Temat: MANOVA - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Multivariate statistical methods used for evaluation of DH lines of winter oilseed rape on account of various fatty acid compositions
Wielowymiarowe metody statystyczne w ocenie linii DH rzepaku ozimego [Brassica napus L.] ze wzgledu na rozny sklad kwasow tluszczowych
Autorzy:: Kaczmarek, Z
Adamska, E.
Cegielska-Taras, T.
Szala, L.
Powiązania:: https://bibliotekanauki.pl/articles/833400.pdf
Data publikacji:: 2005
Wydawca:: Instytut Hodowli i Aklimatyzacji Roślin
Tematy:: composition
fatty acid
oilseed rape
winter oilseed rape
MANOVA method
genotype
Brassica napus
multivariate statistical method
DH line
Źródło:: Rośliny Oleiste - Oilseed Crops; 2005, 26, 2; 325-334
1233-8273
Pojawia się w:: Rośliny Oleiste - Oilseed Crops
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Propozycja metody grupowania obiektów jedno- i wielocechowych z zastosowaniem odległości Mahalanobisa i analizy skupień
A proposed method for grouping uni- and multivariate treatments using Mahalanobis distance and cluster analysis
Autorzy:: Kaczmarek, Zygmunt
Czajka, Stanisław
Adamska, Elżbieta
Powiązania:: https://bibliotekanauki.pl/articles/41497522.pdf
Data publikacji:: 2008
Wydawca:: Instytut Hodowli i Aklimatyzacji Roślin
Tematy:: ANOVA
MANOVA
analiza skupień
grupowanie obiektów
najmniejsza istotna odległość
odległość Mahalanobisa
cluster analysis
grouping of treatments
least significant distance
Mahalanobis distance
Opis:: Praca zawiera propozycję metody grupowania wielocechowych obiektów o rozkładach normalnych ze wspólną macierzą kowariancji. Metoda ta jest stosowana w analizie skupień i wykorzystuje odległości Mahalanobisa jako miarę podobieństwa dwóch obiektów. Grupowanie polega na łączeniu obiektów najbardziej do siebie podobnych, czyli takich między którymi odległość Mahalamnobisa jest najmniejsza. Jako kryterium zastopowania procesu grupowania, zarówno w przypadku obiektów wielocechowych jak i jednocechowych, przyjęto „najmniejszą istotną odległość” wyznaczoną każdorazowo dla porównywanych obiektów. Prezentowana metoda jest zilustrowana przykładem numerycznym grupowania linii DH rzepaku ozimego.
A method for grouping the multivariate normal treatments with common covariance matrix is proposed. The method is applicable in cluster analysis and utilizes the Mahalanobis distance as a of measure similarity of two treatments. It is based on the successive merging of two most similar samples taken from the treatments in the sense of minimal distance between them. The “least significant distance” is used as the criterion to determine a stopping rule for the grouping uni- and multivariate treatments. A numerical example from the winter oilseed rape data is included to illustrate the proposed method.
Źródło:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2008, 249; 9-10
0373-7837
2657-8913
Pojawia się w:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Wpływ terminu i gęstości siewu na plon odmian pszenżyta jarego
The influence of sowing time and density on grain yield of spring triticale varieties
Autorzy:: Cichy, Henryk
Kaczmarek, Zygmunt
Adamska, Elżbieta
Powiązania:: https://bibliotekanauki.pl/articles/41515367.pdf
Data publikacji:: 2008
Wydawca:: Instytut Hodowli i Aklimatyzacji Roślin
Tematy:: pszenżyto jare
termin siewu
gęstość siewu
plon
seria doświadczeń
wielozmienna analiza wariancji
spring triticale
sowing time
sowing density
yield, series of experiments
MANOVA
Opis:: W pracy przedstawiono wielowymiarowe podejście do badania wpływu terminów i gęstości siewu na plon i masę 1000 ziaren oraz trzy wybrane cechy technologiczne (ciężar objętościowy, zawartość białka i skrobi w ziarnie) u czterech odmian pszenżyta jarego. Dane z serii doświadczeń prowadzonych w latach 2004–2006 w dwóch miejscowościach opracowano statystycznie stosując metody jedno i wielowymiarowe. Wszystkie doświadczenia były prowadzone w układzie split-plot w 3 powtórzeniach.
The paper presents a multivariate approach to estimation of the influence of sowing time and density on grain yield, 1000 grain weight and three technological traits (test weight, protein and starch content) of 4 varieties of spring triticale. The uni- and multivariate statistical methods have been used for data of series of experiments conducted in split-splot design in three replications.
Źródło:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2008, 250; 155-159
0373-7837
2657-8913
Pojawia się w:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Wprowadzenie do statystycznych analiz wielozmiennych. Część I. Podstawy teoretyczne
An introduction to multivariate statistical analyses. Part I. Theoretical background
Autorzy:: Kaczmarek, Zygmunt
Mańkowski, Dariusz R.
Powiązania:: https://bibliotekanauki.pl/articles/2197987.pdf
Data publikacji:: 2011-03-31
Wydawca:: Instytut Hodowli i Aklimatyzacji Roślin
Tematy:: analizy wielocechowe
grupowanie wielocechowe obiektów
macierz korelacji
macierz kowariancji
MANOVA
wielocechowe miary podobieństwa
multivariate analysis
multivariate grouping
correlation matrix
covariance matrix
multivariate similarity measures
Opis:: Analizy wielocechowe są coraz szerzej stosowane w badaniach rolniczych. Powszechna dostępność pakietów statystycznych realizujących tego typu analizy pozwala na ich powszechne wykorzystywanie. Problemem staje się więc umiejętność właściwego wykorzystania tych analiz i poprawnej interpretacji uzyskanych z nich wyników. W pracy omówiono podstawowe pojęcia analizy wielozmiennej, opisano wielozmienny model liniowy obserwacji, wielocechową analizę wariancji, niezbędne statystyki testowe a także wielocechowe metody oceny podobieństwa obiektów.
Multivariate analyses are increasingly used in agricultural research. The widespread availability of statistical packages pursuing this type of analysis allows for their use. Then, the ability of appropriate application of the analysis and correct interpretation of its results becomes problematic. The paper discusses basic concepts of the multivariate analysis, the multivariate model of observations, the multivariate analysis of variance, the appropriate statistical tests and the multivariate methods for estimation of the objects’ similarity.
Źródło:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2011, 259; 23-34
0373-7837
2657-8913
Pojawia się w:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Wprowadzenie do statystycznych analiz wielozmiennych. Część II. Przykład zastosowania
An introduction to multivariate statistical analyses. Part II. The application
Autorzy:: Kaczmarek, Zygmunt
Mańkowski, Dariusz R.
Powiązania:: https://bibliotekanauki.pl/articles/2197990.pdf
Data publikacji:: 2011-03-31
Wydawca:: Instytut Hodowli i Aklimatyzacji Roślin
Tematy:: analizy wielocechowe
grupowanie wielocechowe obiektów
jęczmień jary
macierz korelacji
macierz kowariancji
MANOVA
wielocechowe mary podobieństwa
multivariate analysis
multivariate grouping
spring barley
correlation matrix
covariance matrix
multivariate similarity measures
Opis:: Prowadząc doświadczenia oraz analizując dane pochodzące z doświadczeń często obserwuje się i analizuje wiele cech charakteryzujących pewne obiekty doświadczalne. Często każda z tych cech analizowana jest osobno. Jednak, by mieć pełen obraz wyłaniający się z prowadzonych badań, należy sięgnąć do analizy wielocechowej pozwalającej na całościowe podejście do badanego problemu. W pracy przedstawiono praktyczny przykład obliczeniowy opisanych w części pierwszej metod wielocechowych analiz statystycznych. W szczególności przedstawiono wielozmienną analizę wariancji oraz powiązane z nią: analizę kontrastów oraz analizę zmiennych kanonicznych.
While conducting research and analysing experimental data, one often observes and analyses multiple characteristics of certain experimental objects. Often each of these characteristics is analyzed separately. However, to have a complete picture emerging from the research you should use multivariate analysis which allowing a holistic approach to the investigation of the problem. The paper presents a practical example of the calculation methods of multivariate statistical analysis formally described in the first part. In particular, this paper presents the MANOVA analysis and an analysis of contrasts and canonical variables analysis associated with it.
Źródło:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2011, 259; 35-49
0373-7837
2657-8913
Pojawia się w:: Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "MANOVA" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język