Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Relative Efficiency (%)" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Spatial variability and efficiency of treatment mean comparisons in an experiment with fodder pea using modern statistical methods.
Autorzy:
Gołaszewski, Janusz
Powiązania:
https://bibliotekanauki.pl/articles/2198840.pdf
Data publikacji:
2001-06-21
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
spatial variability
ANOVA
ANCOVA
NNA
kriging
relative efficiency
Opis:
It is typical of breeding experimentation to conduct experiments on large breeding material tested on small plots with a limited number of replications. Under such conditions, observations made on adjacent plots are biased by the effect of autocorrelation and fertility trends. The actual treatment effects can be masked and the capability of the breeder to detect true treatment differences is impaired. This paper deals with the problem of the estimation of effects of spatial variability and their impact on the efficiency of treatment comparisons. The considerations are based on the results from a breeding experiment with 25 treatments of fodder pea arranged according to the partially balanced incomplete block design (IBD) with 4 replications. Plant height and seed yield were analysed with the conventional statistical method ANOVA, the nearest neighbour analysis (NNA) and kriging. Eventually, the efficiency of the neoclassical methods relative to the completely randomised design (CRD) and randomised block design (RBD) was calculated. The estimation of the treatment effect on plant height was accomplished most efficiently with the NNA, whereas the efficiency of the alternative methods in the estimation of seed yield was comparable to the efficiency of the RBD.
Źródło:
Plant Breeding and Seed Science; 2001, 45, 1; 87-98
1429-3862
2083-599X
Pojawia się w:
Plant Breeding and Seed Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie danych z doświadczeń trójczynnikowych zakładanych w układach zależnych o różnych strukturach blokowych
Modeling data from three-factor experiments with split units set up in designs with different block structures
Autorzy:
Ambroży, Katarzyna
Mejza, Iwona
Powiązania:
https://bibliotekanauki.pl/articles/2198261.pdf
Data publikacji:
2012-06-28
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
mieszany model liniowy
układy o jednostkach rozszczepionych
względna efektywność
designs with split units
mixed linear model
relative efficiency
Opis:
W badaniach rolniczych, w szczególności w doświadczeniach polowych, stosuje się wiele układów eksperymentalnych o różnej strukturze blokowej. Wybór każdego układu przy zakładaniu doświadczenia jest ważny przede wszystkim z punktu widzenia praktyki, ale także pociąga za sobą konsekwencje statystyczne. W doświadczeniach wieloczynnikowych, w sytuacji gdy różny jest stopień zainteresowania czynnikami, wykorzystuje się znane z literatury układy o jednostkach rozszczepionych, takie jak układ split-plot, układ split-block lub różne kombinacje tych układów. Zastosowane w poszczególnych układach wielostopniowe schematy randomizacyjne prowadzą do różnych tzw. liniowych modeli randomizacyjnych. W pracy zwrócimy uwagę na wielowarstwowe modele obserwacji dla doświadczeń trójczynnikowych zakładanych w tzw. układach mieszanych, będących różnymi kombinacjami układów split-plot i split-block. Odmienny podział zmienności całkowitej na poszczególne efekty w tych układach generuje liczbę błędów w analizie wariancji. Pociąga to za sobą różną precyzję estymacji porównań między poszczególnymi i interakcyjnymi efektami obiektów. Znajomość tego faktu pozwala na świadome modelowanie danych i optymalną przy danej strukturze materiału doświadczalnego analizę statystyczną. Empiryczna względna efektywność tych układów zilustrowana zostanie na przykładzie symulowanych danych z doświadczenia z pszenicą ozimą.
In agricultural research, particularly in field experiments, many experimental designs with different block structures can be used. Selecting a design when setting up the experiment is important primarily from the standpoint of practice, but it also entails statistical consequences. In many-factor experiments where there is a different degree of interest in the factors, the literature describes experimental designs with split units, such as split-plot design, split-block design or various combinations of these arrangements. Multi-stage randomization schemes used in the designs lead to different so-called randomization linear models. In this paper we consider the multistratum models of observations for three-factor experiments set up in so-called mixed designs, which are different combinations of split-plot and split-block layouts. The different division of the total variability between the individual effects generates a number of errors in the analysis of variance in these designs. This entails a different precision of estimation of comparisons among the particular and interaction effects of the treatments. Knowing this fact enables the conscious modeling of data and an optimal statistical analysis using the experimental material structure given. The empirical relative efficiency of these designs will be illustrated on the example of simulated data from experiments with winter wheat.
Źródło:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2012, 264; 23-31
0373-7837
2657-8913
Pojawia się w:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza danych z krzyżową i zagnieżdżoną strukturą poziomów czynników na przykładzie doświadczenia z łubinem
Data analysis with crossed and nested treatment structures based on example of experiment with lupine
Autorzy:
Ambroży, Katarzyna
Mejza, Iwona
Powiązania:
https://bibliotekanauki.pl/articles/42626448.pdf
Data publikacji:
2009
Wydawca:
Instytut Hodowli i Aklimatyzacji Roślin
Tematy:
model mieszany
układ niekompletny split-block-plot (strip-split-plot)
układ niekompletny split-plot × split-block
względna efektywność
incomplete split-block-plot design (strip-split-plot design)
incomplete split-plot × split-block design
mixed model
relative efficiency
Opis:
W celu zilustrowania proponowanej w pracy metody analizy statystycznej danych nieortogo¬nalnych z krzyżową i zagnieżdżoną strukturą poziomów czynników wykorzystano wyniki z kompletnego doświadczenia kombinowanego z łubinem. Na podstawie tego doświadczenia zostały wygenerowane obserwacje z zachowaniem relacji występujących w układzie kompletnym. Oznacza to, że zamieszczone w tej pracy wnioski należy traktować jedynie w kategorii metodyki planowania i analizy tego typu danych. W doświadczeniu badano wpływ terminu siewu (A) i rozstawy (C) na plon wybranych odmian łubinu (B). W pracy zrezygnowano z kompletności układu i zaplanowano doświadczenie z blokami mniejszymi niż liczba kombinacji obiektowych. W celu porównania skuteczności proponowanych układów doświadczalnych pod względem estymacji efektów porównań między kombinacjami obiektowymi, wykonano analizy statystyczne dwa razy, raz stosując model mieszany dla układu split-block-plot (strip-split-plot) oraz drugi raz dla układu split-plot × split-block. Przedstawione tu układy są niekompletne ze względu na obiekty czynnika trzeciego (C), a kompletne ze względu na obiekty pozostałych dwóch czynników. Zakładając, że wszystkie porównania dotyczące obiektów czynnika C są jednakowo ważne, jako układ generujący wybrano układ zrównoważony o blokach niekompletnych (BIB). Ze względu na nieortogonalność trójczynnikowych układów oraz różne struktury ich jednostek doświadczalnych, wnioski dotyczące relatywnej efektywności ograniczone zostały do analiz wewnątrz tych warstw, które są właściwe dla różnych typów obiektów i porównań między nimi.
To illustrate the proposed in this paper method of a statistical analysis of non-orthogonal data with nested and crossed treatment structures, some results from a complete factorial experiment with lupine were used. The observations have been collected keeping up relations occurring in the original experiment. It means that our conclusions should be treated only in terms of the methodology of a design and analysis of this type of data. The experiment has been designed to test the effects of dates of sowing (A) and spacing (C) on the yield of some lupine varieties (B). In the paper is assumed that the experiment was designed with block sizes less than the number of treatment combinations. For comparing the effectiveness of some experiment designs which are commonly used in such study, the statistical analyses have been performed twice, once using the mixed model for observations from the split-block-plot (strip-split-plot) type experiment and then the mixed model for observations from split-plot × split-block type experiment. Both designs presented in this paper are incomplete with respect to the treatments of the third factor (C) and complete with respect to the treatments of the remaining two factors. It was assumed that all comparisons among C treatments effects are equally important, so a balanced incomplete block (BIB) design was chosen as the generating design. Since the both three factorial designs are non-orthogonal and have got different structures of the experimental units, the conclusions considering relative efficiency of them have been limited to the intra-stratum analyses appropriated for the type of comparisons of treatment combinations effects.
Źródło:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2009, 251; 269-281
0373-7837
2657-8913
Pojawia się w:
Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies