ELEMENTE DE BAZ ALE TEHNICII EXPERIMENTALE

N
HORTICULTUR I ECOLOGIE

M.Botu
I.Botu

CUPRINS
PREFA
CAP.I.Obiectivele cercetrii tiinifice..
1.1.Obiectivele de cercetare generale
1.2.Obiectivele eseniale ale cercetrii
1.3.Obiectivele specifice de cercetare n horticultur ..
CAP.II.Metode i tehnici folosite n cercetarea din horticultur i ecologie ..
2.1.Clasificarea metodelor..
CAP.III.Proiectarea experienelor
3.1.Precizarea scopului experienei
3.2.Obiectivele i nivelele tratamentelor..
3.3.Planificarea locului de execuie..
3.4.Durata experienei
3.5.Costurile cercetrii
3.6.Baza biologic.
3.7.Baza material i tehnic .
3.8.Executanii experienei.
3.9.Stabilirea tipului de experien.
3.10.Analiza i interpretarea rezultatelor.
3.11.Valorificarea rezultatelor cercetrii..
CAP.IV.Designul experimental
4.1.Scopul i importana designului experimental.
4.2.Experienele de cmp
4.2.1.Importana experienelor de cmp..
4.2.2.Clasificarea experienelor.
4.2.3.Organizarea i alegerea locului de experimentare..
4.2.4. Elementele de baz ale unei exeperiene
CAP.V. Metode de aezare i de analiz biostatistic a experienelor
5.1.Designul experienelor monofactoriale..
5.2.Metode de aezare cu distribuie randomizat..
5.2.1.Metoda blocurilor randomizate.
5.2.2.Metoda ptratului latin..
5.2.3.Metoda dreptunghiului latin..
2

5.2.4.Metoda parcelelor divizate

5.2.5Metoda de aezare n grilaje.
CAP.VI.Experiene polifactoriale.
6.1.Experiene bifactoriale.
6.2.Experiene trifactoriale
CAP.VII.Msuri ale tendinei centrale sau ale mediilor ..
7.1.Media aritmetic.
7.2.Media aritmetic ponderat ..
7.3.Amplitudinea variaiei.
7.4. Deviaia standard sau abaterea standard...
7.5.Variana.
7.6.Coeficientul de variaie
7.7.Testul t ..
7.8.Testul t multiplu.
7.9.Testul F
7.10.Testul 2 (chi ptrat).
CAP.VIII.Prelucrarea primar a datelor
8.1. Analiza simpl a varianei (grupe de aceeai marime).
8.2.Analiza varianei n lucrrile de genetic i ameliorarea plantelor
horticole
8.3.Analiza varianei la familiile de semifrai (Half SIB)..
8.4.Analiza varianei pentru planuri experimentale randomizate
8.4.1.Blocuri randomizate..
8.4.2.Dreptunghi latin.
8.5.Calcularea i interpretarea rezultatelor n experienele polifactoriale
8.6.Calcularea i interpretarea seriilor de experiene n horticultur.
CAP.IX. Corelaia
CAP.X. Regresia.
10.1.Analiza regresiilor.
10.2.Regresia liniar.
10.3.Regresia neliniar.
Bibliografia.

PREFA
Lucrarea de fa este conceput ntr-un moment dificil pentru evoluia cercetrii i
nvmntului romnesc n domeniul ecologiei agriculturii i horticulturii. Raportarea acestor
domenii la standardele internaionale presupune o cunoatere fundamental a fenomenelor, o
clasificare cert i sigur a rezultatelor obinute pentru comparaie i ulterior pentru aplicarea
direct n ecologie i agricultur.
nvmntul superior i cercetarea romneasc solicit un alt nivel de cunoatere, iar
pentru a ine pasul cu avansul ctigat pe plan internaional, n tehnica experimental,
biometria i conceptele reprezint o necesitate obiectiv.
Lipsa unor lucrri tiinifice autohtone , n aceste domenii , nelegerea mai dificil a
problemelor stricte de biometrie biostatistic i utilizarea unor programe speciale pe
calculatoare, au creat o anumit respingere a acestor tipuri de analize, uneori chiar a aprut
tendina de folosire a calculatoarelor cu softuri diferite, fr a se cunoate baza tiinific i
modul de interpretare a rezultatelor.
Autorii i-au propus prin diferite lucrri, inclusiv cea de fa, s creeze un cadru
adecvat nsuirii elementelor de baz ale tehnicii experimentale n domeniile agricol , horticol
i ecologic prin expunerea ctorva elemente de baz, absolut, obligatorii i prin exemple
practice pentru unele cazuri de rezolvare ale unor cercetri.
nelegerea fenomenelor i utilizarea rezultatelor de ctre fiecare dintre noi const n
nsuirea ,,pas cu pas a elementelor fundamentale ale biometriei biostatisticii i utilizarea
corect a analizelor urmat de interpretarea rezultatelor.
Lucrarea n ansamblu este uor de utilizat cu un minim de cunotine n matematic,
statistic i calculatoare i cunotine bune n biologie (agricultur i ecologie). Ajutai de
exemplele prezentate, devine un sprijin preios

i foarte necesar pentru doctoranzi,

masteranzi, studeni, cercettori i specialiti n domeniu.

Pe baza cunotinelor acumulate din prezenta lucrare, cercettorii sunt n msur s le
foloseasc n lucrrile tiinifice publicate n diverse reviste din ar i strintate.
Suntem convini c aceast lucrare conceput ntr- un stil uor aplicativ i abordabil
pentru horticultur i ecologie,

poate fi

utilizat n mod ,,direct i/sau cu ajutorul

calculatorului de ct mai muli tineri studeni, masteranzi , doctoranzi i cercettori.

Autorii

CAP.I. OBIECTIVELE CERCETRII TIINIFICE

Cercetarea tiinific este direcionat, n orice domeniu de activitate, prin obiectivele
strategice ale societii la nivel mondial, naional sau chiar zonal.
Obiectivele cercetrii nu numai c nu sunt alese la ntmplare dar acestea au la baz
analize profunde, informare i documentare profesional, corelaii cu alte necesiti ale
economiilor naionale, etc.
Fixarea obiectivelor este n concordan cu anumite etape de dezvoltare ale societii
i cu nivelul cercetrii n acel moment.
Numrul obiectivelor de cercetare este foarte mare deoarece are n vedere rezolvarea
unor probleme multiple. Pentru decelarea importanei obiectivelor, acestea pot fi clasificate n
funcie de importana i prioritatea fiecruia dintre ele.

1.1.Obiective de cercetare generale

- Dezvoltarea capacitii de asigurare a valorii productive, calitative i a celei
economice la nivelul cerinelor societii.
- mbuntirea continu a genotipului folosit n pomicultur.
- Realizarea unor elemente tehnologice noi pentru punerea n eviden a
caracteristicilor la plantele horticole.
- Meninerea unui echilibru ecologic optim n zonele ocupate de plantaiile horticole.
- Stabilirea de relaii optime genotip mediu n vederea evidenierii depline a
fenotipului.
1.2.Obiectivele eseniale ale cercetrii
- Colectarea, studierea i conservarea resurselor genetice ;
- Amplificarea variabilitii genetice la speciile horticole ;
- Accelerarea procesului de ameliorare genetic;
- Valorificarea ctigului genetic prin relaiile optime cu mediu de cultur;
- mbuntirea condiiilor de cultur (sisteme de cultur, nutriie, ap, protecie
fitosanitar) pentru sporirea capacitii de producie i a valorii economice.

1.3.Obiective specifice de cercetare n horticultur

a)mbuntirea biosintezei sau a productivitii.
Din punct de vedere genetic aceast nsuire este determinat poligenic, dar influena
mediului este nc o form de aciune cu efecte foarte difereniate (negative sau pozitive).
Nivelul de producie (exprimarea n uniti de biomas, calorii, substan uscat,
proteine, lipide, glucide, etc) este redat sub multiple forme:
- producie real producia nregistrat pe o anumit suprafa, ntr-o localitate
(ferm) , zon sau ar, n unul sau mai muli ani (t/ha, kg/ha, q/ha);
- producia calculat producia din parcele experimentale i raportat la unitatea de
suprafa, de regul este mai mare cu 20-30% dect producia real deoarece dispune de
condiii de cultur superioare.
- producia tehnologic producia ca expresie a tendinei produciei reale, calculat
la o tehnologie modernizat (producie extrapolat);
- producia genetic sau potenialul biologic de producie producia ca expresie a
bazei genetice la nivelul optim al condiiilor de mediu i tehnologic.
b)Sporirea calitii produciei
c)Sporirea rezistenei la boli i duntori
d)Modificarea arhitecturii plantelor, etc.

CAP.II.

METODE I

TEHNICI

FOLOSITE N

CERCETAREA DIN

HORTICULTUR I ECOLOGIE

2.1.Clasificarea metodelor
2.1.1.Observaia este cea mai veche metod folosit de om n mod contient pentru
a studia

realitatea nconjurtoare. n timp, observaia, ca metod a evoluat i a devenit

precursoare a cercetrii tiinifice.

Pentru a suferi un proces calitativ, adic de a trece de la o simpl constatare la o
metod, i-a trebui o lung perioad de timp.
Numrul observaiilor a crescut progresiv n timp devenind, la un moment dat de
ordinul zecilor sau sutelor de mii.
Observaiile pot fi extrem de numeroase i diferite, i se refer la valorile individuale
observate la unele caractere sau fenomene prezente la plante. Observaiile se pot nregistra
sub form numeric (caracterele cantitative) i ca valori alternative (caracterele calitative).
Observaia este o metod complex care se poate efectua i prezenta sub diferite
forme:
- observaiile propriu zise sunt cele mai simple i relativ uor de efectuat (fenofaze
de vegetaie, de fructificare, culoarea frunzelor , a fructe, etc).
- msurtorile constituie observaii completate cu alte forme de determinare ale
caracterelor. Unele dintre msurtori se refer la determinarea greutii fructelor, a produciei
la unitatea de suprafa, altele la msurtori de dimensiune (mrimea fructelor, habitusul
plantelor, etc).
- numrtorile se bazeaz pe numrarea i nregistrarea unor elemente caracteristice
(numr de fructe/kg; numr de plante atacate de o boal, numr de celule/mm2 , etc);
- determinrile de laborator sunt tot observaii, de data aceasta mult mai
complexe, care se refer la rezultatele analizelor de laborator (coninut n zaharuri, proteine,
vitamine, etc). La acest capitol se pot consemna i determinrile asupra fenomenelor
meteorologice. Observaiile se fac n cadrul experienelor riguroase cu plante cultivate, dar i
n plantaiile din ferme sau directe la plantaiile rzlee n silvicultur, ecologie, etc.
Locul de efectuare al observaiilor este stabilit de cercettorul care studiaz anumite
fenomene n cadrul cercetrii care i revine.
O cercetare este cu att mai complex cu ct se bazeaz pe observaii mai numeroase
i mai riguroase i se executa n:
7

Cercetarea n cmp
Cercetarea n cmp este cunoscut i sub numele de cmpul de experien

sau

experiena de cmp.
Cercetarea n vase de vegetaie.
Cercetarea n fitotron
Cercetarea n laborator
Cercetarea asistat de calculator
ntreaga cercetare bazat pe calculator se sprijin pe elemente ale observaiei sau
elemente obinute prin alte metode de cercetare .
Este o metod modern de prelucrare automat a datelor. Fr aceste date nu este
posibil s se fac determinri i interpretri ale rezultatelor cercetrii, un management mai
bun al datelor experimentale, etc. Metoda ofer n prezent pachete de programe specifice
domeniului bine puse la punct, prin intermediul crora posibilitile de calcul i interpretare
cresc foarte mult (Sistem ANOVA , SAS/STAT Guide N.C., etc).
Cercetarea asistat de calculator a trecut deja ntr-o faz mult mai avansat, deoarece
ofer n plus posibilitatea folosirii unor funcii matematice i chiar poate face extrapolarea i
modelarea acesteia, cu mari implicaii n prognoza i evoluia a cestui sector.
n faza actual de cercetare tiinific

este de neconceput s nu se apeleze la

calculatorul electronic sau n general la informatic. Acest tip de cercetare necesit aparatur
adecvat (calculatoare de puteri diferite, programe de cercetare), cunotine n specialitate, n
matematic, informatic, etc.

CAP.III.PROIECTAREA EXPERIENELOR
O experien i propune s rezolve o anumit parte dintr-un conglomerat general de
obiective, uneori numai la nivelul unei zone sau un sit.
Prin proiectarea unei experiene se are n vedere :
- precizarea scopului experienei (nota de fundamentare);
- obiectivele i nivelele (parametrii unui tratament);
- locul de execuie (localitate i locul propriu zis de amplasare);
- durata experienei (pn la valorificarea complet)
- costurile totale i anuale pe elemente de cheltuieli;
- baza material i tehnic disponibil;
- baza biologic;
- stabilirea tipului de experien;
- stabilirea modului de analiz i interpretarea rezultatelor obinute:
- colectivul de cercettori care execut experiena;
- cum i unde se face valorificarea rezultatelor cercetrii
3.1.Precizarea scopului experienei
Orice experien ncepe de la scopul pe care ni- l propunem s-l realizm prin aceasta.
Scopul experienei se fixeaz ntr-un mod foarte scurt i concis. n situaia n care tema
general nu are o not de fundamentare a cercetrii, atunci este necesar s se realizeze o astfel
de not. De fapt n nota de fundamentare, pe lng scopul concis al experienei se va nscrie
obligatoriu propunerea de ofer, nivelul cercetrilor naionale i internaionale privind
obiectivul concret al experienei, dac s-au mai fcut sau nu astfel de cercetri, ce probleme i
cum au mai fost abordate, etc.
Cunoaterea acestor fenomene este de mare importan

pentru cercetare. Exist

posibilitatea s se evite executarea unor cercetri care au mai fost fcute.

3.2.Obiectivele i nivelele tratamentelor
Experiena are prevzute n mod obligatoriu unul sau mai multe obiective de cercetare.
Obiectivele rezult clar din nsi scopul experienei. Nu ne propunem s stabilim care sunt
obiectivele, acestea fiind ntr-un numr extrem de mare.

3.3.Planificarea locului de execuie

Planificarea locului de execuie a unei experiene se face n funcie de condiiile
climatice edafice, de orografia terenului i n special de posibilitile funciare i materiale ale
unei instituii, societi comerciale sau ferme particulare.
Instituiile publice de cercetare i nvmnt constituie locul de executare al
majoritii experienelor din agricultur. Fac excepie de la aceast regul acele experiene
care urmresc probleme de cercetare aplicativ din domeniul tehnologic de cultur, studiul
comportrii unor soiuri, loturi demonstrative, etc.
Locul de execuie al experienei privete n special o anumit zon ecologic i apoi o
microzon specific. Proiectarea locului de amplasare este o lucrare ingenioas , cu implicaii
majore n reuita experienei. De aceea, se face cu atenie deosebit lundu-se n consideraie
toi factorii implicai care concur la reuit.
Rezultatele obinute ntr-o experien trebuie s corespund pentru o anumit zon cu
caracteristici identice sau apropiate.

3.4.Durata experienei
n cercetarea din agricultur i horticultur se impune mai mult dect la alte plante de
cultur o atenie sporit n proiectarea experienelor. De cele mai multe ori o experien
dureaz ntre 3 i 10 ani. Este un motiv n plus pentru a finaliza obiectivele propuse.
O experien cu grad ridicat de exactitate necesit un ciclu de min.3 ani de producie
normal.
3.5.Costurile cercetrii
Costurile cercetrii reprezint elementul determinant al executrii unei experiene. Nu
exist ar, institut sau cercettor care s fie mulumit de ct i se aloc pentru o experien.
Totdeauna ar dori mai multe fonduri pentru experiena sa. Considerm aceast cerere
ndreptit din partea cercettorilor deoarece acetia vd experiena lor ntr-o permanent
dinamic i gsesc elemente de mbuntire, elemente care necesit fonduri suplimentare.
Totui fondurile destinate cercetrilor sunt totdeauna ncorsetate de alte redistribuiri,
acestea n majoritate fiind dislocate de bugetul de stat (numai n msur redus provin din
sector privat).

10

Costurile experienelor includ cheltuielile generale pe ntreaga perioad de

experimentare i cheltuielile raportate la anul calendaristic. Ambele tipuri de cheltuieli sunt
cuprinse n devize tehnologice pe elemente de cheltuieli distincte.
3.6.Baza biologic
Proiectarea unei experiene este dependent de existena bazei biologice. Se nelege
prin baz biologic: seminele, materialului sditor, plantele, ntr-un cuvnt soiurile i
portaltoii necesari nfiinrii experienei, n cazul nostru al plantaiei, etc.
Baza biologic are o valoare esenial n ansamblul experienei, fr aceasta nu se
poate realiza experiena. Valoarea biologic a tuturor plantelor din experien trebuie s fie de
nalt nivel. Aceste plante trebuie s fie sntoase (libere de boli i duntori de carantin), de
aceeai vrst i autentice.
3.7.Baza mate rial i tehnic
Cercetarea se suprapune obligatoriu pe fondul unei baze materiale costisitoare.
3.8.Executanii experienei
Fundamental n proiectarea i organizarea cercetrii tiinifice rmne factorul uman,
adic specialistul numit i cercettor. Selecia i pregtirea cadrelor pentru cercetare impun
anumite consideraii specifice. Activitatea de cercetare presupune un nalt grad de
caracteristici i n consecin este prestat de specialiti n domeniu care posed spirit creator,
spirit de observaie, rigurozitate

n munc, consecven, obiectivitate , efort susinut i

ndelungat, cunotine bogate, etc.

Selecia personalului de cercetare este foarte dificil, nu are unele criterii precise i de
aceea se recurge la generalizri. Totul se bazeaz pe specialiti tineri, cu o formaiune
profesional complet, cu dorina muncii i unor realizri normale n cercetare.
Pregtirea personalului pentru cercetare necesit unele etape distincte , dar se
consider c primii 3-5 ani sunt cei de baz, formatori.
3.9.Stabilirea tipului de experien
Alegerea tipului de experien este de mare importan n cercetrile din agricultur ,
horticultur i biologie. Acest lucru asigur eficiena cercetrii, precizie i rezultate valoroase
n funcie de modul cum reuim s stabilim care este cel mai corect tip de experien pentru
obiectivele i condiiile precizate.
11

Tipul de experien este dependent de modul de aezare n teren sau de executare n

laborator. La rndul lor, metodele de aezare se aleg n funcie de numrul factorilor cercetai,
numrul variantelor, uniformitatea terenului , mrimea suprafeei , natura experienei, etc.
3.10.Analiza i interpretarea rezultatelor obinute
Analiza i interpretarea rezultatelor unei experiene reprezint faza final , direct de
rezolvare a obiectivelor propuse. De aceea se consider c aceste etape sunt fundamentale i
n acelai timp specifice fiecrei experiene.
n funcie de natura i tipul experienei se impune un anumit fel de analiz i
interpretare. n aceste faze apar pregnant cantitile profesionale i creatoare ale cercettorilor
executani.
n analiza i interpretarea rezultatelor unei experiene se mbin modul de nregistrare
(volum, caractere, fenomene) al datelor cu interpretarea final a acestora.
Prelucrarea datelor se face cu ajutorul calculatoarelor, singura modalitate de a obine
rezultate concrete, n timp scurt i cu cheltuieli relativ reduse.
3.11.Valorificarea rezultatelor cercetrii
Valorificarea rezultatelor cercetrii constituie obiectivul major privind finalizarea
cercetrii. Aceast activitate necesit o concepie complex , extins pe o anumit perioad de
timp, realizat ntr- un anumit mod, specific, localizat pe zone sau microzone ecologice i
care presupune o finanare sau susinere prin investiii.
Transferul rezultatelor cercetrii implic domeniul de ,,extension i/sau de dezvoltare.

12

IV.DESIGNUL EXPERIMENTAL
4.1.Scopul i importana designului experime ntal
Obiectivul principal al unui experiment sau al unei cercetri n biologie este de a
cunoate modul de manifestare al unor caracteristici sau fenomene, de a nltura aspecte le
negative i de a decide asupra aciunilor viitoare n acest domeniu. Acest obiectiv general
poate fi realizat pe baza unui design experimental precis i corect folosit, al unei activiti de
biometrie de mare rafinament i valoare i al unor metode biostatistice adecvate.
Sir Ronald Fisher (n 1934 i 1935) este primul care a sesizat c performanele medii
ale unor tratamente aplicate nu sunt

suficiente pentru a estima adevratele valori ale

tratamentelor. n cadrul acestora exist o serie de erori care necesit punerea n eviden i
eliminarea acestora din valorile tratamentelor. n acest fel s-a ajuns la experimentrile
efectuate pe anumite suprafeele de teren, la mprirea acestora n parcelele experimentale
(ploturi) i la randomizarea tratamentelor
n Romnia, designul experimental este cunoscut i sub numele de ,,metode de aezare
a experienelor.
Designul experimental presupune un anumit mod de management experimental al
unui experiment, un protocol de execuie al experimentului, inclusiv cu obiectivele urmrite,
un mod specific (tipic), precis i strict de aezare al tratamentelor i blocurilor n experiment
i o analiz biostatistic specific modului de aezare.
Cea mai mare i mai important valoare a designului experimental o constituie
precizia datelor i n general a rezultatelor obinute n aceste experimentri.
4.2. Experienele de cmp
4.2.1. Importana experienelor de cmp
Experiena sau experimentul este un fenomen complex care se execut dup anumite
reguli bine precizate, n condiii ct mai apropiate de cele n care se va aplica rezultatul, cu
scopul vdit de a compara ntre ele efectele mai multor influene (tratamente) i a preleva pe
cele cu comportare superioar i a le folosi n aciunile viitoare din domeniu .
Experiena de cmp este o cultur de plante executat conform unui protocol de
management, dispus dup anumite reguli de design experimental n care se compar mai
multe tratamente situate pe parcele egale ca mrime, amplasate n condiii naturale ident ice,
13

cu scopul de a selecta n final cele mai valoroase tratamente care conduc la producii mari,
superioare calitativ i eficiente economic.
Poriunea de teren pe care este amplasat o experien

constituie ,,cmpul de

experien. Mai multe experiene diferite i amplasate ntr-o anumit suprafa de teren
formeaz un ,,poligon de cercetare.
n lucrrile din domeniul ameliorrii genetice a plantelor ntlnim noiuni diferite ale
experienelor: cultur comparativ de concurs, microcultur comparativ de concurs, colecii
etc.
Cultura comparativ de concurs este o experien de cmp care studiaz aciunea
simultan a factorilor de mediu ct i a celor tehnologici asupra produciei, calitii fructelor,
creterii etc., la mai multe soiuri, hibrizi comerciali, clone sau elite.
Microcultura comparativ de concurs este o experien de cmp de mai mici proporii
dect cultura comparativ de concurs (ca suprafa de teren i numr de soiuri) i care are
drept obiect de studiu comportarea unor elite sau hibrizi n anumite condiii de mediu.
Colecia de cmp este o experien efectuat n cmp, cu obiectivul de a studia
(evalua) comportarea n procesul creterii, fructificrii i adaptrii la anumite condiii
ecologice a unui numr ct mai mare de accesiuni (soiuri vechi, soiuri ameliorate, biotipuri,
clone, specii etc.) de origine i provenien diferit.
Experienele de cmp nu pot fi nlocuite de alte tipuri de experiene deoarece plantele
cultivate beneficiaz de un habitat, tehnologie i alte condiii naturale specifice. Rezultatele
obinute n aceste experiene pot fi extrapolate uor i sigur, pe suprafee mai mari de teren n
exploataiile comerciale, la nivelul unor localiti sau zone cu aceleai condiii.
4.2.2. Clasificarea experienelor
Experienele de cmp pot fi clasificate dup o multitudine de criterii:
a - n funcie de domeniul pe care l abordeaz:
- experienele de biologie, biotehnologie etc.;
- experiene de ecologie;
- experiene de agricultur;
- experiene de silvicultur;
- experiene de horticultur etc.
n cadrul fiecrui domeniu, experienele pot fi la rndul lor: de genetic i ameliorare,
tehnologie, prelucrarea produselor etc.
b - n funcie de specificul activitii de cercetare - dezvoltare:
14

- experiene care vizeaz cercetarea fundamental (lucrri teoretice cu elaborare de

concepte, metode, proceduri, soluii noi i care urmresc obinerea de cunotine despre noi
fenomene);
- experiene care vizeaz cercetarea precompetitiv (lucrri la nivel de prototipuri noi);
- experiene care vizeaz cercetarea aplicativ (se refer la elaborare, realizare i
experimentare de modele i soluii noi), constituie n multe domenii, grupul de baz i cel mai
numeros, ale crui rezultate urmeaz s fie aplicate n practic.
c - Dup durata de experimentare pot fi:
- experiene de scurt durat (cteva zile);
- experiene de durat medie (cteva luni la doi ani);
- experiene de mare durat (peste trei ani).
Majoritatea experienelor cu plante perene(horticultur, silvicultur etc.) sunt
experiene de mare durat datorit specificului biologic al acestora.
d - n funcie de tipul plantelor (sector) cu care se experimenteaz ntlnim
experienele cu:
- cereale
- plante medicinale
- plante tehnice (cartof, sfecl de zahr, in etc.).
- plante pomicole
- plante viticole
- plante legumicole
- plante medicinale
- plante floricole
- plante silvice etc.
e - n funcie de tratamentele aplicate, experienele pot fi :
- de fertilizare (cu ngrminte, amendamente)
- de irigare
- de erbicidare
- de fitiatrie (combatere de boli i duntori)
- de tieri (de formare sau fructificare)
- de tehnologie (lucrarea solului, ntreinerea solului ) etc
f - Dup modul de dispunere n teren (designul experimental):
- metoda blocurilor randomizate;
- metoda ptratului latin;
15

- metoda dreptunghiului latin

- metoda grilajelor
- metoda parcelelor subdivizate etc.
g - Dup numrul factorilor studiai ntlnim:
- experiene cu un singur factor (monofactoriale)
- experiene cu doi sau mai muli factori (polifactoriale).
h - Dup scopul pe care i- l propun s-l rezolve experienele pot fi:
- experiene de orientare - au scopul de a evidenia valoarea unor tratamente (variante)
i de a elimina pe cele care nu prezint importan. Din cauz c nu se respect cu rigurozitate
toate criteriile de aezare i analiz, nu au o valoare tiinific prea mare.
- experienele tiinifice (riguros tiinifice) - sunt cele care se execut dup reguli
tiinifice foarte exacte i se analizeaz i interpreteaz biostatistic. Rolul lor este de a
evidenia cele mai valoroase tratamente aplicate, ct mai corect i mai sigur.
- experienele demonstrative (loturi demonstrative) - au rolul de a demonstra
eficacitatea i valoarea unor soiuri i tehnologii evideniate n experienele tiinifice. Se
execut pe parcele mari (1-5 ha), n zone uor vizibile (la drumuri, alei) i rezultatele obinute
se finalizeaz direct n producie.
4.2.3.Organizarea i alegerea locului de experimentare
Experiena se nate ca urmare a apariiei unei ipoteze care are tendina rezolvrii unor
obiective cerute de lmurirea unor fenomene. Dup conceperea unei experiene sau
experiment se impune adoptarea unui protocol care va cuprinde structura i parametrii
elementelor componente.
Odat adoptat designul experimental i trecndu-se la organizarea i executarea
propriu- zis a experimentului, acesta nu mai poate fi modificat.
Pentru aceasta este obligatoriu s se nscrie ntr-un document numit ,,fia de
cercetare, ntreaga concepie de planificare i realizare a experienei.
n cazul n care designul experienei a fost ales greit acesta nu mai poate fi schimbat
iar rezultatele experimentului sunt inferioare celor reale, adic sunt ncrcate de erori.
n afara alegerii designului experimental, de mare importan este i alegerea locului
de experimentare, adic a locului de amplasare a unei experiene. Locul experienei se alege
de cercettor cu mult discernmnt, innd seama de o gam complex de factori de influen.
Pentru experienele cu plante multianuale (vivace) vom avea n vedere c acestea rmn pe

16

acelai loc mai multe zeci de ani i este imposibil o schimbare de fond n managementul
experienei odat realizat.
Cadrul natural general i microzona n care se amplaseaz experiena (orografia
terenului, hidrografia, factorul edafic i factorii climatici) trebuie s corespund condiiilor
solicitate de plantele respective i n acelai timp s corespund scopului pentru care se
organizeaz aceast experien. Solul trebuie s fie tip ic zonei, ct mai uniform i s
corespund cerinelor speciei respective, astfel nct rezultatele obinute n experiment s
poat fi extinse i la zona limitrof. Cu ct extinderea rezultatelor poate fi fcut ntr-o zon
mai mare cu att cercetarea este mai eficient.
Locul de amplasare al experienelor va fi supus anterior unei investigaii minuioase cu
privire la tipul de sol, starea natural de fertilitate, pH- ul i alte elemente definitorii ale
calitii solului, la modul de aciune a factorilor climatici (brum, grindin), la factorii biotici
ai sitului (boli, duntori etc.).
Toate elementele prevzute n protocolul experienei i n special n fia de cercetare
se transpun ntocmai pe teren la locul de amplasare i organizare al experienei .
4.2.4.Elementele de baz ale unei experiene
La baza tuturor experienelor stau urmtoarele elemente:
- parcela experimental (plotul experimental sau celula experimental);
-

blocul experimental i repetiia;

tratamentul (variantele) i nivelele sale;

izolrile.

4.2.4.1Parcela experimental
Parcela experimental mai este cunoscut i sub numele de plot experimental sau
parcel elementar. Aceasta constituie elementul fundamental al tuturor experienelor de
cmp. Reprezint o suprafa de teren strict delimitat, de mrime specific plantei i tipului
de experien i pe care se aplic un anumit tratament, la un anumit nivel.
ntreaga experien este divizat n parcele experimentale. n designul experimental
formeaz cea mai mic diviziune a unei experiene. O experien cuprinde un numr de
parcele experimentale egale cu numrul tratamentelor (variantelor) nmulit cu numrul
repetiiilor.

17

Toate observaiile i determinrile dintr-o experien se execut i se nregistreaz pe

fiecare parcel experimental n parte, fie pentru toate plantele cuprinse n parcel (plante
anuale), fie pe cteva plante (plante multianuale).
Pentru obinerea unor rezultate corecte i precise

este necesar ca parcelele

experimentale s ndeplineasc anumite condiii:

- s fie egale ca suprafa i s cuprind un numr egal de plante pentru msurtori n
aceeai experien;
- s prezinte un numr de plante suficient de mare (optim) pentru a exprima o medie
corect a caracteristicilor propuse la analiz n experien;
- s fie complete, fr goluri, cu plante uniforme, de aceeai vrst , tipice obiectivelor
propuse;
- forma parcelelor experimentale este strict determinat i trebuie folosit ca atare n
experiene;
- mrimea parcelei experimentale este determinat tiinific i corespunde unui anumit
tip de plant i este caracteristic i tipului de experien.

Forma parcelelor
La experienele de cmp se folosesc parcele experimentale de form dreptunghiular
sau ptrat. Alegerea formei este dependent de mai muli factori ntre care se detaeaz:
caracteristicile habitusului, distana dintre plante, relieful terenului, spaiul total disponibil
pentru experien i forma acestuia, uniformitatea solului, metoda de aezare etc.
De regul se folosesc parcelele de form dreptunghiular la care raportul dintre
lungime i lime poate fi 2:1 la 6:1
Se consider ns c, cu ct lungimea parcelei este mai mare cu att sporete influena
marginii i a vecinilor i deci este necesar s eliminm de la msurtori un numr ct mai
mare de plante (izolatoare).
O alt form de parcele experimentale este cea de ptrat.
Aceasta se realizeaz mai greu, fiind dependent de distana dintre plante, utilajele de
semnat etc.

18

Fig. 1 . Forme diferite de parcele experimentale

(dreptunghi i ptrat).
a i d pl ante anuale;

b i c pomi i vi -de-vie.

Mrimea parcelelor experimentale are o deosebit importan n designul experimental

i n obinerea unor rezultate precise i corecte. De mrimea parcelelor depinde exactitatea
rezultatelor experimentale. n general este indus ideea general c o parcel experimental cu
ct este mai mare, cu att asigur o precizie mai mare asupra observaiilor i msurtorilor .
Designul experimental permite ca i prin folosirea tiinific a experienelor de cmp s se
reduc la minim suprafaa parcelelor experimentale fr s fie afectat exactitatea datelor
obinute.
Mrimea parcelelor experimentale a fost stabilit n mod tiinific de ctre diferii
cercettori , pentru diferite plante de cultur sau diferite tipuri de experiene (Smith, 1938;
Rivers, 1969; Matern, 1970; Besag i Kempton, 1986).
La stabilirea mrimii parcelelor experimentale se ine seama de:
-Uniformitatea solului
-Tipul de plant
-Felul experienei
-Materialul biologic din experien

19

Mrimea parcelelor expe rimentale pentru diferite plante

(dimensiuni orientative)*(m2 sau nr. plante n plot)
Tabelul 1
Experiene cu:

Planta
Soiuri hibrizi

ngrminte

20-40m

40-100 m

20-100 m2

Fasole, soia, lupin, rapi

25-50 m2

50-100 m2

30-100 m2

Poru mb

50-100 p l.

100-150 pl.

50-150 p l.

Floarea soarelu i

100-120 pl.

150-300 pl.

100-360 pl.

Cartof

100-200cu ib

150-280cu ib

100-300cu ib

Sfecl de zahr, sfecl furajer

150-200 pl.

400-600 pl.

150-650 pl.

Puni, pajiti

20-25 m2

20-25 m2

20-25 m2

Lucern, t rifoi , sparcet

20-30 m2

40-80 m2

20-100 m2

Mazre i fasole de grdin

20-50 m2

30-100 m2

20-100 m2

Castravei, dovlecei, pepeni g.

30-50 m2

30-100 m2

30-100 m2

Ardei , v inete

20-30 m2

40-100 m2

20-40 m2

Ceap, usturoi

12-20 m2

20-40 m2

12-80 m2

Morcov, ptrunjel, elin

15-30 m2

20-50 m2

25-75 m2

Tomate

20-40 m2

40-60 m2

20-80 m2

Salat , spanac

12-20 m2

20-40 m2

20-40 m2

Varz

30-40 m2

30-40 m2

40-60 m2

Seminceri ceap , morcovi

20-25 m2

20-40 m2

20-40 m2

Seminceri (butai mo rcov)

20-30 m2

20-40 m2

20-40 m2

Plante aro matice i condimentare

15-50 m2

50-100 m2

20-100 m2

Plante floricole

10-20 m2

30-50 m2

30-50 m2

Mr, pr (vigoare med ie - mare)

2-4 pl.

6-12 pl.

4-6 pl.

Mr, pr (vigoare mic)

4-6 pl.

6-15 pl.

6-8 pl.

Prun, cais, p iersic, cire, viin

4-5 pl.

6-12 pl.

4-6 pl.

Gutui, alun, soc

4-5 pl.

6-12 pl.

6-8 pl.

Nuc, castan

2-3 pl.

4-6 pl.

4-5 pl.

coal puiei pomi

10-20 m2

20-50 m2

20-50 m2

coal po mi (cmp formare)

40-50 p l.

80-120 p l.

80-120 p l.

5-10 pl.

20-30 p l.

15-20 p l.

Cpun

10-20 m

25-60 m

25-60 m2

Vi-de-v ie

16-30 p l.

20-30 p l.

20-30 p l.

M etode tehnologice

Gru, secar, orz, mazre, orez

Arbuti fructiferi

Dup diferi i autori (Pearce, 1949; Naid in, 1959; Wishart Sanderes, 1959; Su lescu, 1967; Ardelean .a,

2002; etc.).

20

4.2.4.2.Blocul experimental i repetiia

Blocul experimental reprezint o grupare de tratamente (variante cu anumite nivele)
dispuse alturat. Blocul complet cuprinde totalitatea variantelor experienei reprezentate o
singur dat fiecare.
Blocul incomplet cuprinde numai o anumit parte dintre variante din anumite motive
(disponibilitatea suprafeei de teren, a variabilitii acestuia etc.). Rolul acestor blocuri este de
a diminua eroarea sistematic provocat n special de neuniformitatea solului.
Blocurile pot fi aezate pe un singur rnd, dispuse etajat pe mai multe rnduri,
dispersat, n ptrat, n grilaj etc.
Rolul blocurilor este de a dispune n mod repetat n experien acelai tratament cu un
anumit nivel (variante).
Repetiiile constituie cea mai corespunztoare form de a echilibra rezultatul obinut
pe parcelele experimentale mici cu cele care se obin pe mari parcele n condiii de producie.

Fig. 2. Metode de amplasare a blocurilor.

A Bloc complet aezat linear;
B Bloc complet etajat pe 3 ni vele;
C Bloc incomplet etajat pe 3 ni vele;
D Blocuri dispersate.

21

4.2.4.3.Variantele (tratamentele)
Orice experiment are scopul de a face diferenieri ntre dou sau mai multe lucruri,
fenomene, tehnologii, soiuri etc. Pentru a putea face diferenierea, lucrurile i fenomenele
comparate ntre ele trebuie s corespund unei populaii sau s prezinte aceleai caracteristici.
n cadrul experienelor ceea ce urmeaz s se compare ntre ele sunt ,,tratamentele
sau n limba romn ,,variantele.
Tratamentele (variantele) unei experiene formeaz factorul experimental. ntr-o
experien de cmp identificm totdeauna mai mult de o variant (2 la n).
Variantele (tratamentele) dintr-o experien reprezint graduri sau nivele ale
factorului experimental i dei se deosebesc ntre ele, se refer la un acelai tip de tratament.
n cazul unor experiene care i-au propus obiective diferite, variantele i nivelele lor
sunt diferite i de regul, nu pot fi comparate ntre ele (fac excepie seriile de experiene care
cuprind variante similare).
Experienele de cmp pot cuprinde un numr foarte diferit de variante, mergnd de la
cele de tip monofactorial (2-20), la cele polifactoriale (pn la peste 100 variante).
Analiza biostatistic are ca subiect general i central comparaia dintre diferitele
niveluri ale variantelor, inclusiv cu martorul, pe baza a numeroase teste de semnificaie.
Elementul reprezentativ al nivelului unui tratament (al variantei) l constituie media
acesteia raportat la o anumit unitate de msur (m2 , m3 , ha, kg, g, h, l etc.).
4.2.4.4.Distribuia variantelor
Modul de aezare al variantelor sau distribuia lor n blocurile experienei (n repetiii)
constituie o caracteristic important a experienelor de cmp.
Pentru probele extrase din diferite populaii exist mai multe modaliti de obinere.
Scopul este acela de a realiza o similitudine ct mai mare ntre media populaiei () i media
probei extrase ( x ).
La nceputurile punerii bazelor tiinifice ale analizei biostatistice i designului
experimental, variantele se distribuiau n experien n mod sistematic, adic se niruiau n
ordinea numerotrii, n toate repetiiile. Ulterior s-a ajuns la concluzia obiectiv c o astfel de
aezare influeneaz n mod negativ rezultatele experimentale din cauza ncrcrii lor cu
numeroase erori.

22

Actualmente se folosete distribuirea variantelor n mod ,,randomizat sau

,,ntmpltor, n toate blocurile. Fisher este cel care a introdus pentru prima oar termenul de
randomizare i a reuit s evidenieze importana sa n statistic i n general, n cercetare.
n cazul distribuiei randomizate fiecare variant se nvecineaz, n fiecare repetiie, cu
alte variante i se nltur astfel eventualele influene care apar ntre parcelele variante
vecine. Fiecare variant are anse egale de a fi prezent pe toate neuniformitile solului din
experien.
Randomizarea este tipic pentru fiecare experien n parte.
n majoritatea experienelor, indiferent de domeniu, se procedeaz la randomizarea
variantelor, cu excepia primei repetiii unde variantele se aeaz sistematic (n ordine
numeric).
4.2.4.5.Comparaia ntre variante
Martorul este un element specific de comparaie al variantelor dintr-o experien.
Acesta este diferit de la o experien la alta. Nu poate exista un martor comun pentru
comparaie cu variantele existente n diferite experiene.
De fapt, martorul este o anumit variant a experienei, cu un anumit nivel, special ales
de cercettor deoarece este bine cunoscut anterior, cu rolul de a putea s raporteze la el
rezultatele obinute n celelalte variante.
n experienele n care se studiaz soiuri, hibrizi, clone se folosete ca martor unul
dintre aceste soiuri, de preferat unul dintre cele aflate n sortiment i are valoare biologic
recunoscut pentru acea zon.
Cea mai complet formul de testare i comportare a variantelor o constituie
comparaia direct ntre toate perechile de variante posibile n cadrul experienei. Se va evita
folosirea ca martor a mediei tuturor variantelor, aceasta fiind totui o valoare abstract, dedus
din calcul i fr importan.

4.2.4.6. Factorul experimental

Factorul experimental constituie elementul de baz al unei metode de design
experimental i este n legtur direct cu scopul experienei.
Prin factorul experimental se concentreaz ntreaga problem pe care dorim s o
rezolvm i se stabilete inta pe care o urmrete experimentul.
Factorul experimental este n legtur direct cu tratamentele i nivelele sale n
experien.
23

n situaia cnd se urmrete aciunea unui singur factor experimental, experiena este
una de tip monofactorial. Dac ns se urmresc 2,3 sau mai muli factori, atunci experiena
poate fi: bifactorial (2), trifactorial (3) etc.
n general dac exist un singur factor acesta se noteaz cu litera ,,A, iar cnd
ntlnim doi factori atunci acetia se noteaz cu literele ,,A i ,,B .a.m.d.
Factorul A prezint mai multe nivele care se noteaz:
a1 a2 a3
an
Factorul B se noteaz nivelele:
b1 b2 b3
bn
Factorul C se noteaz nivelele:
c1 c2 c3
cn
4.2.4.7.Izolrile
Izolrile sau rndurile de gard sunt obligatorii ntr-o experien de cmp. Scopul
acestora este de a izola parcelele experimentale, repetiiile (blocurile) sau experiena n
ansamblu de factorii deformatori aflai nuntrul sau n afara acesteia i de a crea condiii
uniforme de cretere i fructificare n toate parcelele.
n funcie de tipul plantelor, habitatul lor, distanele de plantare (semnare) izolrile
sunt formate din alei i rnduri izolatoare pe toate extremitile parcelelor experimentale.
Rndurile izolatoare sunt formate din aceleai soiuri ca i cele din parcelele experienei sau
dintr- un soi comun pentru toate izolrile, provenite din aceeai specie cu soiul (soiurile) care
se studiaz.
24

La pomii fructiferi, arbuti, vi-de-vie, izolrile sunt formate din 1 sau 2 rnduri de
izolare , din aceeai specie sau soi. Rolul izolrilor ntr-o experien vizeaz:
- protejarea ansamblului experienei (a designului experimental);
- protejarea blocurilor sau repetiiilor;
- protejarea parcelelor experimentale i a plantelor care le a lctuiesc.
Protejarea trebuie neleas sub aspectul c izolrile nu permit s se produc
interaciuni ntre plantele din interiorul parcelei experimentale (cele care vor face obiectul
observaiilor i al msurtorilor) i ali factori de mediu i biotici, n afara tratamentului la
care este supus parcela experimental.
n cadrul unei experiene intervin o serie de factori deformatori asupra creterii i
fructificrii plantelor.

Fig. 3. Diferite moduri de izolri n experiene (A, B, C).

a parcele experimentale (

);

b izolri (

).

Factorii deformatori n experiene

ntre factorii cu influen direct asupra rezultatelor din cadrul experienelor amintim:
25

Influena marginii
Experienele de cmp sunt limitate, n cele mai multe cazuri, de drumuri i alei.
Plantele situate la marginea experienelor, blocurilor sau parcelelor experimentale sunt
influenate puternic n creterea i fructificarea lor, de spaiul aflat la dispoziie, deseori, mai
mare dect cel normal. Influena pozitiv sau negativ pe care o primesc plantele situate la
exteriorul parcelelor este cunoscut sub numele de influena marginii.
Plantele de pe benzile sau rndurile izolatoare se nscriu n schia experienei, se
marcheaz distinct i n teren pentru a evita unele erori la nregistrarea datelor. Pe aceste
plante nu se pot face observaii i determinri.
Influena vecinilor
Influena vecinilor se produce ntre parcelele experimentale, adic ntre plantele care
primesc tratamente (variante) diferite i sunt amplasate alturat. Plantele din parcelele variante vecine suport o influen diferit n creterea i fructificarea lor fiind n legtur
direct cu:
- distanele de plantare
- tratamentele specifice din variante
Din cele prezentate rezult c plantele marginale de la o parcel experimental pot
primi influene diverse de la tratamentele aplicate variantelor vecine.
Influena golurilor
n parcelele experimentale apar deseori goluri ca urmare a mbolnvirilor i
distrugerilor mecanice a plantelor. Plantele se usuc i rmn spaii goale n parcele. Cu ct
aceste goluri sunt mai mari cu att se produce o influen mai puternic asupra plantelor
vecine din parcela experimental.
La plantele anuale se face completarea golurilor imediat dup semnare, dar de regul
se evit plantele vecine golurilor la nregistrarea observaiilor.
La plantele multianuale i n special la pomii fructiferi i

via-de-vie, problema

influenei golurilor este foarte important deoarece ntr-o parcel elementar sunt puine
plante (1-6), iar nlocuirea plantelor din goluri prin replantare ridic probleme multiple (lipsa
materialului sditor, replantarea cnd plantele din parcele au vrste naintate).

26

4.2.5.Condiii pentru reuita experienelor

Alegerea terenului i tehnologiei de lucru
Experienele de cmp se amplaseaz n anumite zone i localiti pe un teren care s
corespund scopului propus.
Terenul destinat unei experiene va trebui s corespund tuturor parametrilor ecologici
i mai ales a celor edafici pentru c rezultatele obinute se vor regsi n unitile de producie.
n consecin, se impune ca terenul s fie reprezentativ pentru zon (tipul de sol, orografia ,
apa freatic) i n mod deosebit chiar pentru microzone.
La alegerea terenului se va avea n vedere i expoziia solului, existena unor cureni
de aer puternici, a zonelor expuse frecvent grindinei etc., fenomene cu influen puternic
asupra rezultatelor experienei.
Esenial ns n alegerea terenului rmne uniformitatea solului n cadrul experienei.
Probleme ale uniformitii solului se vor rsfrnge nemijlocit n crearea diferenelor ntre
variante. Astfel de diferene mresc erorile i micoreaz credibilitatea rezultatelor obinute.
Se consider c neuniformitatea terenului crete odat cu mrirea suprafeei unei experiene.
Terenul destinat unei experiene va

fi analizat amnunit din punct de vedere

pedologic, agrochimic, aero-hidric etc.

Pregtirea terenului se face n conformitate cu specia care se studiaz. La plantele
pomicole pregtirea terenului este foarte difereniat fa de plantele anuale, de la terenuri
plane la terenuri n pant etc. n toate cazurile se va ine seama de tipul experienei i de
pregtirea terenului ntr-un mod care s asigure o uniformitate ct mai mare. Pentru
experienele ale cror variante se refer tocmai la modul de pregtire a terenului, acestea se
vor delimita ca arie i se vor respecta cu strictee astfel ca s se evite influena subiectiv
dintre variante.
Lucrrile tehnologice de ntreinerea culturilor au un rol important pentru creterea i
dezvoltarea plantelor, dar i pentru parametrii experienei. n toate experienele, funcie de
specificul de cultur al plantei respective, se vor aplica tehnologii de nalt nivel. Fr un nivel
ridicat de tehnologie, fr respectarea verigilor tehnologice, experienele nu-i pot atinge
scopurile, indiferent cu ce fel de soiuri, hibrizi sau alte elemente tehnice de mbuntire a
culturii vom lucra.
Alegerea materialului biologic
Materialul biologic fie c este smn, puiei, marcote, butai, drajoni, pomi altoii,
stoloni etc. este de o mare importan, determinant n conceperea i executarea corect a unei

27

experiene. Indiferent ce material biologic folosim, aceasta fiind funcie de specie, de scopul
experienei, este necesar s ndeplineasc anumite condiii .
Unele dintre aceste condiii se pot aplica la materialul biologic de la diferite
experiene, acestea constituind condiii generale:
- valoarea biologic a materialului biologic trebuie s fie de cea mai nalt calitate,
astfel c acesta s corespund ntru-totul ca autenticitate, valoare cultural, stare fitosanitar
etc.;
- cu ct proveniena materialului biologic este din categorii biologice superioare (Baz,
certificat etc.), cu att acesta este mai valoros i corespunde folosirii ntr-o experien
riguroas.;
- uniformitatea materialului biologic ntr-o experien este o cerin obligatorie.
- vrsta materialului biologic ntr-o experien este aceiai, altfel parametrii experienei
nu pot fi luai n consideraie.
- folosirea materialului biologic se face n acelai timp n toate parcelele
experimentale.
- semnarea sau plantarea se execut cu mare atenie n aceleai condiii de tehnologie,
n toate parcelele experimentale.
Manipularea, pstrarea, sortarea sunt totdeauna n atenia cercettorului pentru a nu
modifica negativ calitatea materialului biologic.

28

V.METODE DE AEZARE I DE ANALIZ BIOSTATISTIC A

EXPERIENELOR
5.1.Designul experienelor monofactoriale
Experienele monofactoriale se caracterizeaz prin tratamente cu nivele (variante) care
aparin la un singur factor.
Acestea sunt comune n toate domeniilor de activitate, sunt mai simple, mai uor de
realizat i analizat, dar se prezint ntr-o gam foarte larg de metode.

5.2. Metode de aezare cu distribuie randomizat

5.2.1. - Metoda blocurilor randomizate

Metoda blocurilor a fost folosit pentru prima oar de R. Fisher (1926) i s-a dovedit
a fi cea mai simpl, att din punct de vedere al designului ct i al analizei statistice. Este
foarte mult folosit n prezent deoarece permite eliminarea erorilor sistematice, n spe cial a
celor datorate variabilitii solului. Numrul variantelor poate fi cuprins ntre 2 i 12 (dac se
mrete numrul variantelor sporete i eroarea din cauza creterii neuniformitii solului).
Numrul blocurilor poate fi cuprins ntre 4 i 8 (Fig. 24).

a. Bl ocuri etajate.

b. Blocuri aezate linear.

29

c. Blocuri aezate dis persat.

Fig. 4. Metode de aezare n blocuri randomizate.

Blocurile experienei pot fi complete (cnd prezint toate variantele) i incomplete

(numai un anumit numr de variante).
Principalele caracteristici ale acestei metode sunt:
- numrul blocurilor nu este limitat, acesta poate oscila de la minim 3 n sus;
- blocurile pot cuprinde toate variantele (caz n care numrul blocurilor este egal cu
numrul repetiiilor) sau o parte din ele;
- blocurile cuprind un numr maxim de 12 variante;
- variantele sunt dispuse randomizat n toate blocurile (poate face excepie primul bloc
n care variantele sunt aezate sistematic);
- blocurile pot fi dispuse liniar, etajat sau dispersate;
- impune un teren ct mai uniform deoarece nu se pot elimina dect erorile sistematice
ntre blocuri nu i ntre variante.
5.2.2 - Metoda ptratului latin
Aezarea n ptrat latin a fost studiat la nceput de Euler (1782) i pus la punct mai
trziu de R. Fisher (1934).
Ptratul latin are dispuse parcelele experimentale n rnduri i coloane, astfel c fiecare
tratament se gsete att pe rnduri ct i pe coloane. Aceast metod este de mare precizie
deoarece permite analiza varianei pe rnduri , coloane i tratamente. Cu ajutorul ei pot fi
evideniate diferene foarte reduse ntre variante.

30

Fig.5. Ptrat latin de tipul 5x5.

Metoda prezint unele caracteristici care o deosebesc profund de alte metode de design
experimental :
- numrul coloanelor este egal cu numrul blocurilor i cu numrul variantelor
(blocurile sunt similare cu repetiiile);
- randomizarea variantelor se face n fiecare bloc i coloan astfel ca fiecare variant
s se regseasc o singur dat ntr-un bloc i o coloan;
- numrul variantelor este limitat la 6-8, maxim 10;
- forma experienei este ptrat n msura n care i parcelele experimentale sunt de
form ptrat. Acest aspect trebuie analizat n funcie i de habitusul plantelor din parcelele
experimentale deoarece la plantele pomicole i viticole este mai greu de realizat o form
ptrat att la parcelele experimentale ct i la ansamblul experienei.

5.2.3- Metoda dreptunghiului latin

Dreptunghiul latin este o metod de aezare complex care permite folosirea unui
numr mai mare de variante dect la ptratul latin (12-24). Aceast metod a fost elaborat de
A. Mudra (1952) n scopul de a combina exactitatea ptratului latin cu mrirea numrului de
variante. La aceast metod valorile individuale se grupeaz pe blocuri, coloane i variante
(tratamente). Componentele varianei totale sunt alctuite din variana blocurilor, variana
coloanelor, variana tratamentelor i variana erorii.
La dreptunghiul latin, coloanele cuprind toate variantele care sunt aezate n
subcoloane (2-4). Numrul variantelor este strict limitat de produsul dintre blocuri(repetiii) i
subcoloane, de unde numrul variantelor este divizibil prin numrul b locurilor, coloanelor i
subcoloanelor (Fig. 27 i 28).
31

Dreptunghi latin (v=10, b=5, c=5, sbc=10).

Fig.6. Dreptunghi latin de tipul 6x6x3 (v=18, b=6, c=6, sbc=18).

Principalele caracteristici ale dreptunghiului latin sunt:

- numrul variantelor este divizibil cu numrul repetiiilor, cu numrul coloanelor i cu
numrul subcoloanelor;
- numrul coloanelor este egal cu numrul repetiiilor;
- fiecare variant este reprezentat o singur dat n fiecare coloan i n fiecare
repetiie (blocurile sunt complete);
- distribuia variantelor se face randomizat, separat pe coloane i pe repetiii;
-

forma experienei trebuia s fie ptrat (sau ct mai apropiat de ptrat), iar a

parcelelor experimentale ptrat sau dreptunghiular. n cazul plantelor cu distane mari de

plantare este foarte dificil de a realiza o form ptrat att la experien ct i la parcelele
experimentale;
- controlul tratamentelor i a preciziei n experiene se realizeaz prin blocuri, coloane
i subcoloane, dar acesta este inferior comparativ cu ptratul latin.

32

5.2.4 - Metoda de aezare n parcelele divizate

Metoda a fost pus la punct de Yates (1937) i const n divizarea unei parcele
experimentale n dou sau mai multe subparcele de mrime egal, iar acestea pot fi folosite ca
blocuri. Aceast metod se deosebete radical de metoda parcelelor subdivizate ntlnit la
experienele polifactoriale.
La aceast metod se folosete un singur factor (monofactorial), atunci cnd intervin
unele situaii complicate i alte metode nu mai sunt corespunztoare.
Metoda este folosit cu predilecie n pomicultur, n situaii mai dificile (variabilitatea
solului, modificri n tehnologie pe anumite poriuni etc.) ea urmrind amplasarea n cmp cu
scopul asigurrii unei analize biostatistice corecte i precise.

Fig. 7. Parcele divizate pentru experienele monofactoriale

(b=4, v=8, subp=? ).

33

5.2.5. METODA DE AEZARE N GRILAJE

a.Grilajul simplu balansat

Este o metod simpl de aezare cu blocuri incomplete.
Numrul total de variante care se pot folosi ntr-o experien trebuie s fie un numr la
ptrat (16, 25, 36, 49, 64 etc.). Blocul cuprinde un numr de variante egal cu rdcina ptrat
din numrul total de variante: v = k2 sau k =

v.

Deoarece blocurile sunt mici i incomplete este necesar ca aezarea variantelor s

permit regsirea lor ntr-un numr egal de ori.
Lucrul acesta este posibil prin operaiunea de balansare. Datorit balansrii , o variant
se ntlnete cu fiecare din celelalte o singur dat ntr-un bloc incomplet. Pentru o balansare
este necesar ca numrul de repetiii s fie n = k+1. Nu pot fi balansate experienele cu 36, 100
i 144 variante. Blocurile sunt aezate pe un rnd sau pe mai multe rnduri (Fig.30).
Dezavantajul acestei metode const n aceea c nu poate utiliza dect un numr fix de
variante.

34

Fig.8. Grilaj balansat de tipul 4x4 (v=16, k=4, n=5, b=20).

b. Grilajul ptrat balansat

Grilajele ptrate balansate sunt ptrate latine cu blocuri incomplete la care estimarea
i eliminarea influenelor variabilitii solului poate fi fcut n dou direcii.
Numrul variantelor este un ptrat perfect, v = k2 . Randomizarea variantelor n
interiorul blocurilor incomplete se face n aa fel c prin alturarea acestora s rezulte coloane
incomplet balansate .

Grilajul ptrat balansat (3x3 i n=4).

35

Fig. 9. Grilaj ptrat balansat 5x5 (v=25, k=5,n=3, b=15, c=15).

Numrul de repetiii necesar pentru balansare se determin pentru fiecare caz n

funcie de k, dac acesta este impar sau par:
- pentru k impar, n =

k 1
2

- pentru k par, n = k + 1
Nu se pot forma grilaje balansate de tipul 6 x 6, 10 x 10 i 12 x 12 deoarece nu se pot
balansa.
La multe tipuri de grilaje ptrate balansate numrul repetiiilor este diferit de cel al
grilajului balansat (cazurile 5 x 5, 7 x 7, 9 x 9).

36

VI.EXPERIENELE POLIFACTORIALE
La experienele polifactoriale se constat cu claritate c au aprut unele elemente
suplimentare, comparativ cu experienele monofactoriale:
- existena influenei concomitente a doi sau mai muli factori;
- fiecare factor acioneaz ntr-un anumit mod i cu o anumit intensitate asupra
proceselor de cretere i fructificare;
- apariia fenomenului de interaciune ntre anumite graduri ale unui factor, cu alte
graduri ale altor factori;
- existena a numeroase ipoteze de testare ca urmare a corelaiilor ntre factorii
experimentali i efectul lor.

6.1 Experiene bifactoriale

a - Metoda blocurilor
Este metoda cea mai simpl i cea mai des folosit. Blocul este identic cu repetiia, iar
parcelele care reprezint gradurile factorilor experimentali se regsesc alturat aezate liniar
pe un rnd sau dou rnduri.
La metoda blocurilor exist diferite variante de randomizare (Fig. 35 i 36).

Fig. 10. Experien polifactorial 2x4

(bl ocuri randomizate aezate linear).

37

Fig. 11. Experien polifactorial 2x4

(blocuri randomizate i etajate).

La aezarea n blocuri randomizate se recomand ca factorii s aib un numr redus de

variante .
Schema experimental pentru o experien bifactorial de tipul 2 x 4 cu 3 repetiii va fi
notat astfel:
Factorul:

A = Soiuri de mr
a1-Golden delicious
a2 - Starkrimson
B = Forma de coroan
b1 - Vas ameliorat
b2 - Palmet cu brae oblice
b3 - Spindelbush
b4 - Pillar

Aceeai experien mai poate fi notat i sub forma :

Factorul A cu gradurile 1 i 2
Factorul B cu gradurile 1,2,3 i 4

b. Metoda parcelelor subdivizate

Metoda este folosit deseori n experienele cu plante multianuale i cu distane mari
de plantare. Este caracteristic experienelor la care factorii experimentai se manifest cu
intensiti diferite. Principiul de baz const n divizarea parcelelor experimentale mari (ale
factorului A), n parcelele mai mici ocupate de factorul B. Factorul A are o aciune mai
puternic dect factorul B. Gradurile factorului A figureaz o singur dat ntr- un bloc, pe

38

cnd ale factorului B de dou ori , deci efectele factorului B vor fi mai bine studiate, s.a.m.d.
pentru factorul C.
Factorul A: soiuri
a1 - Feteasc alb
a2 - Riesling italian
Factorul B: distane de plantare
b1 -1,0 x 1,0m
b2 -2,0 x 1,0m
b3 -2,2 x 1,2m
Numrul blocurilor este de n = 4 , iar n parcela experimental sunt cte 10 butuci
(datele sunt abstracte).
Pentru experien bifactorial situaia se prezint astfel:
Randomizarea este obligatorie pentru toi factorii i n toate blocurile. Un mod de dispunere a
unei astfel de experiene trifactoriale este similar cu planul din figura 12 pentru trei factori .
6.2. Experiene trifactoriale
a. Metoda parcelelor subdivizate
Metoda parcelelor subdivizate se utilizeaz foarte des n experiene trifactoriale, n
special n cele pomicole i viticole, unde soiurile sunt aezate pe rnduri ca re se repet din loc
n loc. De asemenea, aceast metod este caracteristic experienelor la care factorii
experimentali se manifest cu intensiti diferite. Principiul acestei metode const n divizarea
parcelelor experimentale mari (Factorul A), n parcelele ocupate de gradurile factorului B,
iar acestea, la rndul lor, sunt ocupate de gradurile factorului C. Ierarhia factorilor este dat
de intensitatea de aciune a acestora. Totdeauna factorul A are aciune mai puternic dect
factorul B, iar aceasta dect factorul C. Rezult de aici c gradurile factorului A figureaz o
singur dat ntr-un bloc (repetiie), pe cnd ale factorului B de 2 ori, iar ale factorului C de 6
ori (n experiena de tipul 3 x 2 x 3). Cel mai bine studiat este factorul C deoarece dispunem
de un numr de 6 valori individuale pentru aceeai graduare (Fig. 12). Planul de aezare al
blocurilor va fi liniar pe un rnd sau mai multe rnduri, funcie de posibilitile din teren. Este
obligatorie randomizarea tuturor factorilor n toate blocurile.

39

Fig. 12.Experien polifactorial 3x2x3

(parcele subdi vizate: A=3; B =2; C=3; bl ocuri=4).

40

VII. MSURI ALE TENDINEI CENTRALE SAU ALE MEDIILOR

n urma msurtorilor efectuate asupra probelor sau populaiilor de indivizi se constat
c n general, valorile observate se situeaz preponderent n jurul centrului.
n acest mod, concentrarea din apropierea centrului formeaz o medie sau o msur a
tendinei centrale (n statistic).

7.1. Media aritmetic

Cea mai folosit msur a tendinei centrale este media aritmetic sau cunoscut
popular ca ,,medie. Aceasta reprezint principalul parametru statistic care poate caracteriza
un numr mare de valori individuale variabile dar cu acelai coninut.
Media aritmetic a probei se exprim n aceleai uniti de msur ca i valorile
individuale. irul de valori individuale este alctuit din mai multe observaii sau msurtori
(x1, x2 , x3 xn ).
Media aritmetic se obine astfel:

x=

x1 x2 x3 x4 ..... xn
n

n general, media aritmetic reprezint un estimator statistic i de aceea are nevoie i

de ali indicatori pentru a ntri valoarea sa. n irurile de variaie cu valori cresctoare (n
evoluie) nu este indicat calcularea mediei aritmetice.
Exemplu 1: O prob de 30 msurtori privind lungimea tiuleilor de porumb dintr-o
populaie este format din Xi(cm) - 18,6; 28,3; 15,2; 22,4; 8,7; 15,7; 18,3; 21,2; 13,5;16,4;
19,5; 18,6; 10,2; 12,6; 17,8; 14,3; 11,6; 20,7; 19,4; 14,8; 15,6; 16,2; 14,5; 10,6; 9,4; 13,2;
14,5;18,4; 19,3; 16,6.

xi 486,1cm
n = 30

x =

xi =
n

486,1
= 16,20cm
30

41

Exemplu 2: Apelm la Tabelele 5 i 6 n care dispunem de un ir de variaie format

din 60 de valori (n= 60) care cuprind greutatea medie a fructelor de Jonathan. La acest ir de
variaie putem calcula direct media aritmetic din tabelul 5, lund toate cele 60 de valori:

xi =

x=

9124,7
= 152,08g
60

Determinarea mediei aritmetice cu ajutorul frecvenelor de clas

Tabelul 2
Nr.

Xi (cm)

crt.

(centrele de

fi

Fi Xi (cm)

clas)
1

75

75

85

85

95

285

105

210

115

460

125

375

135

270

145

580

155

930

10

165

19

3135

11

175

1575

12

185

370

13

195

585

14

205

205

f1 = 60

K = 14 (clase)

fi = n = 60
i l

fiXi
x=

i l

9140
= 152,33g
60

f1 x1 =
9140cm

Aceast metod poart numele de metoda multiplicrii i const n nmulirea valorii

fiecrei clase K (x) cu frecvena clasei respective (f).

7.2. Media aritmetic ponderat

Media aritmetic ponderat este un indicator statistic care caracterizeaz valoarea
medie general de la mai multe iruri statistice cu medii aritmetice diferite.

42

Pentru rezolvarea acestei probleme este necesar calcularea mediei ponderate care se
noteaz astfel,, x .

x =

n1 x1 n2 x2 n3 x3 ..... nn xn
n

Exemplu: S se precizeze care este producia medie de struguri la soiul Sauvignon din
zona Oltenia n anul 2003, cunoscnd c principalele plantaii sunt situate n 5 localiti i
dispun de poteniale diferite de producie.
Suprafaa ha

Localitatea

Producia medie t/ha

Producia total
t/localitate

25

9,0

225

10

15,0

150

42

7,0

294

18

11,0

198

26

16,0

416

Total

121

1283

Calculm media ponderat:

x

(25x9) (10x15) (42x 7) (18x11) (26x16) 1283

10,6t / ha
121
121

7.3.Amplitudinea variaiei (the range)

Amplitudinea variaiei reprezint diferena dintre valoarea cea mai mare i valoarea
cea mai mic a msurtorilor unui grup de date dintr-un ir de variaie. Termenul de
amplitudinea variaiei (range) a fost folosit pentru primea dat de Lloyd H. (1848).
Amplitudinea variaiei nu este un indicator suficient de semnificativ deoarece ine
seama numai de cele dou valori extreme, care pot fi ntmpltoare i nu au nici-o legtur cu
celelalte valori din ir.
Cea mai mic valoare dintr-un ir de variaie se noteaz cu,,X minim sau,,X min, iar
cea mai mare valoare cu,,X maxim sau,,X max.
43

Amplitudinea variaiei se codific cu litera,,A, iar formula de calculare este:

A = Xmax.-Xmin.

7.4. Deviaia standard sau abaterea standard

Deviaia standard (abaterea standard) reprezint rdcina ptrat a varianei. Termenul
de deviaie standard a fost introdus de K. Pearson, dar au mai fost ntrebuinai i ali termeni
(eroarea medie Eells, 1926; abaterea medie ptratic, Jule, 1919). Deviaia standard capt
totdeauna valoare pozitiv.
Deoarece este o msur absolut a dispersiei aceasta nu permite o comparaie ntre
dou sau mai multe distribuii de frecven.
Exemplu a pentru iruri mici de valori
S se calculeze abaterea standard (s) a suprafeei seciunii trunchiului la soiul de mr
Idared altoit pe portaltoiul M9, (anul 15), n cazul a 10 valori msurate (I. Botu i M. Botu,
1997).
Determinarea abate rii standard (s) pentru iruri mici de valori.
Tabelul 3
Nr

(x)

crt

(SST-cm

50

2500

28

784

38

1444

40

1600

38

1444

43

1849

45

2025

43

1849

43

1849

10

36

1444

n =10

x= 406

x2 =

(x)

164836
16483,6
10

164836

16483,6

16788

(406)2 =164836

44

s =

x2 (

x) 2

n 1

16788 16483,6 304,4

=
=33,8
10 1
9

s2 = 33,8cm2
s=

s2

33,8 = 5,8 cm2

Pentru ca valoarea s obinut s fie mai explicit este necesar s atam s la media
aritmetic x .

x SST =

406
= 40,6 cm2
10

x SST = 40,6 5,8 cm

Deci valoarea mediei aritmetice a SST poate fi cuprins ntre limitele de:
-40,6+5,8 = 46,4 cm2
-40,6-5,8 = 34,8 cm2
Majoritatea valorilor irului de variaie sunt cuprinse ntre 34,8 cm2 i 46,4 cm2 .
Exemplu b pentru iruri mari de valori
S se calculeze abaterea standard (s) privind greutatea medie a ciorchinilor de struguri
la soiul x.

Determinarea abaterii standard (s) pentru iruri de variaie mari

Tabelul 4
Nr.
crt.

X
Greutatea

fx

fx

( fx ) 2
n

ciorchinelu i

50

100

2.500

5.000

60

360

3.600

21.600

70

20

1400

4.900

98.000

80

66

5280

6.400

422.400

90

150

13500

8.100

1.215.000

1.982.030.40

100

98

9800

10.000

980.000

110

74

8140

12.100

895.400

464

120

35

4200

14.400

504.000

130

1040

16.900

135.200

10

140

700

19.600

98.000

n = 464

fx = 44520

98.500

4.374.600

45

4.271.617


2
fx

s2 =

fx

n 1

4374600 4271617 102983

=
= 222,4g
463
463

s=

s 2 222,4 =14,9g

x=

fx =
n

44520
= 95,95g; xcs 95,95 14,9g
464

7.5.Variana
Variana este indicele statistic cel mai mult utilizat n cercetrile din toate domeniile.
Se cunoate c valorile unei caracteristici sunt dispersate n jurul mediei acestora.
Aceast dispersie reprezint o medie aritmetic sau ponderat a ptratelor abaterilor valorilor
individuale fa de media lor.
Pentru a determina i a elimina semnificativ aceast abatere de la medie folosim
2

metoda abaterilor ptratelor (s =

x2

( x 2)
n

n 1

), unde s2 este variana.

Suma ptratelor abaterilor de la medie poart numele de suma ptratelor. Aceasta este
abreviat n diferite moduri: SS(pentru vorbitorii de limba englez) i SPA (pentru cei de
limba romn).
SPA (SS) la populaii = ( X i ) 2
SPA (SS) la probe = (X1 - x )2
Pentru exemplificare vom folosi un exemplu ipotetic de forma:
X1 (g)

X1 -x(g)

Xi-X(g)

(Xi-X)2 (g2 )

1,5

-1,75

1,75

3,06

2,0

-1,25

1,25

1,56

2,5

-0,75

0,75

0,56

3,0

-0,25

0,25

0,06

3,5

+0,25

0,25

0,06

4,0

+0,75

0,75

0,56

4,5

+1,25

1,25

1,56

5,0

+1,75

1,75

1,75

xi= 26,0g

(xi-x) = 0g

xi-x = 8,0g

(x1-x)2=9,17g

46

x =

26,0
= 3,25g
8

(X1 - x )2 = suma ptratelor = 9,17g

Pentru a afla media sumei ptratelor nu ne rmne dect s divizm suma ptratelor la
numrul msurtorilor:
SPA(SS) =

9,17
= 1,15g
8

Abaterea medie ptratic sau media ptratic poart numele de,,varian. Variana
este cel mai valoros parametru statistic pentru estimarea dispersiei n cadrul probei i n cadrul
populaiei. Termenul de,,medie ptratic a fost introdus de Biddel-Airy (1875), iar cel
de,,varian de Ronald Fisher (1918).

7.6. Coeficientul de variaie

Pearson (1895) a propus termenul de coeficient de variaie sau coeficient de
variabilitate pentru a putea realiza o comparaie posibil ntre dou sau mai multe distribuii
de frecvene n privina variaiei lor. Acesta este un raport ntre abaterea standard i media
aritmetic a irului de valori. Este codificat astfel: V sau C sau ,,s%. De regul, coeficientul
de variabilitate se multiplic cu 100% i formeaz o expresie a variabilitii relative a unei
probe (variabilitate relativ sau dispersie relativ).

V (cv) (s%) =

s
100(%)
x

Coeficientul de variaie are valori mai mari dect zero. La un coeficient de variaie mic
distribuia de frecvene este mic, iar la un coeficient de variaie mare, distribuia de frecvene
este mare. Simpson i alii, 1960 (citai de Zar J., 1999) semnaleaz folosirea frecvent a
coeficientului de variaie n biologie, n mod special pentru a marca variabilitatea caracterelor.
n vederea realizrii unei estimri corecte, au fost admise n biologie, n mod arbitrar,
valorile V pentru comparaie:
0-10% - coeficientul de variaie mic (cu variaie mic);

47

10-20% - coeficientul de variaie mediu (cu variaie medie);

20-30% - coeficient de variaie mare (cu variaie mare);
30% - coeficientul de variaie extrem de mare, media irului de variaie nu mai este
reprezentativ i msurtorile trebuie separate i apoi grupate n probe diferite, funcie de alte
caracteristici de grupare.
Coeficientul de variaie se folosete ca un test de verificare a omogenitii unei
populaii.
Exemplu: S se calculeze coeficienii de variaie pentru irurile
a)Pentru irul de variatie , unde

V(s%) =

= 40,6 cm2 i s= 5,8cm2 .

s
5,8
100 =
100 = 14,29(14,3%)
40,6
x

b)Pentru irul de variaie unde x = 95,95g i s=14,9g

V(s%) =

s
14,9
100 =
100 = 15,53 % (15,5%)
95,95
x

n ambele cazuri coeficientul de variaie arat o variaie medie, adic o omogenitate

medie a celor dou populaii. Deoarece V (s%) reprezint populaii diferite (suprafaa
seciunii trunchiului cm2 i greutatea unor ciorchini de struguri) nu se pot face comparaii
ntre ele.

7.7.Testul t
Distribuia t poate fi considerat o estimat demn de ncredere n cazul distribuiilor
normale ale populaiei numai cnd probele extrase au un numr foarte mare de valori
individuale. n cele mai multe cazuri nu se poate considera s x % estimat sigur a lui x
pentru c n este insuficient de mare.
n aceast situaie distribuiile supuse legii t (mai mici de 100 indivizi) nu mai pot fi
comparate cu graniele x s, n care are valorile 1,96; 2,58 3,29, ci sunt valabile
graniele de semnificaie date de formula:
48

Cazul a):

x ts
x = valoarea medie a probei
t = valori cuprinse n tabelul 37 din anex
sx = abaterea standard a probei (s=

s2 )

Dac dorim s examinm semnificaia mediilor supuse distribuiei t atunci formula

devine:
Cazul b):

x tsx
n care: s x = abaterea standard a mediei (s x =

Pentru examinarea semnificaiei diferenelor supuse distribuiei t ne folosim de

diferena limit:
Cazul c):
DL = t sd
De unde: sd =

s12 s 22

n1 n2

Exemple:
Cazul a): S se stabileasc graniele accidentale pentru soiul de tomate Ioana avnd
n vedere c: x = 44,5t/ha, s = 4,7 t/ha i n = 9 (GL=8).
Pentru = 5%, x t s:

44,5+2,306 * 4,7 = 44,5 + 10,84 = 55,34 t

44,5+2,306 * 4,7 = 44,5 - 10,84 = 33,66 t
Pentru = 1%:
44,5 + 3,355 * 4,7 = 44,5 + 15,77 = 60,27 t
44,5 - 3,355 * 4,7 = 44,5 - 15,77 = 28,73 t
Pentru = 0,1%
44,5 + 5,041 * 4,7 = 44,5 + 23,69 = 68,19 t

49

44,5 5,041 * 4,7 = 44,5 23,6 = 20,81 t

Probabilitatea ca soiul Ioana s dea producii mai mici de 20,81 t/ha sau mai mari
de 68,19 t/ha este mai mic de 0,1% (P 0,1%).
Cazul b): S se stabileasc graniele confidenei produciei medii la soiul de struguri
Victoria innd seama de: x = 18,6 t/ha, s x = 3,9 t/ha, iar n = 5 (GL= 4)
Pentru = 5,0 %, x t s x
18,6 + 2,776 * 3,9 = 18,6 + 10,83 = 29,43 t
18,6 2,776 * 3,9 = 18,6 10,83 = 7,77 t
Pentru = 1,0 %
18,6 + 4,6049 = 18,6 + 17,96 = 36,56 t
18,6 4,604 *3,9 = 18,6 17,96 = 0,64 t
Probabilitatea ca soiul Victoria s dea producii medii mai mici de 0,64 t/ha sau mai
mari de 36,56 t/ha este mai mic de 1,0%, mai sigur este c probabilitatea de 5,0 % este mai
apropiat de adevr (7,77 29,43t/ha).
Cazul c): S se stabileasc dac ntre produciile medii ale soiurilor de prun Stanley
i Agen, cultivate la SCDP Vlcea sunt diferene semnificative cunoscnd c:
Stanley

Agen

n1 = 5

n1 = 5

GL = 4

GL = 4

x = 25,5 t/ha

x = 16,2 t/ha

s2 = 3,4 t

s2 = 1,8 t

Se calculeaz sd =

s12 s 22
=
n

3,4 1,8
=
5

5,2
= 1,0 t
5

Diferena x = x1 - x 2 = 25,5-16,2 = 9,3 t

Din tabelul 37 anex determinm valorile = 5%, = 1% i = 0,1% pentru GL =
4:
DL 5% = 2,77 * 1,0 = 2,77 t
DL 1% = 4,60 * 1,0 = 4,50 t
DL 0,1% = 8,61 * 1,0 = 8,61 t
Rezult c ipoteza nul H0 nu este adevrat ntre cele dou medii sunt diferenele
foarte mari i probabilitatea ca soiul Stanley s dea producii mai mari cu 9,3 t/ha dect soiul
Agen este foarte mare. Diferena de producie fiind foarte semnificativ.

50

Acest lucru se obine i dac folosim formula:

t=

x1 x 2
25,5 16,2
=
= 9,3 t (sd=
sd
1,0

s12 s 22
)
n

DL = 4 + 4 = 8
t 0,001 (P= 0,1%)8 0,1% (tabelul 37a)

7.8.Testul t multiplu
Testul t simplu se folosete pentru compararea a dou probe ale unei populaii. De
obicei, n cercetare este nevoie s comparm concomitent mai multe probe i de aceea se
folosete un alt indicator statistic numit,,testul t multiplu. Totodat se mai pot folosi i alte
teste ca,,testul Duncan,,,testul Newman - Keuls,,,testul Tukey etc.
Testul t multiplu

servete la efectuarea unor comparaii multiple ntre mediile

diferitelor probe. Comparaia este posibil pe baza diferenelor dintre mediile xi ale unui
numr mare de probe,,i.
Pentru a realiza examinarea cu ajutorul testului t multiplu este necesar s cunoatem
variana erorii (s 2E ), numrul gradelor de libertate (GL sau V) i s grupm mediile probelor
dup mrime deoarece comparaia nu se poate realiza dect pe baza diferenelor ntre medii
( x5 - x 2 ) etc.
De aceea, este necesar s obinem valorile:
sd =

2 s E2
(eroarea standard a diferenei sau abaterea standard a diferenei).
n

n care:
sd = abaterea standard a diferenei ntre dou probe,
s 2E = variana erorii
n = numrul de repetiii sau msurtori
Urmeaz obinerea lui t multiplu pentru = 5%, = 1% i = 0,1%, pentru numrul
de grade de libertate (GL = n-1) din tabelul 37.
Deoarece DL= sd*t, atunci obine DL 5,0%, DL 1,0% i DL 0,1% pentru compararea
diferenelor dintre dou medii.
Dup calcularea DL se construiete tabelul special cu diferenele i semnificaia lor.

51

Atragem atenia c, la nceptorii care practic analiza biostatistic i designul

experimental, apar uneori, erori de utilizare a testului t simplu n locul testului t multiplu care
este mai sever i caracteristic pentru compararea mai multor probe (mai mult dect dou).
Exemplul: S se examineze semnificaia diferenelor de producie n cazul soiurilor de
mr cultivat n sistem superintensiv (Jonathan 22,3 t/ha; Idared 26,4 t/ha;
Starkrimson 18,0 t/ha; Sir Prize 28,4 t/ha), cu ajutorul testului t multiplu tiind c:
s 2E = 2,7 t
n= 5
2s 2 E
se calculeaz: sd=
=
n

2x 2,7
=
5

5,4
= 1,08 = 1,0
5

Valorile t cnd GL = 4
- pentru = 5%, t = 2,77
- pentru = 1 %, t = 4,60
- pentru = 0,1%, t = 6,86
Atunci:
DL 5,0 % = 2,77 *1,0 = 2,77 t
DL 1,0 % = 4,60 * 1,0 = 4,60 t
DL 0,1 % = 6,86 * 1,0 = 6,86 t
Se poate alctui tabelul cu diferenele mediilor i semnificaie lor.
Semnificaia diferenelor la producia soiurilor de mr cultivate n sistem supe rintensiv
cu ajutorul testului t multiplu
Tabelul 5
Clasificarea

Soiul ( x )

Idared

Jonathan

Starkrimson

probei
1

Sir Prize

Idared

Jonathan

Starkrimson

2,00

6,10* *

10,40 ***

4,10

8,40 ***
4,30
-

Cifrele din tabelul 5 se fac din diferenele mediilor: Sir Prize (28,4 t) Idared (26,4
t) = 2,00 t etc.

52

Se observ c soiul Sir Prize prezint diferene foarte semnificative fa de soiul

Starkrimson, diferene distinct semnificative fa de Jonathan i diferene neasigurate
statistic fa de soiul Idared. n continuare se pot face comentarii pentru soiul Idared i
Jonathan.

7.9.Testul F (Testul omogenitii a dou variane)

Testul F servete la examinarea omogenitii a dou variane i la examinarea
semnificaiei unei diferene dintre dou medii ale unor probe (poate nlocui testul t). Aceasta
mai este denumit i ca testul raportului varianei.
Testul F se bazeaz pe distribuia F care este un raport ntre dou variane s 12 i s 22 care
aparin la dou probe de mrimea 1 i 2 extrase din aceeai populaie normal distribuit.

Determinarea empiric a raportului F=

s12
presupune stabilirea dac probabilitatea
s 22

este mai redus dect nivelul de 0,05.

Pentru aceasta este necesar s comparm valorile F teoretic corespunztoare
probabilitilor de transgresiune = 5% i = 1% pentru GL1 , i GL2 din tabelul 78
corespunztoare varianelor, cu raportul F determinat empiric.
GL1 = grade de libertate pentru variana numrtor
GL2 = grade de libertate pentru variana de la numitor
Valoarea critic a testului F - (GL1 , GL2 ) se obine din tabelul 38.
n cazul n care F empiric este mai mic dect F teoretic pentru 5%, atunci abaterile
sunt accidentale i diferenele dintre variane sunt mici i nesemnificative i nu resping
ipoteza nul H0 : 12 - 22 = 0, confirmnd c ambele provin din aceeai populaie statistic.
Din contr, dac F empiric este mai mare dect F teoretic pentru = 5%, diferenele
ntre variane sunt considerate mari i semnificative.
F se stabilesc urmtoarele relaii:
F = t2
t=

F
53

Pentru nlocuirea testului t cu testul

Exemplu: S se determine testul F (raportul varianei) pentru ipoteza H0: 12 = 22 i

HA : 12 22 , n cazul a dou probe care privesc trapele cu feromoni dintr-o livad de mr la
specia Laspeyresia funebrana:
Trapa nr. 1 (indivizi)

Trapa nr.2 (indivizi)

35

19

32

34

25

27

41

29

22

26

29

20

30

25

42

30

40

n2 = 8

24
n1 = 10
GL1 = 10-1= 9

GL2 = 8-1= 7
SPA2 (SS2 ) = 175,5 indivizi
s 22 = 25,07 indivizi

SPA1 (SS1) = 175,5 indivizi

s 12 = 53,3 indivizi

s12
53,3
F= 2 =
= 2,13
s 2 25,07
F0,05 = 3,68 F = 2,13

F 0,05 (GL1 = 9 i GL2 = 7) = 3,68

Ipoteza nul H0 este admis deoarece P(F 2,13) 0,5% i deci probele aparin la
aceeai populaie statistic, ntre ele nefiind diferene mari, provocate de abateri accidentale.
7.10.Testul 2 (chi ptrat)
Testul 2 , cunoscut i ca indicele de dispersie 2 a fost stabilit de Pearson i reprezint
o msur a deviaiei probei de la raportul ipotetic al populaiei. Se pornete de la ipoteza c
exist un anumit raport ntr-o populaie, ori scopul cercettorului este de a obine argumente
n sprijinul ipotezei prin extragerea de probe.

54

Pentru examinarea corect a 2 este necesar ca numrul total al observaiilor s fie

suficient de mare, numrul claselor de frecvene s fie mare, frecvena pe clas s nu fie mai
mic de 5, s se foloseasc frecvenele absolute i ambele iruri de variaie s prezinte acelai
interval de clas.
n probele mici se nregistreaz abateri mari i foarte mari, iar probele foarte mari,
abaterile datorate ntmplrii sunt mici sau foarte mici.
Examinarea semnificaiei valorilor

2 calculate se face cu ajutorul tabelului anex

40, n care sunt prevzute distribuiile 2 dup Erna Weber (1961).

Nivelul probabilitii la care ipoteza este respins deoarece se apreciaz c rezultatele
experimentale difer de cele teoretice s-a stabilit n mod arbitrar la 5% (P= 0,05). Valorile
2 ce se ncadreaz deasupra probabilitii de 0,05 (5%) sunt considerate nesemnificative,
iar cele care nu depesc pe cele teoretice pentru P = 0,05 sunt considerate semnificative.
Genetica i ameliorarea plantelor sunt domeniile n care

2 este indispensabil i se

folosete pentru verificarea ipotezelor privind variabilitatea rapoartelor teoretice de segregare.

Exemplu: - 1. S se calculeze 2 pentru descendena hibrid a
dou plante i s se testeze ipoteza dup care caracterul respectiv este determinat monogenic
i supus raportului de segregare de 3:1. Descendena este format din 236 plante din care 171
prezint fructe roii i 65 fructe verzi.
2 =

( f1 Fi ) 2
( f Fn ) 2
( f F2 ) 2
+ 2
+.+ n
F2
Fn
Fi

(171 177) 2 (65 59) 2

62 62

0,81
=
177
59
177 59
2

n care:
f1, f2 - valori obinute n prob
F1, F2 valori ateptate
F1 =

236
3 = 177
4

F2 =

236
1 = 59
4

2 = 0,81
GL = n-1 = 2-1 = 1

55

Deci

2 se ncadreaz ntre valorile -50 % (0,455) i -30 % (1,07). Rezultatul

obinut arat c n 30-50 % (40%) din cazuri, descendena hibrid va da natere la indivizi cu
fructe roii i verzi ce se abat de la raportul de segregare teoretic de 3:1 n msura de 2 =
0,81. Aceast abatere este nesemnificativ deoarece se ncadreaz deasupra probabilitii P =
0,05 (5%) i deci rezultatul corespunde ipotezei determinismului monogenic i descendena se
ncadreaz n ipoteza raportului de segregare de 3:1 (ntre frecvenele calculate i cele
teoretice nu sunt diferene semnificative).

56

CAP.VIII. PRELUCRAREA PRIMAR A DATELOR

Observaiile obinute n cadrul unei experiene formeaz datele statistice primare.
Acestea se nscriu n registru sau direct n calculator, apoi se verific riguros dac sunt
suficient de sigure. Controlul este riguros i se face de cercettorul care conduce experiena.
Pentru a trece la prelucrarea datelor este necesar prezentarea acestora ntr-o anumit
form numit matrice.
n dese situaii se nregistreaz un numr mare de date , greu de prelucrat i de aceea
se recurge la operaia de grupare a datelor.
Aceast operaie este foarte necesar deoarece confer claritate dar conduce implicit i
la reducerea informaiilor.
Prelucrarea primar a datelor constituie modelul cel mai simplu de comparaie i
const n prezentarea datelor sub form de tabele, serii statistice, grafice, etc. Prezentarea sub
form de tabele este cea mai adecvat form de prezentare a datelor statistice. Un tabel
statistic are menirea s faciliteze perceperea rapid i exact a informaiilor prezentate, s
cuprind numai informaiile necesare, s aib titlu scurt sintetizat, s precizeze unitile de
msur, s prezinte note explicative, s indice sursa de date, etc. (Baron i alii, 1996).

8.1.Analiza simpl a varianei (monofactorial cu grupe de aceeai mrime)

Analiza simpl a varianei se aplic la experiene cu dou sau mai multe grupe de
aceeai mrime. Ipoteza nul precizeaz c grupele provin din aceeai populaie statistic.
Probele formeaz o singur prob cu media general
proba

xg

ct i de la mediile grupelor

x1

x2

xg

. Valorile individuale se abat att de la

Abaterile de la media general formeaz variana total, iar abaterile de la mediile

grupelor variana n interiorul fiecrei grupe. Cea dea treia varian numit variana ntre
grupe este determinat de abaterea celor dou grupe de la media general.
Variana total se compune din variana ntre grupe i variana n interiorul grupelor .
Acestea se determin separat.

TC

( x) 2
n

.x
x1 x 2 ..........
2
n

57

...x 2 n) TC
x 2 TC ( x 21 x 2 2 ..........

SPAt

GL n 1

s1

SPA
GL

Variana ntre grupe (s2 G)

( x) 2

TC

SPA

.x
x1 x 2 ..........
2

x 2 TC

( s ) 2 ( x ) 2

n/2

GL 2 1 1

sg

SPAG
GL

Variana n interiorul grupelor

( s 2)

SPAi SPAt SPAG

GLi GLt .GLG (n 1).(2 1)
2

s1

SPAi
GLi

Tabelul pentru analiza varianei

Tabelul 6
Variana

Sursa
variaiei

SPA

GL

Estimat

Ateptat

(s2 )

( 2 )

e2 n 2g

e2

ntre grupe

SPAG

sg

Interior grupe

SPAi

(n-1)(2-1)

s1

Total

SPAt

n-1

st

Exemplu: n cadrul unei experiene cu dou soiuri de prun se urmrete greutatea medie a
fructelor(g). S se determine daca diferena de greutate este semnificativ.
Agen:20, 25, 27, 25, 26, 23, 24, 29, 25, 22; xa = 246g
Tuleu gras : 31, 28, 35, 36, 29, 31, 34, 33, 35, 36; xb= 328g
xa b 574g
xa 24,6 g

58

( x) 2

TC )

(20 25 27 .........
35 36)2 313978

15698,9
20
20

SPAt (202 252 272 ...... 352 362 ) TC 16943,0 15698,9 1244,1
GLt n 1 20 1 19

st

SPAt
GLt

1244, ,1
65,5
19

Se determin variana dintre grupuri ( S G2 )

TC

( x) 2

15698,9

SPAG 246 10328

15698,9 16810 15698,9 1111,1

GLG 2 1 1
2

sG

SPAG
GLG

1111,1
1111,1
1

Se calcu leaz variana n interiorul grupelor ( S i2 )

SPAi SPAt SPAG 1244,1 1111,1 133,0
GLi GLt GLG 19 1 18
2

sG

SPAi
GLi

133,0
7,4
18

Tabelul pentru analiza varianei

Tabelul 6b
Variana

Sursa
variaiei
ntre

SPA

GL

Proba F

Estimat

Ateptat

(s )

(2 )

grupe

1111,1

1111,1

551,8

Interior grupe

130,0

18

7,4

7,4

(soiuri)

(eroare)

(4,41-8,28)

Total

Se calculeaz

150,1

1244,1

sG
2
si

19

65,5

1111,1
150,1
7,4

Valorile F teoretice pentru:

59

=5%
=1%m cnd GL sunt 1 i 18 , rezult
F5 %=4,41
F1 %=8,28
ntre cele dou variane diferena este distinct semnificativ, deci varianele sunt
neomogene.
n continuare se verific dac ntre cele dou soiuri sunt n realitate deosebiri
semnificative. Pentru aceasta se folosete testul t i variana erorii (Interiorul grupelor).
Abaterea standard a diferenei (sd).
sd

2 7,4
1,48 1,22
10

Valorile t pentru GL= 18

t5% = 2,10
t1%=2,88
t0,1=3,92
DL5,0%=t5%xsd=2,10x1,22=2,56
DL1,0%=t1%xsd=2,88x1,22=3,51
DL0,1%=t0,1%xsd=3,92x1,22=4,78
ntre cele dou soiuri diferena este de 32,8-24,6 = 8,2g. Ipoteza nul este fals,
diferenele de greutate se afl n sfera cauzelor sistematice i nu accidentale.
Aceast diferen este foarte semnificativ , de unde rezult c fructele soiului Tuleu
gras sunt mai grele dect ale soiului Agen, cu o probabilitate de 99,9% din cazuri.
8.2.Analiza varianei n lucrrile de genetic i ameliorare a plantelor horticole
Analiza varianei prezint o importan deosebit pentru lucrrile de ameliorare
genetic deoarece permite stabilirea metodei de ameliorare i anticipeaz noile genotipuri ca
urmare a informaiilor asupra potenialului genetic al materialului iniial.
Caracterele metrice (cantitative), variabilitatea lor se msoar i se exprim prin
varian.
Valoarea

fenotipic P a unui organism este rezultatul interaciunii genotipului cu

condiii de mediu.
Presupunem c distribuia central a mediei este nul, Pi este abaterea de la media
individual i.

60

Gi - efectul genotipului
Ei - efectul mediului
Pi = Gi +Ei
2

P1 (G i E i)

G i E i2 2G i G 2

Variana P = Variana G+Variana E +2Cov GE

Cnd abaterile medii ale mediului sunt independente de abaterile genotipului, nu exist
interaciune i deci Cov GE= 0
Variana P = variana G +variana E
2 2
2p G
E

Variana fenotipic este variana total deoarece reprezint o msur a variabilitii

globale a fenotipurilor determinat genotipic ct i prin aciunea factorilor de mediu.
V P V G V E

Componenii varianei unei populaii se regsesc n chema dat de Falconer, astfel:

Componentul varianei

Simbol

Valoarea msurat

Fenotipic

VP

Valoare fenotipic

Genotipic

VG

Valoare genotipic

Aditiv

VA

Valoare de ameliorare

Dominan

VD

Deviere datorat dominanei

Interaciune

VI

Deviere datorat interaciunii

Mediu

VE

Deviere datorat mediului

Variana genotipic V G este compus la rndul su din variana aditiv (VA), variana
de dominan (VD) i covariana (AD).
VG= VA+VD+2CovAD
Dac se admite c efectul de aditivitate i de dominan sunt independeni , atunci :
VG= VA+VD
Variana genetic aditiv este cea mai stabil din punct de vedere ereditar i se mai
numete i variana valorii de ameliorare.
Variana genetic aditiv poate fi atribuit diferenelor dintre valorile medii de
manifestare a diferitelor alele, n toate combinaiile n care apar acestea. Constituie cauza
principal a asemnrii ntre rude i prin urmare este determinanta principal a proprietilor

61

observabile ale populaiei i a rspunsului prin selecie. Deoarece este principala surs a
variabilitii n cazul caracterelor cantitative aceasta se folosete n determinrile statistice.
Variana de dominan (VD) este partea din variana genotipic total care revine
diferenelor de manifestare a alelelor n funcie de comportamentul celuilalt membru al
fiecrei perechi de alele. n general variana de dominan prezint valori mici i greu de
calculat .
Dei mai exist i alte componeni ai varianei (varian de epistazie, de diferite
interaciuni), precum i din diferite metode de analiz complex a varianelor , ne vom
rezuma n continuare la prezentarea unor modele relativ mai simple. Pe msura aprofundrii
lor se poate trece la nivele superioare de analiz. Pentru studiile de analiza varianei n
ameliorarea genetic a plantelor se pornete de la premisa c sursa important de variaie este
constituit din diferenele care formeaz fiecare prob.
Variaia total rezult din dou surse de variaie.
-variaie ntre probele observabile
-variaie n interiorul probelor
Variana total calculat poate fi descompus n variana ntre probe i variana n
interiorul probelor. Deoarece variana nu are proprieti aditive, acesta nu poate fi
descompus prin scdere.
Remarcm ns c planurile de analiza varianei vor fi diferite , urmare a resurselor
diferite de variaie. n plus la plantele pomicole cu nmulire clonal intervin unele modificri
specifice n analiza varianelor, comparativ cu plantele nmulite generativ.
8.3.Analiza varianei la familiile de semifrai (half SIB)
n programele de ameliorare genetic, n multe cazuri se folosesc pentru mrirea
variabilitii i hibrizi naturali. Acetia provin din ncruciarea na tural la care numai printele
matern poate fi cunoscut, cel patern fiind de origine necunoscut.
Deoarece se cunoate baza ereditar n proporie de 50 % aceasta fiind mama grupelor
de descendeni (hibrizi) sunt formate din indivizi semifrai. Poria de gene comune (gradul de
nrudire) este de 25% sau .
Cazuri de acest fel apar frecvent n lucrrile de ameliorare de la plantele multianuale
(pomi, vie) dar i la cele anuale.
Variana total la descendeni se descompune n:

62

-variana interfamilii ( s 2f ) este reprezentat de variana estimat de la toate familiile

de semifrai (suma) i este dependent de diferenele genetice dintre mame sau dintre tai
( 2f )dar la care se adaug i variana mediului ( e2 )
2f

2 n 2

n = numrul (mediu) de descendeni (semifrai dintr-o familie).

-variana interfamilii (sau n interiorul grupelor), se noteaz cu

e2 .

Aceast varian

este identic cu variana erorii ( e2 ) i se compune , n principal din diferenele nregistrate ca

urmare a aciunii mediului (negenetic) i n mic msur din diferenele genetice dintre
semifrai ntr-o familie.

Analiza varianei n familiile de semifrai (half SIB)

Tabelul 7
Variana

Suma
Cauza variabilitii

Ateptat

abaterilor

Grade

ptratelor

de

Estimat

(componenii

libertate

s2

observaionali)

e2 n 2f

e2

ntre familii (mame)

SPAf

f-1

sf

ntre familii (eroare)

SPAe

f(n-1)

se

Total

SPAt

fn-1

f=numrul de familii de semifrai (nr. de mame)

n=numrul (mediu) de descendeni semifrai ntr-o familie
De unde se pot obine:
V p t
2

VG

2 2
f e

V E e

2f
2f e2

63

s f e n
2

2f

2
f

( s 2 2)

V E = variana de mediu

V G = variana genotipic

2f 1/ 4V A
V A 4

V A = variana aditiv

2
f

Exemplu:
a.De la trei plante de Tuleu gras (androsteril) s-au recoltat fructele obinute prin
ncruciare liber (tat diferit). Din smburii obinui au rsrit de la fiecare mam cte 15
hibrizi. Dup a doua fructificare s-au cntrit fructele , cte 50 la fiecare hibrid i s-a fcut o
prob medie , dup cum urmeaz :
Greutatea medie a fructelor pe fiecare descendeni i pe
grupe de familii de semifrai (g)
Tabelul 8

Mama
1

10

T. gras 1

28

33

41

26

35

38

39

40

38

35

T. gras 2

30

25

28

32

34

39

24

28

30

29

T. gras 3

26

38

34

33

24

41

42

38

31

24

84

96

103

91

93

118

105

106

99

88

11

12

13

14

15

T. gras 1

32

36

29

26

35

511

T. gras 2

24

34

37

32

29

455

T. gras 3

36

40

39

37

30

513

92

110

105

95

94

1479

TC 1479
45

2187441
48609,8 48610
45

2 .........

SPAt 28 33
2

513
SPA f 511 455
15

SPAe SPAt SPAf

2 TC 49881 48610 1271

37 30
C

730315
48610 78
15

1271 78 1193

GLt 3 15 1 44

64

GL f

3 1 2

GLe 3(15 1) 42

Analiza varianei n familii de semifrai privind greutatea medie a fructelor

Tabelul 9
Variana

Sursa
variaiei

SPA

GL

Estimat

Ateptat

(s2 )

(componeni
observaionali)

78

39,0

e2 15 2f

1193

42

28,4

e2

1271

44

Interfamilii
(mame Tuleu
gras )
Interfamilii
(eroare)
Total
Dac

e2 s e2 28,4

Se poate calcula
s f e
2

2f

V p
VG

39,0 28,4
0,71
15

2 2 0,71 28,4 29,11

f e

2f
Vp

VE V

0,71
2,44%
29,11

p VG 28,4

VE% 97,56%
VA 4 2 4 0,71 2,84

VA 9,76%

din variana fenotipic

Se observ clar c variana datorat mediului este dominant (97,56%)m comparativ

cu variana genotipic. Variana aditiv (9,76%) este destul de mic artnd c valoarea
genelor aditive pentru acest caracter este relativ redus.
Remarcm faptul c cele trei mame (Tuleu gras) sunt de fapt clone ale aceluiai soi
nmulite vegetativ, de unde i diferenele genotipice, relativ reduse. Cbulea (1975) a sugerat
folosirea acestui tip de analiz la plantele nmulite vegetativ precum i la liniile pure, cu
concluzia c nu mai este necesar obinerea descendenelor hibride. Se consider c variana
din interiorul clonelor sau liniei (mam) este exclusiv de natur negenetic. Cu alte cuvinte
65

numai mediul este responsabil de variabilitatea caracterului studiat. Considerm totui c un

rol destul de mare n comportamentul observaional

e2 (intrafamilii),

poate fi datorat n cazul

plantelor clonale, interaciunii genotip x mediu, exprimat prin 2Cov GE.

Elementele varianei descompuse pot servi ulterior la calcularea coeficienilor de
heritabilitate i repetabilitate.
b)n acest exemplu considerm c la trei clone mam de Agen s-au obinut cte 10
descendeni de la care s-au recoltat i cntrit fructele, conform tabelului .
Comparativ cu exemplul a), n acest caz, fiecare descendent a fost multiplicat
vegetativ i ncercat n trei repetiii.
Greutatea medie a prunelor pe descendeni,
repetiii i grupe de familii de semifrai
Tabelul 10
Descendeni
1

10

25

27

24

23

27

20

28

22

23

28

247

R2

27

24

26

20

26

23

25

26

25

18

240

R3

22

23

18

19

25

26

26

24

26

19

228

T1

74

74

68

62

78

69

79

72

74

65

715

T2

20

18

21

24

16

24

26

19

23

15

206

R2

19

17

16

16

22

19

22

17

19

19

186

R3

22

20

21

19

14

55

20

18

18

21

195

T2

61

55

58

59

52

65

68

54

60

55

587

T3

14

19

21

23

16

15

21

23

16

14

182

R2

22

14

19

15

18

19

20

20

19

20

186

R3

15

13

16

18

14

16

16

17

20

15

160

T3

51

46

56

56

48

50

57

60

55

49

528

186

175

182

177

178

184

204

186

189

169

1830

T1
R1

R1

R1

TC 1830 37210
90

66

SPAT x

2 37210 38669 37210 1459

528
SPAF 715 587
30

37210

2 1752 ..........
. 1692

SPAb 186

1134578
37210 609
30

37210 37300 37210 90,9

SPAE 1459 (609 90,9) 1459 699 759,1

GLT n 1 90 1 89
GLF 3 1 2
GLB 3 1 2
GLE 89 4 85

Analiza varianei n familiile de semifrai privind greutatea medie

a fructelor la descendenii din Agen
Tabelul 11
Variana

Cauza
variabilitii

Interfamilii

SPA

GL

Estimat

Ateptat

(s2 )

609,0

304,5

e2 9 2r 10 2f

Repetiii (B)

90,9

45,5

e2 9 2r (

Interfamilii

759,1

85

8,5

1459,0

89

,1
31,7 )
( 317
10

(mama)
45,5 8,5
4,1
9

8,5

(eroare)
Total

V p

2 2 2 31,7 4,1 8,5 44,3

f r e

VG VF 31,7

VE 4,1 8,5 12,6

VA 4 31,7 126,8

VP 100%

VG 71,5%

VE 28,5%

VA 28,6%

Conform acestui exemplu , este evident c apare n plus factorul repetiii. La variana
erorii, datorat mediului (i nu numai) se adaug i variana de la repetiii. Deoarece variana

67

pe repetiii este relativ redus, considerm c sugestia dat de Cbulea (1975), pentru
folosirea tipului ,,a de analiz la descendenii provenii din familii clonale este avantajoas
din punct de vedere economic i al timpului necesar.
Tipul ,,b de analiz este totui mai complex , profund i mai sigur .
8.4.Analiza varianei pentru planuri experime ntale randomizate
n orice experien aciunea tratamentelor (variantelor) constituie surse de variaie, dar
nu sunt singurele. Toate celelalte variaii necontrolate constituie eroarea experimental.
Experienele cu planuri randomizate, cu blocuri complete permit mprirea
materialului experimental n blocuri sau repetiii. Fiecare bloc cuprinde attea parcele
experimentale cte tratamente exist. Prin aceasta se poate pstra n experien eroarea
experimental n cadrul fiecrei grupe, ct mai mic.
Valorile individuale se grupeaz, pe blocuri i variante iar variana total se
descompune n variana blocurilor, variana variantelor i variana erorii.
Rezultatele sunt mai exacte, se pot folosi tratamente i repetiii ct mai multe (dup
necesiti), datele lips din anumite parcele pot fi determinate corect sau eliminate.
Calcularea i interpretarea rezultatelor n experienele monofactoriale

8.4.1.Blocuri randomizate
Exemplu: S se urmreasc i s se stabileasc capacitatea de producie la cteva
soiuri de prun cultivate n condiiile staiunii X, n anul 1996. S se examineze graniele de
semnificaie privind diferenele de producie dintre soiuri i s se stabileasc o clasificare
corect a acestora.

Soiuri
1.Rivers timpuriu
2.Tuleu gras
3.Centenar
4.Agen
5.Vnt romnesc
6.Stanley
Vrsta = 10 ani
68

Distanele de plantare = 5x4 (500 pomi/pl)

Forma coroanei = vas clasic
Aezarea = blocuri randomizate
Nr. repetiii = 4
Nr. pomi parcela elementar=4

V1

R1

R2

R3

R4

Se cntrete producia pe fiecare pom din parcela elementar la fiecare variant n toate
repetiiile .

Producia fructe kg/pom

R1
V1=15, 20, 22, 18 = 75/4 = 18,75kg/p =

V2=32, 30, 29, 35 = 126/4 = 31,50kg/p

V3=42, 36, 30, 41 = 149/4 = 37,25kg/p
V4=20, 22, 25, 20 = 87/4 = 21,75kg/p
V5=10, 14, 15, 17 = 56/4 = 14,00kg/p
V6= 38, 40, 35, 30 = 75/4 = 18,75kg/p

R2
V1=14, 11, 10, 12 = 47/4 = 11,75kg/p =

V2=34, 25, 30, 26 = 115/4 = 28,75kg/p

V3=38, 45, 50, 45 = 178/4 = 44,50kg/p
V4=25, 28, 30, 28 = 111/4 = 27,75kg/p
V5=15, 18, 20, 17 = 70/4 = 17,50kg/p

69

V6=45, 40, 50, 55 = 190/4 = 47,50kg/p

R3
V1=20, 18, 20, 22 = 80/4=20,00kg/p =

V2=35, 40, 40, 36 = 151/4=37,75kg/p

V3=30, 28, 35, 40 = 133/4=33,25kg/p
V4=15, 18, 10, 20 = 6387/4=15,75kg/p
V5=20, 15, 10, 15 = 60/4=15,00kg/p
V6=51, 34, 44, 48 = 177/4=44,25kg/p

R4
V1=15, 18, 12, 14 = 59/4=14,75kg/p =

V2=30, 32, 28, 35 = 125/4=31,25kg/p

V3=45, 40, 35, 48 = 178/4=44,50kg/p
V4=10, 8, 12, 14 = 44/4=11,00kg/p
V5=14, 12, 10, 11 = 47/4=11,75kg/p
V6=38, 58, 45, 51 = 192/4=48,00kg/p

Produciile medii de fructe pe parcele elementare

ordonate pe variante i repetiii
Tabelul 12
Varianta

R1

R2

R3

R4

V1

18,75

11,75

20,00

14,75

V2

31,50

28,75

37,75

31,25

V3

37,25

44,50

33,25

44,50

V4

21,75

27,75

15,75

11,00

V5

14,00

17,50

15,00

11,75

V6

35,75

47,50

44,25

48,00

70

Produciile medii de fructe pe parcele elementare

(multiplicat cu 500 pomi /ha) - (t/ha)
Tabelul 13
Varianta

R1

R2

R3

R4

V1

9,4

5,9

10,0

7,4

32,7

8,175

V2

15,8

14,4

18,8

15,6

64,6

16,150

V3

18,6

22,3

16,6

22,3

79,8

19,950

V4

10,9

13,9

7,9

5,5

38,2

9,550

V5

7,0

8,8

7,5

5,9

29,2

7,300

V6

17,9

23,8

22,1

24,0

87,8

21,950

79,6

89,1

82,9

80,7

332,3

Se execut calculul analizei varianei:

Termenul de corecie (TC)=

( x) 2
n

332,32 110423,29

4601
24
24

Suma Ptratelor Abaterilor (SPA):

SPAT = x2 TC= (9,42 +5,92 +10,02 ++22,12 +24,02 )-TC=
= 88,36 + 34,81 + 100,00

+ 54,76 +

249,64

207,36

353,44

243,36

345,96

497,29

275,56

497,29

118,81

193,21

62,41

30,25

49,00

77,44

56,25

34,81

320,41

566,44

488,41

576,00

1172,18

1576,55

1336,07

SPAB=

1436,47=5521,27-4601=920,27

( R1 ) 2 ( R2 ) 2 ( R3 ) 2 ( R4 ) 2
V
=

TC

6336,16 7938,81 6872,41 6512,49

27659,87
TC
TC
6
6

= 4610 - 4601 = 9

71

SPA V

(V1) 2 (V2 ) 2 ....... (V8 ) 2

TC
R

32,7 2 64,62 ..... 87,82

TC
4

21631,21
TC = 5407,8 - 4601=806,8
4

SPAEroare = SPAT -(SPAB+SPAV)= 920,27-(9,0+806,8)= 104,47

Grade de libertate
GLT = n v-1 = 4 6 1 = 23
GLB = n-1 = 4-1 = 3
GLV = v-1 = 6-1 = 5
GLE = GLT (GLB+GLV) = 23-(3+5) = 15

Tabelul de analiza varianei

Tabelul 14
Sursa variaiei

SPA

GL

Blocuri (R )

9,0

Variante

806,8

161,36

Eroare

104,47

15

6,96

Total

920,27

23

Valorile F teoretice pentru GLE = 5 i GLE =15

pentru = 5% - 2,90
= 1% - 4,56
Se execut testul t:
Calculm abaterea standard a diferenei (sd):
sd=

2s 2
n

sd=

2 x6,96
1,86kg
4

Valorile t pentru GLeroare = 14 (din tabel)

= 5% - 2,14

72

21,63(2,90-4,56)

 = 1% - 2,98
=0,1% - 4,14
Pentru examinarea semnificaiei diferenelor dintre variante ne folosim de diferena
limit (DL):
DL5% = t x sd = 2,14 x 1,86 = 3,98 t/ha
DL1,0% = t x sd = 2,98 x 1,86 = 5,54
DL 0,1% = t x sd = 4,14 x 1,86 = 7,70

Semnificaia diferenelor de producie la soiurile de prun

comparativ cu soiul Rive rs timpuriu (mt).
Tabelul 15
Varianta

Soiul

Producia

Diferena

(t/ha)

Semnificaia

V6

Stanley

21,95

+13,77

***

V3

Centenar

19,95

+11,77

***

V2

Tuleu gras

16,15

+7,97

***

V4

Agen

9,55

+1,37

V1

Rivers timpuriu

8,18

(mt)

V5

Vnt romnesc

7,30

-0,88

DL 5%= 3,98t;

DL 1% = 5,54;

DL 0,1% = 7,70

Examinarea diferenelor de producie ntre perechile de soiuri de prun

Tabelul 16
Centenar
Stanley
Centenar
Tuleu gras

2,0

Tuleu
gras

Agen

Rivers
timpuriu

Vnt romnesc

5,8**

12,4***

13,77***

14,65***

3,8

10,4***

11,77***

12,65***

6,6**

7,97 ***

8,85***

1,37

2,25

Agen
Rivers timpuriu

0,88

n vederea executrii unei testri mai severe a diferenelor dintre tratamente folosim
testul Duncan. Pentru aceasta aplicm formula:

73

sx =

s2E
n

sx =

6,96
1,07kg / ha
6

Calcularea valorilor Rp = q s x se face pentru GLE = 15 i acestea reprezint

amplitudinile de variaie semnificative cele mai mici.
Valorile q se obin din tabela 80 i sunt n funcie de p (p ia valori de la 2 la 100)

Stabilirea granielor de semnificaie n funcie de testul Duncan

la diferenele de producie dintre soiurile de prun
Tabelul 17
Soiul

Producia

Q 5%

Rp= q s x

x (t/ha)
Stanley

21,95

Centenar

19,95

3,01

3,22

Tuleu gras

16,15

3,67

3,93

Agen

9,55

4,08

4,36

Rivers timpuriu

8,18

4,37

4,67

Vnt romnesc

7,30

4,60

4,92

n acest exemplu am prezentat modul de stabilire a granielor de semnificaie n trei

moduri. Fiecare dintre acestea prezint o anumit form, mod de calcul i grad de testare. n
tabelul 15, pe baza testului t multiplu, s-a stabilit c fa de soiul Rivers timpuriu (martor)
soiurile Stanley, Centenar i Tuleu gras

prezint o diferen de producie foarte

semnificativ. ntre soiurile Agen , Vnt romnesc i martor nu exist diferene de

producie asigurate statistic .
Tot pe baza testului t multiplu, n tabelul 16 s-a trecut la examinarea diferenelor de
producie ntre perechile de soiuri de prun. Comparaia este mai complet i avantajoas.
Soiurile Stanley, Centenar i Tuleu gras prezint producii asigurate statistic
foarte semnificative (excepie Tuleu gras fa de Agen, distinct semnificativ) fa de
celelalte soiuri studiate.
Remarcm totui c Stanley nu se difereniaz statistic fa de Centenar, iar
Centenar fa de Tuleu gras. Singurele diferene distinct semnificative se nregistrea z
ntre Stanley i Tuleu gras i ntre Tuleu gras i Agen.

74

Nu sunt diferene semnificative ntre Agen , Vnt Romnesc i Rivers timpuriu.

Testarea n conformitate cu testul Duncan (tabelul 17) arat c n acest exemplu nu
sunt diferene privind gradul de semnificaie comparativ cu testul t multiplu. Acest lucru apare
n tabelul n care semnificaia diferenelor se face ntre perechile de soiuri. Valorile Rp = 3,22
permit s comparm Stanley cu Centenar. ntre ele este diferena de 2,0 t/ha, deci
inferioar Rp = 3,22, nesemnificativ pentru valori = 5%.

8.4.2.Dreptunghi latin
Exemplu: S se stabileasc i s se valorifice rezultatele obinute ntr-o experien
privind capacitatea de producie la 8 soiuri de mr cultivate n zona colinar a Olteniei, n anul
2002. Experiena este aezat dup metoda dreptunghiului latin, cu 8 soiuri, 4 repetiii, 4
coloane i cu parcela experimental compus din 4 plante. Distanele de plantare sunt de 4 x 2
m, portaltoiul M106, iar forma de conducere fus subire.
Dup cum s-a specificat n capitolul VII, la acest tip de experien se realizeaz analiza
tripl a varianei (blocuri , coloane i tratamente).
Schema expe rienei este urmtoarea:
Col. I

II

III

IV

V1

B(R) 1

R2

R3

R4

Se cntrete producia de fructe pe fiecare pom, din fiecare variant i parcel

experimental, dup care se ntocmete tabelul sintetic, cu produciile transformate n t/ha
(conform tabelelor 12 i 13 de la calculul rezultatelor la metoda blocurilor).
Considerm c modul de transformare al produciei de la nivelul parcelei
experimentale la nivelul unitii de suprafa (ha) a fost neles din exemplul anterior i nu
este cazul s- l relum n cazul de fa.
Pentru nceput prezentm produciile transformate n funcie de planul de aezare al
experienei, deoarece avem nevoie de producia de fructe pe coloane i subcoloane.

75

Producia de mere aranjat dup planul din teren al experienei (dreptunghi latin) (t/ha).
Tabelul 18
Col. I

Blocul

R2

R3

R4

Suma

III

IV

Subc.

repetiia
R1

II

28,0

25,8

30,0

31,0

28,0

17,5

19,0

20,0

32,2

24,0

0,0

19,0

22,6

18,0

30,0

34,0

24,0

21,0

18,0

32,0

28,6

35,5

25,0

24,1

17,5

34,5

22,5

22,3

23,0

26,0

34,0

21,5

207

194,8

199,2

207,6

199,3

199,8

208,2

201,3

808,6

coloanei

Producia de mere distribuit pe soiuri i repetiii (t/ha).

Tabelul19
Nr.

Soiul

crt.

R1

R2

R3

R4

Golden delicious

28,0

30,0

32,0

26,0

116,0

29,0

Jonathan

25,8

22,6

24,1

22,3

94,8

23,7

Starkrimson

30,0

32,2

28,6

34,0

124,8

31,2

Idared

31,0

34,0

35,5

34,5

135,0

33,8

Jonagold

28,0

24,0

25,0

22,5

99,5

24,9

Mutsu

17,5

20,0

21,0

21,5

80,0

20,0

Kalther de Bohemia

19,0

18,0

18,0

17,5

72,5

18,1

Top Red delicious

20,0

19,0

24,0

23,0

86,0

21,5

199,3

199,8

208,2

201,3

808,6

Se face calculul analizei varianei:

TC=

( x) 2
n

808,6 2 653833,96
20432,3
=
=
12
32

SPAT OTAL= x2 TC = (28,02 +25,82 +17,52 +23,02 )-TC= 21357,8-20432,3 = 925,5

76

( R1 ) 2 ...... ( R4 ) 2

SPABlocuri =
=

TC =

199,32 199,8 2 208,2 2 201,32

- TC=
8
163509,46
TC 20438,7 20432,3 6,4
8

( C1 ) 2 ........ ( C4 ) 2

SPAColoane =

SPAVariante =
=

TC =

207,0 ..... 207,6

TC =
8

163574,44
20432,3 14,5
8

(V1 ) 2 ...... (V8 ) 2

n

TC =

(116,0) 2 ... (86,0) 2

TC
44

= 21298,9 - 204432,3 = 866,6

SPAEroare= SPAT - (SPAB + SPAC + SPAV ) =
= 925,5 (6,4 + 14,5 + 866,6) = 925,5 - 887,5 = 38,0

Grade de libertate:

GLT = (nv)-1= 32 - 1 = 31
GLB = n - 1 = 4 - 1 = 3
GLC = c - 1 = 4 - 1 = 3
GLV = v - 1 = 8 - 1 = 7
GLE = GLT - (GLB + GLC + GLV) = 31 13 = 18
Tabelul central privind analiza varianei
Tabelul 20
Sursa variaiei

SPA

GL

Blocuri

6,4

Coloane

14,5

Soiuri

866,6

123,8

Eroare

38,0

18

2,11

Total

925,5

31

77

Testul F

58,6 (2,58-3,85)**

Valorile F teoretice pentru GLV = 7 i GLE = 18

5% = 2,58
1% = 3,85
ntre soiuri sunt diferene distinct semnificative, proba F precizeaz c soiurile aparin
la populaii foarte diferite. Ipoteza nul H0 se respinge.
n continuare executm calculul testului t multiplu:
sd=

2s 2
=
n

2 x 2,11
1,03t
4

Valorile t pentru GLE = 18 (din tabelul 37):

5% = 2,10
1% = 2,88
0,1%= 3,92
Pentru examinarea semnificaiei diferenelor dintre soiuri folosim diferena

limit

(DL):
DL5% = t x sd = 2,10 x 1,03 = 2,16 t
DL1% = t x sd = 2,88 x 1,03 = 2,97 t
DL0,1% = t x sd = 3,92 x 1,03 = 4,04 t
Semnificaia diferenelor de producie la soiurile de mr,
comparativ cu soiul Jonathan
Tabelul 21
Nr.

Soiul

crt.

Producia

Diferena

Semnificaia

(t/ha)

Prin semne

Prin litere

Idared

33,8

10,1

***

Starkrimson

31,2

7,5

***

Golden delicious

29,0

5,3

***

Jonagold

24,9

1,2

Jonathan (mt)

23,7

Top Red delicious

21,5

-2,2

Mutsu

20,0

-3,7

oo

Kalther de Bohemia

18,1

-5,6

ooo

DL 5% = 2,16t

DL 1% = 2,97

78

DL 0,1% = 4,04

8.5.Calcularea i interpretarea rezultatelor n expe riene polifactoriale

Experien bifactorial cu aezare dup metoda blocurilor
Se exemplific prin exemplul prezentat de Ardelean M i sestra R., (1996) n care
factorii sunt :

Factorul A
Soiuri

a1 -Jonathan
a2 -Golden delicious
a3 -Starkrimson
Factorul B
Portaltoi
b1 -M9
b2 -M26
b3 -M106

Experiena a fost aezat dup metoda blocurilor randomizate cu 4 repetiii (n=4) i

un numr de 3x3 variante (9).
n experien se urmrete exprimarea caracterului privind nlimea pomilor n anul 5
de la plantare,ntr-o plantaie intensiv cu 2381 pomi/ha. Parcela experimental cuprinde 4
pomi.
n acest caz nu este necesar transformarea datelor pentru unitatea de suprafa,
nlimea plantelor se exprim prin media plantelor (m sau cm/plant).
Datele recoltate din cmp, dup ce s-a fcut media pe parcela experimental se
prezint ca n tabel.

79

Schema de pre zentare a rezultatelor conform aezrii

n teren (nlimea pomilor, m/plant)

Tabel 22
Blocul

11

12

13

21

22

23

31

32

33

R1

1,9

2,2

2,8

2,2

2,3

3,2

1,7

1,9

2,4

R2

31

22

32

23

12

33

11

13

21

1,8

2,6

2,2

3,5

2,0

2,0

2,3

3,1

2,0

21

33

12

22

11

32

13

31

23

2,4

2,3

2,5

2,0

1,8

1,8

2,6

2,0

3,3

33

21

11

32

13

22

23

12

31

2,3

2,5

2,0

1,7

2,9

2,5

3,7

2,3

1,9

R3

R4

Urmeaz aezarea sistematic a datelor din tabel

nlimea pomilor (m) la diferite combinaii soi x portaltoi la mr
Tabelul 23
Codul

Blocul

Varianta

variantei

repetiie

II

III

IV

11

Jonathan/M9

1,9

2,3

1,8

2,0

8,0

2,0

12

Jonathan/26

2,2

2,0

2,5

2,3

9,0

2,3

13

Jonathan/106

2,8

3,1

2,6

2,9

11,4

2,9

21

Golden del./M9

2,2

2,0

2,4

2,5

9,1

2,3

22

Golden del./M26

2,3

2,6

2,0

2,5

9,4

2,4

23

Golden del./M106

3,2

3,5

3,3

3,7

13,7

3,4

31

Starkrimson/M9

1,7

1,8

2,0

1,9

7,4

1,9

32

Starkrimson/M26

1,9

2,2

1,8

1,7

7,6

1,9

33

Starkrimson/M106

2,4

2,0

2,3

2,3

9,0

2,3

20,6

21,5

20,7

21,8

84,6

80

Analiza varianei:
TC

( x 2)
n

SPAT x

84,62
198,8
36

2 TC (1,92 2,22 ........ 2,32 ) 198,8 208,0 198,8 9,2

SPAB

B2 TC 20,62 21,52 20,72 21,82 198,8 198,9 198,8 0,1

SPAV

V 2 TC 8,02 9,02 ....... 9,02 198,8 206,8 198,8 8,0

SPAE SPAT (SPAB SPAV ) 9,2 (0,1 8,0) 1,1

n situaia n care se folosete metoda de aezare polifactorial n ptrat latin sau

dreptunghi latin , se calculeaz n plus SPAColoane ( (SPAC VC

TC )

, apoi rezultatul se folosete la

obinerea :
SPAE SPAT (SPAB SPAC SPAV )

n exemplul de mai sus apare necesar decelarea efectului soi xportaltoi i aceasta se
face cu ajutorul tabelului.

Tabelul privind influena bilateral soi x portaltoi

Tabelul 24
Nr.

Soiul

crt

M9

M26

M106

soi

Jonathan

8,0

9,0

11,4

28,4

Golden delicious

9,1

9,4

13,7

32,2

Starkrimson

7,4

7,6

9,0

24,0

24,5

26,0

34,1

84,6

28,42 32,22 34,12

soi 2
TC 201,6 198,8 2,8
SPAsoi nr. portaltoi TC
4 x3

SPAportaltoi

portaltoi2 TC 24,52 26,02 34,12 TC 203,2 198,8 4,4

nxsoi

4 x3

81

SPAint eractiunesoixport SPAV (SPAS SPAP) 8,0 (2,8 4,4) 0,8

Se determin gradele de libertate

GLT N 1 36 1 35
GLB n 1 4 1 3
GLV V 1 9 1 8
GLE GLT (GLB GLV ) 35 11 24

Apoi determinm GL pentru:

GLsoi=3-1=2
GLport.=3-1=2
GLexp = 2x2=4
n continuare se face calculul varianelor :
Tabelul privind analiza varianei
Tabelul 25
Cauza

S2

SP

GL

Total

9,2

35

Blocuri

0,1

Soiuri

2,8

1,4

30,43(3,40-5,61)**

Portaltoi

4,4

2,2

47,82(3,40-5,61)**

Soi x portaltoi

0,8

0,2

4,35(2,78-4,22)**

Eroare

1,1

24

0,046

variabilitii

La experienele polifactoriale pot fi realizate mai multe tipuri de comparaii,

comparativ cu experienele monofactoriale deoarece exist posibiliti diferite de a calcula
niveluri de semnificaie.
1.Compararea variantelor cu un martor
Se calculeaz eroarea diferen:

sd

2 xs2E

2 x0,046
0,15m
4

t pentru GL=24

82

t5%=2,06
t1%=2,80
t0,1%=3,75
DL5,0%=0,15x2,06=0,31m
DL1,0%=0,15 x 2,80=0,42m
DL0,1%=0,15 x 3,75=0,56
Influena soiului i portaltoiului asupra nlimii pomilor de mr
Tabelul 26
Codul

Varianta

variantei

Varianta nlimea

Diferena

medie a pomilor (m)

Semnificaia

11

Jonathan/M9(Mt)

2,0

12

Jonathan/26

2,3

0,3

13

Jonathan/106

2,9

0,9

***

21

Golden del./M9

2,3

0,3

22

Golden del./M26

2,4

0,4

23

Golden del./M106

3,4

1,4

31

Starkrimson/M9

1,9

-0,1

32

Starkrimson/M26

1,9

-0,1

33

Starkrimson/M106

2,3

0,3
DL5%=0,31m
DL1%=0,42m
DL0,1%=0,56m

Co mportarea la influena soiului

sd

2S 2 E

nportaltoi

2 0,046
0,09m
43

t se determin pentru GL=24

DL5,0%=0,09 x 2,06=0,2m
DL1,0%=0,09 x 2,80 =0,3m
DL0,1%=0,09 x 3,75 = 0,4m

83

***

Analiza semnificaiei nlimii plantelor pentru efectul ,,soi

Tabelul 27
Soiul

nlimea medie a

Diferena

Semnificaia

pomilor (m)
Jonathan (Mt)

2,4

Golden delicious

2,7

0,3

**

Starkrimson

2,0

-0,4

000
DL5%=0,2m
DL1%=0,3m
DL0,1%=0,4m

Comportarea influenei portaltoiului

sd

2S 2 E

nsoi

2 0,046
0,09m
43

Se observ c DL sunt aceleai ca pentru comparaia ntre soiuri, de unde :

DL5,0%=0,09 x 2,06=0,2m
DL1,0%=0,09 x 2,80 =0,3m
DL0,1%=0,09 x 3,75 = 0,4m

Analiza semnificaie nlimii plantelor n funcie de portaltoi

Tabelul 28
Portaltoiul

nlimea plantelor m

Diferena

Semnificaia

M9(Mt)

2,0

M26

2,2

0,2

M106

2,8

0,8

***

DL5%=0,2m
DL1%=0,3m
DL0,1%=0,4m

84

Sinteza rezultatelor experimentale este posibil de fcut ntr- un tabel general de sintez
(sau dou) cu semnificaia influenei tuturor factorilor (soi, portaltoi i interaciune s p).
nlimea pomilor la mr n funcie de soi i portaltoi
Tabelul 29
Portaltoi

M9

M26

M109

Soi

Media
Soi

Jonathan

2,0d

2,3c

2,9

2,4B

Golden delicious 2,3c

2,4c

3,4a

2,7A

Starkrimson

1,9d

1,9d

2,3c

2,0C

Media portaltoi

2,1N

2,2N

2,9M

DL5% soi =0,2m (A,B,C.)

DL1%=0,2m (M,N,O..)
DL0,1%=0,3m (a,b,c,..)
Soiurile prezint o cretere n nlime difereniat. Fa de Starkrimson, celelalte
soiuri prezint o cretere semnificativ. Cea mai mare cretere a a sigurat-o soiul Golden
delicious.
Portaltoii realizeaz o cretere diferit M106 imprim o cretere n nlime
semnificativ comparativ cu M9 i M26. n ultimii doi portaltoi nu se nregistreaz diferene
de cretere semnificativ.
Prin comparaia ntre ele a tuturor variantelor (soi x portaltoi), rezult c
Starkrimson/M9 i Starkrimson/M26 au cea mai slab cretere n nlime . Cea mai mare
cretere se realizeaz la combinaia Golden delicious/M106. Se remarc cu cretere
semnificativ i alte combinaii soi x portaltoi comparativ cu Starkrimson i M26.

8.6. Calcularea i interpretarea seriilor de experiene n horticultur

Seriile sau grupele de experiene sunt specifice cercetrilor din toate domeniile
biologiei i agriculturii.
La acest tip de experiene apar factori n plus fa de cei specifici unei experiene
mono sau polifactoriale i care s-au referit la tratamentele (variantele propriu zise ale
experienei) din interiorul experienelor.
85

Totdeauna o experien cu plante multianuale va fi afectat de condiiile climatice ale

anilor de studiu. Aceste condiii climatice vor aciona difereniat de la un an la altul asupra
plantelor i dac nu reuim s le evideniem, diferenele acestea se vor regsi n erorile
accidentale i vor influena rezultatele obinute.
Pentru a nelege mai uor acest lucru vom folosi urmtoarele date experimentale.
S se determine influena soiurilor, portaltoilor i a anilor de studiu asupra produciei
de mere ntr-o experien aezat dup metoda blocurilor, cu patru repetiii i 4 pomi n
parcela elementar. Vrsta plantelor = 8 ani.
Factorul S: soiul
a1 - Jonathan
a2 - Idared
a3 - Golden delicious
Factorul P: portaltoiul
b1 -M9
b2 -M106
Factorul A: anul
c1 -1994
c2 -1995
c3 -1996
Pe lng aciunile factorilor, portaltoi i an este posibil s determinm interaciunile
factorilor de prim ordin (SxP, SxA, SxP) i interaciunile factorilor de gradul al doilea
(SxPxA).
Experiena este de tipul 3 x 2 x 3, cu un numr de 18 combinaii.
Pentru a putea executa calculul se pornete de la tabelul general care are incluse toate
datele medii ale experienei. De cele mai multe ori sunt necesare, tabelele ajuttoare pentru a
urmri mai uor combinaiile dintre factori. Vom ncerca s evitm ns folosirea acestora
considernd c, un cercettor bine format, poate executa analiza i n mod direct (la calculator
este nevoie numai de acest tabel de sintez ).
Se determin gradele de libertate:
Blocuri B

-n-1

Soiuri S

- s-1

Eroare (a)

- (n-1)(s-1)

Total

- n(s-1)

Portaltoi P

- p-1
86

Ani A

- a-1

Interaciunile SxP

- (s-1)(p-1)

Interaciune P x A

- (p-1)(a-1)

Interaciune S x A

- (s-1)(a-1)

Interaciune BxA

- (n-1)(a-1)

Interaciune SxPxA

- (s-1)(p-1)(a-1)

Eroare (b)

- (n-1)(s-1)(p-1)(a-1)

Total general

- nx s xp xa 1

n acest exemplu lipsesc o serie de interaciuni, ca de pild BxS, BxP pe care le-am
considerat fr o importan prea mare. Ele ns pot fi calculate ca i n celelalte cazuri.
Se trece apoi la desfurarea analizei varianei:
Se calculeaz termenul de corecie TC.
Se calculeaz suma ptratelor abaterilor SPA
SPAT = (x1 +x2 +..+xn )-TC

SPA =

R R R

SPsoi

( S1 ) ( S 2 ) 2 ...... ( S n ) 2

sxpxa

TC

pxaxn

SPcombinaii (BxS) =

TC

( S1 R1 ) 2 ( S1 R1 ) 2 ...... ( S n Rn ) 2
axp

TC

Eroare(a) = SPC (BxS) SPB-SPsoi

SPcombinaii (SxP)=

( S1 P1 ) 2 ( S1 P1 ) 2 ...... ( S n Pn ) 2
axn

TC

Interaciune SxP = SPC (SxP) SPsoi - SPportaltoi

SPani=

( A1 S1 ) 2 ( A2 S1 ) 2 ...... ( An S n ) 2
sxpxn

TC

Interaciune BxA = SPcomb(BxA) SPB SPani

SPcombinaii (SxA) =

( S1 A1 ) 2 ( S1 A2 ) 2 ...... ( S n An ) 2
nxp

Interaciune SxA = SPcomb(SxA) SPsoi SPani

87

TC

SPcombinaii (PxA)=

( P1 R1 ) 2 ( P1 R2 ) 2 ...... ( Pn Rn ) 2
a

TC

Interaciune PxA = SPcomb(PxA) SPport SPani

2
2
2
SPcombinaii (SxPxA) = ( S1 P1 A1 ) ( S1 P1 A2 ) ...... ( S n Pn An ) TC

Interaciune Sx PxA = SP comb(SxPxA) SPsoi SPport - SPani

Dac se mai dorete, mai pot fi calculate i alte combinaii i interaciuni dintre factori
(BxS, BxP, BxSxP, BxSxA etc).
n finalul calculului se prezint tabelul de analiza varianei , cu elementele componente
i proba F (Tabelul 38).
Tabelul varianelor (SxPxA)
Tabelul 30
Sursa variaiei

SPA

GL

Blocuri (B)

n-1

Soiuri (S)

s-1

Eroare (a)

(n-1)(s-1)

Total

n(s-1)

Portaltoi (P)

p-1

Ani (A)

a-1

Interaciune SxP

(s-1)(p-1)

Interaciune PxA

(p-1)(a-1)

Interaciune SxA

(s-1)(a-1)

Interaciune BxA

(n-1)(a-1)

Interaciune BxS

(n-1)(s-1 )

Interaciune BxP

(n-1)(p-1)

Interaciune SxPxA

(s-1)(p-1)(a-1)

Eroare (b)

(n-1)(s-1)(p-1)(a-1)

Total general

n x s x p x a-1

s2

n funcie de valorile F se stabilesc dac exist diferene asigurate statistic sau acestea
lipsesc. n continuare se examineaz semnificaia diferenelor cu ajutorul testului t pentru
fiecare factor i fiecare interaciune. Pentru factorul soi (S) se folosete la calculare variana
erorii (a) sau s 2a . De cele mai multe ori examinarea semnificaiei se face folosind variana

88

2
interaciunii SxPxA ( s SPA
) deoarece diferenele dintre variante vor fi cu att mai sigure cu ct
2
, va fi mai mic (reacia soiurilor i portaltoilor la condiiile de mediu va fi ct mai
s SPA

redus).
sd =

2
2s SPA
GL

Exemplu: S se stabileasc influenele soiurilor (3), portaltoilor (2) i a anilor (3),

precum i interaciunile lor asupra produciei de mere ntr-o experien aezat dup metoda
blocurilor randomizate cu 4 repetiii i 4 pomi n parcela experimental.
Considerm c datele primare au fost recoltate i transformate (t/ha), astfel c acestea
se prezint ca n tabelul 41. Modul de aezare a datelor n tabel este de foarte mare importan
pentru efectuarea unui calcul.
Ne propunem s facem analiza varianei dup cum urmeaz:
Suma ptratelor abaterilor (SPA) i gradele de libertate (GL);

(1778) 2 3161284
TC=

43906,7
sxpxaxn 3x2 x3x4
s = soiuri = 3
p = portaltoi = 2
a = ani = 3
n = repetiii = 4
SPAT = (172 +252 +222 ++242 +282 +272 )-TC= 1225,3

SPB=

445 2 440 2 448 2 445 2

790354
TC
TC 1,8
sxpxa
18

SPsoi=

505 2 598 2 675 2

1068254
TC
TC 603,9
pxaxn
24

SPC(BxS) =

126 2 125 2 ... 170 2

267092
TC
TC 608,6
axp
3x 2

89

Eroare (a)= 608,6 - 1,8 - 603,9 = 2,9

2
2
SPPort = 922 856 TC 158280 TC 60,5
sxaxn
36

268 2 299 2 ... 320 2

535220
SPCombSP =
TC
TC 695,0
axn
12
Interaciune SxP = 695,0 - 603,9 - 60,5 = 30,6

Producia medie de fructe la unele soiuri de mr,

altoite pe dife rii portaltoi, n trei ani consecutivi (t/ha)
Tabelul 31
Soi

Portaltoi

M9
Jonathan
M106

M9
Idared
M106

M9
Golden
delicious
M106

SPani=

An
1994
1995
1996

1994
1995
1996

1994
1995
1996

1994
1995
1996

1994
1995
1996

1994
1995
1996

R1
17
25
22
64
20
22
20
62
126
20
30
28
78
24
25
24
73
151
25
35
29
89
24
30
25
79
168
445

Blocuri
R2
R3
17
20
26
25
24
25
67
70
19
21
21
20
18
17
58
58
125
128
17
21
28
29
25
26
70
76
23
27
28
24
25
25
76
76
146
152
28
30
30
32
31
24
89
86
25
26
29
30
26
26
80
82
169
168
440
448

538 2 649 2 5912

1059926
TC
TC 256,9
sxpxn
24

90

R4
19
24
24
67
18
21
20
59
126
20
28
27
75
25
25
24
74
149
28
34
29
91
24
28
27
79
170
445

73
100
95
268
78
84
75
237
505
78
115
106
299
99
102
98
299
598
111
131
113
355
99
117
104
320
675
1778

SA

151
184
170

177
217
204

210
248
217

SPComb.BA= 130 2 167 2 148 2 129 2 162 2 149 2 1452 160 2 1432 134 2 160 2 1512
axp

TC

265210
265210

TC 295
axp
6

Inter.BA= 295,0-1,8-256,9= 36,3

2

SPComb.SA= 151
=

184 2 170 2 177 2 217 2 204 2 210 2 248 2 217 2

TC
nxp

358284
TC 878,8
nxp

Inter SA = 878,8-603,9-256,9 = 18,0

Comb.PA=

64 2 67 2 .... 82 2 79 2
133894
TC
TC 724,6
a
a

InterPA = 724,6 - 60,5 - 256,9 = 407,2

Comb.SPA=

73 2 100 2 ... 104 2

TC 1100,8
4

Inter.SPA=1100,8-60,5-256,9-603,9= 179,5

Tabelul varianelor n exemplul analizei varianei

n grupe de experiene (soi x portaltoi x ani)
Tabelul 32
Sursa variaiei

SPA

GL

Blocuri

1,8

Soiuri

603,9

301,9

603,8**

2,9

0,5

Total

608,6

11

Portaltoi

60,5

30,25

1,53

Ani

256,9

128,4

6,51**

Interaciune SxP

30,6

15,3

0,77

Interaciune PxA

407,2

203,6

10,33**

Interaciune SxA

18,0

4,5

0,23

Interaciune BxA

36,3

6,0

0,30

Interaciune SxPxA

179,5

44,9

2,28

Eroare (b)

236,3

12

19,7

1225,3

33

Eroare (a)

Total general

Testul F pune n eviden existena diferenelor ntre nivelele factorilor studiai i ntre
interaciunea factorilor.

91

n funcie de valorile F teoretice din tabelul 38 putem evidenia dac ipoteza nul H0
(1 = 2 = .=n ) este adevrat sau fals.
n cazul factorului S(soiuri) constatm c:
F0.05 (2; 6) = 603,8 este cu mult mai mare dect valorile F teoretic (5,14; 10,9).
0,0005 P 0,0001
Deci ipoteza nul H0 se respinge, ntre soiuri fiind diferene semnificative foarte mari.
Pentru factorul P(portaltoi), valoarea F empiric 1,53 este mai mic dect al lui F teoretic
(4,75; 9,33), la GL (1;12).
Nu se respinge ipoteza nul H0 , ntre portaltoi nefiind diferene asigurate statistic.
Pentru factorul Ani, valoarea F empiric este de 6,51comparativ cu Fteoretic (2; 12) care este
de 3,89 la 6,93.
0,025 P 0,01
Se respinge ipoteza nul H0, ntre ani fiind diferene asigurate statistic.
n cazul interaciunii soiuri x portaltoi (SxP), se constat c ipoteza nul H0 este
adevrat, adic interaciunea lipsete:
P0.05 (2 ; 12) = 0,77, iar Pteoretic este 3,89 i 6,93.
Interaciunea Portaltoi x Ani (PxA) se dovedete a fi puternic, anii influeneaz
comportarea portaltoilor . Ipoteza nul H0 se respinge.
F0.05 (2 ; 12) = 10,33 iar Fteoretic este 3,89 i 6,93
0,005 P 0,0025
n cazul interaciunii Soi x Ani (SxA), valoarea F empiric= 0,23 ceea ce demonstreaz
valabilitatea ipotezei nule H0 . Fteoretic = (3,89-6,93).
Interaciunea Soiuri x Portaltoi x Ani (SxPxA) este dat de valoarea
F0.05 (4 ; 12) = 2,28,
Fteoretic = 3,26 i 5,41
n consecin ipoteza nul este adevrat, nu se nregistreaz o interaciune asigurat
statistic.
n afara acestor interaciuni mai pot fi puse n eviden i altele, de tipul : Blocuri x
Soiuri, Blocuri x Portaltoi, Blocuri x Ani.
Astfel de interaciuni pot pune n eviden influena neuniformitii solului sau alte
tipuri de influen.
n continuare se face examinarea produciei cu ajutorul testului t (dar i cu alte teste
mai puternice), folosind formula:

92

sd=

2
2 s ae
GL

- Diferenele ntre soiuri (GL = 6)

sd=

2 x0,5
0,41t
6

t = 5% = 2,77
1% = 4,60
0,1% =8,61
DL 5% = 1,35 t
DL1% = 1,89 t
DL0,1% = 3,53

Semnificaia produciei soiurilor de mr

Tabelul 33
Soiul

Prod.

Idared

Jonathan

t/ha
Golden delicious

28,12

3,20 **

7,08 ***

Idared

24,92

3,88 ***

Jonathan

21,04

- Diferenele ntre portaltoi:

2sb2

sd=
GL

GL12 t

2 x19,7
1,81
12

5% = 2,18
1% = 3,05
0,1% =4,32
DL 5% = 3,94 t
DL1% = 5,52 t
DL0,1% = 7,82

M9 = 25,6t
93

M106 = 23,8
M9 - M106 = 1,8 t
ntre portaltoi nu se constat diferene semnificative.
- Diferenele dintre ani (GL= 12)
DL 5% = 3,94 t
DL1% = 5,52 t
DL0,1% = 7,82

Producia de mere n funcie de anul de studiu

Tabelul 34
Anul

Prod.t/ha

1996

1994

1995

27,0

2,42

4,63**

1996

24,62

1994

22,41

2,21

Diferen distinct semnificativ se constat numai n cazul produciei nregistrate n

1995 fa de 1994.

94

IX.CORELAIA
Analiza corelaiilor sau dependena stochastic se ocup de studiul dependenei dintre
dou sau mai multe variabile. Cu ajutorul analizei varianei am fcut o analiz biostatistic a
unei singure variabile, provenit din una sau mai multe probe sau populaii.
Corelaiile pot servi la stabilirea unor relaii dintre dou variabile (caractere sau
caracteristici variabile) n cadrul unor populaii, a unor experiene de cmp sau de laborator.
Analiza corelaiilor poate aduce noi elemente privind cercetarea.
Pentru analiza corelaiilor sunt necesare de stabilit perechile de date msurabile, cu
legtur reciproc i care aparin la dou variabile x i y ale unei probe.
Perechile de date de la ambele variabile sunt randomizate, adic sunt extrase dintr-o
populaie cu distribuie bivariat. Msura gradului de asociere dintre dou variabile poart
numele de coeficient de corelaie i se noteaz cu ,,r sau ,,p. Valoarea coeficientului de
corelaie este pozitiv sau negativ. Coeficientul de corelaie este pozitiv atunci cnd valorile
celor dou variabile cresc sau descresc n acelai sens. n cazul n care valorile unei variabile
cresc iar ale celeilalte descresc sau invers, atunci coeficientul de corelaie este negativ.
Valorile coeficientului de corelaie oscileaz ntre -1-0 i +1-0. Cnd r = o , corelaia
lipsete complet la probele empirice nu se ntlnesc valorile r=0 sau r=1.
Corelaia este cu att mai puternic cu ct valorile lui r se apropie de +1 sau -1 i este
mai slab cu ct se apropie de valoarea o. Dei coeficientul de corelaia exprim gradul de
legtur dintre dou variabile, totui nu indic sensul corelaiei i nici dependena variabilei y
de variabil x.
Corelaiile se pot prezenta grafic cu ajutorul sistemului de coordonare rectangulare.
Pe cele dou coordonate, ncepnd de la origine , se stabilesc unitile pentru variabila x (axa
absciselor) i variabila y (axa coordonatelor).
Coeficientul de corelaie a fost stabilit de Bravais i poate fi determinat cu ajutorul
mai multor formule:

2
s xy
2
2
s x s y

x1 y1

cov arianr .xy

sau r =

x1 y1

n 1

var iantax var iantay

95

( x
x12 n 1
n 1

)(

y1

( y ) 2

n 1

Examinarea semnificaiei coeficientului de corelaie se face cu ajutorul testului F i a

testului t: Testarea are drept scop de a cunoate precizia cu care r estimeaz semnificativ
diferena dintre valoarea observat i zero sau dac cele dou

valori observate difer

semnificativ ntre ele.

1)Exemplu: Calculul corelaiilor simple
S se determine coeficientul de corelaie i semnificaia sa ntre procentul de fructe
legate i producia de fructe la soiul Tuleu gras.
Valorile ms urabile ale variabilelor x (% de fructe legate)
i y (producia de fructe kg/pom)
Tabelul 35
Nr.

% fructe

Producia

observaii

legate

kg/pom

10

x2

y2

xy

11

100

121

110

12

14

144

196

168

14

17

196

289

238

16

19

256

361

304

18

21

324

441

378

20

25

400

625

500

22

30

484

900

660

24

32

576

1024

763

26

38

676

1444

988

10

30

50

900

2500

1500

n=10

192

257

4056

7801

5614

Folosim analiza varianei:

SPAx =

SPAy =

SPAxy =

( x ) 2

( y ) 2

xy

4056

36864
370
10

7901

66049
1296
10

xy
49344
5614
680
n
10

GL = n-1 = 10-1 = 9
s 2x

SPAx 370

41,1
GLx
9

96

s 2y

SPA y

s 2xy

SPAxy

GLy

GLxy

1296
144,0
9

680
75,5
9

s xy

r=

2 2
sx s y

75,5
41,1 144,0

75,5
0,982
76,9

Aplicnd alt formul obinem:

SPAxy

r=

SPAx SPA y

680
370 x1296

680
0,982
692,5

Examinm n continuare gradul de semnificaie al coeficientului de corelaie:

F

(n 2)r 2
1 r2
(10 2)0,9822
1 9822

7,714
216,2(5,32 11,26)
0,035

Valorile F teoretice pentru 5% sunt 5,32 i 1% de 11,26. Deci r = 0,982 prezint o

valoare F empiric foarte mare , cu mult peste graniele de semnificaie de =1% (distinct
semnificativ).
Calculm graniele de semnificaie i prin testul t.
t

14,7

Din tabel obinem pentru t=14,70 i GL =n-2=8, valori cu mult sub 0,10, ceea ce ne
permite s tragem concluzia c exist un grad foarte semnificativ de corelaie ntre cele dou
variabile studiate.
Putem s concluzionm c ntre procentul de fructe legate i producia de fructe la
soiul Tuleu gras exist o corelaie /asociaie( strns dat de un coeficient de corelaie
r=0,982, foarte semnificativ pozitiv. Odat cu sporirea procentului de legare prin polenizare a
fructelor de la 10 la 30% va spori negreit i producia de fructe, n limitele de la 11 la 50 kg
/pom, cu condiia s nu intervin i ali factori de influen.

97

CAP.X. REGRESIA

10.1. Analiza regresiilor

n cadrul a dou variabile x i y este necesar s cunoatem dac sunt sau nu
independente ntre ele. Considerm variabila x independent i variabila y dependent. Felul
de legtur ntre cele dou variabile se stabilete cu ajutorul ecuaiei funcionale. n aceast
situaie nu este suficient s aflm dac ntre dou variabile exist corelaie. Este necesar s
stabilim n ce msur la o cretere a valorilor lui x i corespunde o cretere sau o scdere a
valorilor lui y. Acest lucru este dat de ecuaia:
y = a + bx n care a reprezint nivelul la care linia respectiv taie axa y n punctul y=0,
iar b valoarea cu care crete y la o cretere a lui x cu o unitate (1).
10.2. Regresia liniar
Regresia liniar simpl analizeaz legtura dintre dou variabile , una prezentnd un
caracter ntmpltor (aleatoriu) i cealalt prezentnd valori fixe (observate sau fixe).
Variabila cu valori fixe este variabila independent (x) iar cea cu valori aleatore cea
dependent (y).
Ecuaia regresiei y=a+bx, poate servi la stabilirea unei linii drepte , chiar dac valorile
individuale sunt mprtiate.
a

y bx b x

y y b( x x)(

(a = termenul constant)

b=coeficientul de regresie)

Ne vom folosi n acest exemplu de datele din tabel care reprezint dependena dintre
procentul de fructe legate i producia de fructe la soiul Tuleu gras.
Avem deja calculate:
SPAx =

SPAxy =

xy

( x) 2
n

370,0

x y 680,0
n

Calculm coeficientul de regresie

98

byx =

SPAxy 680,0

1,84
SPAx 370,0

Nu se calculeaz by deoarece variabila x (procentul de fructe legate) este

independent de variabila y (producia de fructe).
nlocuim ecuaia de regresie:
y = a + bx
y = a + 1,84x
Pentru a calcula coordonatele dreptei de regresie avem nevoie de ( X ) ( y ).
x
y

192
19,2%
10

257
25,7kg / pom
10

Pentru nlocuire obinem:

y = y b( x x)
y = 25,7+1,84x-(1,84 19,2)
y = 25,7+1,84x 35,3
y = 1,84x - 9,6
Obinem coordonatele nlocuind cu valori din tabel:

10

Y=1,84x-9,6=18,4-9,6= 8,8

20

Y=1,84x-9,6= 36,8-9,6= 27,2

30

Y=1,84x-9,6= 55,2-9,6= 45,6

Se obine o dreapt de regresie dat de ecuaia y = a+1,84 (Fig..) care se exprim c exist
o legtur strns ntre cele dou variabile. La o cretere a variabilei independente cu 1,84
(b), variabila dependent va rspunde cu o cretere pozitiv de producie de o unitate.

99

100

Producia de fructe n funcie de densitatea de plantare

Tabelul 36
Nr. crt.

Variabila x

Variabila y

x2

x*y

x2 y

xx2

1,0

7,0

1,00

7,0

7,00

1,00

1,3

8,0

1,69

10,4

13,52

2,20

1,7

9,0

2,89

15,3

26,01

4,91

2,0

14,0

4,00

28,0

56,00

8,00

2,5

18,0

6,25

45,0

112,50

15,62

3,3

21,0

10,89

69,3

228,69

35,94

5,0

33,0

25,00

165,0

825,00

125,00

6,6

38,0

43,56

250,8

1655,28

287,50

23,4

148,0

95,26

590,8

2924,00

480,17

()2

95,28

3823,0

2708,33

Pentru uurarea calculelor se codific densitile astfel:

(5 x 4 m) = 500 pomi/ha = 1,0
(5 x 3 m) = 666 pomi/ha = 1,3
(5 x 2 m) = 1000 pomi/ha = 2,0
(4 x 3 m) = 833 pomi/ha = 1,7
(4x 2 m) = 1250 pomi/ha = 2,5
(3 x 2 m) = 1666 pomi/ha = 3,3
(3 x 1 m) = 3333 pomi/ha = 6,6
(4 x 1 m)= 2500 pomi/ha = 5,0
Calculul analizei varianei:
SPAy =

SPAx =

y2

( x ) 2
n

SPAx =

(x )

SPAxy =

xy

SPAx y =

2 2

( y 2 )
n

3823,0

148,0 2
3823,0 2723,0 1085
8

23,4 2
95,28
95,28 68,44 26,84
8

( x 2 ) 2
n

2708,33

95,28 2
1573,55
8

x y 590,8 23,4 x148,0 157,9

n

x y 2924,0 95,28x148,0 1161,3

y
2

101

SPAxx =
b1 =

xx

x x

480,17

23,4 95,28
201,5
8

SPAx 2 SPAxy SPAxx 2 SPAyx 2 (1573,55 x157,9) (201,5 1161,3)

SPAxSPAx 2 ( SPAxx 2 ) 2
(26,84 x1573,55) (201,5) 2

b1 = 14461,6 8,9
1631,9

b2 =

SPAxSPAyx 2 SPAxx 2 SPAxy (26,84 x1161,3) (201,5 x157,9)

SPAxSPAx 2 ( SPAxx 2 ) 2
(26,84 x1573,55) (201,5) 2

b2 = 647,56 0,40
1631,9

nlocuim datele n formula dreptei de regresie de gradul II:

y =a + b1 x + b2 x2
y = y b1 ( x x) b2 ( x 2 x 2 )
Apoi se determin mediile pentru:
x 2,9
y 18,5
2

x 11,9

y = 18,5 + 8,9 (x - 2,9) + 0,4( x 2 11,9)

y = 23,3 + 8,9 x 25,8 0,4x2

y = -2,5 + 8,9 x 0,4 x2

Coordonatele liniei de regresie sunt:

x= 0

y = -2,5

x= 1

y = -2,5 + 8,9 0,4 = 6,0

x= 2

y = -2,5 + 8,9 * 2 0,4 * 4 = -4,1 + 17,8 = 13,7

x= 5

y = -2,5 + 8,9 * 5 0,4 * 25 = -2,5 + 44,5 - 10 = 32,0

x= 6

y = -2,5 + 8,9 * 6 0,4 * 36 = - 2,5 + 53,4 -14,4 = 36,5

x= 3

y = -2,5 + 8,9 * 3 0,4 * 9 = -2,5 + 26,7 -3,6 = 20,5

x= 7

y = -2,5 + 62,3 0,4 * 49 = - 2,5 + 62,3 - 19,6 = 40,2

102

Tabelul 37
Valorile teoretice t care au probabilitatea p = 5 %, 1 %, i 0,1 %
Dac tabelul nu cuprinde unele grade de libertate, valorile t vor fi luate din rndurile cele mai
apropiate.

GL

P= 5%

P= 1%

P= 0,1

GL

P= 5%

P= 1%

P= 0,1
%

12,71

63,66

636,62

26

2,06

2,78

3,71

4,30

9,93

31,60

27

2,05

2,77

3,69

3,18

5,84

12,94

28

2,05

2,76

3,67

2,78

4,60

8,61

29

2,04

2,76

3,66

2,57

4,03

6,86

30

2,04

2,75

3,65

2,45

3,71

5,96

35

2,03

2,72

3,59

2,37

3,50

5,41

40

2,02

2,70

3,55

2,31

3,36

5,04

45

2,01

2,69

3,52

2,26

3,25

4,78

50

2,01

2,68

3,49

10

2,23

3,17

4,59

60

2,00

2,66

3,46

11

2,20

3,11

4,44

70

1,99

2,65

3,43

12

2,18

3,06

4,32

80

1,99

2,64

3,41

13

2,16

3,01

4,22

90

1,99

2,63

3,40

14

2,15

2,98

4,14

100

1,98

2,63

3,39

15

2,13

2,95

4,07

120

1,98

2,62

3,37

16

2,12

2,92

4,02

140

1,98

2,61

3,36

17

2,11

2,90

3,97

160

1,98

2,61

3,35

18

2,10

2,88

3,92

180

1,97

2,60

3,35

19

2,09

2,86

3,88

200

1,97

2,60

3,34

20

2,09

2,84

3,85

300

1,97

2,59

3,32

21

2,08

2,83

3,82

400

1,97

2,59

3,32

22

2,07

2,82

3,79

500

1,96

2,59

3,31

23

2,07

2,81

3,77

1000

1,96

2,58

3,30

24

2,06

2,80

3,75

25

2,06

2,79

3,73

1,96

2,58

3,29

103

Distribuia f pentru probabilitile de transgresiune 0,5%, = 1% i pentru gradele

de libertate l 1 i l 2 (dup G. W. Snedecor, 1956)

Tabelul 38
Grade de
libertate
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Grade de
libertate
26
27

1
161
4,052
18.51
98.49
10.13
34.12
7.71
21.20
6.61
16.26
5.99
13.74
5.59
12.25
5.32
11.26
5.12
10.56
4.96
10.04
4.84
9.65
4.75
9.33
4.67
9.07
4.60
8.86
4.54
8.68
4.49
8.53
4.45
8.40
4.41
8.28
4.38
8.18
4.35
8.10
4.32
8.02
4.30
7.94
4.28
7.88
4.26
7.82
4.24
7.77

2
200
4,999
19.00
99.00
9.55
30.82
6.94
18.00
5.79
13.27
5.14
10.92
4.74
9.55
4.46
8.65
4.26
8.02
4.10
7.56
3.98
7.20
3.88
6.93
3.80
6.70
3.74
6.51
3.68
6.36
3.63
6.23
3.59
6.11
3.55
6.01
3.52
5.93
3.49
5.85
3.47
5.78
3.44
5.72
3.42
5.66
3.40
5.61
3.38
5.57

3
216
5,403
19.16
99.17
9.28
29.46
6.59
16.69
5.41
12.06
4.76
9.78
4.35
8.45
4.07
7.59
3.86
6.99
3.71
6.55
3.59
6.22
3.49
5.95
3.41
5.74
3.34
5.56
3.29
5.42
3.24
5.29
3.20
5.18
3.16
5.09
3.13
5.01
3.10
4.94
3.07
4.87
3.05
4.82
3.03
4.76
3.01
4.72
2.99
4.68

4
225
5,625
19.25
99.25
9.12
28.71
6.39
15.98
5.19
11.39
4.53
9.15
4.12
7.85
3.84
7.01
3.63
6.42
3.48
5.99
3.36
5.67
3.26
5.41
3.18
5.20
3.11
5.03
3.06
4.89
3.01
4.77
2.96
4.67
2.93
4.58
2.90
4.50
2.87
4.43
2.84
4.37
2.82
4.31
2.80
4.26
2.78
4.22
2.76
4.18

5
230
5,764
19.30
99.30
9.01
28.24
6.26
15.52
5.05
10.97
4.39
8.75
3.97
7.46
3.69
6.63
3.48
6.06
3.33
6.64
3.20
5.32
3.11
5.06
3.02
4.86
2.96
4.69
2.90
4.56
2.85
4.44
2.81
4.34
2.77
4.25
2.74
4.17
2.71
4.10
2.86
4.04
2.66
3.99
2.64
3.94
2.62
3.90
2.60
3.86

1
4.22
7.72
4.21
7.68
4.20

2
3.37
5.53
3.35
5.49
3.34

3
2.98
4.64
2.96
4.60
2.95

4
2.74
4.14
2.73
4.11
2.71

5
2.59
3.82
2.57
3.79
2.56

Grade de libertate
6
7
234
237
5,859 5,928
19.33 19.36
99.33 99.34
8.94
8.88
27.91 27.67
16.16 6.09
15.21 14.98
4.95
4.88
10.67 10.45
4.28
4.21
8.47
8.26
3.87
3.79
7.19
7.00
3.58
3.50
6.37
6.19
3.37
3.29
5.80
5.62
3.22
3.14
5.39
5.21
3.09
3.01
5.07
4.88
3.00
2.92
4.82
4.65
2.92
2.84
4.62
4.44
2.85
2.77
4.46
4.28
2.79
2.70
4.32
4.14
2.74
2.66
4.20
4.03
2.70
2.62
4.10
3.93
2.66
2.58
4.01
3.85
2.63
2.55
3.94
3.77
2.60
2.52
3.87
3.71
2.57
2.49
3.81
3.65
2.55
2.47
3.76
3.59
2.53
2.45
3.71
3.54
2.51
2.43
3.67
3.50
2.49
2.41
3.63
3.46
Grade de libertate
6
7
2.47
2.39
3.59
3.42
2.46
2.37
3.56
3.39
2.44
2.36

104

8
239
5,981
19.37
99.36
8.84
27.49
6.04
14.80
4.82
10.27
4.15
8.10
3.73
6.84
3.44
6.03
3.23
5.47
3.07
5.06
2.95
4.74
2.85
4.50
2.77
4.30
2.70
4.14
2.64
4.00
2.59
3.89
2.55
3.79
2.51
3.71
2.48
3.63
2.45
3.56
2.42
3.51
2.40
3.45
2.38
3.41
2.36
3.36
2.34
3.32

9
241
6,022
19.38
99.38
8.81
27.34
6.00
14.66
4.78
10.15
4.10
7.98
3.68
6.71
3.39
5.91
3.18
5.35
3.02
4.95
2.90
4.63
2.80
4.39
2.72
4.19
2.65
4.03
2.59
3.89
2.54
3.78
2.50
3.68
2.46
3.60
2.43
3.52
2.40
3.45
2.37
3.40
2.35
3.35
2.32
3.30
2.30
3.25
2.28
3.21

10
242
6,056
19.39
99.40
8.78
27.23
5.96
14.54
4.47
10.05
4.06
7.87
3.63
6.62
3.34
5.82
3.13
5.26
2.97
4.85
2.86
4.54
2.76
4.30
2.67
4.10
2.60
3.94
2.55
3.80
2.49
3.69
2.45
3.59
2.41
3.51
2.38
3.43
2.35
3.37
2.32
3.31
2.30
3.26
2.28
3.21
2.26
3.17
2.24
3.13

11
243
6,082
19.40
99.41
8.76
27.13
5.93
14.45
4.70
9.96
4.03
7.79
3.60
6.54
3.34
5.74
3.10
5.18
2.94
4.78
2.82
4.46
2.72
4.22
2.63
4.02
2.56
3.86
2.51
3.73
2.45
3.61
2.41
3.52
2.37
3.44
2.34
3.36
2.31
3.40
2.28
3.24
2.26
3.18
2.24
3.14
2.22
3.09
2.20
3.05

12
244
6,106
19.41
99.42
8.74
27.05
5.91
14.37
4.68
9.89
4.00
7.72
3.57
6.47
3.28
5.67
3.07
5.11
2.91
4.71
2.79
4.40
2.69
4.16
2.60
3.96
2.53
3.80
2.48
3.67
2.42
3.55
2.38
3.45
2.34
3.37
2.31
3.30
2.28
3.23
2.25
3.17
2.23
3.12
2.20
3.07
2.18
3.03
2.16
2.99

8
2.32
3.29
2.30
3.26
2.29

9
2.27
3.17
2.25
3.14
2.24

10
2.22
3.09
2.20
3.06
2.19

11
2.18
3.02
2.16
2.98
2.15

12
2.15
2.96
2.13
2.93
2.12

28
29
30
32
34
36
38
40
42
44
46
48
50
55
60
65
70
80
100
125
150
200
400
1000

7.64
4.18
7.60
4.17
7.56
4.15
7.50
4.13
7.44
4.11
7.39
4.10
7.35
4.08
7.31
4.07
7.27
4.06
7.24
4.05
7.21
4.04
7.19
4.03
7.17
4.02
7.12
4.00
7.08
3.99
7.04
3.98
7.01
3.96
6.96
3.94
6.90
3.92
6.84
3.91
6.81
3.89
6.76
3.86
6.70
3.85
6.66
3.84
6.64

5.45
3.33
5.42
3.32
5.39
3.30
5.34
3.28
5.29
3.26
5.25
3.25
5.21
3.23
5.18
3.22
5.15
3.21
5.12
3.20
5.10
3.19
5.08
3.18
5.06
3.17
5.01
3.15
4.98
3.14
4.95
3.13
4.92
3.11
4.88
3.09
4.82
3.07
4.78
3.06
4.75
3.04
4.71
3.02
4.66
3.00
4.62
2.99
4.60

4.57
2.93
4.54
2.92
4.51
2.90
4.46
2.88
4.42
2.86
4.38
2.85
4.34
2.84
4.31
2.83
4.29
2.82
4.26
2.81
4.24
2.80
4.22
2.79
4.20
2.78
4.16
2.76
4.13
2.75
4.10
2.74
4.08
2.72
4.04
2.70
3.98
2.68
3.94
2.67
3.91
2.65
3.88
2.62
3.83
2.61
3.80
2.60
3.78

4.07
2.70
4.04
2.69
4.02
2.67
3.97
2.65
3.93
2.63
3.89
2.62
3.86
2.61
3.83
2.59
3.80
2.58
3.78
2.57
3.76
2.56
3.74
5.56
3.72
2.54
3.68
2.52
3.65
2.51
3.62
2.50
3.60
2.48
3.56
2.46
3.51
2.44
3.47
2.43
3.44
2.41
3.41
2.39
3.36
2.38
3.34
2.37
3.32

3.76
2.54
3.73
2.53
3.70
2.51
3.66
2.49
3.61
2.48
3.58
2.46
3.54
2.45
3.51
2.44
3.49
2.43
3.46
2.42
3.44
2.41
3.42
2.40
3.41
2.38
3.37
2.37
3.34
2.36
3.31
2.35
3.29
2.33
3.25
2.30
3.20
2.29
3.17
2.27
3.14
2.26
3.11
2.23
3.06
2.22
3.04
2.21
3.02

3.53
2.43
3.50
2.42
3.47
2.40
3.42
2.38
3.38
2.36
3.35
2.35
3.32
2.34
3.29
2.32
3.26
2.31
3.24
2.30
3.22
2.30
3.20
2.29
3.18
2.27
3.15
2.25
3.12
2.24
3.09
2.23
3.07
2.21
3.04
2.19
2.99
2.17
2.95
2.16
2.92
2.14
2.90
2.12
2.85
2.10
2.82
2.09
2.80

3.36
2.35
3.33
2.34
3.30
2.32
3.25
2.30
3.21
2.28
3.18
2.26
3.15
2.25
3.12
2.24
3.10
2.23
3.07
2.22
3.05
2.21
3.04
2.20
3.02
2.18
2.98
2.17
2.95
2.15
2.93
2.14
2.91
2.12
2.87
2.10
2.82
2.08
2.79
2.07
2.76
2.05
2.73
2.03
2.69
2.02
2.66
2.01
2.64

3.23
2.28
3.20
2.27
3.17
2.25
3.12
2.23
3.08
2.21
3.04
2.19
3.02
2.18
2.99
2.17
2.96
2.16
2.94
2.14
2.92
2.14
2.90
2.13
2.88
2.11
2.85
2.10
2.82
2.08
2.79
2.07
2.77
2.05
2.74
2.03
2.69
2.01
2.65
2.00
2.62
1.98
2.60
1.96
2.55
1.95
2.53
1.94
3.51

3.11
2.22
3.08
2.21
3.06
2.19
3.01
2.17
2.97
2.15
2.94
2.14
2.91
2.12
2.88
2.11
2.86
2.10
2.84
2.09
2.82
2.08
2.80
2.07
2.78
2.05
2.75
2.04
2.72
2.02
2.70
2.01
2.67
1.99
2.64
1.97
2.59
1.95
2.56
1.94
2.53
1.92
2.50
1.90
2.46
1.89
2.43
1.88
2.41

3.03
2.18
3.00
2.16
2.98
2.14
2.94
2.12
2.89
2.10
2.86
2.09
2.82
2.07
2.80
2.06
2.77
2.05
2.75
2.04
2.73
2.03
2.71
2.02
2.70
2.00
2.66
1.99
2.63
1.98
2.61
1.97
2.59
1.95
2.55
1.92
2.51
1.90
2.47
1.89
2.44
1.87
2.41
1.85
2.37
1.84
2.34
1.83
2.32

2.95
2.14
2.92
2.12
2.90
2.10
2.86
2.08
2.82
2.06
2.78
2.05
2.75
2.04
2.73
2.02
2.70
2.01
2.68
2.00
2.66
1.99
2.64
1.98
2.62
1.97
2.59
1.95
2.56
1.94
2.54
1.93
2.51
1.91
2.48
1.88
2.43
1.86
2.40
1.85
2.37
1.83
2.34
1.81
2.29
1.80
2.26
1.79
2.24

2.90
2.10
2.87
2.09
2.84
2.07
2.80
2.05
2.76
2.03
2.72
2.02
2.69
2.00
2.66
1.99
2.64
1.98
2.62
1.97
2.60
1.96
2.58
1.95
2.56
1.93
2.53
1.92
2.50
1.90
2.47
1.89
2.45
1.88
2.41
1.85
2.36
1.83
2.33
1.82
2.30
1.80
2.28
1.78
2.23
1.76
2.20
1.75
2.18

continuare tabelul
Grade de
libertate
1
2
3
4
5
6
7
8
9

14
245
6,142
19.42
99.43
8.71
26.92
5.87
14.24
4.64
9.77
3.96
7.60
3.52
6.35
3.23
5.56
3.02
5.00
2.86

16
246
6,169
19.43
99.44
8.69
26.83
5.84
14.15
4.60
9.68
3.92
7.52
3.49
6.27
3.20
5.48
2.98
4.92
2.82

20
248
6,208
19.44
99.45
8.66
26.69
5.80
14.02
4.56
9.55
3.87
7.39
3.44
6.15
3.15
5.36
2.93
4.80
2.77

24
249
6,234
19.45
99.46
8.64
26.60
5.77
13.93
4.53
9.47
3.84
7.31
3.41
6.07
3.12
5.28
2.90
4.73
2.74

30
250
6,258
19.46
99.47
8.62
26.50
5.74
13.83
4.50
9.38
3.81
7.23
3.38
5.98
3.08
5.20
2.86
4.64
2.70

Grade de libertate
40
50
75
251
252
253
6,286 6,302 6,323
19.47 19.47 19.48
99.48 99.48 99.49
8.60
8.58
8.57
26.41 26.35 26.27
5.71
5.70
5.68
13.74 13.69 13.61
4.46
4.44
4.42
9.29
9.24
9.17
3.77
3.75
3.72
7.14
7.09
7.02
3.34
3.32
3.29
5.90
5.85
5.78
3.05
3.03
3.00
5.11
5.06
5.00
2.82
2.80
2.77
4.56
4.51
4.45
2.67
2.64
2.61

105

100
253
6,334
19.49
99.49
8.56
26.23
5.66
13.57
4.40
9.13
3.71
6.99
3.28
5.75
2.98
4.96
2.76
4.41
2.59

200
254
3,352
19.49
99.49
8.54
26.18
5.65
13.52
4.38
9.07
3.69
6.94
3.25
5.70
2.96
4.91
2.73
4.36
2.56

500
254
6,361
19.50
99.50
8.54
26.14
5.64
13.48
4.37
9.04
3.68
6.90
3.24
5.67
2.94
4.88
2.72
4.33
2.55

254
6,366
19.50
99.50
8.53
26.12
5.63
13.46
4.36
9.02
3.67
6.88
3.23
5.65
2.93
4.86
2.71
4.31
2.54

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Grade de
libertate
26
27
28
29
30
32
34
36
38
40
42
44
46
48
50
55
60
65
70
80

4.60
2.74
4.29
2.64
4.05
2.55
3.85
2.48
3.70
2.43
3.56
2.37
3.45
2.33
3.35
2.29
3.27
2.26
3.19
2.23
3.13
2.20
3.07
2.18
3.02
2.14
2.97
2.13
2.93
2.11
2.89

4.52
2.70
4.21
2.60
3.98
2.51
3.78
2.44
3.62
2.39
3.48
2.33
3.37
2.29
3.27
2.25
3.19
2.21
3.12
2.18
3.05
2.15
2.99
2.13
2.94
2.10
2.89
2.09
2.85
2.06
2.81

4.41
2.65
4.10
2.54
3.86
2.46
3.67
2.39
3.51
2.33
3.36
2.28
3.25
2.23
3.16
2.19
3.07
2.15
3.00
2.12
2.94
2.09
2.88
2.07
2.83
2.04
2.78
2.02
2.74
2.00
2.70

4.33
2.61
4.02
2.50
3.78
2.42
3.59
2.35
3.43
2.29
3.29
2.24
3.18
2.19
3.08
2.15
3.00
2.11
2.92
2.08
2.86
2.05
2.80
2.03
2.75
2.00
2.70
1.98
2.66
1.96
2.62

4.25
2.57
3.94
2.46
3.70
2.38
3.51
2.31
3.34
2.25
3.20
2.20
3.10
2.15
3.00
2.11
2.91
2.07
2.84
2.04
2.77
2.00
2.72
1.98
2.67
1.96
2.62
1.94
2.58
1.92
2.54

14
2.10
2.86
2.08
2.83
2.06
2.80
2.05
2.77
2.04
2.74
2.02
2.70
2.00
2.65
1.98
2.62
1.96
2.59
1.95
2.56
1.94
1.54
1.92
2.52
1.91
2.50
1.90
2.48
1.90
2.46
1.88
2.43
1.86
2.40
1.85
2.37
1.84
2.35
1.82
2.32

16
2.05
2.77
2.03
2.74
2.02
2.71
2.00
2.68
1.99
2.66
1.97
2.62
1.95
2.58
1.93
2.54
1.92
2.51
1.90
2.49
1.89
2.46
1.88
2.44
1.87
2.42
1.86
2.40
1.85
2.39
1.83
2.35
1.81
2.32
1.80
2.30
1.79
2.28
1.77
2.24

20
1.99
2.66
1.97
2.63
1.96
2.60
1.94
2.57
1.93
2.55
1.91
2.51
1.89
2.47
1.87
2.43
1.85
2.40
1.84
2.37
1.82
2.35
1.81
2.32
1.80
2.30
1.79
2.28
1.78
2.26
1.76
2.23
1.75
2.20
1.73
2.18
1.72
2.15
1.70
2.11

24
1.95
2.58
1.93
2.55
1.91
2.52
1.90
2.49
1.89
2.47
1.86
2.42
1.84
2.38
1.82
2.35
1.80
2.32
1.79
2.29
1.78
2.26
1.76
2.24
1.75
2.22
1.74
2.20
1.74
2.18
1.72
2.15
1.70
2.12
1.68
2.09
1.67
2.07
1.65
2.03

30
1.90
2.50
1.88
2.47
1.87
2.44
1.85
2.41
1.84
2.38
1.82
2.34
1.80
2.30
1.78
2.26
1.76
2.22
1.74
2.20
1.73
2.17
1.72
2.15
1.71
2.13
1.70
2.11
1.69
2.10
1.67
2.06
1.65
2.03
1.63
2.00
1.62
1.98
1.60
1.94

4.17
4.12
2.53
2.50
3.86
3.80
2.42
2.40
3.61
3.56
2.34
2.32
3.42
3.37
2.27
2.24
3.26
3.21
2.21
2.18
3.12
3.07
2.16
2.13
3.01
2.96
2.11
2.08
2.92
2.86
2.07
2.04
2.83
2.78
2.02
2.00
2.76
2.70
1.99
1.96
2.69
2.63
1.96
1.93
2.63
2.58
1.93
1.91
2.58
2.53
1.91
1.88
2.53
2.48
1.89
1.86
2.49
2.44
1.87
1.84
2.45
2.40
Grade de libertate
40
50
1.85
1.82
2.41
2.36
1.84
1.80
2.38
2.33
1.81
1.78
2.35
2.30
1.80
1.77
2.32
2.27
1.79
1.76
2.29
2.24
1.76
1.74
2.25
2.20
1.74
1.71
2.21
2.15
1.72
1.69
2.17
2.12
1.71
1.67
2.14
2.08
1.69
1.66
2.11
2.05
1.68
1.64
2.08
2.02
1.66
1.63
2.06
2.00
1.65
1.62
2.04
1.98
1.64
1.61
2.02
1.96
1.63
1.60
2.00
1.94
1.61
1.58
1.96
1.90
1.59
1.56
1.93
1.87
1.57
1.54
1.90
1.84
1.56
1.53
1.88
1.82
1.54
1.51
1.84
1.78

106

4.05
2.47
3.74
2.36
3.49
2.28
3.30
2.21
3.14
2.15
3.00
2.09
2.89
2.04
2.79
2.00
2.71
1.96
2.63
1.92
2.56
1.89
2.51
1.87
2.46
1.84
2.41
1.82
2.36
1.80
2.32

4.01
2.45
3.70
2.35
3.46
2.26
3.27
2.19
3.11
2.12
2.97
2.07
2.86
2.02
2.76
1.98
2.68
1.94
2.60
1.90
2.53
1.87
2.47
1.84
2.42
1.82
2.37
1.80
2.33
1.77
2.29

3.96
2.42
3.66
2.32
3.41
2.24
3.21
2.16
3.06
2.10
2.92
2.04
2.80
1.99
2.70
1.95
2.62
1.91
2.54
1.87
2.47
1.84
2.42
1.81
2.37
1.79
2.32
1.76
2.27
1.74
2.23

3.93
2.41
3.62
2.31
3.38
2.22
3.18
2.14
3.02
2.08
2.89
2.02
2.77
1.97
2.67
1.93
2.59
1.90
2.51
1.85
2.44
1.82
2.38
1.80
2.33
1.77
2.28
1.74
2.23
1.72
2.19

3.91
2.40
3.60
2.30
3.36
2.21
3.16
2.13
3.00
2.07
2.87
2.01
2.75
1.96
2.65
1.92
2.57
1.88
2.49
1.84
2.42
1.81
2.36
1.78
2.31
1.76
2.26
1.73
2.21
1.71
2.17

75
1.78
2.28
1.76
2.25
1.75
2.22
1.73
2.19
1.72
2.16
1.69
2.12
1.67
2.08
1.65
2.04
1.63
2.00
1.61
1.97
1.60
1.94
1.58
1.92
1.57
1.90
1.56
1.88
1.55
1.86
1.52
1.82
1.50
1.79
1.49
1.76
1.47
1.74
1.45
1.70

100
1.76
2.25
1.74
2.21
1.72
2.18
1.71
2.15
1.69
2.13
1.67
2.08
1.64
2.04
1.62
2.00
1.60
1.97
1.59
1.94
1.57
1.91
1.56
1.88
1.54
1.86
1.53
1.84
1.52
1.82
1.50
1.78
1.48
1.74
1.46
1.71
1.45
1.69
1.42
1.65

200
1.72
2.19
1.71
2.16
1.69
2.13
1.68
2.10
1.66
2.07
1.64
2.02
1.61
1.98
1.59
1.94
1.57
1.90
1.55
1.88
1.54
1.85
1.52
1.82
1.51
1.80
1.50
1.78
1.48
1.76
1.46
1.71
1.44
1.68
1.42
1.64
1.40
1.62
1.38
1.57

500
1.70
2.15
1.68
2.12
1.67
2.09
1.65
2.06
1.64
2.03
1.61
1.98
1.59
1.94
1.56
1.90
1.54
1.86
1.53
1.84
1.51
1.80
1.50
1.78
1.48
1.76
1.47
1.73
1.46
1.71
1.43
1.66
1.41
1.63
1.39
1.60
1.37
1.56
1.35
1.52

1.69
2.13
1.67
2.10
1.65
2.06
1.64
2.03
1.62
2.01
1.59
1.96
1.57
1.91
1.55
1.87
1.53
1.84
1.51
1.81
1.49
1.78
1.48
1.75
1.46
1.72
1.45
1.70
1.44
1.68
1.41
1.64
1.39
1.60
1.37
1.56
1.35
1.53
1.32
1.49

100
125
150
200
400
1000

1.79
2.26
1.77
2.23
1.76
2.20
1.74
2.17
1.72
2.12
1.70
2.09
1.69
2.07

1.75
2.19
1.72
2.15
1.71
2.12
1.69
2.09
1.67
2.04
1.65
2.01
1.64
1.99

1.68
2.06
1.65
2.03
1.64
2.00
1.62
1.97
1.60
1.92
1.58
1.89
1.57
1.87

1.63
1.98
1.60
1.94
1.59
1.91
1.57
1.88
1.54
1.84
1.53
1.81
1.52
1.79

1.57
1.89
1.55
1.85
1.54
1.83
1.52
1.79
1.49
1.74
1.47
1.71
1.46
1.69

1.51
1.79
1.49
1.75
1.47
1.72
1.45
1.69
1.42
1.64
1.41
1.61
1.40
1.59

107

1.48
1.73
1.45
1.68
1.44
1.66
1.42
1.62
1.38
1.57
1.36
1.54
1.35
1.52

1.42
1.64
1.39
1.59
1.37
1.56
1.35
1.53
1.32
1.47
1.30
1.44
1.28
1.41

1.39
1.59
1.36
1.54
1.34
1.51
1.32
1.48
1.28
1.32
1.26
1.38
1.24
1.36

1.34
1.51
1.31
1.46
1.29
1.43
1.26
1.38
1.22
1.32
1.19
1.28
1.17
1.25

1.30
1.46
1.27
1.40
1.25
1.37
1.22
1.33
1.16
1.24
1.13
1.19
1.11
1.15

1.28
1.43
1.25
1.37
1.22
1.33
1.19
1.28
1.16
1.19
1.08
1.11
1.00
1.00

Valorile teoretice q pentru testul Duncan

(dup Harter L.H., 1970)

Tabelul 39
Numrul

Numrul de variante cuprinse ntre limitele comparaiei

gradelor
de libertate
ale erorii

10

12

14

16

18

20

50

100

(GL E)
1

17 97 17 97 17 97 17 97 19 97 17 97 17 97 17 97 17 97 17 97 17 97 17 97 17 97 17 97 17 97 17 97

6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09 6 09

4 50 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52 4 52

3 93 4 01 4 03 4 03 4 03 4 03 4 03 4 03 4 03 4 03 4 03 4 03 4 03 4 03 4 03 4 03

3 64 3 75 3 80 3 81 3 81 3 81 3 81 3 81 3 81 3 81 3 81 3 81 3 81 3 81 3 81 3 81

3 46 3 59 3 65 3 68 3 69 3 70 3 70 3 70 3 70 3 70 3 70 3 70 3 70 3 70 3 70 3 70

3 44 3 48 3 55 3 59 3 61 3 62 3 63 3 63 3 63 3 63 3 63 3 63 3 63 3 63 3 63 3 63

3 26 3 40 3 48 3 52 3 55 3 57 3 58 3 58 3 58 3 58 3 58 3 58 3 58 3 58 3 58 3 58

3 20 3 34 3 42 3 47 3 50 3 52 3 54 3 54 3 55 3 55 3 55 3 55 3 55 3 55 3 55 3 55

10

3 15 3 29 3 38 3 43 3 47 3 49 3 51 3 52 3 52 3 53 3 53 3 53 3 53 3 53 3 53 3 53

11

3 11 3 26 3 34 3 40 3 44 3 46 3 48 3 49 3 50 3 51 3 51 3 51 5 51 3 51 3 51 3 51

12

3 08 3 23 3 31 3 37 3 41 3 44 3 46 3 47 3 48 3 50 3 50 3 50 3 50 3 50 3 50 3 50

13

3 06 3 20 3 29 3 35 3 39 3 42 3 44 3 46 3 47 3 48 3 49 3 49 3 49 3 49 3 49 3 49

14

3 03 3 18 3 27 3 33 3 37 3 40 3 43 3 44 3 46 3 47 3 48 3 48 3 49 3 49 3 49 3 49

15

3 01 3 16 3 25 3 31 3 36 3 39 3 41 3 43 3 45 3 47 3 48 3 48 3 48 3 48 3 48 3 48

16

3 00 3 14 3 24 3 30 3 34 3 38 3 40 3 42 3 44 3 46 3 47 3 48 3 48 3 48 3 48 3 48

17

2 98 3 13 3 22 3 29 3 33 3 37 3 39 3 41 3 43 3 45 3 47 3 47 3 48 3 48 3 48 3 48

18

2 97 3 12 3 21 3 27 3 32 3 36 3 38 3 41 3 42 3 45 3 46 3 47 3 47 3 47 3 47 3 47

19

2 96 3 11 3 20 3 26 3 31 3 35 3 38 3 40 3 42 3 45 3 46 3 47 3 47 3 47 3 47 3 47

20

2 95 3 10 3 19 3 26 3 30 3 34 3 37 3 39 3 41 3 44 3 45 3 46 3 47 3 47 3 47 3 47

24

2 92 3 07 3 16 3 23 3 28 3 32 3 35 3 37 3 39 3 42 3 44 3 46 3 47 3 47 3 48 3 48

30

2 89 3 04 3 13 3 20 3 25 3 29 3 32 3 35 3 37 3 41 3 43 3 45 3 46 3 47 3 49 3 49

40

2 86 3 03 3 10 3 17 3 22 3 27 3 30 3 33 3 35 3 39 3 42 3 44 3 46 3 47 3 50 3 50

60

2 83 2 98 3 07 3 14 3 20 3 24 3 28 3 31 3 33 3 37 3 41 3 43 3 45 3 47 3 54 3 54

100

2 80 2 95 3 05 3 12 3 17 3 22 3 25 3 29 3 31 3 36 3 39 3 42 3 45 3 47 3 59 3 60

2 77 2 92 3 02 3 09 3 15 3 19 3 23 3 27 3 29 3 34 3 38 3 41 3 44 3 47 3 64 3 74

108

Distribuia 2 (dup Erna Weber, 1961).

Tabelul 40
99,0

97,5

90

70

50

30

10

2,5

0,1

,0 393

,0158

,148

,103

,211

,713

,455

1,07

1,39

2,41

2,71

3,84

5,02

6,62

10,8

4,61

5,99

7,38

9,21

,216

,352

,584

1,42

2,37

13,8

3,67

6,25

7,81

9,35

11,3

16,3

,297

,484

,711

,554

,831

1,15

1,06

2,19

1,61

3,00

3,36

4,88

7,78

9,49

11,1

13,3

18,5

4,35

6,06

9,24

11,1

12,8

15,1

20,5

,872

1,24

1,24

1,69

1,64

2,20

2,17

2,83

3,83

5,35

7,23

10,6

12,6

14,4

16,8

22,5

4,67

6,35

8,38

12,0

14,1

16,0

18,5

1,65

2,18

2,73

24,3

3,49

5,53

7,34

9,52

13,4

15,5

17,5

20,1

26,1

9
10

2,09

2,70

2,56

3,25

3,33

4,17

6,39

8,34

10,7

14,7

16,9

19,0

21,7

27,9

3,94

4,87

7,27

9,34

11,8

16,0

18,3

20,5

23,2

11

3,05

29,6

3,82

4,57

5,58

8,15

10,3

12,9

17,3

19,7

21,9

24,7

31,3

12
13

3,57

4,40

5,23

6,30

9,03

11,3

14,0

18,5

21,0

23,3

26,2

32,9

4,11

5,01

5,89

7,04

9,93

12,3

15,1

19,8

22,4

24,7

27,7

34,5

14

4,66

5,63

6,57

7,79

10,8

13,3

16,2

21,1

23,7

26,1

29,1

36,1

15

5,23

6,26

7,26

8,55

11,7

14,3

17,3

22,3

25,0

27,5

30,6

37,7

16

5,81

6,91

7,96

9,31

12,6

15,3

18,4

23,5

26,3

28,8

32,0

39,3

17

6,41

7,56

8,67

10,1

13,5

16,3

19,5

24,8

27,6

30,2

33,4

40,8

18

7,01

8,23

9,39

10,9

14,4

17,3

20,6

26,0

28,9

31,5

34,8

42,3

19

7,63

8,91

10,1

11,7

15,4

18,3

21,7

27,2

30,1

32,9

36,2

43,8

20

8,26

9,59

10,9

12,4

16,3

19,3

22,8

28,4

31,4

34,2

37,6

45,3

21

8,90

10,3

11,6

13,2

17,2

20,3

23,9

29,6

32,7

35,5

38,9

46,8

22

9,54

11,0

12,3

14,0

18,1

21,3

24,9

30,8

33,9

36,8

40,3

48,3

23

10,2

11,7

13,1

14,8

19,0

22,3

26,0

32,0

35,2

38,1

41,6

49,7

24

10,9

12,4

13,8

15,7

19,9

23,3

27,1

33,2

36,4

39,4

43,0

51,2

25

11,5

13,1

14,6

16,5

20,9

24,3

28,2

34,4

37,7

40,6

44,3

52,6

26

12,2

13,8

15,4

17,3

21,8

25,3

29,2

35,6

38,9

41,9

45,6

54,1

27

12,9

14,6

16,2

18,1

22,7

26,3

30,0

36,7

40,1

43,2

47,0

55,5

28

13,6

15,3

16,9

18,9

23,6

27,3

31,4

37,9

41,3

44,5

48,3

56,9

29

14,3

16,0

17,7

19,8

24,6

28,3

32,5

39,1

42,6

45,7

49,6

58,3

30

15,0

16,8

18,5

20,6

25,5

29,3

33,5

40,3

43,8

47,0

50,9

59,7

40

22,2

24,4

26,5

29,1

34,9

39,3

44,2

51,8

55,8

59,3

63,7

73,4

50

29,7

32,4

34,8

37,7

44,3

49,3

54,7

63,2

67,5

71,4

76,2

86,7

60

37,5

40,5

43,2

46,5

53,8

59,3

65,2

74,4

79,1

83,3

88,4

99,6

70

45,4

48,8

51,7

55,3

63,3

69,3

75,1

85,5

90,5

95,0

100,4

112,3

80

53,5

57,2

60,4

64,3

72,9

79,3

86,1

96,6

101,9

106,6

112,3

124,8

90

61,8

65,6

69,1

73,3

82,5

89,3

96,5

107,6

113,1

118,1

124,1

137,2

100

70,1

74,2

77,9

82,4

92,1

99,3

106,9

118,5

124,3

129,6

135,8

149,4

,0 157

,0 982

,0201

,0506

,115

4
5

95
2

109

Valorile limit ale coeficienilor de corelaie (rmax ) pentru diferite grade de libertate i
probabiliti de transgresiune
(dup Erna Weber, 1961)
Tabelul 41
Probabilitatea de transgresiune
Grade de
libertate

5%

1%

0,27 %

0,1 %

rmax
5

0,75

0,87

0,93

0,95

10

0,58

0,71

0,78

0,82

15

0,48

0,61

0,68

0,72

20

0,42

0,53

0,61

0,65

25

0,38

0,49

0,55

0,60

30

0,35

0,45

0,51

0,55

35

0,32

0,42

0,48

0,52

40

0,30

0,39

0,45

0,49

50

0,27

0,35

0,41

0,44

60

0,25

0,33

0,37

0,41

70

0,23

0,30

0,35

0,38

80

0,22

0,28

0,33

0,36

90

0,21

0,26

0,31

0,34

100

0,19

0,25

0,29

0,32

120

0,18

0,23

0,27

0,30

150

0,16

0,21

0,24

0,26

200

0,14

0,18

0,21

0,23

300

0,11

0,15

0,17

0,19

400

0,10

0,13

0,15

0,16

500

0,09

0,11

0,13

0,15

700

0,07

0,10

0,11

0,12

900

0,06

0,09

0,10

0,11

< 0,06

< 0,09

< 0,10

< 0,11

1000
>1000

110

Valorile p n %
Nu mrul gradelor de libertate este indicat curent numai pn la 10. Pentru un numr mai mare de grade de
libertate se va lua coloana cu cifra cea mai apropiat.

Grade de libertate ale erorii

6

10

12

15

20

30

50

0,1

93,7

93,0

92,7

92,5

92,5

92,0 92,0 92,0 92,0 92,0 92,0 92,0 92,0 92,0 92,0 92,0 0,1

0,2

87,4

86,0

85,5

85,1

84,9

84,7 84,1 84,1 84,1 84,1 84,1 84,1 84,1 84,1 84,1 84,1 0,2

0,3

81,5

79,3

78,5

77,9

77,7

77,3 77,2 77,1 77,0 76,9 76,8 76,7 76,6 76,5 76,4 76,3 0,3

0,4

75,8

72,7

71,6

71,1

70,8

70,6 70,4 70,2 70,0 69,8 69,6 69,4 69,2 69,0 68,9 68,8 0,4

0,5

70,5

66,7

65,0

64,4

64,0

63,3 63,4 63,2 63,0 62,8 62,6 62,4 62,2 62,0 61,9 61,8 0,5

0,6

65,6

61,0

59,2

58,2

57,5

57,0 56,8 56,6 56,4 56,2 56,0 55,8 55,6 55,4 55,2 55,0 0,6

0,7

61,2

55,7

53,5

52,4

51,5

50,9 50,6 50,4 50,2 50,0 49,6 49,3 49,0 48,7 48,5 48,3 0,7

0,8

57,2

50,7

48,2

47,0

46,0

45,3 44,9 44,6 44,3 44,1 43,7 43,4 43,1 42,8 42,6 42,4 0,8

0,9

53,5

46,3

43,5

41,9

40,9

40,3 39,9 39,6 39,3 39,0 38,6 38,2 37,8 37,4 37,1 36,8 0,9

1,0

50,0

42,2

39,2

37,5

36,2

35,5 35,0 34,7 34,4 34,1 33,6 33,3 33,0 32,4 31,9 31,7 1,0

1,1

46,8

38,6

35,2

33,4

32,0

31,3 30,8 30,3 29,9 29,7 29,1 28,8 28,5 27,9 27,5 27,1 1,1

1,2

44,0

35,3

31,7

29,7

28,3

27,7 27,0 26,4 25,9 25,8 25,1 24,8 24,5 23,9 23,4 23,0 1,2

1,3

41,5

32,2

28,4

26,3

25,0

24,2 23,5 23,0 22,6 22,2 21,7 21,3 21,0 20,4 19,8 19,3 1,3

1,4

39,3

29,6

25,7

23,3

22,0

21,1 20,4 19,9 19,5 19,1 18,5 18,1 17,7 17,1 16,5 16,0 1,4

1,5

37,3

27,2

23,1

20,7

19,3

18,5 17,8 17,1 16,7 16,3 15,7 15,3 14,9 14,3 13,7 13,2 1,5

1,6

35,5

25,0

20,8

18,5

17,0

16,0 15,3 14,8 14,4 14,0 13,4 12,9 12,5 11,9 11,4 11,0 1,6

1,7

33,9

23,1

18,8

16,4

15,0

14,0 13,2 12,8 12,4 12,0 11,4 10,9 10,4 9,8

9,3

8,9 1,7

1,8

32,3

21,3

17,0

14,7

13,2

12,2 11,5 10,9 10,5 10,2 9,5

9,1

8,7

8,1

7,6

7,2 1,8

1,9

30,8

19,8

15,4

13,0

11,6

10,7 9,9

9,3

9,0

8,7

8,0

7,6

7,2

6,6

6,1

5,7 1,9

2,0

29,6

18,4

13,9

11,6

10,2

9,3

8,5

8,0

7,7

7,3

6,8

6,4

6,0

5,4

4,9

4,5 2,0

2,1

28,3

17,1

12,7

10,4

9,0

8,0

7,4

6,9

6,6

6,3

5,8

5,3

4,9

4,4

4,0

3,6 2,1

2,2

27,2

15,9

11,5

9,3

8,0

7,0

6,4

6,0

5,6

5,3

4,8

4,4

4,0

3,6

3,2

2,8 2,2

2,3

26,1

14,8

10,5

8,3

7,0

6,1

5,5

5,1

4,7

4,4

4,1

3,6

3,2

2,9

2,5

2,1 2,3

2,4

25,1

13,8

9,6

7,4

6,2

5,3

4,7

4,3

4,0

3,7

3,4

3,0

2,6

2,3

2,0

1,6 2,4

2,5

24,2

13,0

8,8

6,7

5,4

4,6

4,1

3,7

3,4

3,1

2,8

2,5

2,1

1,8

1,6

1,2 2,5

2,6

23,4

12,1

8,0

6,0

4,8

4,1

3,5

3,2

2,9

2,7

2,4

2,0

1,7

1,4 1,23 0,93 2,6

2,7

22,7

11,4

7,4

5,4

4,3

3,6

3,1

2,7

2,5

2,3

2,0

1,7

1,4

1,1 0,98 0,70 2,7

2,8

21,9

10,7

6,8

4,9

3,8

3,1

2,6

2,3

2,1

1,9

1,6

1,4

1,1 0,90 0,74 0,52 2,8

2,9

21,2

10,1

6,3

4,4

3,4

2,7

2,3

2,0

1,8

1,6

1,3

1,1 0,89 0,70 0,57 0,38 2,9

3,0

20,5

9,7

5,8

4,0

3,0

2,4

2,0

1,7

1,5 1,33 1,1 0,91 0,71 0,55 0,43 0,27 3,0

3,1

19,9

9,1

5,4

3,6

2,7

2,12 1,7 1,45 1,25 1,12 0,93 0,75 0,57 0,43 0,33 0,20 3,1

3,2

19,3

8,6

5,0

3,3

2,4

1,86 1,5 1,25 1,08 0,97 0,78 0,60 0,45 0,33 0,25 0,14 3,2

3,3

18,8

8,1

4,6

3,1

2,2

1,65 1,3 1,08 0,93 0,82 0,65 0,50 0,36 0,26 0,18 0,10 3,3

3,4

18,3

7,7

4,3

2,75

2,0

1,45 1,13 0,95 0,79 0,70 0,53 0,40 0,28 0,20 0,14 <0,10 3,4

3,5

17,7

7,3

4,0

2,50

1,8

1,28 1,00 0,80 0,69 0,58 0,44 0,32 0,22 0,15 0,10

3,5

3,6

17,3

6,9

3,7

2,30

1,6

1,13 0,87 0,70 0,59 0,50 0,37 0,26 0,18 0,12 <0,10

3,6

3,7

16,8

6,6

3,4

2,10

1,4

1,01 0,77 0,61 0,50 0,43 0,30 0,21 0,15 <0,10

3,7

111

3,8

16,4

6,3

3,2

1,92

1,27

0,90 0,68 0,53 0,43 0,36 0,26 0,17 0,12

3,8

3,9

16,0

6,0

3,0

1,75

1,15

0,79 0,60 0,46 0,37 0,30 0,21 0,14 <0,10

3,9

Diferene
Diferene
nesemnificative
semnificative

Diferene distinct
semnificative

Diferene foarte
semnificative

4,0

15,6

5,7

2,8

1,62

1,05

0,71 0,52 0,39 0,31 0,26 0,18 0,12

4,2

14,8

5,2

2,45

1,35

0,84

0,57 0,40 0,29 0,23 0,18 0,13 <0,10

4,4

14,2

4,8

2,15

1,15

0,70

0,45 0,31 0,22 0,17 0,14 <0,10

Grade de libertate ale erorii

1

4,6

13,6

4,4

1,91

1,00

0,59

0,36 0,24 0,17 0,13 0,11

4,8

13,0

4,1

1,70

0,86

0,49

0,29 0,19 0,13 <0,10<0,10

5,0

12,6

3,8

1,52

0,75

0,42

0,24 0,15 0,11

5,2

12,1

3,5

1,37

0,66

0,34

0,20 0,12 <0,10

5,4

11,7

3,25

1,23

0,58

0,29

0,17 0,10

5,6

11,3

3,05

1,11

0,50

0,25

0,14 <0,10

5,8

10,9

2,85

1,01

0,44

0,21

0,12

6,0

10,5

2,65

0,92

0,39

0,18

0,10

6,2

10,2

2,50

0,84

0,35

0,16 <0,10

6,4

9,9

2,35

0,78

0,31

0,14

6,6

9,7

2,22

0,72

0,27

0,12

6,8

9,3

2,10

0,66

0,24

0,11

7,0

9,0

1,99

0,61

0,22 <0,10

7,2

8,8

1,87

0,56

0,20

7,4

86,

1,78

0,52

0,18

7,6

8,3

1,69

0,48

0,16

7,8

8,1

1,60

0,44

0,14

8,0

7,9

1,52

0,41

0,13

8,5

7,5

1,34

0,34

0,11

9,0

7,0

1,19

0,29

0,10

9,5

6,7

1,08

0,25

10,0

6,3

0,98

0,22

11,0

5,75

0,82

0,16

12,0

5,30

0,69

0,12

13,0

4,90

0,58

0,10

14,0

4,55

0,50

<0,10

15,0

4,25

0,44

16,0

4,00

0,39

17,0

3,75

0,34

18,0

3,55

0,31

19,0

3,35

0,27

20,0

3,20

0,24

21,0

3,05

0,22

22,0

2,90

0,20

23,0

2,78

0,19

24,0

2,65

0,17

25,0

2,55

0,16

26,0

2,43

0,15

27,0

2,36

0,14

28,0

2,28

0,13

112

10

12

15

20

30

50

29,0

2,20

0,12

30,0

2,13

0,11

31,0

2,06

0,10

113

Bibliografie

1.Sokal R., Rohlf F., 1994 Biometry, Third Edition W.H.Freeman and Company, New
York.
2.Anderson L., Mc Lean R.- Design of Experiments . Marcel Denker, New York.
3.Botu I., Botu M., 2003 Analiz biostatistic i design experimental n biologie i
agricultur . Edit. Conphys, Rm.Vlcea .
4.Androing F.J., Abboud N., 1979. Initiation au calcul des probabilites et a la theorie de
l'echantillonage. Imprimerie Jauvre, Paris.
5.Ardelean M., Sestra R., 1966. ndrumtor de lucrri practice ,,Tehnic experimental,
Tipografia Agronomia Cluj Napoca.
6.Ardelean M.,Sestra R., Cordea M., 2002. Tehnic experimental horticol. Edit. Academic
Press, Cluj Napoca .
7.Bailey T.J.,1959. Statistical methods in biology. English Universities Press, London , U.K.
8. Baker A.J., 1980. Morphometric differentiation in New Zealand populations of the house
soarrow (Passer domesticus). Evolution nr.34, 638-653.
9.Baker H.C., Leon J., 1988. Stability analysis in plant breeding . Plant breeding nr.101;1-23;
U.S.A.
10.Baron T., Biji E., Tovissi L., .a. 1996. Statistic teoretic i economic. Edit.Didactic i
Pedagogic, Bucureti.
11.Brz H., Boeru S., Bold I., .a. 1994. Istoria tiinelor n Romnia. tiinele agricole.
Edit. Academiei Romne.
12.Bernard C., 1958. Introducere n studiul medicinei experimentale.Edit. tiinific ,
Bucureti.
13.Besag J.E., Kempton R.A, 1986. Statistical analysis of field experiments using
neighbouring plants. Biometrics nr.42:231 251.
14.Botez C., Marin E., Tma E., 1995. ndrumtor de lucrri practice ,,Genetic. Tipo
Agronomia Cluj-Napoca.
15.Botnariuc N., 1976. Concepia i metoda sistemic n biologia general. Edit. Academiei,
Bucureti.
16.Botu I., Botu M., Achim Gh., Badea J., 1996. Unele aspecte privind optimizarea
elementelor de tehnic experimental n evaluarea soiurilor de prun .Lucrri tiinifice ICPP
Piteti.
114

17.Botu I., Botu M., 1997. Metode i tehnici de cercetare n pomicultur. Edit.Conphys,
Rm.Vlcea.
18.Castel J., 1967. Essai de determination de functions de production laitier dans l'espence
bovine. INRA, Lab d'Econ.Rurale, Grignon, France.
19.Cbulea I., 1975. Metode statistice pentru analiza componentelor genetice ale
variabilitii continue. Probleme de GeneticTeoretic i Aplicat , nr.6 ICPPT Fundulea.
20.Cepoiu N., Potlog S., 1960. Metodica experimentelor cu soiuri. Ameliorarea plantelor
agricole, vol.I , Edit Agrosilvic, Bucureti.
21.Ceapoiu N., 1964. Calcularea i interpretarea grupelor (seriilor) de experiene. Probleme
Agricole, nr. 12.
22.Ceapoiu N., 1968. Metode statistice aplicate n experienele agricole i biologice. Editura
Agrosilvic, Bucureti.
23.Cochran W.G., Cocs G.M., 1957. Experimental Design. John Wileyand Son, New Work,
USA.
24.Cociu V., Oprea t., 1989. Metode de cercetare n ameliorarea plantelor pomicole.
Editura Dacia, Cluj-Napoca.
25.Copony W. Davidescu D., Pamfil Gh., 1985. Interpretarea statistic a experienelor
(Analiza varianei). Red . Revistelor Agricole, Bucureti: 1-145.
26.Cotig C., 1994. Proiectarea i organizarea cercetrii n agricultur. Reprografia
Univ.Craiova.
27.Cotruz C., Cotruz Carmen, Kocsis Maria, Ionescu C., 1994. Manual de lucrri practice de
Biologie celular. Edit. Tehnic, Bucureti.
28.Cuicu G., 1971. Introducere n teoria probabilitilor i statistic matematic. Edit.
Didactic i Pedagogic, Bucureti.
29.Dancea I., 1976. Metode de optimizare. Edit.Dacia, Cluj Napoca.
30.Davidescu V., Coponiy W., 1969. Interpretarea statistic a experienelor cu ngrminte.
Red. Rev.Agricole, Bucureti.
31.Duncan D. B., 1955, Multiple range and multiple F tests. Biometrics, nr.11; 1-42.
32.Demarly Y., Sibi M., 1989. Amelioration des plante set biotechnologies. John Libbey
Eurotext London , Paris; 1-152.
33.Dumitru I., 1967.Lucrri practice de biochimie. Edit.Didactic i Pedagocic , Bucureti.
34.East E.M., 1911. The genotype hypothensis and hibridization. Americ Nat.45: 160 -174.
35.Falconer D.S. 1960.Introduction to quantitative genetics, Oliver and Boyd,Edinburg, U.K.

115

36.Finney D.J.1955 .Experimental design and its statistical basis. Cambrige Univ.Press.
England.
37.Fisher R.A., 1934. Design of Experiments. Olivers and Boyd Edinburg, U.K.
38.Fisher R.A., Yates F., 1938. Statistical Tables for biological, agricultura land medical
research. Oliver and Boyd, Edinburg, U.K.
39.Florescu M., 1984. Enigmele i paradigmele materiei. Edit. Pol. Bucureti.
40.Freman G.H., 1973. Experimental designs with unequal concurences for estimating direct
and effects of trataments. Biometrika, nr. 60: 559-563.
41.Gallais A., 1990. Theorie de la selection en amelioration des plants. Edit.Masson, Paris.
42.Giurgiu V., 1969.Dendrometrie . Edit . Agrossilvic, Bucureti.
43.Glantz A.S. 1981. Primer of Bio Statistics. Mc Graw Hill Companies, USA.
44.Green R.H. 1969. Sampling design and statistical methods for environmenthal biologist.
Wiley and Sons.N.Y.
45.Grosu H., Lungu S., Kremer V., 1997. Metode liniare utilizate n ameliorarea genetic a
animalelor . Edit. CORAL SANIVET, Bucureti ; 1-164.
46.Guarino L., .a., 2001 . Design and analisys of evaluation trials of genetic resources
colections. IPGRI Technical Bull., nr.4 , Roma , Italy.
47.Haldane J.B.S., 1955. The measurement of variation. Evaluation, nr. 9 ; 484-486.
48. Harding P.H. 1983 .Testing and cultivar evaluation . In ,,Methods in Fruit Breeding,
Purdue Univ.Press, West Lafayette, Indiana, USA.
49.Harter H.L., 1960. Critical values for Duncan New Multiple Range Test. Biometrics,
vol.16, nr.4.
50.Hartia S., Moise t., 1976. Prognoza produciei n agricultur. Edit. CERES Bucureti.
51.Harville D.A., Frenech A.P., 1985. Confidence intervals for a variance ratino, or for
heritability in an unbalanced mixed linear model. Biomtricks, nr.137-152.
52.Hatton R.G., 1931. The elimination of sources of error in field experiments. A.R.S.East
Malling Rs.Sta.Stat for 1928. 1930, U.K.
53.Heady O.E., 1969. Cercetarea interdisciplinar: calculul i folosirea coeficienilor tehnici
de imput output rezultai din studiul funciilor de producie n America de Nord. OCDE,
Paris, nr.65; 49-64.
54.Heady O.E.i Dillan D., 1969. Agricultural production Function . Iowa State Univ.Press.
Anns., Iowa (1961) . In: ,,Funciile de producie n agricultur Caiet Documentar, nr.10 ,,Ex
Terra Aurum, 79-275. Bucureti.

116

55.Henderson R.C., 1963. Design and analysis of animal hursbandry experiments. In

,,Techniques and procedures in

animal production research

Amer.Soci of.Ann

Scvientifique.USA.
56.Hoblyn T.N., 1931. Field experiments in horticulture. Tech.Commun Imp.Bur.Fruit Prod.,
East Malling, nr.2, U.K.
57.Iancu S., 2002. Tehnic experimental. Tipografia Univ.Craiova; 1-178.
58.Ion N.,1994. Curs de tehnic experimental horticol. Tipo. Univ.. de tiine Agronomice,
Bucureti; 1-106.
59.Jitreanu G., 1994. Tehnic experimental. Curs Univ. Agronomic ,,Ion Ionescu de la
Brad, Iai.
60.Johannsen W., 1909. Elemente der exakten Erblichkeitslehre. Gustav Fisher, Jena,
Germany.
61.Lantos t., 1976. Valoarea euristic a previziunii tiinifice. Edit. Dacia , Cluj-Napoca.
62.Layne R., Tan C .a. 1996. Irigation and fertilizer aplication methods affect performance
of high density Peach orchards. Hot Science 31 (3); 370.375, USA.
63.Lynch M., Walsh B., 1998. Genetics and Analysis of Quantitative Traits. Sinauer Ass.,
Inc., Publishers , Massachusetts, USA; 1-980.
64.Manea Al., Stoica I., 1977. Informare, cercetare , dezvoltare.Repere teoretice i
methodologice. Edit. tiinific i enciclopedic, Bucureti.
65.Mather K., 1964. Statistical analysisin biology.Univ.Paperbacks, Methnen, London , U.K.
66.Motsenbocker E.C., 1996. In row plant spacing affects growth and yeld of repperoncini
Peper.Hort Science nr.31 (2); 198-200, USA.
67.Morris R.F., 1959. Single factor analysis in population dymanics. Ecology, nr. 40; 580588.
68.O'Brien M., Cargil B., Fridley R., 1983. Principles and Practices for Harvesting and
Hadling Fruits and Nuts. A. VI-Publishing Comp.INC.Westport, Connecticut.
69. Ollivier L., 1981. Elements de Genetique Quantitative. Edit.Masson , Paris.
70. Ptracu M., 1981. Ingineria genetic i modelarea programat a plantelor. Edit.CERES,
Bucureti.
71.Pearce C.S., 1976 . Field Experimentation

with Fruits Trees and other Peremial

Plants.Commonwealth Agricult.Bureaux. Univ.of Kent. England.

72.Petre A., Pop M., .a.1985.Lucrri practice de genetic animal. Tipo. Agro USAMV,
Cluj-Napoca.

117

73.Popescu Vifor t., 1990. Genetica populaiilor de animale domestice.Edit.CERES,

Bucureti; 1-178.
74.Piegorsch W., 2002. Tables of P.values for t and CHI-square reference distribution.
Univ.South Carolina, USA.
75.Potlog S.A., Nedelea G., Suciu Z., 1984. ndrumtor practic de ameliorarea plantelor.
Edit.Facla, Timioara.
76.Preda A., Iancu S., 1997. Tehnic experimental. Edit.Sitech, Craiova.
77.Rnoveanu G., 1999. Metode i tehnici n ecologia populaiei. Edit.Univ.Bucureti.
78.Rogai E., Rogai M., 1996. Formule i tabele matematice (Aide memoire matematic).
Edit.Tehnic, Bucureti.
79.Rumiski Z.L., 1974, Prelucrarea matematic a datelor experimentale. Edit. Tehnic
Bucureti.
80.Sulescu N., Sulescu N.N., 1967.Cmpul de experien. Edit.Agrosilvic de Stat,
Bucureti.
81.Skellan J.G., 1952.Stuies in statistical ecology.Spatial pattern. Biometrika, nr. 39; 346-362.
82.Snedecor W.G., 1968. Metode statistice aplicate n cercetrile de agricultur i biologie.
Edit.Didactic i Pedagogic , Bucureti.
83.Soran V., Puia I., 1985. Prognoz ecologic, modelare matematic i ambian. Revoluia
Biologic. Edit. Academiei , Bucureti.
84.Tacu A., 1968. Metode statistice n zootehnie i medicin veterinar. Edit. Agrosilvic,
Bucureti.
85.Taton R., 1955.Causalites et accidents de la decouverte scientifique. Paris. Masson.
86.Triton M., 1976. Prelucrarea statistic i informaional a datelor de msurare . Edit.
TEHNICA, Bucureti .
87.Vandemeer J., 1982.Elementary Mathematical Ecology. Wiley Intersience Publ.J.Wiley
and Sons, N.Y.,USA.
88.Weber Erna, 1961.Grundriss der biologischen statistik.Taf.13-17:526-534.
89.Weber Erna, 1974.Einfuhrung in die Faktorenanalyse, VEB Gustav Fischer, Verlag , Jena.
90.Yule G.V., Kendall M.C., 1969.Introducere n teoria statisticii. Edit.tiinific, Bucureti.
91.Zar H.J., 1999. Biostatistical Analysis. Prentice Hall, Upper Saddle River , New Jersey,
USA.
92***Microsoft's Excel (MS-Excel).
93.***, Agrobase (http://www.agronomix.mb.ca).
94.***,Genstatd (http://www.nag.co.uk.stats/tt-soft.asp).
118

95.***,MSTAT (http://www.msu.edu/user/bricker/mstat.htm).
96.***,S-Plus (http:/www.splus.mathsoft.com).
97.***,SAS (http:/www.sas.com)
98.***,1991, UN/ECE-Standards for fresh fruit and vegetables. United Nations, New York.
99.***, 1966, Dictionar enciclopedic romn. Edit. Politic . Bucureti.

119