευνα υγείας
Στατιστικές Υποθέσεις
Βασική Στατιστική Επεξεργασία. Ερμηνεία Δεδομένων.
Επαγωγική Στατιστική Εκτίμηση και Έλεγχος μέσων τιμών Χαράλαμπος Γναρδέλλης Τμήμα Τεχνολογίας Αλιείας και Υδατοκαλλιεργειών.
Εκτιμητική: σημειακές εκτιμήσεις παραμέτρων
Έλεγχος Υπόθεσης για το μέσο ενός πληθυσμού
ΦΟΡΟΛΟΓΙΚΟ ΔΙΚΑΙΟ Ι Συνυπολογισμός προηγούμενων δωρεών ή γονικών παροχών για σκοπούς φόρου κληρονομίας Διδάσκων καθηγητής: Α. Τσουρουφλής Εξηνταβελώνη.
Στατιστικές Υποθέσεις II
ΟΙ ΑΡΓΥΡΟΙ ΚΑΙ ΧΡΥΣΟΙ ΚΑΝΟΝΕΣ ΤΗΣ ΛΥΣΗΣ
Οι Αριθμοί … 5.
Ανάλυση Διακύμανσης κατά ένα παράγοντα
Έλεγχος για τη διαφορά μέσων τιμών μ1 και μ2 δύο πληθυσμών
Παραγοντικά Πειράματα (Factorial Experiments)
Πού χρησιμοποιείται ο συντελεστής συσχέτισης (r) pearson
- Πειραματικές Ασκήσεις –
Βασική Στατιστική Επεξεργασία. Ερμηνεία Δεδομένων - 2.
Σχεδιασμός Γεωργικών Πειραμάτων
Δρ. Γιώργος Μαρκάκης Καθηγητής Βιομετρίας Τ.Ε.Ι. Κρήτης
Πειραματικές Μονάδες Ένα φυτό Ένα πειραματικό τεμάχιο (plot)
Κάποιες βασικές έννοιες στη μεθοδολογία της ψυχολογίας
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ
Τμήμα Λογιστικής & Χρηματοοικονομικής
Στατιστικές Υποθέσεις
Σύστημα πρόσβασης στην Τριτοβάθμια Εκπαίδευση
Στατιστικές Υποθέσεις
Στατιστικές Υποθέσεις III
Ανάλυση Διασποράς (ANOVA) Κατά Έναν Παράγοντα
АНТИБИОТИКЛАРНИНГ ФАРМАКОЛОГИЯСИ т.ф.д., проф. Алиев Х.У Тошкент 2014
Ανάλυση διακύμανσης Τι είναι η ανάλυση διακύμανσης
Μεταγράφημα παρουσίασης:

Σχεδιασμός Γεωργικών Πειραμάτων

Πειραματικές Μονάδες Ένα Φυτό Ένα Τεμάχιο (Plot) του χωραφιού

Ο Σκοπός του Πειράματος Να ελεγχθεί η επίδραση διαφορετικών «Επεμβάσεων» σε κάποιο χαρακτηριστικό (παραγωγή, βάρος, μήκος, συγκέντρωση σακχάρων, αριθμός φύλλων, κ.λ.π..) Επεμβάσεις μπορεί να είναι διαφορετικά λιπάσματα, μυκητοκτόνα, ορμόνες, θερμοκρασίες, υποστρώματα…)

Παράδειγμα Η επίδραση τεσσάρων ειδών λιπασμάτων A, B, C και D στην παραγωγή ντομάτας σε θερμοκήπια. ABCD

Βασικοί Ορισμοί Επαναλήψεις (Replications) Τυχαιοποίηση (Randomization) Δημιουργία Ομάδων (Blocking)

1) Επανάληψη Εφαρμόζουμε την ίδια επέμβαση σε περισσότερες από μια πειραματικές μονάδες Εκτιμάμε το “Πειραματικό Σφάλμα”, αφού όλες οι επαναλήψεις δεν περιμένουμε να δώσουν το ίδιο αποτέλεσμα. AA AA A A n=6 επαναλήψεις

2) Τυχαιοποίηση Εξασφαλίζει «αμεροληψία» Εξασφαλίζει «ανεξαρτησία» ανάμεσα στις παρατηρήσεις

A B A B A B A B A A B B Χωρίς Τυχαιοποίηση C D C D C D C D C C D D n=6 επαναλήψεις ανά επέμβαση

D A B D A A C C A C D B Μετά από Τυχαιοποίηση A D C B A C D D C B B B n=6 επαναλήψεις ανά επέμβαση

3) Ομάδες (Τοπικός Έλεγχος) BLOCKS Αυξάνει την ακρίβεια του πειράματος Οι επεμβάσεις συγκρίνονται σε «περίπου ίδιες συνθήκες»

C B A D B A C C A C D A A D C B D B D A B D C B Block IBlock IIBlock IIIBlock IVBlock VBlock VI Όλες οι επεμβάσεις A,B.C.D εμφανίζονται στις 6 ομάδες

Πλήρως Τυχαιοποιημένος Σχεδιασμός Παράδειγμα: k=4 επεμβάσεις n=6 επαναλήψεις ανά επέμβαση Χρειαζόμαστε 24 Τεμάχια (Plots)

Αριθμούμε τα Τεμάχια

Πλήρης Τυχαιοποίηση (Complete Randomization) Κληρώνουμε 6 αριθμούς από το 1 μέχρι το 24 και δίνεται η επέμβαση Α, μετά άλλους 6 αριθμούς και δίνεται η επέμβαση Β, κ.λ.π.

Πλήρης Τυχαιοποίηση D A B D A A C C A C D B A D C B A C D D C B B B

Ανάλυση Δεδομένων (ANOVA) Πηγές Μεταβλητότητας a)Μεταβλητότητα μεταξύ Τεμαχίων στα οποία δόθηκαν διαφορετικές επεμβάσεις (Between ή Treatment) b)Μεταβλητότητα μεταξύ Τεμαχίων στα οποία δόθηκε η ίδια επέμβαση (Within ή Error)

ΑNOVA Πίνακας Απόφαση: Αν p<0.05 τότε απορρίπτεται η υπόθεση ότι οι επεμβάσεις έχουν το ίδιο αποτέλεσμα. Άρα οι επεμβάσεις επιδρούν στο χαρακτηριστικό που μελετάμε.

Τυπικό Σφάλμα (Standard Error)

Παράδειγμα Η ποσοστιαία αναλογία ζαχάρων μετρήθηκε σε αχλάδια που αναπτύχθηκαν σε τέσσερις διαφορετικές συνθήκες (επεμβάσεις) (A=control, B, C και D). Έξι αχλάδια μετρήθηκαν σε κάθε επέμβαση. Συνολικά 24 αχλάδια αναλύθηκαν.Οι επεμβάσεις δόθηκαν τυχαία στα αχλάδια. ABCD 6,4105,66,7 6,310,75,76,8 6,196,76,9 7,19,36,1 6,48,85,57 6,59,25,97,3

Αποτελέσματα (α) Επέμβαση Μέση ΤιμήΤ.Α. (SD) A6,470,34 B9,500,72 C5,920,44 D6,800,40 ANOVA SS df MS F Sig. Between Groups 45,79 3,00 15,26 62,28 0,000 Within Groups 4,90 20,00 0,25 Total 50,69 23,00

Αποτελέσματα (β) TREATMENΤ123 C5,92 A6,47 D 6,80 B 9,50 Ομογενή Υποσύνολα Επεμβάσεων (με τη μέθοδο Tukey’s HSD) Είναι οι διασπορές ίσες? (homogeneity of variance test) p=0.191, άρα οι διασπορές θεωρούνται ίσες

Αποτελέσματα (γ) Παρουσίαση Αποτελεσμάτων σε Πίνακα ΕπέμβασηΜέση ΤιμήΤ.Α. (SD) A6,470,34 ab B9,500,72 c C5,920,44 a D6,800,40 b

Σταθερές ή Τυχαίες Επιδράσεις? Σταθερές Επιδράσεις: οι επεμβάσεις που επιλέγουμε για το πείραμα είναι οι μοναδικές για τις οποίες ενδιαφέρεται ο ερευνητής Τυχαίες Επιδράσεις: οι επεμβάσεις που επιλέγουμε για το πείραμα είναι ένα τυχαίο δείγμα από έναν μεγαλύτερο πληθυσμό επεμβάσεων

Σταθερές Επιδράσεις : εκτελούμε ένα πείραμα για να βγάλουμε συμπεράσματα για τρία συγκεκριμένα είδη εδαφών Τυχαίες Επιδράσεις : διαλέγουμε τυχαία τρία είδη εδαφών και προσπαθούμε να μελετήσουμε γενικά την επίδραση του παράγοντα «είδος εδάφους» στα φυτά μας Σταθερές ή Τυχαίες Επιδράσεις?

Σταθερές Επιδράσεις: μπορούμε να συνεχίσουμε με Post hoc ελέγχους για να βγάλουμε συμπεράσματα για τις επεμβάσεις ή να τις ομαδοποιήσουμε Τυχαίες Επιδράσεις: δεν έχουν νόημα Post hoc έλεγχοι, αφού οι επεμβάσεις δεν είναι συγκεκριμένες

Σχεδιασμός με Τυχαιοποιημένες Ομάδες (randomized blocks) Ομάδες (Blocks) είναι περιοχές ενός χωραφιού που έχουν παρόμοιες συνθήκες Π.χ.: για να μελετηθεί η επίδραση κάποιων λιπασμάτων σε κάποια φυτά, μπορούμε να δημιουργήσουμε ομάδες, που θα έχουν παρόμοιες συνθήκες (π.χ. pH, γονιμότητα, φωτισμός, κλίση εδάφους …) π.χ. γονιμότητα

Τυχαιοποιημένες Ομάδες Όταν χρησιμοποιούνται ομάδες, τότε εξαλείφουμε την επίδραση εξωτερικών παραγόντων στο πείραμά μας Όλες οι επεμβάσεις εξετάζονται σε όλες τα διαφορετικά επίπεδα αυτών των εξωτερικών παραγόντων. Έστω οτι έχουμε k επεμβάσεις να δόσουμε σε p ομάδες τυχαία. Χωρίς επαναλήψεις χρειαζόμαστε k. p τεμάχια

Ανάλυση Δεδομένων (ANOVA) Πηγές Μεταβλητότητας Μεταβλητότητα μεταξύ τεμαχίων που δόθηκαν διαφορετικές επεμβάσεις (Between ή Treatment) Μεταβλητότητα μεταξύ τεμαχίων που ανήκουν σε διαφορετικές ομάδες, αλλά τους δόθηκε η ίδια επέμβαση (Block) Μεταβλητότητα που έχει να κάνει με την τυχαία τοποθέτηση επεμβάσεων μέσα στις Ομάδες (Within ή Error)

Πίνακας ANOVA Απόφαση: Αν p Τ <0.05 τότε απορρίπτεται η υπόθεση ότι οι επεμβάσεις έχουν το ίδιο αποτέλεσμα. Άρα οι επεμβάσεις επιδρούν στο χαρακτηριστικό που μελετάμε. Απόφαση:Αν p Β <0.05 τότε υπάρχουν διαφορές και μεταξύ των Ομάδων που χρησιμοποιήθηκαν.

Παράδειγμα Πέντε διαφορετικές πηγές αζώτου ελέγχθηκαν για την επίδρασή τους στην αποδοτικότητα κριθαριού. Οι πηγές ήταν A, B, C, D, E. Χρησιμοποιήσαμε επίσης μάρτυρα (control), που είναι η επέμβαση F. Χρησιμοποιήθηκαν τέσσερα είδη εδαφών (I, II, III and IV), ως Ομάδες (BLOCKS), και οι επεμβάσεις δόθηκαν τυχαία μέσα στις ομάδες.

Παράδειγμα ΕπέμβασηIIIIIIIV A B C D E F

Αποτελέσματα (a) ANOVA SS df MS F Sig. Treatments (N) 255,277551,05517,199,000 Blocks (soil type) 192,555364,18521,622,000 Error 44,528152,969 Total 492,36023 Υπάρχει διαφορά στις επεμβάσεις. Υπάρχει επίσης διαφορά στα είδη των εδαφών (blocks)

Αποτελέσματα (b) Ο έλεγχος του Tuckey έδειξε τρεις ομάδες για τι επεμβάσεις. Ο μάρτυρας έδωσε το χαμηλότερο αποτέλεσμα. NITROG123 F25,35 C29,43 E30,70 D31,03 B32,3832,38 A36,25

Αποτελέσματα (c) Τα αποτελέσματα σε έναν πίνακα Επέμβαση Μέση Τιμή Τ.Α. (SD) A36,254,09 a B32,383,20 a b C29,433,75 b D31,034,93 b E30,703,28 b F25,351,69 c

Σχετική Αποδοτικότητα (relative efficiency RE) RE ενός σχεδιασμού με ομάδες (BD) συγκριτικά με τον πλήρως τυχαιοποιημένο σχεδιασμό (CR) είναι ο αριθμός των επαναλήψεων που έπρεπε να κάνουμε στον CR αν θέλαμε να έχουμε το ίδιο SSE στο τέλος.

Σχετική Αποδοτικότητα Αν οι ομάδές αύξησαν την ακρίβεια του πειράματος τότε ο αριθμός αυτός πρέπει να είναι μεγαλύτερος από 1

Παραδειγμα (RE) Θα χρειαζόμασταν 3.69 φορές τον αριθμό των επαναλήψεων που κάναμε, ώστε να παίρναμε το ίδιο SSE, δηλαδή αντί για 24 τεμάχια θα χρειαζόμασταν 89 τεμάχια !!

Προϋποθέσεις Στον Σχεδιασμό με Ομάδες, όλες οι βασικές προϋποθέσεις της ANOVA πρέπει να ισχύουν (κανονικότητα, ισότητα διασπορών). Επιπλέον όμως, μια ακόμη προϋπόθεση είναι σημαντική: Δεν υπάρχει αλληλεπίδραση μεταξύ Επεμβάσεων και Ομάδων

Χωρίς Αλληλεπίδραση Ομάδες I IIIII IV A B C Επεμβάσεις

Με Αλληλεπίδραση Ομάδες I IIIII IV A B C Επεμβάσεις