Нср05 что это такое в агрономии

Нср05 что это такое в агрономии

Дисперсионный анализ основан на работах знаменитого математика Р.А.Фишера (30-е годы 20 в.). Несмотря на достаточно солидный &#171возраст&#187, данный метод до сих пор остается одним из основных при проведении биологических и сельскохозяйственных исследований. Идеи, положенные в основу дисперсионного анализа, широко используются во многих других методах математического анализа экспериментальных данных, а также при планировании биологических и сельскохозяйственных экспериментов.

Дисперсионный анализ позволяет:

1) сравнивать две или несколько выборочных средних;

2) одновременно изучать действие нескольких независимых факторов, при этом можно определить как эффект каждого фактора в изменчивости изучаемого признака, так и их взаимодействие;

3) правильно планировать научный эксперимент.

Изменчивость живых организмов проявляется в виде разброса или рассеяния значений отдельных признаков в пределах, которые определяются степенью биологической выравненности материала и характером взаимосвязей с условиями среды. Признаки, изменяющиеся под воздействием тех или иных причин, называют результативными.

Факторы, влияющие на степень варьирования результативного признака, делятся на:

Случайные факторы определяются естественным варьированием всех признаков биологических объектов в природе. Это неконтролируемые в опыте факторы. Они оказывают случайное влияние на результативный признак, обусловливают экспериментальные ошибки и определяют внутри каждого варианта разброс (рассеяние) признака. Этот разброс носит название внутригрупповой (случайной) дисперсии.

Таким образом, относительная роль отдельных факторов в общей изменчивости результативного признака характеризуется дисперсией и может быть изучена с помощью дисперсионного анализа или анализа рассеяния

Дисперсионный анализ основан на сравнении межгрупповой и внутригрупповой дисперсий. Если межгрупповая дисперсия не превышает внутригрупповую, значит, различия между группами имеют случайный характер. Если межгрупповая дисперсия существенно выше, чем внутригрупповая, то между изучаемыми группами (вариантами) существуют статистически значимые различия, обусловленные действием изучаемого в опыте фактора.

Из этого следует, что при статистическом изучении результативного признака при помощи дисперсионного анализа следует определить его варьирование по вариантам, повторениям, остаточное варьирование внутри этих групп и общее варьирование результативного признака в опыте. В соответствии с этим различают три вида дисперсий:

1) Общую дисперсию результативного признака (S_y 2 );

2) Межгрупповую, или частную, между выборками (S_y 2 );

3) Внутригрупповую, остаточную (S_z 2 ).

Следовательно, дисперсионный анализ &#150 это расчленение общей суммы квадратов отклонений и общего числа степеней свободы на части или компоненты, соответствующие структуре эксперимента, и оценка значимости действия и взаимодействия изучаемых факторов по F-критерию. В зависимости от числа одновременно исследуемых факторов различают двух-, трех-, четырехфакторный дисперсионный анализ.

С_y = С_V +С_p + С_z.

степени свободы для вариантов (l – 1);

степени свободы для повторений (n – 1);

случайного варьирования (n – 1)&#215(l – 1).

Затем вычисляют следующие показатели:

Общее число наблюдений N = l &#215 n;

Сумму квадратов для вариантов C_V = &#931 V 2 / (n – 1);

Полученные суммы квадратов C_V и C_Z делят на соответствующие им степени свободы и получают два средних квадрата (дисперсии):

Оценка существенности разностей между средними

Полученные средние квадраты используют в дисперсионном анализе для оценки значимости действия изучаемых факторов путем сравнения дисперсии вариантов (S_v 2 ) с дисперсией ошибки (S_Z 2 ) по критерию Фишера (F = S_Y 2 / S_Z 2 ). За единицу сравнения принимают средний квадрат случайной дисперсии, который определяет случайную ошибку эксперимента.

Применение критерия Фишера позволяет установить наличие или отсутствие существенных различий между выборочными средними, но не указывает конкретных различий между средними.

2. Оценка значимости разности между средними по наименьшей существенной разности

Наименьшей существенной разностью (НСР) &#150 является своеобразной ценой деления, разрешающей способностью опыта при оценке разности выборочных средних. Критерий НСР = t_0,5 * S_d указывает предельную ошибку для разности двух выборочных средних.

Если фактическая разность больше НСР_0,5 (d &#8805 НСР_0,5), то она значима, существенна, при d &#8804 НСР_0,5 – несущественна.

В многофакторном опыте изучается действие и взаимодействие нескольких факторов на изменчивость результативного признака, поэтому каждому фактору задают несколько градаций. Это позволяет изучать действие каждого из них при нескольких градациях других факторов.

Эффект взаимодействия факторов составляет ту часть общей изменчивости, которая вызвана различным действием одного фактора при разных градациях другого. В полевом опыте часто эффект от совместного применения изучаемых факторов может быть выше (синергизм) или ниже (антагонизм) суммы эффектов от раздельного применения каждого из них. В первом случае имеет место положительное, во втором – отрицательное взаимодействие факторов. Если же факторы не взаимодействуют, то эффект от совместного применения равен сумме эффектов от раздельного их применения (аддитивизм).

При дисперсионном анализе данных многофакторного опыта используют те же принципы и расчеты дисперсий, что и при однофакторном. Однако при этом усложняется математическая модель анализа.

При обработке данных двухфакторного опыта сумма квадратов расчленяется на следующие компоненты:

Соответственно с указанными компонентами расчленяется и общее число степеней свободы:

Вегетационные опыты представляют собой статистические комплексы, состоящие из нескольких независимых выборок (вариантов). Независимость сопоставляемых вариантов достигается регулярным перемещением сосудов на вагонетке. Следовательно, в вегетационных опытах обычно нет территориально организованных повторений. Поэтому в однофакторном вегетационном опыте общее варьирование результативного признака разлагается на два компонента – варьирование вариантов и случайное варьирование и общее число степеней свободы:

МЕТОДИЧЕСКИЕ УКАЗАНИЯ К ВЫПОЛНЕНИЮ ПРАКТИЧЕСКОГО ЗАДАНИЯ

ЗАНЯТИЕ 6

ОБРАБОТКА ДАННЫХ ОДНФАКТОРНЫХ ПОЛЕВЫХ ОПЫТОВ

Задача – провести дисперсионный анализ данных однофакторного полевого опыта по индивидуальному заданию согласно следующих рекомендаций:

1. Исходные цифровые данные задачи занести в таблицу 1 и определить:

3) Рассчитать средние значения в каждом из вариантов – x

4) Рассчитать общее число наблюдений в опыте – N

N = число вариантов (l) &#215 число повторностей (п)

5) Рассчитать общую среднюю по опыту – x₀

x₀ = &#931 x / N

*Фактические значения данных опыта – x1, x2, xn

2) Установить произвольное среднее число (начало) – А

Для этого следует вычисленное x0 округлить до целого значения.

xа – преобразованное число

xn – исходные значения в табл. 1

A – произвольное среднее число

Таблица 2 – Отклонения от произвольной средней величины – А

4) Полученные преобразованные значения (отклонения от произвольной средней) возводим в квадрат и подсчитываем сумму квадратов отклонений по вариантам и по повторениям (табл. 3):

Таблица 3 – Квадраты преобразованных значений

5) Затем вычисляют суммы квадратов отклонений в следующей последовательности:

Корректирующий фактор (поправку) Скор = (&#931 xа)2 / N;

Общую сумму квадратов Cy = &#931 (xа2) – Cкор;

Сумму квадратов для повторений Cp = &#931 P2 / (l –Cкор);

Сумму квадратов для вариантов CV = &#931 V2 / (n – 1);

6) После вычисления сумм квадратов отклонений, заполняется таблица результатов дисперсионного анализа (табл. 4)

Таблица 4 – Результаты однофакторного дисперсионного анализа

Вариантов: Sv2 = CV / l – 1;

Остаточное: SZ2 = CZ / (n – 1)?(l – 1)

*Теоретическое значение F05 находят по таблице (см.прил. ), исходя из числа степеней свободы для дисперсий вариантов (числитель) и числа степеней свободы для дисперсии остатка (знаменатель).

Если Fфакт. &#8805 F05(табл.) в опыте есть существенные различия по вариантам, тогда необходимо определить между какими вариантами наблюдаются существенные отличия (оценка существенности частных различий по НСР).

7) Для оценки существенности частных различий вычисляются следующие величины:

— обобщенную ошибку средней: Sx = &#8730 S2 / n

— ошибку разности средних: Sd = &#8730 2S2 / n

Критерий НСР = t0,5*Sd указывает предельную ошибку для разности двух выборочных средних. Если фактическая разность больше НСР0,5 (d &#8805 НСР0,5), то она значима, существенна, при d &#8804 НСР0,5 – несущественна.

Значения t – критерия для принятого уровня значимости и числа степеней свободы остаточной дисперсии берут из таблицы (см.прил.1).

Полученные результаты статистической обработки заносятся в итоговую табл. 5:

Таблица 5 – Итоговая таблица дисперсионного анализа

8) На основании полученных данных однофакторного полевого опыта сделать письменные выводы об эффективности того или иного применяемого в опыте агротехнического приема (градации фактора).

Задания для обработки данных однофакторного полевого опыта методом дисперсионного анализа:

1. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности нормы высева (млн. всхожих зерен/га) на урожайность (ц/га) озимой ржи (почва – дерново-подзолистая):

&#8470	Варианты	повторения
		1	2	3	4
1	4 млн.	21,3	23,4	23,5	22,0
2	5 млн.	25,5	24,4	24,0	26,3
3	6 млн.	18,9	19,6	20,5	19,9

2. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности сроков посева на урожайность (ц/га) яровой пшеницы (почва – чернозем обыкновенный):

&#8470	Варианты	повторения
		1	2	3	4
1	15-20 мая	17,4	15,9	16,5	22,0
2	20-25 мая	21,0	20,4	19,5	26,3
3	25-30 мая	20,4	19,5	18,0	19,9

3. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности доз азотного удобрения на урожайность (ц/га) ячменя (почва – серая лесная):

&#8470	Варианты	повторения
		1	2	3	4
1	N30	17,9	15,5	15,9	19,1
2	N50	19,3	18,7	19,1	19,0
3	N70	21,3	20,5	21,0	21,7
4	N90	25,4	27,1	26,4	26,5

4. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности полного минерального удобрения на урожайность (ц/га) картофеля (почва – чернозем выщелоченный):

&#8470	Варианты	повторения
		1	2	3	4
1	N30P30K60	170	184	180	194
2	N50P60K90	238	214	219	226
3	N70P90K120	205	209	197	189

5. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности сортов на урожайность (ц/га) овса (почва – чернозем обыкновенный):

&#8470	Варианты	повторения
		1	2	3	4
1	Сельма	25,6	24,4	24,5	28,1
2	Таежник	26,9	27,1	25,4	25,9
3	Саян	34,5	30,9	32,4	31,7

6. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности ширины междурядий на урожайность зеленой массы кукурузы (ц/га) (почва – светло-серая лесная):

&#8470	Варианты	повторения
		1	2	3	4
1	45см	425	411	397	408
2	90см	560	587	544	559
3	120см	490	484	471	482

7. Обработать методом дисперсионного анализа данные полевого опыта по изучению сроков внесения азотного удобрения под озимую рожь на урожайность (ц/га) картофеля (почва – серая лесная):

&#8470	Варианты	повторения
		1	2	3	4
1	до посева	17,1	17,8	17,4	18,0
2	в подкормку весной	24,3	27,4	25,0	27,0
3	в фазу выхода в трубку	20,1	19,3	20,9	21,6

8. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности глубины основной обработки на урожайность (ц/га) яровой пшеницы (почва – чернозем выщелоченный):

&#8470	Варианты	повторения
		1	2	3	4
1	20-22 см	28,4	29,7	25,6	26,3
2	25-27 см	24,4	21,9	25,7	22,1
3	30-32 см	18,7	19,4	17,1	17,7

9. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности доз органических удобрений на урожайность (ц/га) капусты (почва – темно-каштановая):

&#8470	Варианты	повторения
		1	2	3	4
1	20 т/га	311	340	338	325
2	40 т/га	347	338	356	340
3	60 т/га	380	377	365	388
4	80 т/га	450	468	470	458

10. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности способа обработки почвы на урожайность (ц/га) яровой пшеницы (почва – чернозем обыкновенный):

&#8470	Варианты	повторения
		1	2	3	4
1	20-22см	14,7	13,2	17,4	17,1
2	30-32см	11,9	12,5	12,7	12,4
3	20-22см	20,3	17,4	19,3	19,7
4	30-32см	16,2	16,0	15,9	16,9

11. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности предшественников на урожайность (ц/га) яровой пшеницы (почва – темно-каштановая):

&#8470	Варианты	повторения
		1	2	3	4
1	чистый пар	19,3	19,9	18,8	19,7
2	пар кулисный	23,7	22,1	22,5	23,5
3	донник 2 год использов.	15,6	15,8	14,3	14,7

12. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности доз полного минерального удобрения на содержание белка (%) в зерне ячменя (почва – чернозем выщелоченный):

&#8470	Варианты	повторения
		1	2	3	4
1	N30P60K40	15,9	12,6	12,7	13,0
2	N45P75K55	13,8	13,4	13,6	12,9
3	N60P90K70	15,8	14,9	15,7	15,9

13. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности видов органических удобрений на урожайность кукурузы (ц/га) (почва – темно-серая лесная):

&#8470	Варианты	повторения
		1	2	3	4
1	навоз	55,7	57,8	53,0	55,9
2	сидерат	48,4	49,3	45,9	49,0
3	торфокомпост	52,4	50,9	51,2	51,5

14. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности гербицидов на урожайность (ц/га) яровой пшеницы (почва – чернозем обыкновенный):

&#8470	Варианты	повторения
		1	2	3	4
1	Ковбой	29,3	27,3	28,2	26,4
2	ПумаСупер	30,2	29,4	29,7	28,1
3	Логран	34,4	33,3	35,2	33,0

15. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности предшественников на урожайность озимой ржи (ц/га) (почва – дерново-подзолистая):

&#8470	Варианты	повторения
		1	2	3	4
1	клевер	19,6	20,8	19,2	19,4
2	горох+овес	17,8	18,4	18,1	16,3
3	рапс	23,3	25,6	23,3	23,7

16. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности числа предпосевных культиваций на урожайность (ц/га) яровой пшеницы (почва – чернозем обыкновенный):

&#8470	Варианты	повторения
		1	2	3	4
1	1	20,4	17,3	17,9	19,5
2	2	21,0	20,5	20,3	19,8
3	3	22,9	23,4	23,1	23,9

17. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности способа обработки почвы на запасы продуктивной влаги (мм) в слое 0-20 см (почва – чернозем обыкновенный):

&#8470	Варианты	повторения
		1	2	3	4
1	отвальная	18,7	19,4	19,0	19,9
2	плоскорезная	24,3	24,3	26,7	22,6
3	нулевая	20,1	20,7	21,3	20,8

18. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности дозы азотного удобрения на фоне фосфорно-калийных удобрений на урожайность (ц/га) яровой пшеницы (почва – чернозем выщелоченный):

&#8470	Варианты	повторения
		1	2	3	4
1	N60P60K60	14,4	15,6	13,2	13,9
2	N90P60K60	17,3	16,4	16,2	16,9
3	N120P60K60	24,3	25,8	25,7	22,0

19. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности доз азотно-калийных удобрений на урожайность зеленой массы (ц/га) кукурузы (почва – серая лесная):

&#8470	Варианты	повторения
		1	2	3	4
1	N45K60	311	298	304	319
2	N60K75	380	371	377	394
3	N75K90	411	431	438	449

20. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности доз извести на уровень каталитической активности (см3/1г) дерново-подзолистой почвы:

&#8470	Варианты	повторения
		1	2	3	4
1	1 т/га	3,1	2,8	3,0	3,1
2	2 т/га	4,9	4,7	4,9	4,9
3	3 т/га	5,1	5,0	5,0	4,9

21. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности доз органических удобрений на скорость продуцирования углекислого газа дерново-подзолистой почвы (г/м2 * сутки):

&#8470	Варианты	повторения
		1	2	3	4
1	10 т/га	4,3	3,9	3,7	3,7
2	20 т/га	5,6	5,9	6,7	6,1
3	30 т/га	7,9	7,7	8,4	7,9

&#8470	Варианты	повторения
		1	2	3	4
1	15-20 мая	19,6	17,1	17,8	17,9
2	20-25 мая	20,0	21,3	21,4	21,5
3	25-30 мая	24,3	25,7	25,5	26,8

23. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности сроков мульчирования сидеральной массой почвы участка на запасы продуктивной влаги (мм) в слое почвы 0-20 см:

&#8470	Варианты	повторения
		1	2	3	4
1	15 июля	45,0	51,0	47,0	49,0
2	15 августа	41,0	44,0	43,0	47,0
3	15 сентября	31,0	30,0	35,0	36,0

24. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности нормы высева ярового рапса на содержание переваримого протеина (%) в зеленой массе рапса:

&#8470	Варианты	повторения
		1	2	3	4
1	2,5 млн.	16,7	17,0	17,1	16,8
2	3,5 млн.	17,1	17,6	17,9	17,1
3	4,5 млн.	14,9	14,7	14,8	14,9

25. Обработать методом дисперсионного анализа данные полевого опыта по изучению эффективности сроков заделки ярового рапса на содержание подвижного органического вещества в дерново-подзолистой почве (С мг/100г):

&#8470	Варианты	повторения
		1	2	3	4
1	15 июля	31,4	30,7	32,3	33,4
2	15 августа	31,9	33,7	30,4	32,9
3	15 сентября	47,8	45,3	46,7	47,7

© ФГОУ ВПО Красноярский государственный аграрный университет

Источник