Дробный метод обработки данных
Этот метод применяется для обработки результатов вегетационного опыта, в котором отсутствует связь между сравниваемыми вариантами – сосудами, а также полевых и лабораторных опытов, когда ошибки средних арифметических вычисляются на основании большого числа наблюдений (n = 20–30). Метод может в отдельных случаях применяться для обработки результатов полевого опыта (при отсутствии систематических ошибок).
В опыте, проведённом по схеме:
1. Зяблевая вспашка на 20 – 22 см (контроль)
2. Осенняя плоскорезная обработка на 20 – 22 см
3. Осенняя плоскорезная обработка на 10 – 12 см
4. Весеннее лущение жнивья на 10 -12 см
Получены следующие данные по урожайности:
Обработку данных дробным методом проводят в следующей последовательности:
1.Составляют таблицу урожаев и вычисляют среднюю арифметическую величину по каждому варианту ( .
2. Находят отклонения поделяночных урожаев от среднего урожая по варианту ( – ). Правильность вычислений проверяют по равенству (если найдена без остатка).
3. Находят квадраты отклонений и их суммы по каждому варианту в отдельности
4. Рассчитывают ошибки средних арифметических по вариантам.
5. Определяют разности между средними урожаями между контролем
и опытными вариантами.
где d – разность; и – средние арифметические
сравниваемых вариантов
6. Определяют ошибку разности между двумя средними (контролем
и опытным вариантом).
где Sd – ошибка разности
и – ошибки сравниваемых вариантов
Эта формула применяется для расчёта при условии, что , и в случае, когда ошибки средних арифметических вычислены при большом числе наблюдений (n >20);
7. Устанавливают существенность разности. Существенность различий между и оценивают по отношению их разности ( ) к её ошибке Sd. Это отношение и называется критерием существенности разности или критерием Стьютента ( tфакт ).
По экспериментальным данным вычисляем фактическое значение критерия ( ):
=
Величина критерия t – показывает, во сколько раз разность (d) больше ошибки разности (Sd)
Значение tтеор.- находят в приложении рабочей тетради при 5% или 1% уровне значимости и числе степеней свободы υ = n1 + n2 – 2
В нашем примере при Р = 5% и υ = 4 + 4 – 2 = 6 tтеор = 2,4
Разность считается существенной, если tфакт ≥ tтеор.
При tфакт ≤ tтеор. разность между средними не выходит за пределы случайных колебаний т.е. считается несущественной.
Так в нашем примере разница между вариантом с осенней плоскорезной обработкой на 20-22 см и вариантом с осенней вспашкой на 20-22 см в 2,0 ц/га будет существенной, т.к. . Разница между вариантом с осенней плоскорезной обработкой на 10-12 см и контролем также существенна ( =4,6 > =2,4). Четвёртый вариант (без осенней обработки) не дал существенной прибавки урожая по сравнению с контролем.
При достаточно большом числе наблюдений ( >20-30) разность обычно считается существенной при уровне значимости 5%, если ≥ 2, а при уровне значимости 1% при ≥ 3. Если <2, то разность между средними считается несущественной.
Несмотря на свою простоту, дробный метод имеет некоторые недостатки:
- для оценки существенности разности используется отвлечённые показатели ( и ),
- для каждого варианта в отдельности рассчитываются ошибка выборочной средней и ошибка разности, что увеличивает расчёты.
Дата добавления: 2018-05-10; просмотров: 1260;