45. Дисперсионный анализ данных двухфакторного опыта. Принцип метода

Среди методов статистической обработки опытных данных наибольшее распространение получил дисперсионный анализ (анализ вариации), где ключевые позиции занимают расчеты сумм квадратов отклонений (СК) и соответствующих степеней свободы (сс). При проведении дисперсионного анализа целесообразно определять критерий Фишера Р не только для оценки изучаемого фактора, но также вариации плодородия почвы и влияния погодных условий. Для оценки частных различий по вариантам рассчитывают обобщенную ошибку средних и разности средних. Главный метод научных исследований в отечественной агрономии — многофакторные полевые стационары. Многофакторный эксперимент должен представлять модель производственной обстановки, отличающейся комплексностью условий. Поэтому ему сопутствует ряд недостатков, особенно при закладке на большом земельном участке. Они включают проблематичность поддержания принципа единственного различия, трудоемкость постановки и высокие затраты на проведение опыта, а также сложность статистической оценки результатов. Кроме того, не все сочетания факториальной схемы представляют научно-практический интерес. Требование неизменности исходной темы опыта ограничивает творчество ученого и актуальность исследования. Естественное «старение» опыта и аккумуляция специфики вариантов в режиме автономного существования лишают его экологической и производственной репрезентативности. На этом фоне обследование производственных посевов как вид и метод агрономических исследований оказывается не только экономически выигрышным, но и более репрезентативным. (Важно, что отдельные части или полосы производственных посевов, подвергаемых обследованию, следует рассматривать повторностями, а не повторениями.) Основную часть факториальных схем можно с меньшими затратами изучать на виртуальных моделях или вегетационно-полевых и микрополевых опытах.

46. Регрессионный анализ.

Регрессио́нный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X_1, X_2, ..., X_p на зависимую переменную Y. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Регрессия позволяет установить количественное изменение одного признака, обусловленное изменением другого, т. е. уравнение и форму связи. Простая линейная регрессия базируетсяттг. уравнении прямой линии у = а + Ьх. Уравнение регрессии используют в качестве описания: производственной функции (кривой отклика), или оптимизационной модели. Например, зависимости урожайности культуры от срока посева и уборки, внесения удобрений, пестицидов, густоты посева и других агротехнических приемов; трендов и автокорреляций, т. е. развития изучаемого признака во времени. На оси абсцисс откладывают отрезки времени: часы, дни, декады, месяцы, годы, а на оси ординат — значения признака; причинно-следственной зависимости, или прогностической модели. Например, зависимости урожайности от количества осадков и температурного режима в определенные периоды вегетации растений; зависимости между признаками одного объекта. Например: связь между массой семян и технической длиной соломки льна, количеством зерен в колосе и массой 1000 зерен, объемом кроны и диаметром штамба, плотностью почвы и содержанием в ней гумуса, пораженностью болезнями (поврежденностью вредителями) и урожайностью культуры и т. д.

76