Sunteți pe pagina 1din 115

ELEMENTE DE

TEHNIC
EXPERIMENTAL
Vasile Cighi
Editura Agraria
ISBN: 978-973-751-721-0
Editura Rosoprint
2008

INTRODUCERE
Obinerea de rezultate concludente prin experimentele care se fac n cercetarea tiinific, depinde de
multe condiii pe care cercettorii nu numai c trebuie s le cunoasc foarte bine, dar i s le aplice. n
primul rnd, aceste rezultate depind de o foarte bun planificare, de respectarea protocolului i a schemei de
organizare a experimentelor.
Reuita cercetrilor este determinat de culegerea, nregistrarea i prelucrarea statistic a datelor, care
trebuie s se fac cu toat probitatea tiinific, pentru c aceasta constituie o condiie de baz pentru
formularea unor concluzii valabile.
Reuita cercetrilor depinde i de asigurarea bazei tehnico-materiale, absolut necesar desfurrii
cercetrii i utilizarea unor tehnologii moderne, cu posibilitatea de a asigura uniformitatea n ceea ce privete
materialul biologic i condiiile de mediu, pe toat durata efecturii experimentelor.
De asemenea, se impune repetarea n timp i spaiu a fiecrei experiene, deoarece rezultatele
obinute ntr-un ciclu, sau ntr-un singur an, ntr-un singur loc, sunt valabile numai pentru acele condiii.
Pentru a avea mai mult siguran n datele obinute este necesar s se repete, pentru a se verifica i a se
compara rezultatele experimentale.
Reuita unei activiti de cercetare depinde ntr-o foarte mare msur de pregtirea profesional a
cercettorului i a personalului ajuttor. Cercettorul trebuie s cunoasc bine metodica i tehnica
experimental.
Din cele prezentate se desprinde concluzia c folosirea unei tehnici experimentale adecvate,
asigurarea unei baze tehnico-materiale corespunztoare i a unui personal de nalt calificare i pun
amprenta n mod deosebit asupra reuitei experimentelor, dar i asupra valorii lor tiinifice i practice.
Rezultate deosebite n cercetarea tiinific nu se pot obine numai dac cei care se dedic acestei
activiti nu vor aplica tot ce este nou n cercetarea tiinific i nu vor stabili o strns legtur ntre
diferitele categorii de specialiti.
Lucrarea de fa i propune s indice cateva metode statistico-matematice, de analiz i interpretare,
care nsuite de orice cercettor din domeniul tiinelor biologice, din rndul crora fac parte i tiinele
agricole care reprezint de fapt domenii ale biologiei aplicate, m refer aici la Zootehnie, Biotehnologii
agricole, Medicin veterinar, Agricultur sau Horticultur, s poat fi utilizate n verificarea exactitii
rezultatelor cercetrilor tiinifice.
Lucrarea nu se mulumete cu expunerea formulelor matematice, ci caut s explice motivul pentru
care se utilizeaz aceste formule i felul cum s-a ajuns la aplicarea acestora n problemele ridicate de
cercetare. Astfel, scopul acestei lucrri este de a pune la ndemna specialitilor cu preocupri n cercetarea
agricol elementele de baz absolut necesare pentru verificarea cercetrilor, msurarea erorilor, calcularea
certitudinii diferenei dintre dou valori absolute, stabilirea existenei corelaiilor dintre dou sau mai multe
fenomene, stabilirea eantionului reprezentativ etc.
nsuindu-i aceste elemente, cercettorul din agricultur va dispune de nc o modalitate de
materializare a gndurilor i a ideilor ntr-o cercetare tiinific bine fundamentat.

CAPITOLUL I
TIINA I CERCETAREA TIINIFICA,
FACTOR ESENIAL AL PROGRESULUI MATERIAL I SOCIAL AL OMENIRII
Lumea n care trim a fost cldit pe tiin, iar dac faa lumii s-a schimbat mai mult ca niciodat
n decursul istoriei, aceasta se datorete revoluiei tiinificeR.J. Oppenheimer
tiina are la baz nevoia de cunoatere. La nceputul existenei umane, curiozitatea a fost principalul
mobil al cunoaterii, dublat rapid de utilitatea ei. Cunotinele tiinifice ne nlesnesc s construim tot ceea
ce ne nconjoar i ne creaz mediul artificial de via; nu ne este indiferent dac realizrile tiinei sunt
folosite pentru perpetuarea speciei umane, pentru mbuntirea condiiilor de trai, ori din contr, pentru
prbuire, rzboi, drame umane.
Astzi, este unanim recunoscut faptul c progresul material i social al omenirii este rezultatul
progresului tiinei.
Ridicarea omenirii din sclavie i mizerie la o tot mai mare libertate, presupune progresul tehnic,
adic un grad nalt de dominare a naturii, unicul generator al bogiei sociale, care, la rndul ei, permite
ca i trebuinele umane s mbrace o form mai uman i s fie satisfcute ntr-un mod mai uman H.
Marcuse.
tiina constituie, prin definiie, totalitatea adevrurilor imuabile concretizate n principii, teorii i
legi, descoperite prin observaie, deducie i experiment i verificate prin repetabilitate.
tiina este adevrul, este cunoaterea i ntrebuinarea forelor naturii pentru fericirea omului
V. Babe.
tiina este un sistem organizat pe principiul integritii elementelor, care reunete colecia de
adevruri generalizate, desemnnd ntreaga cunoatere a omenirii la un anumit moment istoric.
tiina, este mai mult dect o cunoatere. Este dorina de a te pune de acord cu Universul ale crui
legi le presimi ... Prin tiin te simi adnc n contact, n armonie cu natura i cu tainele ei - R. Martin du
Gard.
Progresul tiinei este asigurat de cercetarea tiinific, ea constituind principala cale a progresului
cunoaterii, nimic nu poate bucura mai mult un om dect s tie c este unul din aceea care au izbutit s
mite, chiar i cu un pas, nivelul cunoaterii ntr-un anumit domeniu.
ntre tiin i via exist o legtur indestructibil ... cu ct tiina slujete viaa, cu att viaa
mbogete tiina G.V. Plehanov.
Obiectul cercetrii tiinifice este materia n micare. Materia fiind infinit, infinit este i numrul
formelor ei. Fiecare din aceste forme posed un anumit fel de micare, nelegnd termenul de micare n
sensul lui cel mai larg, ca schimbare, transformare, comportare.
tiina contribuie la cultura universal a omenirii; tiina este cosmopolit i purttorii ei sunt
cetenii lumii; ea este aspiraia omenirii ntregi ... un el la infinit ctre care omenirea trebuie s tind, nu
pentru a-l ajunge, ci pentru meritul de a fi mers spre el A.D. Xenopol.
tiina distinge formele fundamentale ale materiei, crora le sunt subordonate alte forme ale ei. Cnd
spunem forme ale materiei n micare, avem n vedere fenomene determinate n mod obiectiv. Diferitele
forme ale materiei ni se prezint ca ansambluri, sisteme de obiecte i procese interdependente i n
interaciune, care constituie formaiuni nchegate, integrale. Dac excludem unul sau mai multe componente
dintr-un sistem, el sufer schimbri n ceea ce privete comportarea sa sau i pierde cu totul proprietile
care-l deosebesc de alte sisteme integrale. Nu numai excluderea, ci i includerea unor componente noi ntrun sistem integral poate duce la schimbarea proprietilor acestuia.
ntr-un sistem integral, dat fiind legtura ntre ansamblul sistemului i prile lui componente, nu
numai ansamblul este determinat calitativ de ctre prile componente, ci i acestea din urm sunt supuse
unei aciuni intense din partea ntregului. Ca rezultat, prile componente se schimb, se transform n
funcie de natura sistemului.
n organismele vii, mai ales n cele superioare, acest raport ntre parte i ntreg, capt o importan
mai pronunat ca i n cazul altor sisteme.
2

Existena unei glande cu secreie intern, a tiroidei sau a suprarenalei de exemplu, are o importan
covritoare pentru funciile organismului animal. Extirparea lor produce tulburri serioase n organism, cu
consecine grave, uneori mortale.
n acelai timp se observ i fenomenul opus: cu ct un sistem este mai complex, cu att mai uor se
poate lipsi de unele din prile lui componente, fr s nceteze s fie sistemul respectiv. n organismele vii,
de exemplu nlturarea unei pri componente, mai puin importante, provoac o reacie a ntregului sistem,
n direcia compensrii funciei organului pierdut.
Acest fenomen se explic prin faptul c la sistemele mai complexe se manifest o cretere a
autonomiei lor fa de mediul ambiant, fa de aciunile perturbatoare ale mediului. Organismul viu, cu o
organizare superioar, este mult mai autonom fa de mediu dect organismele inferioare.
Lumea material fiind unitar, orice form a materiei, orice sistem, nu funcioneaz izolat, ci ntr-o
relaie anumit cu alte forme ale materiei. Nici o form a materiei nu este imuabil, ea putndu-se
transforma, n anumite condiii, n alte forme ale materiei. Formele materiei n micare reprezint diferite
trepte ale dezvoltrii lumii materiale.
Cred c viitorul omenirii se afl n progresul raiunii cu ajutorul tiinei. Cutarea adevrului prin
tiin cred c este idealul sfnt pe care omul trebuie s i-l propun. Cred c totul este iluzie i vanitate, n
afar de comoara adevrurilor greu dobndite, care tocmai de aceea, nu se vor pierde niciodat. Cred c
suma acestor adevruri, mereu sporite, va sfri prin a-i da omului o putere incalculabil E. Zola.
Dezvoltarea naturii are loc prin trecerea de la forme simple ale materiei la forme mai complexe.
Datele tiinelor naturii demonstreaz existena real a particulelor elementare, a nucleelor, a atomilor,
moleculelor, macromoleculelor, a lumii minerale, a proteinelor, a organismelor vii. De asemenea, cercetnd
structura acestor sisteme, interaciunea n cadrul lor, legtura i interaciunea ntre sisteme, tiina a ajuns la
concluzia existenei unui raport genetic ntre sistemele integrale mai sus menionate.
Combinarea unor particule elementare (a nucleonilor) duce la formarea nucleelor sistemul material
principal al formei nucleare de micare; combinarea nucleelor cu electronii are ca rezultat formarea atomilor
principalul sistem material al formei chimice de micare; unirea chimic a atomilor duce la apariia
moleculelor sistemul material principal al formei moleculare de micare; complicarea continu a acestor
forme ale materiei duce la formarea mineralelor i rocilor sisteme materiale principale ale formei
geologice de micare, la formarea albuminei sistemul material fundamental al formei biologice de micare.
Evoluia formei biologice de micare n anumite condiii de ordin biologic i social a dus la apariia
fiinelor umane, nzestrate cu un creier dezvoltat baza material a formei cele mai nalte de micare, a
gndirii, a raiunii. Viitorul omenirii se afl n progresul raiunii cu ajutorul tiinei.
Natura nu cunoate ns numai un singur sens n micarea materiei, de la inferior la superior: acest
sens al micrii este completat i cu o direcie opus a micrii materiei, de la superior la inferior, de la
complex la simplu.
Complicarea i dezvoltarea formelor materiale, care trec de la materia lipsit de via la materia vie,
de aici producndu-se saltul la forma uman, social, i are reversul necesar n trecerea, prin moarte, a
sistemelor biologice n formele materiale lipsite de via. Problema clasificrii formelor materiei vii n
micare este strns legat de problema clasificrii tiinelor. Diferitele forme ale materiei constituie obiectul
cercetrii tiinifice, fiecrei forme corespunzndu-i n general o disciplin tiinific.
Prin urmare, irului genetic, ierarhic al formelor de micare a materiei, va trebui s-i corespund un
ir ierarhic al tiinelor. Dup cum o form de micare se dezvolt din alta, tot aa i diferitele tiine trebuie
s decurg n mod necesar una din alta. Legtura organic dintre formele de micare i are corespondentul,
pe plan cognitiv, n legtura organic dintre diferitele tiine. Astfel, micarea subatomic este studiat de
fizic, micarea chimic de chimie, micarea molecular de fizic i chimie, micarea geologic de
geologie, micarea biologic de biologie, iar micarea social de tiinele sociale.
Diferitele forme de micare ale materiei se ntreptrund, formele simple trecnd n forme mai
complexe, iar acestea din urm nglobnd formele mai simple. Acestor treceri de la o form a materiei la alt
form le corespund aa-zisele tiine de tranziie.

Trecerea de la forma fizic de micare la forma chimic, ntreptrunderea acestor dou forme de
micare sunt studiate de chimia fizic i fizica chimic. ntreptrunderea fizicii i geologiei constituie
obiectul geofizicii, iar ntreptrunderea chimiei i geologiei, obiectul geochimiei.
Domeniul n care se ntretaie fizica i biologia este studiat de biofizic, iar domeniul n care
interacioneaz chimia i biologia de biochimie i n acest sens am putea s continum cu niruirea unor
astfel de tiine limitrofe, a cror apariie i dezvoltare dovedete tot mai convingtor caracterul unitar al
realitii care ne nconjoar.
Exist tiine, ca de exemplu: matematica, cibernetica, care nu au drept obiect o anumit form
natural de micare a materiei. Obiectul lor apare ca atare numai cu ajutorul unei anumite metode de
cunoatere, metoda abstraciei.
Matematica are o aplicare metodologic uria, aproape universal. O caracteristic a cercetrii
tiinifice contemporane este matematizarea tot mai larg a diferitelor domenii tiinifice. Cu ajutorul
matematicii i a altor tiine care se desprind din ea, printre care menionm aici i statistica, se urmrete s
se evidenieze laturile cantitative ale proceselor, cu scopul de a le da o explicaie mai profund, mai
adecvat.
Avnd n vedere aceste consideraii privind matematica, putem plasa aceast tiin la nceputul unei
posibile ierarhizri a tiinelor.
tiina nu este numai un ansamblu de fapte; ea elaboreaz ipoteze, teorii i decizii care ordoneaz
faptele ntr-un sistem. Faptele reprezint un fond de cunotine relativ stabil, care se acumuleaz progresiv.
Ipotezele i teoriile au un grad de stabilitate mai mic. Ele au o condiionare social-istoric i chiar o limitare
social-istoric evident n multe cazuri. Reflectarea realitii ntr-o teorie sau o lege este numai o reflectare
aproximativ, teoriile nlocuindu-se una pe alta, pe msur ce reflectarea devine mai bogat, mai
multilateral.
O teorie tiinific nu are valoare dect att ct poate fi pus n practic i prefcut n prghie de
aciune, n unealt de mbuntire a soartei noastre pe pmnt
t. Zeletin.
ntre adevrata tiin i ntre viaa practic nu poate fi niciodat antagonism, ci trebuie s fie din
contr o reciprocitate continu. Teoriile au nu numai rolul de a reflecta realitatea, ci i acela de a stimula
cercetrile viitoare. Teoria nou apare deseori ca dezvoltare a unor idei cuprinse n teoria veche.
Nu poi ndrzni, nu poi nzui spre nimic, dac n-ai sub picioare edificiul de cunotine ori de
valori lsate de naintai H. Coand.
Progresul tiinei este asigurat ca urmare a cercetrii tiinifice, cercetare care are ca obiectiv
descoperirea adevrului tiinific, ea constituind totodat principala cale a progresului cunoaterii.
Una din funciile eseniale ale cunoaterii este de a conduce la previziune. Pe terenul gndirii
tiinifice, stabilirea legilor presupune pe de o parte previziunea, cci, pentru a verifica ipotezele relative la
o lege, experiena trebuie organizat, adic ea trebuie orientat n funcie de anumite anticipri, fr a lsa
evenimentele la voia ntmplrii
J. Piaget.
Nevoia de cunoatere, de descoperire, este o permanen a omului din momentul n care el a nceput
s gndeasc, omul a fcut din gndire cea mai important resurs a adaptrii sale ca individ i ca specie,
asigurndu-i n acest mod cea mai nalt treapt pe scara biologic.

CAPITOLUL II
TEHNICA EXPERIMENTAL INSTRUMENT AL CERCETRII TIINIFICE
tiina care se ocup cu fundamentarea i aplicarea mijloacelor, metodelor i aciunilor care conduc
la descoperirea sau confirmarea adevrurilor tiinifice, poart numele de Tehnic experimental.
n vederea descoperirii adevrului tiinific prin intermediul cercetrilor tiinifice, trebuie parcurse
mai multe etape. Calea ctre adevrul tiinific pornete de la observaie un fapt constatat fie n mod
empiric, fie pe baza unor msurtori i metode statistico-matematice. Bazndu-ne pe observaie, se poate
emite ipoteza, sau cauza probabil a faptului constatat. Ipoteza se emite fie pe baza intuiiei cercettorului,
fie pe baza deduciei matematice.
Consecutiv emiterii ipotezei, se poate trece la urmtoarea etap a cercetrii tiinifice, etapa de
organizare a experimentului, adic de verificare a ipotezei. Rezultatele unui experiment trebuie s conduc
la descoperirea adevrului tiinific, pe baza lui putndu-se formula: principii, teorii, sau legi n cazul
cercetrii fundamentale, sau decizii tehnologice, n cazul cercetrii aplicative.
n cele ce urmeaz, sunt prezentate cteva aspecte legate de etapele constitutive ale cercetrii
tiinifice (fig. 1).
Observaia este treapta iniial a cercetrii ce permite stabilirea i cunoaterea fenomenelor din
natur, din populaie, prin intermediul ei se constat existena unui fenomen, a unei stri de fapte.
Fie c este empiric sau bazat pe unele msurtori i metode statistico-matematice, observaia are
rol fundamental pentru a putea lansa ipoteza sau cauza probabil a faptului constatat, a evenimentului.
Ipoteza se emite fie pe baza intuiiei cercettorului, fie pe baza deduciei matematice. Att observaia,
ct i ipoteza, nu pot fi efectuate fr o ampl informare i documentare bibliografic n domeniu.
Cercettorul trebuie s cunoasc nivelul la zi la care s-a ajuns pe plan naional i mondial i pornind de la
aceast situaie, s rezulte necesitatea lansrii unei cercetri tiinifice. Nu rare sunt cazurile, cnd
documentarea este deficitar att ca volum i profunzime de investigare, ct i ca prezentare la zi a ultimelor
date bibliografice pe plan naional i internaional. O informare deficitar n legtur cu rezultatele
anterioare dintr-un anumit domeniu de cercetare, pot s-l pun pe cercettor n situaia jenant de a cerceta
anumite fapte i evenimente care au fost analizate ntr-o cercetare anterioar.
n continuare, n schema de realizare a cercetrii tiinifice urmeaz experimentul, care are menirea
s conduc la descoperirea adevrului tiinific.
Experimentul este o metod a cercetrii realizat pe baza unor principii foarte precise, ntr-un cadru
foarte precis delimitat i cu o tehnic consacrat, realiznd producerea fenomenelor sau verificarea efectelor
unor fapte (tratamente). n cadrul celor mai multe domenii, fenomenele studiate pot fi provocate prin
manipularea tratamentelor. Prin experien nelegem dispozitivul care asigur posibilitatea verificrii tuturor
cauzelor care pot duce la descoperirea adevrului tiinific, pe baza lui putndu-se formula principii, teorii,
sau legi, n cazul n care acest adevr este rezultatul unei cercetri fundamentale, sau se pot lua decizii
tehnologice dac la baza descoperirii lui st o cercetare aplicativ.
Un adevr tiinific nu poate fi cotat ca atare dect dac ndeplinete trei condiii:
reflect realitatea fenomenului, a strii de fapt, a efectelor i a cauzelor constatate;
are o precizie incontestabil;
este reproductibil n condiiile de desfurare a experimentului.
Pe lng observaie, ipotez i experiment, care sunt metode de baz n orice tip de cercetare, n
cazul cercetrii aplicative trebuie s inem cont i de o alt metod i anume modelarea.
Modelarea este o metod de cercetare care presupune reflectarea esenializat a unor fenomene
complexe. Dup modul n care este realizat, modelarea poate fi:
a modelare material care presupune construirea efectiv de sisteme materiale care, la scar de
laborator, s poat simula condiiile de funcionare ale sistemului original (rumenul artificial care simuleaz
procesele fizico-chimice care au loc n stomacul ierbivorelor);
5

b modelare teoretic actualmente larg folosit, presupune reproducerea fenomenelor, sistemelor,


ntr-un mod abstract cu ajutorul matematicii, informaticii i al calculatorului.
n modelare sunt patru stadii:
elaborarea modelului pentru sistemul analizat;
elaborarea de ecuaii matematice (programare), care s reflecte relaiile din cadrul sistemului
(trebuiesc cunoscute interdependenele n cadrul sistemului);
elaborarea de valori pentru variabilele independente i urmrirea rezultatelor (simularea);
compararea sistemelor sugerate (virtuale) cu sistemele reale.
Orice cercetare tiinific include dou momente:
momentul planificrii cercetrii
momentul organizrii i execuiei cercetrii.
Primul moment, cel al planificrii, se caracterizeaz prin dou faze principale: cercetarea
bibliografic, inclusiv observaia i formularea ipotezei i elaborarea protocolului experimental.
Momentul organizrii i execuiei cercetrii, include i el dou faze ale tehnicii experimentale: faza
organizrii i desfurrii experienei, obinerea i nregistrarea datelor primare i faza prelucrrii
datelor primare, interpretrii rezultatelor i formularea concluziilor.
x
x
x
Rezumnd, se poate spune c prin documentare bibliografic, cercettorul enun un scop al
cercetrilor proprii, analizeaz condiiile de experimentare, avnd n vedere posibilii factori perturbatori,
reine rezultatele unor cercetri anterioare, necesare pentru planificarea propriei experiene i pentru
comentarea viitoarelor rezultate. Pe baza acestei documentaii bibliografice se imagineaz un plan
experimental optim, stabilindu-se cu acest prilej mrimea probelor, modul de extragere a lor, msurtorile
care se vor face. Pe baza acestui concept, se vor extrage efectiv probele i se vor face msurtori prealabile
pentru verificarea comparabilitii iniiale a probelor.
Dac probele corespund, experimentul real poate ncepe cu aceste probe, dac nu, cercettorul
urmeaz s se ntoarc spre a extrage alte probe, care se vor verifica i ele.
Mai devreme sau mai trziu, cercettorul ajunge s organizeze experimentul, s-l desfoare i n
final s fac msurtorile (observaiile) preconizate. Rezultatele msurtorilor sunt supuse prelucrrii i
interpretrii, ca n final s se poat extrage concluzii i formula recomandri.

CAPITOLUL III
ELEMENTE DE STATISTIC
3.1. INTRODUCERE N STATISTICA GENERAL I APLICAT
Tehnica experimental n general i n biologie n mod special, se bazeaz pe observaii prezentate
sub form de numere. Caracteristica esenial a acestora este variaia sau variabilitatea lor, condiionat de
diferenele dintre indivizi, tratamente (variante), msurtori etc. Datele de observaie nu pot fi utilizate ca
atare, ci trebuie s fie prelucrate i interpretate statistic. Planificarea unui experiment presupune operaiuni i
modele bazate pe legitile, pe regulile statisticii, respectiv a biostatisticii.
Statistica este tiina care se ocup cu descrierea i analiza numeric a fenomenelor de mas,
dezvluind particularitile lor de volum, structur, dinamic, conexiune, precum i regulile sau legile care le
guverneaz.
Istoricete, statistica s-a situat n mediul tiinelor sociale. nc de pe la mijlocul secolului trecut, n
sfera statisticii era considerat numai viaa social. Treptat, ea a nceput s se nfiltreze i n alte domenii,
inclusiv cele ale tiinelor naturii. Astzi, statistica are numeroase ramuri care au ca obiect de studiu
fenomene sociale i nesociale. Astfel, alturi de statistica social, s-au format i s-au dezvoltat n decursul
timpului noi discipline tiinifice: statistica matematic, fizica statistic, mecanica statistic, statistica
biologic (biostatistica) etc.
Specific fenomenelor de mas este faptul c n manifestarea lor concret, ele variaz de la un caz la
altul, dnd impresia c s-ar produce la ntmplare, fr nici o regularitate specific i deci independente ntre
ele.
Interpretndu-le ns n sens statistic, adic nlturnd abaterile ntmpltoare de la tendina central,
general, pentru toate fenomenele ce aparin aceleiai esene, se poate verifica prin metode statistice, c ele
sunt supuse unor reguli statistice n care relaiile de cauzalitate se manifest n mod diferit, n funcie de
condiiile concrete, diferite de timp i spaiu n care ele acioneaz. De exemplu, o populaie de animale de
aceeai vrst poate fi interpretat ca o colectivitate statistic, adic ca un ansamblu de fenomene de mas
care poate fi studiat prin metode statistice. Ea este format din mai multe uniti statistice simple indivizii
care sunt purttoare a unor caracteristici statistice variabile (rasa, masa corporal, talia, lungimea corpului,
perimetrul toracic, producia de lapte, procentul de grsime etc. ).
Pentru a putea fi analizat aceast populaie de animale, nu este suficient s culegem informaii
numai despre fiecare individ n parte, ci trebuie s o caracterizm i pe total, exprimnd rezultatele sub
form de mrimi medii i totale. Comparnd apoi fiecare individ cu valorile medii pe ntreaga populaie
analizat, se poate interpreta gradul i forma de variaie a fiecrei caracteristici nregistrate.
Pentru a putea rezolva aceste aspecte, statistica folosete metode i procedee specifice adaptate
particularitilor procesului su de cercetare.
Orice proces de cercetare statistic se desfoar n trei etape succesive:
observarea statistic sau nregistrarea datelor individuale;
prelucrarea materialului statistic cules pe baza observrii statistice n scopul obinerii
sistemului de indicatori prin care se caracterizeaz statistic colectivitatea studiat;
analiza indicatorilor rezultai n urma prelucrrii statistice.
Observarea statistic const n nregistrarea dup criterii unitare a caracteristicilor cuprinse n
programul de cercetare stabilit.
Prelucrarea materialului statistic se refer la centralizarea, gruparea, ntocmirea tabelelor statistice i
calcularea diferiilor indicatori absolui i sintetici. n procesul de prelucrare statistic, datele culese prin
observarea de mas a fenomenelor i pierd individualitatea i se regsesc numai n valoarea sintetic a
indicatorilor calculai. De aceea, este necesar ca datele individuale din care se calculeaz o mrime statistic
s fie omogene ntre ele. Acest principiu al omogenitii datelor asigur coninut real indicatorilor statistici,
calculai la nivelul unui eantion de indivizi sau la nivelul ntregii populaii. Pentru a realiza procesul de
7

abstractizare i generalizare statistic este necesar ca informaia de care se dispune n urma efecturii unei
observri statistice de mare amploare s fie sistematizat pentru a putea trece la aplicarea metodelor
statistice de analiz cantitativ. Aceasta se realizeaz prin operaia de centralizare i grupare a datelor, care
ntr-un sens mai restrns este denumit prelucrare statistic.
Analiza datelor statistice const din studiul ntregului material observat i prelucrat i din
interpretarea acestor date. Se analizeaz cauzalitatea i efectul la fenomenul cercetat, dndu-se interpretarea
complet i cea mai just. Prin analiza statistic se desvrete procesul cunoaterii statistice i se stabilesc
concluziile teoretice i practice cu privire la coninutul i forma de manifestare a populaiei cercetate.
Statistica este singura cale de cunoatere a fenomenului de mas n care coexist cauze multiple i
complexe. Utilitatea statisticii ca metod de cercetare este arhirecunoscut de ctre cercettorii din toate
domeniile, deci i din domeniul tiinelor naturale i este acceptat ideea c la baza ei st teoria
probabilitilor.
Unii din teoreticienii calculelor probabilitii au exagerat chiar, artnd c la baza cunoaterii n
domeniul tuturor tiinelor, nu st certitudinea, ci probabilitatea.
3.2. NOIUNI DE BIOSTATISTIC
Statistica este o metod a cercetrii tiinifice foarte des utilizat n ultima perioad i n cadrul
tiinelor biologice cu caracter preponderent aplicativ, m refer aici n primul rnd la tiinele din sfera
domeniului agricol: agricultur, zootehnie, horticultur, biotehnologii agricole i medicin veterinar.
n zootehnie, n general se lucreaz cu indivizi sau grupe de indivizi definii prin anumite valori ale
nsuirilor ce i caracterizeaz. Cunoaterea acestor valori este posibil prin folosirea metodelor matematicostatistice de observaie, calcul i interpretare, metode care au nlocuit n biologia modern vechile procedee
descriptive.
n domeniul zootehniei, folosirea metodei statistice devine tot mai frecvent i util, aplicaiile ei
servind deopotriv la studiul caracteristicilor somatice i fiziologice ale animalelor sub raportul descrierii
exacte a variabilitii lor, ct i n determinarea naturii acestei variabiliti, n vederea stabilirii dac
diferenele existente ntre dou grupe de animale se datoresc ntmplrii, tratamentelor aplicate, sau se refer
la diferene de ordin genetic.
Fundamentate de R.A. Fisher (1918) i dezvoltate de Wright (1921) i Haldane (1932), metodele
statistice n biologie au fost extinse cu succes i n zootehnie de ctre Lush (1945), Lerner (1950), Falconer
(1960) i Le Roy (1960).
Azi, statistica a devenit o tiin vast i complex, care vine s rezolve n domeniul fenomenelor de
variaie a caracterelor morfologice i fiziologice ale animalelor problemele legate de studiul biometric al
populaiilor, descrierea statistic a variabilitii caracterelor, precizarea diferenelor ce exist ntre diferite
organisme i veridicitatea diferenelor constatate, studiul regresiilor i corelaiilor ntre caracterele
morfologice i funcionale, analiza variabilitii pe sursele care o determin.
Scopul lucrrilor de studiu sau a cercetrii este de a stabili n mod precis cauzele determinante ale
unui fenomen sau a unei valori a nsuirilor. Pentru estimarea sau aprecierea unei nsuiri sau a modului de
manifestare a unui fenomen se fac mai nti observaiile care pentru a putea fi prelucrate statistic, trebuie s
fie exprimate cifric (prin numere).
Orice observaie dintr-un experiment comport evidenierea prin msurtori (numrri etc.) a datelor
privind situaia unui fenomen sau efectul unor factori asupra caracterului sau caracterelor urmrite la
indivizii biologici ce alctuiesc proba sau experiena.
Valorile provenite din msurtori directe sunt date brute, date primare sau date de observaie.
Caracteristica acestor valori este variabilitatea sau variaia, fapt pentru care caracterul analizat poart
numele de variabil sau variat.
Variabila studiat poate fi msurabil sau nu, dup cum ea este reprezentat de un caracter cantitativ
(lungimea corpului, lrgimea toracelui, talia, greutatea corporal, producia de lapte, cantitatea de grsime
8

din lapte etc.), sau un caracter calitativ (prezena sau absena coarnelor, culoarea prului, luciul prului,
sexul etc.).
n majoritatea experienelor din agricultur i din zootehnie n special, se urmresc nsuirile
(caracterele) importante din punct de vedere economic care fac parte din grupa caracterelor cantitative.
Unele caractere nu pot lua dect valori ntregi (numrul produilor la o ftare, numrul foliculilor piloi,
numrul de hematii, numrul de leucocite), fiind numite caractere discontinui sau discrete, altele n schimb
pot varia mult (producia de lapte, procentul de grsime, cantitatea de ln, dimensiunile corporale) i sunt
denumite caractere continui.
Variabila poate lua valori infinite din punct de vedere teoretic, corespunznd n acest caz noiunii de
populaie, care din punct de vedere statistic este un grup de indivizi teoretic infinit, din care orice individ
are o probabilitate cunoscut de a aprea ntr-o prob (eantion).
Populaia statistic se poate defini ca orice mulime care formeaz obiectul unei analize statistice.
Elementele unei populaii statistice se numesc uniti statistice (U.S.), sau indivizi, cnd indivizii fac parte
dintr-o prob ce este prins ntr-un studiu sau experiement, ei se mai numesc i uniti experimentale
(U.E.).
Spre deosebire de populaia statistic, populaia genetic poate fi att teoretic, ct i efectiv i att
infinit, ct i finit. Statistica se ocup de gruparea, analiza i interpretarea datelor referitoare la un anumit
fenomen, precum i cu unele previziuni privind producerea lui viitoare.
n cadrul analizei statistice a unui fenomen acioneaz mai nti statistica descriptiv, care se ocup
cu culegerea datelor asupra fenomenului respectiv i cu nregistrarea acestor date, apoi intervine statistica
matematic, care grupeaz datele, le analizeaz i le interpreteaz n vederea unor predicii privind
comportarea viitoare a fenomenului.
Pentru c nu se poate studia ntreaga populaie n ansamblul ei, din numrul total de indivizi ce o
compun se recurge la limitarea observaiilor asupra unui numr mic de indivizi, fraciune ce poart numele
de prob sau eantion. Rezultatele obinute la nivelul probei se extind asupra populaiei, caracteriznd-o, cu
condiia ca proba extras s fie reprezentativ pentru populaie. Ca s fie reprezentativ pentru populaie,
proba trebuie extras randomizat, adic luat n aa fel nct toate elementele din populaie (indivizii) s aib
o ans egal i constant de a fi extrase n toate ridicrile de probe.
3.2.1. Elemente de calculul probabilitilor
Se tie c greutatea corporal normal la natere a mieilor din rasa Merinos de Palas este n medie de
4,2 kg, dar din practic se tie c aceast valoare a greutii corporale difer de la un individ la altul. S-ar
putea ntmpla ca din
100 de indivizi, nici unul s nu aib aceast greutate normal, medie, ci s se
abat n plus sau n minus, de la ea. Cu toat aceast dispersiune (variaie, abatere) de la medie a cazurilor
individuale, exist totui, o proprietate comun i anume: lund un numr mai mare de valori ale greutii
corporale, vom constata c ele se situeaz, n general, n jurul valorii medii. Aceast valoare normal
corespunde, deci, valori medii pe un numr mare de cazuri omogene.
Dac vom examina greutatea corporal a 5 miei la natere s-ar putea gsi o medie de 4,7 kg.
Examinnd un alt lot de 5 miei s-ar putea gsi o medie de 3,7 kg. La al treilea lot, ar putea fi de 5 kg .a.m.d.
Deci lund la ntmplare loturi mici, greutatea la natere va diferi mai mult sau mai puin de la valoarea
medie de 4,2 kg. Dar la un numr mare de observaii: 100, 200 sau 300, vom putea constata c media se
apropie, din ce n ce mai mult, de 4,2 kg. De asemenea vom constata c o bun parte din cazurile observate
se situeaz n preajma acestei valori.
n concluzie, se poate afirma c la colectiviti omogene, anumite nsuiri eseniale sunt comune
tuturor cazurilor individuale din aceast colectivitate, n sensul c aceste nsuiri se situeaz, n bun parte,
n jurul unei valori centrale, corespunznd mediei aritmetice ponderate.
Dei cazurile individuale sunt mai mult sau mai puin dispersate de la medie, exist, totui, o
regularitate i n aceast dispersiune, atunci cnd numrul de cazuri observate este suficient de mare.
Valoarea medie nu este caracteristic pentru fiecare individ n parte, ci doar numai pentru
colectiviti mai mari, omogene, luate n ansamblu.
9

Din cele prezentate rezult c lund un singur caz la ntmplare nu putem avea certitudinea c
greutatea acestui miel la ftare va fi egal cu media global. Exist, ns o probabilitate ca greutatea
acestuia s se apropie, totui, de valoarea medie sau s fie chiar identic cu media. Cu ct numrul de cazuri
cercetate va fi ns mai mare, cu att probabilitatea sau ansa de a ne apropia de media global este mai
mare.
Exemplul mult vehiculat i foarte sugestiv n acest sens este aruncarea monedei n aer i
probabilitatea ansa de a cdea pe o anumit fa. Un alt exemplu este cel clasic cu urna, n care
introducem un numr de bile albe i negre n aceeai proporie, s zicem 500/500, adic ntr-o proporie de
1/1.
Dei probabilitatea (ansa) de a scoate o bil alb sau neagr este egal (1/2), totui la un numr
redus de scoateri vom obine cu totul alte proporii: 4/1 sau 3/1. Cu ct vom mri ns numrul de scoateri
(n aceleai condiii, adic reintroducnd n urn bila scoas pentru a avea n urn tot timpul aceeai
proporie), cu att proporia se va apropia de cea normal, adic 1/2.
Aceast situaie simpl se complic ns n cazul n care nu cunoatem proporia real a bilelor din
urn, sau dac ne referim la exemplu cu mieii, nu cunoatem greutatea la toi mieii de ras Merinos de Palas
din ar, jude, sau zon. n acest caz, numai calculul probabilitilor, bazat pe examinarea unui numr
suficient de mare de cazuri, deci bazat pe un eantion reprezentativ, va putea elucida (cu un anumit grad de
eroare), valoarea medie a greutii corporale la ftare.
Trebuie ns precizat faptul c nici calculul probabilitilor nu este o dogm care lmurete i rezolv
totul, ci analiza esenei materiale a fenomenelor este hotrtoare n primul rnd i permite ca aceste calcule
s fie ct mai corespunztoare. Calculul probabilitilor nu poate rezolva nimic n cazul n care analiza
fenomenului respectiv ne arat lipsa de omogenitate dintre elementele colectivitii cercetate.
Cu ct calculul probabilitilor se va face pe un numr mai mare de cazuri omogene, cu att i
rezultatele vor fi mai sigure, adic mai apropiate de realitate, existnd, totui, posibilitatea unei erori, eroarea
scznd o dat cu creterea numrului de cazuri omogene observate, deci o dat cu creterea dimensiunii
probei, eantionului (numr de cazuri observate din total cazuri existente).
Putem defini probabilitatea de maniera urmtoare: probabilitatea de a se produce un fenomen (n
exemplul anterior probabilitatea de a se extrage o bil alb din urn) este raportul dintre numrul de cazuri
favorabile i totalul cazurilor posibile, cu condiia ca toate posibilitile s aib aceeai ans (n cazul nostru
de a se scoate fie o bil alb, fie una neagr). Concret n cazul nostru, probabilitatea p de a extrage o bil
alb din urn este:
p

1
0,5 , adic o ans din dou posibiliti.
2

Exprimat n procente, probabilitatea se noteaz cu - P.


P

1
x100 50%
2

n cazul aruncrii cu zarul (acesta avnd 6 fee), posibilitatea de a obine una din fee, de exemplu
faa cu 3, este:
p

1
0,166, adic o ans din ase posibiliti.
6

Exprimat n procente, probabilitatea aceasta se exprim n felul urmtor:


P

1
x100 16,6%
6

10

Neansa, adic probabilitatea de a nu se produce evenimentul (contraprobabilitatea) se noteaz cu


q iar procentul corespunztor cu - Q. n cazul anterior, probabilitatea de a nu extrage o bil alb este:
q

1
0,5 , adic o neans din dou posibiliti.
2

Procentual, aceast neans se exprim:


Q

1
x100 50%
2

n cazul aruncrii cu zarul, probabilitatea contrarie, adic neansa de a se obine faa cu cifra 3, este:
q

5
0,834 , iar procentual:
6

5
x100 83,4%
6

Din formulele anterioare, se poate deduce c suma probabilitilor i contraprobabilitilor este egal
cu 1.
p + q = 1 , adic
iar n cazul zarurilor:

1 1
1 , sau 0,5 +0,5 = 1
2 2

1 5
1 sau 0,166 + 0,834 = 1
5 6

Exprimat n procente, vom obine totalul egal cu 100 %.


P + Q = 100, iar n cele dou exemple anterioare vom obine:
a) 50 % + 50 % = 100 %; b) 16,6 % + 83,4 % = 100 %.
Din formulele de mai sus rezult c dac cunoatem una din valori, fie p, fie q, o putem gsi pe
cealalt:
p = 1 q; q = 1 p, sau n procente:
P= 100 % - Q , sau Q = 100 % - P.
n cazul aruncrii cu moneda, vorbim de probabilitatea simpl, n sensul c exist ansa de a cdea
pe o fa sau pe alta, adic de a obine una din cele dou posibiliti existente. Probabilitatea compus se
constat n cazul existenei a mai multor probabiliti simple, ca de exemplu n aruncarea cu zarul. Astfel,
probabilitatea de a obine dintr-o aruncare sau un 3 sau un 5, este dubl, fa de cazurile simple, cnd
ateptm s obinem numai 3 sau numai 5.
n calculul probabilitilor compuse, n exemplu aruncrii cu zarul, ansa de a obine dou valori, fie
un 3, fie un 5, se exprim prin suma probabilitii simple a fiecrei valori.
p3 sau p5 =

1 1 2 1

6 6 6 3

Exprimat n procente se obine: P3 sau P5 = 16,6 +16,6=33,2 %


La fel i n cazul cnd ateptm s obinem una din trei valori (3, sau 5, sau 6), rezultatul va
corespunde sumei probabilitii simple a celor trei valori.
p3 sau p5 sau p6 =

1 1 1 3 1

6 6 6 6 2

Exprimat n procente obinem:


11

P3 sau P5 sau P6 = 16,6 % + 16,6 % + 16,6 % 50 %.


Alta este situaia cnd ateptm s obinem acelai eveniment de mai multe ori. n acest caz,
probabilitatea de a se obine acest eveniment de mai multe ori este mult mai mic, exprimndu-se nu prin
suma probabilitilor simple, ci prin produsul lor.
n cazul extragerii bilei albe din urn, probabilitatea de a extrage de dou ori la rnd aceeai bil, va
fi:
p de 2 ori = p x p =

1 1
x 0,25
2 2

Exprimat n procente obinem:


P=

1 1
x x100 25%
2 2

De asemenea, probabilitatea de a obine de trei ori la rnd acelai eveniment, adic de a extrage din
urn de 3 ori la rnd numai bile albe se exprim prin produsul celor trei probabiliti simple.
p de 3 ori = p x p x p =

1 1 1
x x 0,125
2 2 2

Exprimat n procente, obinem:


P=

1 1 1
x x x 100 12,5 %
2 2 2

Calculul probabilitilor se aplic n numeroase domenii ale cercetrii biologice. El st la baza


calculului dispersiunii de la valorile medii, calculul erorii medii i a dimensiunilor eantionului
reprezentativ.

12

CAPITOLUL IV
PROCESUL DE MSURARE
4.1. NOIUNI DESPRE TEORIA MSURRII I PRELUCRRII DATELOR
n acest capitol, se va analiza modul n care msurarea, ca form a cunoaterii experimentale,
mbogete aceast cunoatere cu date noi i mai precise dect cele furnizate de observaie. Pentru utilizarea
de procedee matematice n analiza statistic a datelor unei experiene, este obligatoriu a se da expresie
valoric, sub form numeric, att observaiilor efectuate pe caractere cantitative, ct i pe cele calitative.
Caracterele calitative definesc nsuiri ale organismelor care nu pot fi msurate pe o scar cu
intervale, ci doar descrise i pe aceast baz, ncadrate ntr-o anumit categorie exclusiv, din acest motiv i
interpretarea statistic a datelor referitoare la aceste caractere va fi mult mai puin complicat dect n cazul
datelor privind caracterele cantitative.
Din punct de vedere al cunoaterii experimentale, msurarea este un proces cognitiv fundamental
care const n atribuirea de valori numerice pentru fenomenele sau nsuirile studiate, astfel nct acestea s
poat fi individualizate i deosebite de fenomene i nsuiri din aceeai clas.
Msurarea, indiferent de scara de msuri folosite, trebuie s se caracterizeze prin precizie.
Aceast precizie depinde de dou elemente eseniale:
creterea continu a sensibilitii aparatelor de msur;
perfecionarea continu a tehnologiei de msurare, calculare i corectare a parametrilor
obiectivului supus msurrii.
4.1.1. Procesul de scalare
Dac caracterele cantitative, n general nu ridic probleme de msurare, ele apar la cele calitative,
unde aprecierea fenotipurilor cu stri multiple de manifestare ofer posibilitatea mpririi ntr-un numr de
categorii, crora pot s li se asocieze arbitrar valori, utiliznd aa-numitul procedeu de scalare. Acest
procedeu este obinuit n determinarea intensitii culorii, a nuanelor rezultate din amestecul de fibre de
diferite culori (bonitarea ovinelor din rasa Karakul, a nurcilor i a nutriilor etc.).
4.1.2. Procesul de msurare
Msurarea caracterelor asupra crora se manifest efectul unor tratamente ntr-un experiment, se face
n uniti de msur standardizate (m, kg, l, cu multiplii i submultiplii lor). Aparatele de msurat mai
utilizate sunt: bastonul, panglica, compasul, cntarul, dar i aparate mult mai sofisticate pentru urmrirea
nivelului de doze administrate.
Pe animalele cuprinse ntr-o experien se pot efectua msurtori directe, indirecte, sau combinate,
dup cum se pot efectua msurtori absolut necesare pentru a sesiza un efect, ca i msurtori
suplimentare pentru a putea explica mai corect fenomenul constatat. Dup modul de execuie al
msurtorilor, ele pot fi: statice sau dinamice, condiionate sau necondiionate. Prin msurare se compar
de fapt dou mrimi de aceeai natur, din care una este considerat unitatea etalon.
4.1.3. Erori de msurare
Orice msurare este afectat de erori, care pot fi mai mari sau mai mici, n funcie de corectitudinea
cu care s-a efectuat. Eroarea de msurare este dat de diferena dintre rezultatul obinut prin msurarea unei
mrimi fizice X i valoarea sa real Y. Eroarea = Y-X.
Erorile de msurare pot fi sistematice i ntmpltoare.
13

Erorile sistematice sunt greu de depistat, datorit repetabilitii lor, dar pot fi uor reduse prin
alegerea unui plan experimental adecvat. Dup sursa care le produce, putem avea erori cauzate de persoana
care face msurtorile, de instrumentul de msurat, cauzate de obiect sau metoda utilizat, ca i erori de
exterior.
Este posibil ca datele de experiment n urma msurrii s prezinte erori admisibile, n care sunt
cuprinse eroarea limit i cea cauzat de obiect, dar i erori inadmisibile, cauzate de instrument, metod sau
exterior, sau greeli grosolane, cauzate de persoana care msoar.
4.1.4. Datele brute i modul lor de ordonare
Datele obinute direct prin observaii i msurtori n populaii sau probe, sunt date brute. Ele
necesit o anumit ordonare sau aezare pentru a putea fi prelucrate n vederea obinerii de valori
interpretabile.
S presupunem c s-au efectuat msurtori ale nlimii la grebn la un numr de 40 de oi din rasa
igaie aparinnd S.C.D.P. Jucu. Indivizii au fost luai randomizat (la ntmplare) dintr-o populaie de oimame de aproximativ 700 de capete.
Cele 40 de valori msurate au urmtoarea distribuie n centimetri:
60; 60; 61; 61; 61; 62; 62; 62; 62; 62;
63; 63; 63; 63; 63; 63; 63; 64; 64; 64;
64; 64; 64; 64; 64; 65; 65; 65; 65; 65;
65; 65; 65; 65; 66; 66; 66; 66; 67; 67;
Valorile individuale obinute prin msurtoare direct nu pot fi valorificate n sensul sesizrii
semnificaiei lor, dect dup o prealabil ordonare i grupare, fapt ce se realizeaz prin alctuirea irului de
variaie, format din clase i frecvene a valorilor individuale de nlime la grebn la cele 40 de oi din rasa
igaie de la S.C.D.P. Jucu.
Tabelul 1
irul de variaie pentru nlimea la grebn la un grup de 40 oi din rasa igaie
Clasa (cm)
Frecvena
absolut (n)
Frecvena
relativ (%)

60

61

62

63

64

65

66

67

Total
8

40

7,5

12,5

17,5

20

22,5

10

100

Repartizarea pe frecvene de clase este metoda fundamental cu care se pregtesc datele brute ale
oricrei observaii pentru a proceda apoi la prelucrarea statistic propriu-zis. Repartizarea sau distribuia
frecvenelor variantelor observate, ordonate n iruri de variaie, poate fi reprezentat grafic prin folosirea
unui sistem cartezian n care pe axa absciselor se nscriu clasele distribuiei, iar pe ordonat frecvenele.
Clasele reprezint categorii definite de dou valori succesive a caracterului studiat i a cror
diferen poart numele de interval de clas. Stabilirea numrului de clase i a intervalului de clas se face
n urma identificrii variantelor extreme minim i maxim i a amplitudinii variaiei. Amplitudinea
variaiei este dat de diferena dintre valoarea maxim i minim a caracterului studiat.
Frecvena constituie numrul de date (valori) care corespunde fiecrei clase, n acest caz fiind
denumit frecven absolut. Frecvena poate fi exprimat i n procente, fiind denumit n acest caz
frecven relativ.
n cazul nostru:
variantele extreme sunt 60 cm i 67 cm;
amplitudinea variaiei este 67-60= 7 cm;
14

Frecvena (%)

numrul de clase stabilit = 8;


intervalul de clas = 1 cm.
Pe baza acestor elemente se poate constitui irul de variaie prin repartizarea statistic.
Dup nregistrarea rezultatelor msurrii, urmtorul pas este acela de a nelege ce anume ne spun
aceste rezultate. O form simpl, dar sugestiv, este aceea de a prezenta datele numerice sub form de
diagrame, cunoscute sub numele de histograme i poligoane de frecven.
Reprezentarea grafic a distribuiei frecvenelor pe clase d informaii cu privire la variabilitatea unui
caracter ntr-o populaie, prin punerea n eviden a indivizilor plus i minus variante, a amplitudinii
variaiei i tipul ei, a omogenitii sau heterogenitii caracterului n populaie sau n proba studiat. Fiecare
variabil are o anumit distribuie, a crei reprezentare ia forme foarte variate, n funcie de repartizarea
frecvenelor pe clasele constituite, cea mai frecvent este aa-numita distribuie normal, n care, pe msur
ce crete valoarea variabilei, cresc i frecvenele n mod progresiv pn la un maxim, descrescnd apoi din
nou n acelai raport.
22,5
20
17,5
15
12,5
10
7,5
5
0

59

60

61 62 63 64 65
Limite de clas (cm)

66

67

66

67

a histograma

Frecvena (%)

25
20
15
10
5
59

60

61 62 63 64 65
Limite de clas (cm)

b poligonul frecvenelor pentru nlimea la grebn


la un grup de 40 de oi din rasa igaie
Fig. 2. Reprezentarea grafic a distribuiei frecvenelor

4.2. TRATAMENTUL DATELOR


Dup ordonarea datelor brute, n vederea uurrii muncii de prelucrare statistico-matematic i n
vederea obinerii unor rezultate mai precise, aceste date sunt supuse unor tratamente.
4.2.1. Codificarea

15

Folosirea numerelor codificate se face de ctre cercettori n mod frecvent. Att din precauie, ct i
din obinuin, ei sunt nclinai s strng datele lor n uniti mai mici dect este necesar pentru tratamentul
statistic.
Se codific n principal datele subunitare i cu zecimale multe sau cele supranumerare. Codificarea
este un tratament important, ea uurnd mult munca de prelucrare prin simplificarea calculelor statistice.
Prin codificare se rotunjesc i se prescurteaz datele n aa fel nct diferena dintre valoarea maxim i cea
minim s fie cuprins ntre 20-40 uniti. Revenirea la datele originale se face efectund n ordine invers
operaiunile executate la codificare. Exemplificm prin considerarea sporului zilnic n greutate realizat de un
grup de tineret ovin mascul din rasa Corriedale pe o perioad de
10 zile. Valorile de spor nregistrate
sunt: 206; 217; 224; 227; 228; 231; 236; 241; 245; 258 g. Codificarea se face scznd 200 g din fiecare
valoare, datele devenind:
SX = 6 + 17 + . . . . . . . 45 + 58 = 313
SX2 = 62 + 172 + . . . . . 452 + 582 = 11.741
Prin decodificare media real va fi: 200 + 313/10 = 231,3 g
Suma ptratelor datelor devine: 11.741 - 3132/10 = 1944,1.
De notat c numrul sczut prin codificare, 200, trebuie adugat pentru decodificare. Pentru suma
ptratelor, aceast compensare nu este necesar, pentru c ntreaga serie de observaie i-a micorat numai
scara valorilor, fr s-i schimbe variabilitatea. Codificarea datelor poate s fie nsoit de rotunjirea lor: de
exemplu valori ca 13,51 i 13,49, se rotunjesc la 14 i respectiv 13.
4.2.2. Tehnica datelor lips
n cursul unei experiene se ntmpl ca unele uniti experimentale s ias din experiment prin
moarte sau sacrificare de necesitate, situaie n care acestea se pot nlocui prin tehnica datelor lips. Cea mai
uzual metod este aceea de a nlocui o unitate experimental lips n finalul experienei, prin valoarea
medie a celorlalte uniti experimentale din respectivul tratament sau variant.
4.2.3. Ajustri prin aducerea la echivalent maturitate
Tratamentul datelor presupune i efectuarea unor ajustri n vederea realizrii unor comparaii i
ierarhizri corecte. Lund n considerare faptul c ntr-o populaie de vaci exist o structur heterogen,
vacile nefiind la aceeai lactaie, aceeai vrst i aceeai stare fiziologic, nu se poate face o ierarhizare
corect, de exemplu n privina produciei de lapte. Este incorect s comparm performana unei vaci aflat
n lactaia I-a cu performana unei vaci aflat n lactaia a IV-a.
Prin aducerea la echivalent maturitate se nltur acest neajuns. Tratarea datelor de performan cu
anumii coeficieni de corecie care sunt stabilii n funcie de ras i de numrul lactaiei, face posibil
aducerea performanelor la acelai nivel de potenialitate i n continuare o comparare real a datelor de
performan ntre ele. Aducerea la echivalent maturitate nu vizeaz numai producia de lapte, ci i alte
producii: producia de ln, producia de ou. Ajustarea datelor trebuie s fie unic i uniform pentru toi
indivizii i toate variantele din experien.
4.3. PRELUCRAREA DATELOR
Statistica se ocup cu studiul acelor mrimi care se enumer, se msoar, se cntresc sau se clasific
ntr-un mod oarecare i care se obin ntr-o experien sau se afl ntr-un mod sau altul. Cnd avem o prob
de astfel de date de mrime, de greutate etc., ca regul general aceste mrimi nu sunt toate la fel de mari, ci
ele variaz. Dac de exemplu, cu ocazia unui studiu efectuat asupra suinelor, cercetm numrul de purcei
obinui la o ftare, atunci vom constata c nu toate ftrile sunt la fel de mari, ci c ele variaz de exemplu,
16

ntre 2 i 16 purcei la o ftare. n fond, este natural s gsim o variaie a mrimilor pe care le studiem, n
msura n care circumstanele ntmpltoare exercit o anumit influen n aceeai msur se produc aceste
variaii. Pe de alt parte, nu orice variaie se datoreaz cauzelor ntmpltoare, cci variaia poate fi i
rezultatul unei anumite cauze cunoscute, de exemplu vrsta scroafei poate influena numrul purceilor
produi la o ftare.
Variaiile pe care le ntlnim se datoresc cel mai adesea att ntmplrii, ct i altor cauze. Avnd n
vedere ns c scopul celor mai multe cercetri este studierea unei anumite cauze precise, evident c nu
putem considera deosebirile ca fiind demne de ncredere dect dac aceste deosebiri sunt nsoite de un
numr care s indice n ce msur variaia observat se datoreaz ntmplrii. Dac atribuim ntmplrii
ntreaga variaie, atunci nu putem afirma c acele cauze cercetate au avut vreun efect demonstrabil. Din
contr, dac putem demonstra c variaia nu se datoreaz n ntregime ntmplrii, atunci putem trage
concluzia c pe lng ntmplare au existat i alte cauze concrete.
Sarcina statisticii este de a studia fenomenul variaiilor i anume, n primul rnd al variaiilor cauzate
n ntregime de ntmplare.
Procednd astfel, experimentatorul sau cercettorul care studiaz un anumit material are posibilitatea
s elimine acea parte de variaie care s-a produs datorit ntmplrii, astfel c acesta poate aprecia n mod
critic dac ntr-adevr exist un efect al cauzelor pe care le-a studiat.
Materialul statistic const din probe de date de msur, (de greutate, nlime etc.) exprimate prin
numere. Acestea formeaz materialul a crei variaie urmeaz a fi cercetat i de aceea au fost denumite
variate. Variatele sunt deci mrimile numerice, iar nu obiectele msurate sau cntrite.
n concluzie, nu purceii sau ftrile reprezint variata, ci variatele sunt numerele care reprezint
produii obinui la o ftare.
Structura populaiei statistice este aproape ntotdeauna necunoscut. Aceast structur se poate pune
n eviden cu ajutorul probelor efective, care reprezint la scar mic populaia. Cu ajutorul acestor probe
estimm valoarea mrimilor necunoscute, care caracterizeaz populaia.
Astfel, de exemplu, media probei reprezint o estimat a mediei populaiei. Tot astfel, ptratul mediu
este o estimat a parametrului corespunztor al populaiei. Acesta din urm nu mai este numit ptrat mediu,
ci varian i nu se mai noteaz cu - s2 -, ci cu litera greceasc 2. Media populaiei pe care o notm prin
i variana 2 se consider valori reale, n timp ce media probei X i ptratul mediu s2 nu sunt dect
estimate mai mult sau mai puin exacte ale valorilor reale.
Valorile reale i 2, ca i alte valori care servesc pentru caracterizarea populaiei, se numesc
parametri populaiei, n timp ce valorile X i s2, ce rezult din calculele efectuate asupra probei, sunt
considerate ca valori de estimare statistic sau statistici.
Pe lng medie, notat cu , respectiv X i variana, notat cu 2, respectiv s2, mai exist i alte
valori de sintez, care caracterizeaz o populaie: deviaia standard notat cu , respectiv s, eroarea standard
a mediei x i sx i coeficientul de variaie V %.
Not: cu litere greceti se noteaz valorile proprii unei populaii ideale i cum am artat mai sus,
poart numele de parametri i cu litere latine, valorile unei probe sau eantion numite statistici.
Se numete populaie o colecie finit sau infinit de observaii. Prin prob (mostr, eantion), se
nelege o fraciune a populaiei.
Populaia statistic este elementul fundamental al statisticii, deoarece aproape nu exist analiz
statistic n care s nu se fac referire la ea. n practica statistic, nu se lucreaz ns direct cu populaii, n
primul rnd fiindc populaiile cuprinznd un numr foarte mare sau infinit de observaii sunt inaccesibile
cercetrii, n al doilea rnd fiindc n anumite cercetri dispunem de o cantitate limitat de material de
analiz, dei populaia este foarte mare (exemplu analiza diferitelor nsuiri ale sngelui) i n al treilea
rnd nu este necesar, deoarece proba, fiind bine aleas, ne d suficiente informaii asupra populaiei. Iat
motivele pentru care cercettorul n investigaiile pe care le face lucreaz cu numr restrns de observaii, cu
fraciuni de populaii, cu probe i nu cu populaii ntregi.
Probele se compar ntotdeauna cu populaiile respective, care se caracterizeaz prin anumii
parametri. Se pleac de la ipoteza c abaterea probei de la populaie este nul, de unde i denumirea ce se d
acestei ipoteze, de ipotez nul.
17

Acest ipotez se poate dovedi adevrat sau fals, de unde cercettorul poate trage concluziile
corespunztoare asupra rezultatelor cercetrii sale.
4.3.1. Media aritmetic
Media aritmetic este o msur a valorii centrale a setului de date n jurul creia fluctueaz datele
setului. media nu d nici o indicaie asupra gradului de fluctuaie (de abatere) de la medie, adic asupra a
ceea ce se numete frecvent dispersia datelor.
Media aritmetic a seriei de date X1, X2 . . . Xn, asociate unui eantion, se determin prin formula:
n

Xi
i 1

(suma valorilor seriei mprite la volumul ei).

n
Menionm urmtoarele proprieti ale mediei aritmetice:
orice valoare a seriei este luat n considerare n calculul mediei;
valorile extreme pot influena media aritmetic distrugndu-i reprezentativitatea;
media aritmetic se situeaz printre valorile seriei de date;
suma diferenelor dintre valorile individuale din serie i medie este zero.
4.3.2. Media aritmetic ponderat
Cnd avem mai multe iruri statistice de mrimile
n1, n2 . . . nk, cu mediile aritmetice X 1, X 2. . .
X k i dorim s calculm media general, este greit s calculm aceast medie prin nsumarea mediilor
individuale i mprirea sumei la numrul lor. n acest caz este necesar s calcculm media aritmetic
ponderat, a crei formul de calcul este urmtoarea:
X

n1 X

n2 X 2 . . .nk X k
n

Exemplu: s se calculeze greutatea medie la nrcare a mieilor din rasa igaie plasai n trei variante
experimentale.
proba a: n1= 25 miei, X 1 = 22,5 kg;
proba b: n2= 50 miei, X 2 = 21,6 kg;
proba c: n3= 100 miei, X 3 = 20,1 kg;
X

25 22,5 50 21,6 100 20,1


20,87 kg
175

Este greit s se calculeze media general astfel:


X

22,5 21,6 20,1


21,40 kg
3

18

4.3.3. Indicii de dispersie


Valorile medii nu ne dau o imagine complet asupra unui ir statistic. Ele nu scot n eviden
caracteristicile eseniale ale irului de variaie din mai multe motive.
n primul rnd, pentru c nu ne spun nimic asupra distribuiei observaiilor pe clase, nu ne arat cum
se repartizeaz observaiile n jurul valorilor medii i n al doilea rnd, pentru c nu ne dau nici o indicaie
asupra granielor de variaie a irurilor statistice.
Pentru o caracterizare precis a irului statistic este necesar s avem informaii privind extinderea
mprtierii datelor sau reciproc, a gradului de aglomerare. Este necesar, cu alte cuvinte, s cunoatem
dispersia, repartizarea valorilor individuale n jurul valorilor medii. Msurile de dispersie sunt utile n
stabilirea reprezentativitii msurilor de centralitate.
Semnificaia unei medii ca i valoare reprezentativ pentru un set de date, depinde de gradul de
dispersie a valorilor individuale n jurul ei.
Fr cunoaterea abaterii valorilor individuale ale unei variabile de la valoarea ei medie, nu este
posibil caracterizarea exact a unei probe. Dispersia observaiilor n jurul valorilor medii se msoar cu
ajutorul indicilor de dispersie, dintre care menionm: amplitudinea variaiei, variana, deviaia standard,
eroarea standard a mediei, coeficientul de variaie.
4.3.3.1. Amplitudinea varianei
Cea mai simpl msur a dispersiei este amplitudinea varianei A adic diferena dintre valoarea
maxim i minim a irului statistic.
A = Xmax. X min.
Exemplu: 7, 16, 3, 12, 8 . . . . A = 16 3 = 13
Dezavantajul major al amplitudinii ca msur a dispersiei este c se bazeaz doar pe valorile extreme
ale irului. Astfel, ea nu ofer nici o informaie despre ct de aglomerate sunt datele distribuite ntre extreme.
n afar de aceasta, valoarea sa crete sensibil n raport cu sporirea numrului de observaii. Pentru aceste
motive, utilitatea sa este redus.
4.3.3.2. Variana
Variana s2 este cea mai bun msur de estimare a dispersiei n cadrul populaiei i tot ea ne d
cele mai bune indicaii asupra dispersiei valorilor n cadrul probei. Variana reprezint ptratul mediu al
abaterilor datelor individuale de la medie.

s2 =

n 1

Expresia:

X
n

se numete termen de corecie TC, iar expresia:

X
n

se numete suma

ptratelor abaterilor SPA.


Numitorul formulei, adic: n-1 (numrul observaiilor micorat cu 1), poart denumirea de grade de
libertate GL.
Faptul c suma ptratelor abaterilor se mparte la (n-1) i nu la (n), are urmtoarea explicaie. Fie o
populaie statistic cu variana 2 - din care extragem o prob de mrimea n calculnd variana acestei
probe, gsim c este s2, mrimea lui s2 bineneles c nu coincide exact cu 2. Dac extragem din populaia
19

statistic un numr foarte mare de probe de mrimea n; este de ateptat ca media varianelor s2 a acestor
probe, s coincid exact cu 2.
Aceasta se ntmpl ns numai atunci cnd varianele probelor se calculeaz mprind suma
ptratelor abaterilor la (n-1) i nu la (n), deoarece n urma calculrii mediei aritmetice una din valorile
individuale ale probei este blocat. nainte de calculul mediei aritmetice, toate valorile individuale ale irului
statistic sunt liber variabile, adic pot avea orice mrime. ndat ce se calculeaz media, una din valori este
blocat; n consecin, nu toate valorile (n) ale irului sunt liber variabile, numai (n-1). Deci pentru calculul
varianei rmn numai (n-1) valori individuale liber variabile.
Dac tim c media a cinci numere este 10 i patru dintre ele sunt: 8, 10, 12, 9; neaprat cel de al
cincelea numr va fi 11, pentru c totalul trebuie s fie 50.
n concluzie, numai patru din cele cinci numere pot varia (sunt libere), cel de al cincilea este fixat de
medie.
GL = n 1
GL = 5 1 = 4
4.3.3.3. Deviaia standard
Deviaia standard s reprezint n valori absolute (kg, cm, l) gradul de mprtiere sau grupare a
valorilor plus variante i minus variante fa de media caracterului studiat.
Deviaia standard, sau rdcina ptrat din varian mai este cunoscut sub numele de abatere
standard.

s=

n 1

Aceast formul mai poate fi scris sub forma: s = s 2


O varian mic i o abatere standard mic ne indic o grupare strns a elementelor unei probe, n
jurul valorii medii. Din contr, o varian mare i o abatere standard mare, ne arat c elementele probei au o
mprtiere mare, c proba prezint o mare variabilitate.
Spre deoebire de varian, abaterea standard are aceeai unitate de msur ca i media i datele seriei.
4.3.3.4. Eroarea standard a mediei
Eroarea standard a mediei - s x - reflect gradul de ncrcare a mediei cu erori i limitele ntre care
se afl media adevrat. Ea se exprim n unitile de msur ale caracterului respectiv (cm, kg, etc.).
sx =

s2
n

sau

sx =

s
n

4.3.3.5. Coeficientul de variaie V %


Msurile menionate ale dispersiei, fiind exprimate n unitile de msur proprii variabilei respective
i avnd ordinul de mrime al acestei variabile, reflectat de media ei, nu pot fi folosite la comparri de
variaie. O msur relativ a dispersiei, numit coeficientul de variaie, nltur aceste obiecii i face
posibil compararea.
Coeficientul de variaie se obine dup formula:
20

V%=

s
100
X

s reprezint deviaia standard; X - valoarea medie a irului de variaie.


Coeficientul de variaie, arat prin valoarea lui, ct la sut din medie este deviaia standard i d
posibilitatea comparrii variabilitii nsuirilor exprimate n uniti de msur diferite.

21

CAPITOLUL V
COMPARAREA PROBELOR
5.1. IPOTEZA NUL I IPOTEZA ALTERNATIV
n interpretarea rezultatelor unei experiene se ridic patru tipuri de probleme:
cunoscnd media i variana probei sau eantionului, cum pot fi estimate media i variana
populaiei i ntre ce limite de siguran se face estimarea;
dac exist concordan ntre rezultatele obinute din prob fa de cele ateptate n populaia
de valori normal distribuite;
dac probele alese provin din aceeai populaie sau aparin la populaii diferite;
dac ntre anumite probe (loturi, variante), crora n mod deliberat li s-au administrat
tratamente diferite, exist sau nu diferene semnificative.
Formularea de noi ipoteze este una dintre cele mai importante aspecte ale cercetrii tiinifice. Aceste
ipoteze experimentale ncearc s descrie sau s explice anumite fenomene reale. n multe cazuri exist
ipoteze anterioare, pe care oamenii de tiin doresc s le nlocuiasc cu altele noi. Este ns insuficient s se
formuleze sau s fie prezentat numai o nou ipotez.
O ipotez nou trebuie testat pentru a justifica c este mai bun dect alte ipoteze alternative.
Aceasta conduce la scheme de experimente, eantioane i de observaii n scopul obinerii dovezii pentru
susinerea (sau respingerea) unei noi ipoteze.
Un test statistic este conceput i utilizat pentru verificarea unei ipoteze statistice. De regul, ipoteza
care trebuie testat se poate formula ca fiind una n care nu exist nici o schimbare: de exemplu, nu exist
diferen semnificativ ntre mediile a dou populaii sau nu exist diferen semnificativ ntre mediile a
dou eantioane extrase din aceste populaii.
Testarea unei ipoteze statistice se face prin compararea a dou ipoteze sau teorii concurente. Aceste
dou teorii trebuie prima dat formulate ca modele. Aceste dou modele n continuare vor fi denumite prin
ipoteza nul i ipoteza alternativ.
Ipoteza nul H0 reprezint modelul pe care experimentatorul ar dori s-l nlocuiasc.
Ipoteza alternativ H1 este noul model care de regul reprezint o negaie a ipotezei nule.
Indiferent cum este formulat protocolul experimental, scopul cercettorului este de a testa ipoteza nul.
Procesul logic are loc ca n justiie: inculpatul beneficiaz de prezumia de nevinovie pn se dovedete
vinovat.
Ipoteza nul nu trebuie probat, ci negat. Scopul testului statistic este de a dovedi c ipoteza nul
H0 este fals. n prezentarea rezultatelor, nu putem niciodat afirma, acceptm ipoteza nul o putem
nega, sau nu o putem nega.
Prin respingerea ipotezei nule H0 cercettorul afirm c rezultatele observate nu sunt datorate
ntmplrii i c rezultatul este semnificativ. Cnd ipoteza nul nu este negat, cercettorul afirm c
diferenele observate sunt datorate ntmplrii i rezultatele sunt nesemnificative.
5.2. PUTEREA TESTULUI
Pentru testarea unei ipoteze statistice, n mod obligatoriu trebuie s se aleag un test statistic, adecvat
planului experimental i datelor observate i s fie ales un anumit nivel de semnificaie.
n practica experienelor din cadrul tiinelor biologice aplicate se folosesc nivelele de semnificaie
sau de probabilitate: = 0,05; 0,01 i 0,001 sau de 5 %; 1 % i 0,1 %.
Testarea ipotezei se face cu ajutorul testelor statistice, cum sunt: testul Student - t; testul Fisher
F; testul Pearson 2 etc.
Folosind asemenea teste, experimentatorul are posibilitatea s ataeze la deciziile sale afirmaii de
probabilitate. Alegerea nivelului de semnificaie determin o anumit valoare tabelar a testului.
22

Dac valoarea estimat a testului este mai mic dect valoarea tabelar, atunci admitem ipoteza nul.
Dac valoarea testului este mai mare dect valoarea tabelar, atunci respingem ipoteza nul i acceptm
ipoteza alternativ. Capacitatea unui test de a respinge ipoteza nul i de a o accepta pe cea alternativ cnd
aceasta este adevrat, poart denumirea de puterea testului.
Pentru a ti dac dou probe au fost extrase din aceeai populaie sau din populaii diferite, se face
ipoteza nul H0 adic se presupune c anumite caracteristici ale populaiei sunt egale. Dac testul adoptat
pentru prelucrarea datelor experimentale demonstreaz c probabilitatea n favoarea ipotezei nule este foarte
mic, se conclude n probabilitatea existenei unei diferene ntre cele dou probe. Dac probabilitatea n
favoarea ipotezei nule nu este mai mare de
5 % se spune, c ntre cele dou populaii exist o diferen
semnificativ; dac probabilitatea este mai mic dect 1 % se conclude c exist o diferen distinct
semnificativ i n sfrit, dac probabilitatea este mai mic dect 0,01 %, diferena gsit este considerat
ca foarte semnificativ.
5.3. TESTE STATISTICE
Dup cum s-a apreciat anterior, acceptarea sau respingerea ipotezei lansate cu privire la o populaie
statistic, n urma observaiilor efectuate pe un eantion din ea, se face pe criterii furnizate de testele
statistice.
Nu eantionul randomizat extras din populaie este cel ce impune un test statistic, ci cercettorul,
care odat cu lansarea ipotezei fixeaz i testul statistic pentru interpretarea rezultatelor experimentului.
Pentru a putea fi corect utilizat, un test statistic trebuie s ndeplineasc cel puin dou condiii:
s aib o variabil aleatoare n funcie de valorile din prob;
s prezinte o valoare cu care s se compare valoarea calculat a statisticii testului ca i criteriu
de confirmare sau infirmare a ipotezei lansate.
Un test statistic este dependent de populaie i niciodat de eantionul extras n mod randomizat din
populaie.
Teste pentru eliminarea erorilor grosolane
Pentru c n procesul de prelevare al datelor obinute prin msurtori pot interveni abateri mari, ce
duc la erori grosolane, cauzate de variaii brute de exterior, care afecteaz n primul rnd parametri de
dispersie, se utilizeaz urmtoarele teste statistice pentru eliminarea lor: testul Pearson-Hartley; testul
Smirnov-Cochran; testul Grubbs i Romanovschi.
Teste ale concordanei repartiiilor
Pentru c n experiene se utilizeaz mai multe probe, prelevate din populaii prin diverse metode, se
pune problema concordanei repartiiilor, utilizndu-se n acest sens urmtoarele teste: testul Kolmogorov;
testul Pearson; testul Smirnov; testul Wilcoxon; testul semnelor; testul de simetrie, de heterogenitate, de
concordan a calitii.
Teste de omogenitate a mediilor
Aceste teste pun n eviden diferenele dintre valorile medii care n mod normal ntr-un experiment
sufer modificri mai mari sau mai mici, n funcie de tratamentele la care au fost supuse unitile
experimentale pentru a confirma sau infirma ipoteza. Cele mai cunoscute i utilizate teste din aceast grup
sunt: testul Student; testul Tukey; testul Duncan.
Teste de omogenitate a varianelor
Sunt testele care pot fi aplicate pentru dou sau mai multe eantioane. Dintre acestea enumerm:
testul Fisher, testul Hartley; testul Cochran; testul Romanovschi.
Teste pentru caracterele calitative
Din aceast grup de teste, cel mai utilizat i cunoscut este testul 2.
Pentru testele cele mai utilizate n interpretarea rezultatelor experimentale n zootehnie, vom reda n
continuare tehnica de calcul i interpretare.
5.3.1. Testul Student t
23

n tehnica experimental se pune problema comparrii mediilor - X - a dou sau mai multe probe
sau variante prin testarea diferenei d dintre acestea, a abaterii de la diferena adevrat existent ntre
mediile teoretice corespondente . Se poate stabili totodat dac dou sau mai multe probe fac parte din
aceeai populaie, sau din cadrul a dou populaii diferite. Statistic acest lucru se realizeaz prin acceptarea
sau respingerea ipotezei nule H0 -, potrivit creia se consider c anumite caracteristici ale populaiei sunt
egale; respectiv 1 = 2, iar 12 = 22 . tiind c parametrii i 2 sunt estimai prin X i s2,
nseamn c i X 1 = X 2, iar s 12 = s 22 .
Testul propriu-zis se efectueaz prin calcularea valorii lui u dup relaia:
=

X1 X 2
sd

n cazul n care numrul indivizilor din cele dou probe, respectiv (n 1 + n2) este sub 100 i ndeosebi
sub 30, se folosete testul t estimat prin formula:
^

d
X1 X 2
sau
sd
sd

Abaterea standard a diferenei sd numit i eroarea mijlocie a diferenei, se calculeaz conform


urmtoarelor relaii:
- pentru probe cu un numr egal de valori individuale (n1 = n2)
sd =

s12 s 22
n

pentru probe cu un numr diferit de valori (n1 n2)


sd =

s12
s2
2
n1 n 2

n care: s 12 ; s 22 - reprezint variana primei probe, respectiv a celei de a doua probe.


n1 i n2 reprezint numrul de observaii sau variante.
Dac avem mai multe probe sau variante, putem compara media fiecrei variante cu celelalte, dup
modelul:

X1 X 3 d2
X 1 X 4 d3

X 2 X 3 d4

X2 X3 X4
3
X X3 X4
X2 1
3
X X2 X4
X3 1
3
X1 X 2 X 3
X4
3
X1

X 1 X 2 d1

sau

d1
d2
d3
d4

X 2 X 4 d5

X 3 X 4 d6

24

Modelul prezentat anterior se refer la o experien n care se urmrete efectul tratamentelor pe


patru loturi experimentale (sau variante experimentale).
^

Pe baza valorii lui , respectiv se face n final compararea i testarea semnificaiilor

diferenelor dintre probe, fiind stabilite urmtoarele grade de semnificaie, n urma respingerii ipotezei nule
H0.
Diferena este semnificativ ( p = 5 %) cnd u 1,96; distinct semnificativ (p = 1 %) cnd u 2,58
i foarte semnificativ (p = 0,1 %= cnd u 3,29.
n cazul cnd valoarea lui () calculat este mai mic dect limitele semnificaiei (u) pentru
diferite praguri (5 %; 1 % i 0,1 %) se accept ipoteza nul H0, considerndu-se c cele dou probe fac
parte din aceeai populaie.
Interpretarea n cazul testului t se face prin compararea valorii

calculat fr a ine seama de

semn
(+ sau -), cu valoarea tabelar t potrivit gradelor de libertate;
GL = (n1 + n2) 2 pentru diferite praguri se semnificaie
( 5 %; 1 %; 0,1 %). n cazul cnd valoarea
lui

calculat depete valoarea tabelar: t0,05 se respinge ipoteza nul i se concluzioneaz c diferenele

sunt semnificative, deci cele dou probe aparin la populaii diferite. De asemenea, diferenele pot fi distinct
semnificative cnd

>t0,01, iar cnd

t > t0,001 diferenele sunt foarte semnificative.

Exemplu:
S-au experimentat trei tratamente privind durata iluminatului: a 1 = 24 h; a2 = 12 h i a 3 = 8 h, asupra
produciei de ou la prepeliele japoneze (Coturnix-coturnix). Materialul biologic a fost reprezentat de 15
U.E. (indivizi), care au fost supuse n mod succesiv cte o perioad de 20 de zile, cu pauz de 10 zile ntre
ele, celor trei tratamente amintite mai sus.
Se pune problema dac ntre cele trei variante experimentale exist sau nu diferene asigurate
statistic, respectiv dac durata iluminatului este sau nu o cauz a diferenelor de producie obinute. Datele
obinute au fost ordonate pe variante (tratamente) i redate n tabelul 2.
n acest caz avem trei variante (loturi) reprezentate de cele trei tratamente, constituite fiecare din 15
U.E. (uniti experimentale).
Tabelul 2
Producia de ou pe 20 de zile la cele trei variante experimentale
Nr.crt.
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Lotul (varianta, tratamentul)


a1 = 24 h
a2 = 12 h
a3 = 8 h
18
15
11
20
16
12
20
17
12
19
16
11
17
14
10
18
15
10
18
15
11
19
16
12
18
16
13
17
14
12
18
16
11
19
15
13
17
14
12
20
17
14

25

15
SX
X
S2
s

17
275
18,33
1,24
1,11

14
230
15,33
1,09
1,04

12
176
11,73
1,21
1,10

Testul t se va exprima prin formula:


^

d
X1 X 2
sau
sd
sd

- sd - n aceast relaie, innd cont de faptul c numrul de indivizi este egal n toate probele (variante,
loturi), se va calcula dup relaia:
sd =

s12 s 22
n

- s2 variana, se va calcula dup relaia:


2

s = Sx

GL

s12

s 22

s 32

5059

275 2
15

14

3542

14

2082

14

GL

5059 5041,66 17,34

1,24
14
14

3542 3526,66 15,34

1,09
14
14

2082 2065,06 16,94

1,21
14
14

176 2
15

SX 2

230 2
15

SX 2

- s deviaia standard: s = s 2 ;
s1 = 1,24 1,11 ; s2 = 1,09 1,04 ; s3 = 1,21 1,10 ;
Efectund calculele matematice conform formulei prezentate anterior, se obin pentru - sd
urmtoarele valori:
- pentru tratamentele a1 i a2, valoarea sd va fi urmtoarea:
sd 1 =

1,24 1,09
= 0,39
15

26

- pentru tratamentele a1 i a3, valoarea sd va fi urmtoarea:


1,24 1,21
= 0,40
15

sd 2 =

- pentru tratamentele a2 i a3, valoarea sd va fi urmtoarea:


1,09 1,21
= 0,39
15

sd 3 =
Diferenele dintre mediile tratamentelor:
a1 - a2 = 18,33 15,33 = 3,0 = d1
a1 - a3 = 18,33 11,73 = 6,6 = d2
a2 - a3 = 15,33 11,73 = 3,6 = d3
Valorile calculate ale lui
^

sunt urmtoarele:

d1
3

7,69 ;
s d 1 0,39
^

d2
6,6

16,5 ;
s d 2 0,40

d3
3,6

9,23
s d 3 0,39

Aceste date au fost ordonate n tabelul nr. 3.


Tabelul 3
Testarea diferenelor dintre medii prin testul t
Tratamentele
a1
a2
a3

n
15
15
15

s2

18,33
15,33
11,73

Comparnd valorile calculate ale lui -

1,24
1,09
1,21

d
d1 = 3,0***
d2 = 6,6

***

d3 = 3,6

***

sd

0,39

7,69

0,40

16,50

0,39

9,23

t - cu valorile tabelare pentru cele trei praguri de semnificaie:

= 0,05; 0,01; 0,001 la gradele de libertate GL = (n1 + n2) 2; adic 28


t0,05 (28) = 2,048; t0,01 (28) = 2,763; t0,001 (28) = 3,674, concluzionm c: exist diferene statistice
foarte semnificative ntre varianta a1 i a2; ntre varianta a1 i a3 i ntre varianta a2 i a3 n ceea ce privete
producia de ou, diferene datorate tratamentelor diferite ce le-am aplicat.
5.3.2. Testul Fisher F sau testul varianelor

27

Analiza varianei reprezint procesul matematic de descompunere a varianei totale n componentele


ei. Altfel exprimat, analiza varianei reprezint procesul de descompunere a varianei totale n diferite
variaii, potrivit cauzelor care le provoac. Dup epuizarea tuturor posibilitilor de analiz dup criterii
obiective rmne un rest a crui cauzalitate nu se cunoate. Acest rest cade n sfera erorilor accidentale, din
care cauz variana acestui rest se numete variana erorii. Deoarece variana erorii nu mai poate fi
analizat, ea se folosete ca msur pentru examinarea semnificaiei celorlalte componente ale varianei. n
esen, analiza varianei const din descompunerea varianei totale n componenii asociai cu diferite surse
de variaie. Aceti componeni sunt apoi comparai ntre ei cu ajutorul testului Fisher F.
Dup cum tim, variana se obine mprind suma ptratelor abaterilor datelor individuale de la
medie la gradele de libertate.
s2 =

GL

Deoarece variana nu se bucur de proprieti aditive, adic nu poate fi combinat prin adunare, nici
descompus prin scdere, pentru efectuarea analizei varianei procedm la descompunerea sumei ptratelor
i a gradelor de libertate, care ambele se bucur de proprieti aditive.
Deci, tehnica analizei varianei const n descompunerea sumei ptratelor i a gradelor de libertate.
Fondul genetic, condiiile de mediu diferite, ca i diferitele tratamente aplicate ntr-un experiment, fac ca
probele luate din populaii s aib ntotdeauna valori diferite ale varianei. Variaia total poate fi considerat
ca rezultanta a dou surse diferite de variaie. Prima surs de variaie este constituit de diferenele care
exist ntre probe. O alt surs de variaie este constituit de diferenele care exist ntre indivizii care
constituie fiecare prob. Deci, variaia total rezult din dou surse de variaie: variaia ntre probe i variaia
n interiorul probelor. De aici tragem concluzia c i variana total poate fi descompus ntr-o varian
ntre probe i o varian n interiorul probelor, numit i variana erorii. Variaia n interiorul probelor
este intitulat adesea eroare.
Eroarea, n neles statistic, nu nseamn greeal, prin termenul de eroare trebuie s nelegem
variaii necontrolate, care scap de sub controlul cercettorului.
Analiza varianei presupune descompunerea sumei ptratelor abaterilor i a gradelor de libertate pe
componenii asociai cu diferite surse de variaie.
Modalitatea de descompunere prezentat anterior se refer la distribuia limitat la dou surse de
variaie. n tehnica experimental, experienele complex organizate, impun o analiz de detaliu pentru
descompunerea varianei totale n surse de variaie multiple, care pot fi sesizate n funcie de planul
experimental folosit.
Pentru testarea semnificaiei varianelor i pentru a putea testa ipoteza nul se calculeaz raportul:
^

Patratul mediu int re probe


Patratul mediu inauntrul probei

Se compar apoi valorile calculate ale lui

cu cele tabelare pentru gradele de libertate ale ptratului

mediu cel mai mare i ale ptratului mediu cel mai mic, la pragurile de semnificaie de: 0,05; 0,01 i 0,001;
F (GL1, GL2), unde:
GL1 grade de libertate pentru ptratul mediu cel mai mare;
GL2 grade de libertate pentru ptratul mediu cel mai mic.
Ordinea operaiilor n analiza de varian:
I.
Se calculeaz suma ptratelor datelor.
1) Se calculeaz coeficientul de corecie Cx.
Cx =

X
N

28

2) Se calculeaz suma ptratelor datelor individuale pe total experiment.


2
X total
= X 12 + X 22 + X 32 + . . . . X 2n

3) Se calculeaz suma ptratelor datelor individuale: ntre probe.


X

2
probe

X
1

n1

X
2

n2

. ..

nn

II.
Se calculeaz suma ptratelor abaterilor pe total experiment i pe sursele de variaie.
a) Se calculeaz suma ptratelor abaterilor pe total experiment.
2
2
x total
= X total
- Cx

2
x total
= (2) (1)

sau

b) Se calculeaz suma ptratelor abaterilor ntre probe


2

x probe = X probe - Cx

sau x probe = (3) (1)

c) Se calculeaz suma ptratelor abaterilor nuntru probe sau ale erorii.


2
2
2
2
x eroare
= X total
- X probe sau x eroare
= (2) (3)
III.
Se stabilesc gradele de libertate.
a) GLtotal = N 1
N numrul de uniti experimentale pe total experiment
b) GLprobe = a 1
a numrul de probe (tratamente)
c) GLeroare = N a
Aa cum am mai artat, suma ptratelor abaterilor i gradele de libertate au proprieti aditive, n
consecin:
2
2
2
x total = x probe +x eroare , respectiv GLtotal = GLprobe + GLeroare
IV.

Se efectueaz tabelul de analiz al varianei:


Tabelul 4
Sursa de variaie
Variaia total

x
*

GL

PM

F
^

Variaia ntre
probe

F PM ntre probe/

Variaia nuntru
probe (eroarea)

* - indic locul unde vor exista valori


Exemplu:
29

PM nuntru probe

ntr-un experiment s-a urmrit efectul nivelului diferit de protein din raie la dou grupe de scroafe
gestante, privind greutatea lotului de purcei la ftare. n ultimele 6 sptmni de gestaie, un lot a primit n
raie un nivel de protein de 12 %, iar cellalt lot de 18 %. Proba a fost extras randomizat dintr-o populaie
aparinnd rasei Landrace. Valorile realizate pe cele 20 de uniti experimentale sunt prezentate n tabelul
centralizator nr. 5.

Greutatea lotului de purcei la ftare la un grup de


(dup T. Oroian, 2002)
Nr.
crt.
1
2
3
4
5
6
7
8
9
10
SX
X
SX2

Tratamente
Lotul 1 12 % Lotul 2 18 %
proteine
proteine
9
10
9
9
8
8
7
10
8
11
9
12
8
9
8
8
7
9
7
10
80
96
8,0
9,6
646
936

Ordinea operaiilor:
I.
Se calculeaz suma ptratelor datelor.
1) Cx =

SX 2 176 2
N

20

30976
1548,80
20

2) SX total = 92 + 92 + . . . 92 + 102 = 1582,00


3)SX

2
int re tratamente

II.

SX 1 2 SX 2 2
n1

n2

80 2 96 2

= 1561,60
10
10

Se calculeaz suma ptratelor abaterilor.

2
a) Sx total
= (2) (1) = 1582,00 1548,80 = 33,20
2
b) Sx tratamente = (3) (1) = 1561,60 1548,80 = 12,80
2
c) Sx eroare
= (2) (3) = 1582,00 1561,60 = 20,40
Cheie de verificare: a = b + c ; 33,20 = 12,80 + 20,40
Sx2 are proprieti aditive.

III.

Se estimeaz gradele de libertate.


30

Tabelul 5
20 scroafe din rasa Landrace
Total

176
8,8
1582

a) GLtotal = N 1; 20 1 = 19
b) GLtratamente = a 1; 2 1 = 1
c) GLeroare = N a; 20 2 = 18
Cheie de verificare: a = b + c ; 19 = 1 + 18
GL au proprieti aditive
IV.

Tabelul de analiz a varianei


Tabelul 6
Sursa de variaie
Variaia total

Sx

33,20

GL

PM

19

F
^

Variaia ntre
tratamente

12,80

Variaia nuntru
tratamente
(eroarea)

20,40

12,80

= 12,80/1,13
= 11,32**

Se compar valoarea calculat a lui -

18

1,13

- 11,32, cu valorile tabelare ale lui F:

F0,05 (1,18) = 4,41; F0,01 (1,18) = 8,29; F0,001 (1,18) =15,4;


Pentru c valoarea calculat a depit valorile tabelare pentru pragul de semnificaie = 0,01,
concluzionm c: diferenele de tratament (nivel diferit de protein n raie) au determinat diferene distinct
semnificative ntre loturi n ceea ce privete greutatea lotului de purcei la ftare.
5.3.3. Testul Tukey
Pentru a putea s testm toate diferenele posibile dintre perechile de medii ale probelor, se folosete
testul Tukey. El const din calcularea valorii:
W = q (p; n2) s x , n care:
q se obine din valorile teoretice ale amplitudinii studientizate pentru: = 0,05 sau = 0,01;
p este numrul mediilor probelor;
n2 numrul gradelor de libertate ale erorii;
sx

este dat de formula: s x =

s2
r

n care:

s2 este ptratul mediu al erorii;


r numrul de observaii dintr-o prob.
Exemplu:
Dac lum n considerare informaiile din experiena care a vizat producia de ou la prepeliele
japoneze n funcie de durata iluminatului, putem testa simultan diferenele dintre cele trei medii.
Cx =

SX 2 681 2
N

45

463.761
10305,80
45

Sx total = SX total - Cx = 10.683 10.305,80 = 377,20


2
Sx tratamente
=

275 2 230 2 176 2

- 10305,80 = 327,58
15
15
15

31

Analiza varianei produciei de ou la prepeliele japoneze


Tabelul 7
Sursa de
variaie

Sx

Total

377,20

GL

PM

44

327,58

163,79

Eroarea

49,62

42

1,18

F
-

Tratamente

Valoarea observat a lui

= 163,79/1,18 = 138,80
-

depete valoarea tabelar - F = 0,01 (2; 42) = 5,18, aa c se poate

trage concluzia c durata luminii influeneaz n mod semnificativ producia de ou. Testul F nu ne spune
ns care diferene sunt semnificative, pentru a gsi rspunsul, aplicm testul Tukey.
W = q=0,01 (p; n2) s x , n care:
p este numrul mediilor probelor = 3;
n2 numrul gradelor de libertate ale erorii = 42;
q =0,01 (3; 42) = 4,31
Ptratul mediu al erorii s2 = 1,18;
Nr. de observaii dintr-o prob r = 15
sx

de unde: W = 4,31

s2
=
r

1,18
= 0,280
15

0,280 = 1,206

Diferenele dintre medii se calculeaz aeznd mediile ntr-un tabel, n ordine crescnd, n rndul de
sus i n ordine descrescnd n coloana din stnga (tabelul 8):
Tabelul 8
Diferenele dintre mediile datelor
X

24
12
8

18,33
15,33
1,73

8
11,73
6,60
3,60
-

12
15,33
3,00
-

24
18,33
-

Orice diferen dintre dou medii care depete valoarea W = 1,206, este semnificativ pentru
nivelul de probabilitate de: 0,01.
n cazul n care probele sunt inegale ca urmare a pierderii de uniti experimentale; se folosete
acelai model matematic pentru stabilirea valorii lui W, dar n loc de s x se ia n calcul deviaia standard
s: W = q (p; n2) s , pentru orice comparaie dintre dou medii se nmulete valoarea lui - W cu
ecuaia: 1 / 2 1 / ri 1 / r j , unde: ri i rj - reprezint numrul de observaii sau uniti experimentale din
tratamentele (probele) pe care dorim s le comparm.
5.4. REGRESIA
Regresia se utilizeaz pentru a arta dac o variabil este dependent de o alt variabil. Vorbim
despre regresie cnd se consider c una din variabile Y este dependent fa de cealalt variabil X
32

i determin msura cu care crete sau descrete n medie variabila dependent la o cretere sau descretere
cu o unitate a variabilei independente.
Din analiza a dou variabile X i Y este important s se cunoasc dac sunt sau nu sunt
independente ntre ele.
Cnd variabila Y are aceeai valoare, oricare ar fi valoarea variabilei X i invers, se spune c
cele dou variabile
- X, Y- sunt independente. Dac variabila X este considerat independent, iar
Y o variabil cantitativ dependent de X, atunci la o valoare - Xi a variabilei independente, corespunde
o populaie de valori Yi cu o medie - Yi - ale variabilei dependente. Mediile populaiilor de valori Y
corespunztoare fiecrei valori X se dispun grafic pe o dreapt cu o nclinare mai mare sau mai mic fa
de dreapta mediei generale a Y-lor. Aceast dreapt se numete linia de regresie a Y-lor fa de X-i - iar
nclinarea ei fa de axa X-lor poart numele de coeficient de regresie a Y-lor fa de X-i, sau panta liniei
de regresie.
Din punct de vedere statistic, regresia se poate defini ca o valoare ce arat cantitatea cu care se
modific n medie o variabil cnd cealalt variabil se modific cu o unitate. Lucrul acesta se poate
exemplifica n cazul evoluiei greutii corporale a tineretului din cadrul oricrei specii, fa de vrsta n luni.
Regresia n acest caz, este dat de cantitatea cu care crete media greutii corporale pentru fiecare lun de
vrst n plus.
Folosirea regresiei are aplicare larg pentru:
stabilirea relaiilor de dependen ntre dou variabile i exprim n valori aceast
dependen;
pentru prezicerea, prognozarea valorilor lui Y pe baza valorilor X-lor;
micoreaz variana erorii Y-lor, cu partea datorat regresiei Y-lor fa de - X;
n zootehnie, are aplicabilitate pentru: calcularea heritabilitii, a repetabilitii, a valorii de
ameliorare, a indicelui de selecie;
n medicina veterinar, la stabilirea relaiei doz-efect.
Cercettorul este cel care consider n mod arbitrar o variabil ca dependent, iar cealalt ca
independent, n funcie de scopul urmrit. n general, ca variabil independent se consider cea care se
poate msura mai uor, sau prezint n cercetare o importan mai mare.
Atunci cnd valorile Y depind de variabila X (Y dependent de X), atunci valoarea medie a
lui Y variaz n funcie de valorile pe care le ia X. n concluzie, media valorii Y este n funcie de
valoarea X i se exprim prin ecuaia regresiei lui Y fa de X:
yx = f (x) , n care: yx este valoarea medie a lui -Y considerat pentru populaie.
Cnd linia de regresie are forma unei drepte, ea este definit prin dou valori, spre deosebire de
medie, care este exprimat printr-o singur valoare, deoarece dreapta este definit printr-o ecuaie de gradul
-I.
Y = + X, n care: - i sunt constante i parametri ai populaiei. Concretiznd la o prob sau
eantion, ecuaia liniei de regresie va fi: = a + by, unde:
este valoarea estimat care se gsete pe linia de regresie corespunztoare unei valori X;
a termen constant care fixeaz nlimea liniei de regresie fa de axa absciselor;
b coeficient de regresie liniar a lui Y fa de X;
Dac dou drepte care difer numai prin constanta a au aceeai pant, dar sunt situate la nlimi
diferite, ele sunt prin urmare paralele (fig. 3).
Dac a este acelai, dar b este diferit, panta de nclinaie sau unghiul pe care-l face acesta cu
axa absciselor este diferit (fig. 4 ).

33

b2 = 0,45

3
2

b1 = 0,45

1
0

4
X

Fig. 3. Regresia liniar. Dou drepte de regresie cu aceeai pant:


=2

b = 0,45, dar cu termeni constani diferii a 1 =1; a2

Y
4

b2 = 0,85

b1 = 0,45

2
1
0

4
X

Fig. 4. Regresia liniar. Dou drepte de regresie cu acelai termen constant: a =2, dar cu pante diferite: b 1 = 0,45; b2 = 0,85.

Dreapta de regresie trece ntotdeauna prin punctul de intersecie al coordonatelor mediilor - X - i Y

Ea are urmtoarele dou proprieti principale: suma abaterilor de la dreapta de regresie este egal cu
zero i suma ptratelor abaterilor de la dreapta de regresie este minim.
Pentru calculul coeficientului de regresie este necesar stabilirea urmtoarelor valori:
n numrul de perechi de observaii;
X - media variabilei independente;
Y - media variabilei dependente;
Sx2 suma ptratelor abaterilor variabilei X -, deci
S (X - X ) 2 ;
Sy2 suma ptratelor abaterilor variabilei Y -, deci S (Y - Y ) 2 ;
Sxy suma produselor abaterilor valorilor X de la media - X - i a abaterilor Y de la media S (X - X )(Y - Y ).
Y -, adic
Suma produselor abaterilor Sxy mprit la GL d un produs mediu, sau covariana.
Sxy
GL

Cov =

Suma ptratelor abaterilor mprit la GL d ptratul mediu, sau variana.


s2 =

Sx 2
GL

34

Coeficientul de regresie b este raportul dintre covarian i variana variabilei independente:


Sxy
cov arianta n 1 Sxy

b=
var ianta
Sx 2
Sx 2
n 1

Coeficientul de regresie b msoar cantitatea medie cu care crete variabila dependent Y


cnd variabila independent X crete cu o unitate, sau cantitatea cu care descrete variabila dependent
Y cnd variabila X descrete cu o unitate.
De aici rezult c valorile coeficientului de regresie pot fi pozitive sau negative.
Exemplu de calcul al coeficientului de regresie
(dup E. Negruiu, A. Petre, N. Pipernea, 1969).
S-au studiat greutile corporale la tineretul taurin mascul din rasa Jersey de la natere la 6 luni.
Se pune problema stabilirii coeficientului de regresie a variabilei dependente Y- greutatea corporal
fa de variabila independent X vrsta n luni.
Pentru stabilirea valorilor necesare aplicrii formulei:
Sxy
b=
Sx 2
se ntocmete tabelul de calcul, din care s rezulte elementele necesare evidenierii coeficientului de regresie
dintre cele dou variabile Y i X -, greutatea corporal, respectiv vrsta n luni (tabelul 9).

Tabelul 9
Ordonarea i calculul datelor pentru stabilirea coeficientului de regresie
X
0
1
2
3
4
5
6
SX =
21

Sx 2 SX 2

Sy 2 SY 2

SX 2
n

SY 2

Sxy SXY

Y
21,1
41,8
63,3
78,8
112,4
136,2
158,1

X2
0
1
4
9
16
25
36

Y2
445,21
1747,24
4006,89
6209,44
12633,76
18550,44
24995,61

XY
0
41,8
126,6
236,4
449,6
681,0
948,6

SY = 611,7

SX2 = 91

SY2 = 68588,59

SXY = 2484,0

91

212
28,0
7

68.588,59

611,7 2
15.134,75
7

SX SY
21 611,7
2484,0
648,90
n
7

35

de unde: b =

Sxy 648,90

23,175 kg
28,0
Sx 2

Rezult c greutatea corporal a tineretului taurin studiat crete n medie cu 23,175 kg pentru fiecare
lun de vrst n plus. nseamn c variabila independent X vrsta n luni pentru fiecare cretere cu o
unitate (o lun), modific valoarea variabilei dependente Y greutatea corporal, cu 23,175 kg.
Coeficientul de regresie se utilizeaz n analizarea rezultatelor unor cercetri privind:
- variaia greutii corporale a noilor-nscui n funcie de mrimea cuibului (se preteaz pentru
speciile cu un numr mare de produi la o ftare; speciile prolifice);
- pierderea n greutate a oulor n funcie de ziua de incubaie;
- coninutul n aminoacizi, n glucide, n lipide la 2 sau mai multe probe.
5.5. CORELAIA
n studiul regresiei a rezultat c cele dou variabile comparate X i Y aveau caracteristici diferite:
variabila
X independent, fix, aleas de cercettor (vrsta n luni), iar variabila Y dependent,
dar ntmpltoare, sau randomizat (greutatea corporal). n multe cazuri ns, perechile de date de msur
sunt randomizate, adic att valorile variabilei Y ct i cele ale variabilei X sunt valori randomizate,
ca de exemplu producia de lapte i procentul de grsime, talia i greutatea corporal. n asemenea cazuri,
extragerea de probe se face dintr-o populaie cu o distribuie bivariat. Aceste populaii bivariate se
2
caracterizeaz, pe lng parametri cunoscui: x; y; 2x ; y (mediile i variana celor dou variabile) prin
nc un parametru 2 care msoar corelaia dintre variabilele X i Y i se numete coeficient de
determinare.
Rdcina ptrat din coeficientul de determinare, 2 = , se numete coeficient de corelaie.

n consecin, o prob extras dintr-o populaie bivariat se caracterizeaz prin urmtorii statistici:
2
2
2
2
2
X , Y , s x , s y i r . Statisticul - r este o estimat a parametrului - -, iar r este o estimat a
parametrului (ro).
n extragerea de probe dintr-o astfel de populaie cu distribuie bivariat, o observaie const dintr-o
pereche de date. Deoarece nu se poate spune care dintre variabile este dependent i care independent, ntre
ele stabilindu-se o relaie de dependen reciproc, vor trebui calculate dou drepte de regresie, dup cum se
consider o variabil ca dependent i cealalt ca independent. Deoarece ambele variabile sunt
randomizate, valoarea statisticului r (coeficientul de corelaie) va fi influenat att de variaia lui X
ct i de variaia lui Y.
Corelaiile exprim o legtur sau gradul de concordan dintre valorile fenotipice a dou caractere
X i Y- (n cazul corelaiei fenotipice) legtura dintre valorile de ameliorare a dou caractere (n cazul
corelaiilor genetice) sau legtura dintre deviaiile provocate de mediu a celor dou caractere (n cazul
corelaiilor de mediu).
Din aceast form de definire a corelaiilor se desprinde o prim posibilitate de clasificare a lor:
corelaii fenotipice exprimate prin coeficientul de corelaie fenotipic - rP ; corelaii genetice - rG ;
xy

xy

corelaii de mediu - rE xy .
O alt clasificare, n funcie de sens sau dup semn, mparte corelaiile n: corelaii pozitive i
corelaii negative.
Dup intensitatea lor, corelaiile se mpart n: corelaii slabe r ia valori mai mici de 0,2; corelaii
mijlocii r ia valori ntre 0,2 0,5; corelaii intense r ia valori mai mari de 0,5. Coeficientul de
corelaie poate lua valori cuprinse ntre -1 i +1, nefiind exclus valoarea 0.
36

Cnd avem corelaii pozitive sau negative ntre dou caractere, nseamn c aceste caractere sunt
controlate mai mult sau mai puin de acelai set de gene. Cnd avem valoarea zero a coeficientului de
corelaie, nseamn c cele dou caractere sunt determinate de seturi diferite de gene.
Exemplu de estimare a coeficienilor de corelaie fenotipic, genetic i mediu (dup A. Vlaic, T.
Oroian, 2002).
S se estimeze corelaiile dintre cantitatea de ln obinut la tundere (nsuirea, caracterul, variabila
X -) i lungimea uviei (nsuirea, caracterul, variabila Y -) pe baza observaiilor efectuate pe trei familii
de semisurori paterne din rasa Corriedale.
Tabelul 10
Ordonarea i calculul datelor pentru stabilirea coeficientului de corelaie
Familia de
semisurori
A
B
C
Total

SX

SY

SX2

SY2

SXY

5
5
7
17

16,2
17,9
27,3
61,4

60
66
91
217

52,74
65,31
110,31
228,36

724
874
1187
2785

195,10
237,70
357,80
790,60

Coeficientul de corelaie fenotipic este mai simplu de calculat pentru c nu presupune efectuarea
unei analize de varian sau covarian.

rPxy =

Cov Pxy

VPx V P y

Sxy
GL

Sx 2 Sy 2

GL GL

Sxy
Sx 2 Sy 2

rPxy - coeficientul de corelaie fenotipic dintre variabilele X i Y;


CovPxy - covariana dintre cele dou caractere;

V Px i V P - variana fenotipic a caracterelor X i Y;


y

Sxy suma produselor abaterilor Sxy = SXY Sx2 i Sy2 suma ptratelor abaterilor :
Sx2 = SX2 Sxy = SXYT -

SX 2 ; Sy2 = SY2 - SY 2 ;
N

N
61,4 217
6,84
= 790,60 17

SX T SYT
N

Sx2 = SX T2 -

Sy2 = SY T2 -

rPxy =

SX SY
N

SX T 2
N

SYT 2
N
Sxy

Sx Sy
2

61,4
228,36
6,59
17
217 2
2785,0
15,05
17

37

6,84
0,69
6,59 15,05

ntre cantitatea de ln (variabila X) i lungimea uviei (variabila Y) n populaia studiat exist o


corelaie pozitiv i intens, ceea ce nseamn c efectund selecia dup o singur nsuire, aceasta va
atrage dup sine modificarea n acelai sens a valorilor fenotipice la cealalt nsuire.

Estimarea coeficienilor de corelaie genetic i de mediu


Estimarea coeficientului de corelaie genetic r G i de mediu r E se bazeaz pe o analiz
combinat de varian i covarian n vederea obinerii componenilor observaionali ai varianelor lui X
2
2
2
2
i Y (s I x ; s i x s I ; s i ) i covarianei (Cov I ; Cov i ), pe baza acestora se vor estima componenii
cauzali care intr n formula de calcul a coeficientului de corelaie.
xy

xy

xy

xy

Componenii cauzali sunt urmtorii:


V Ax ; V A - variana genetic;
V E x ; V E - variana de mediu;
y

Cov Axy - covariana genetic;


Cov E xy - covariana de mediu.

Ordinea operaiilor const n:

efectuarea unei analize de varian pentru nsuirea X;


efectuarea unei analize de varian pentru nsuirea Y;
efectuarea unei analize de covarian pentru cele dou nsuiri X i Y;

Analiza de varian pentru nsuirea X cantitatea de ln.


I.
Se calculeaz suma ptratelor abaterilor (SP) pentru cele dou surse de variaie (ntre tai sau
interfamilii - SP I i ntre descendeni sau intrafamilii - SP i ).
SPI

SPi

SX A 2 SX B 2 SX C 2 SX T 2
nA

16,2 2 17,9

5
5

nB
2

nC
2

27,3
61,4

7
17

N
2

1,278

SPi SPA SPB SPC

SPA SX A2
SPB SX B2

SX A 2
nA

SX B 2
nB

52,74

16,2
0,252
5

65,31

17,9
1,288
5

38

SPC SX C2

SX C 2
nC

110,31

27,3
3,840
7

SPi 0,252 1,288 3,840 5,320

II. Calculm media ptratelor abaterilor MP:


MPI
MPi

SPI 1,278 1,278

0,639
i 1 3 1
2

SPi
5320

0,38 ; i = numrul de familii de SF.


N i
14

III. Calculm varianele (componenii observaionali)


Variana ntre tai (interfamilii):
s I2

MPI MPi 0,639 0,380

0,045
N
17
i
3

Variana ntre descendeni (intrafamilii)


s i2 MPi 0,380

Variana total
sT2 s I2 si2 0,045 0,380 0,425

Calculm variana genetic aditiv


V A 4 s I2 4 0,045 0,18
Analiza de varian pentru nsuirea Y lungimea uviei
I. Se calculeaz suma ptratelor abaterilor (SP) pentru cele dou surse de variaie (ntre tai sau
interfamilii - SP I i ntre descendeni sau intrafamilii - SP i ).
SPI

SY A 2 SYB 2 SYC 2 SYT 2


nA

nB
2

SPI

nC

60 2 66
91
217

5
5
7
17

4,259

SPi SPA SPB SPC

SPA SY
2
A

SPB SYB2
SPC SYC2

SY A 2
nA

SYB 2
nB

SYC 2
nC

724

60
4,00
5

874

66
2,80
5

187

91
4,00
7

SPi 4,00 2,80 4,00 10,80

II. Calculm media ptratelor abaterilor MP:


39

MPI
MPi

SPI
4,252

2,13
i 1
2

SPi
10,80

0,771
N i
14

III. Calculm varianele (componenii observaionali)


MPI MPi 2,13 0,771

0,24
N
17
i
3
2
s i MPi 0,771
s I2

Variana total
sT2 s I2 si2 0,24 0,771 1,011

Calculm variana genetic aditiv


V A 4 s I2 4 0,24 0,96
Analiza covarianei celor dou caractere
I.Calculm suma produselor abaterilor SPr pentru cele dou surse de variaie.
S PrI xy

S PrI xy

SX A SY A
nA

SX B SYB SX C SYC SX T SYT

nB
nC
N

16,2 60 17,9 66 27,3 91 61,4 217

1,828
5
5
7
17
S Prixy S Pr A S PrB S PrC

SX A SY A
16,20 60
195,10
0,70
nA
5
SX B SYB
17,90 66
S PrB SXYB
237,70
1,42
nB
5
SX C SYC
27,30 91
S PrC SXYC
357,80
2,90
nC
7
S Pri 0,70 1,42 2,90 5,02

S Pr A SXY A

xy

II.Calculm media produselor abaterilor pentru cele dou surse de variaie


M PrI xy

M Prixy

S PrI xy
i 1

S Prixy
N i

1,828
0,914
3 1

5,02
0,358
17 3

40

III.Calculm covarianele (componenii observaionali)


covariana ntre tai (interfamilii)
Cov I xy

M PrI xy M Pri xy

0,914 0,358
0,098
17
3

N
i
covariana ntre descendeni (intrafamilii)
Cov i M Pri 0,358
xy

xy

CovT Cov I xy Covi 0,098 0,358 0,456

calculul covarianei genetice aditive

Cov Axy 4 Cov I xy 4 0,098 0,39

calculul coeficientului de corelaie genetic


rGxy

Cov Axy
V Ax V Ay

0,39
0,18 0,096

0,93

Acest coeficient de corelaie genetic red legtura care exist ntre valorile de ameliorare a celor
dou caractere. Rezult c sistemele genice comune celor dou caractere au acelai sens de aciune,
determinnd modificarea n acelai sens a valorilor de ameliorare a celor dou caractere.
calculul coeficientului corelaiei de mediu
rExy

Cov Exy
V Ex V Ey

Cov ixy 2 Cov Ixy


s

2
ix

2
2 s Ix

2
s iy2 2 s Iy

0,358 2 0,098
0,38 2 0,045

0,771 2 0,24

0,162
0,560
0,289

Aceast valoare de 0,56 a coeficientului de corelaie ne arat c ntre cantitatea de ln i lungimea


uviei exist o corelaie de mediu pozitiv i intens, ceea ce nseamn c factorii de mediu determin
modificarea n acelai sens a valorilor fenotipice a celor dou caractere.
Testarea semnificaiei coeficientului de corelaie
Testarea semnificaiei coeficientului de corelaie se poate face prin intermediul testului t, utiliznd
urmtorul statistic:
t r

n2
, la (n-2 ) grade de libertate
1 r 2

Pentru exemplul anterior, n care r Gxy = 0,93 i n = 17, folosind ecuaia t r


t 0,93

n2
, obinem:
1 r 2

17 2
9,76 .
1 0,93 2

Folosind tabelul distribuiei variabilei t a lui Student, constatm c valoarea calculat de noi pentru
t este mai mare dect valoarea tabelar a lui t pentru pragul de 0,001, ca urmare, ipoteza nul H 0 va fi
respins.
CAPITOLUL V
41

COMPARAREA PROBELOR
5.1. IPOTEZA NUL I IPOTEZA ALTERNATIV
n interpretarea rezultatelor unei experiene se ridic patru tipuri de probleme:
cunoscnd media i variana probei sau eantionului, cum pot fi estimate media i variana
populaiei i ntre ce limite de siguran se face estimarea;
dac exist concordan ntre rezultatele obinute din prob fa de cele ateptate n populaia
de valori normal distribuite;
dac probele alese provin din aceeai populaie sau aparin la populaii diferite;
dac ntre anumite probe (loturi, variante), crora n mod deliberat li s-au administrat
tratamente diferite, exist sau nu diferene semnificative.
Formularea de noi ipoteze este una dintre cele mai importante aspecte ale cercetrii tiinifice. Aceste
ipoteze experimentale ncearc s descrie sau s explice anumite fenomene reale. n multe cazuri exist
ipoteze anterioare, pe care oamenii de tiin doresc s le nlocuiasc cu altele noi. Este ns insuficient s se
formuleze sau s fie prezentat numai o nou ipotez.
O ipotez nou trebuie testat pentru a justifica c este mai bun dect alte ipoteze alternative.
Aceasta conduce la scheme de experimente, eantioane i de observaii n scopul obinerii dovezii pentru
susinerea (sau respingerea) unei noi ipoteze.
Un test statistic este conceput i utilizat pentru verificarea unei ipoteze statistice. De regul, ipoteza
care trebuie testat se poate formula ca fiind una n care nu exist nici o schimbare: de exemplu, nu exist
diferen semnificativ ntre mediile a dou populaii sau nu exist diferen semnificativ ntre mediile a
dou eantioane extrase din aceste populaii.
Testarea unei ipoteze statistice se face prin compararea a dou ipoteze sau teorii concurente. Aceste
dou teorii trebuie prima dat formulate ca modele. Aceste dou modele n continuare vor fi denumite prin
ipoteza nul i ipoteza alternativ.
Ipoteza nul H0 reprezint modelul pe care experimentatorul ar dori s-l nlocuiasc.
Ipoteza alternativ H1 este noul model care de regul reprezint o negaie a ipotezei nule.
Indiferent cum este formulat protocolul experimental, scopul cercettorului este de a testa ipoteza nul.
Procesul logic are loc ca n justiie: inculpatul beneficiaz de prezumia de nevinovie pn se dovedete
vinovat.
Ipoteza nul nu trebuie probat, ci negat. Scopul testului statistic este de a dovedi c ipoteza nul
H0 este fals. n prezentarea rezultatelor, nu putem niciodat afirma, acceptm ipoteza nul o putem
nega, sau nu o putem nega.
Prin respingerea ipotezei nule H0 cercettorul afirm c rezultatele observate nu sunt datorate
ntmplrii i c rezultatul este semnificativ. Cnd ipoteza nul nu este negat, cercettorul afirm c
diferenele observate sunt datorate ntmplrii i rezultatele sunt nesemnificative.

5.2. PUTEREA TESTULUI


Pentru testarea unei ipoteze statistice, n mod obligatoriu trebuie s se aleag un test statistic, adecvat
planului experimental i datelor observate i s fie ales un anumit nivel de semnificaie.
n practica experienelor din cadrul tiinelor biologice aplicate se folosesc nivelele de semnificaie
sau de probabilitate: = 0,05; 0,01 i 0,001 sau de 5 %; 1 % i 0,1 %.
Testarea ipotezei se face cu ajutorul testelor statistice, cum sunt: testul Student - t; testul Fisher
F; testul Pearson 2 etc.
42

Folosind asemenea teste, experimentatorul are posibilitatea s ataeze la deciziile sale afirmaii de
probabilitate. Alegerea nivelului de semnificaie determin o anumit valoare tabelar a testului.
Dac valoarea estimat a testului este mai mic dect valoarea tabelar, atunci admitem ipoteza nul.
Dac valoarea testului este mai mare dect valoarea tabelar, atunci respingem ipoteza nul i acceptm
ipoteza alternativ. Capacitatea unui test de a respinge ipoteza nul i de a o accepta pe cea alternativ cnd
aceasta este adevrat, poart denumirea de puterea testului.
Pentru a ti dac dou probe au fost extrase din aceeai populaie sau din populaii diferite, se face
ipoteza nul H0 adic se presupune c anumite caracteristici ale populaiei sunt egale. Dac testul adoptat
pentru prelucrarea datelor experimentale demonstreaz c probabilitatea n favoarea ipotezei nule este foarte
mic, se conclude n probabilitatea existenei unei diferene ntre cele dou probe. Dac probabilitatea n
favoarea ipotezei nule nu este mai mare de
5 % se spune, c ntre cele dou populaii exist o diferen
semnificativ; dac probabilitatea este mai mic dect 1 % se conclude c exist o diferen distinct
semnificativ i n sfrit, dac probabilitatea este mai mic dect 0,01 %, diferena gsit este considerat
ca foarte semnificativ.
5.3. TESTE STATISTICE
Dup cum s-a apreciat anterior, acceptarea sau respingerea ipotezei lansate cu privire la o populaie
statistic, n urma observaiilor efectuate pe un eantion din ea, se face pe criterii furnizate de testele
statistice.
Nu eantionul randomizat extras din populaie este cel ce impune un test statistic, ci cercettorul,
care odat cu lansarea ipotezei fixeaz i testul statistic pentru interpretarea rezultatelor experimentului.
Pentru a putea fi corect utilizat, un test statistic trebuie s ndeplineasc cel puin dou condiii:
s aib o variabil aleatoare n funcie de valorile din prob;
s prezinte o valoare cu care s se compare valoarea calculat a statisticii testului ca i criteriu
de confirmare sau infirmare a ipotezei lansate.
Un test statistic este dependent de populaie i niciodat de eantionul extras n mod randomizat din
populaie.
Teste pentru eliminarea erorilor grosolane
Pentru c n procesul de prelevare al datelor obinute prin msurtori pot interveni abateri mari, ce
duc la erori grosolane, cauzate de variaii brute de exterior, care afecteaz n primul rnd parametri de
dispersie, se utilizeaz urmtoarele teste statistice pentru eliminarea lor: testul Pearson-Hartley; testul
Smirnov-Cochran; testul Grubbs i Romanovschi.
Teste ale concordanei repartiiilor
Pentru c n experiene se utilizeaz mai multe probe, prelevate din populaii prin diverse metode, se
pune problema concordanei repartiiilor, utilizndu-se n acest sens urmtoarele teste: testul Kolmogorov;
testul Pearson; testul Smirnov; testul Wilcoxon; testul semnelor; testul de simetrie, de heterogenitate, de
concordan a calitii.
Teste de omogenitate a mediilor
Aceste teste pun n eviden diferenele dintre valorile medii care n mod normal ntr-un experiment
sufer modificri mai mari sau mai mici, n funcie de tratamentele la care au fost supuse unitile
experimentale pentru a confirma sau infirma ipoteza. Cele mai cunoscute i utilizate teste din aceast grup
sunt: testul Student; testul Tukey; testul Duncan.
Teste de omogenitate a varianelor
Sunt testele care pot fi aplicate pentru dou sau mai multe eantioane. Dintre acestea enumerm:
testul Fisher, testul Hartley; testul Cochran; testul Romanovschi.
Teste pentru caracterele calitative
Din aceast grup de teste, cel mai utilizat i cunoscut este testul 2.
Pentru testele cele mai utilizate n interpretarea rezultatelor experimentale n zootehnie, vom reda n
continuare tehnica de calcul i interpretare.
43

5.3.1. Testul Student t


n tehnica experimental se pune problema comparrii mediilor - X - a dou sau mai multe probe
sau variante prin testarea diferenei d dintre acestea, a abaterii de la diferena adevrat existent ntre
mediile teoretice corespondente . Se poate stabili totodat dac dou sau mai multe probe fac parte din
aceeai populaie, sau din cadrul a dou populaii diferite. Statistic acest lucru se realizeaz prin acceptarea
sau respingerea ipotezei nule H0 -, potrivit creia se consider c anumite caracteristici ale populaiei sunt
egale; respectiv 1 = 2, iar 12 = 22 . tiind c parametrii i 2 sunt estimai prin X i s2,
nseamn c i X 1 = X 2, iar s 12 = s 22 .
Testul propriu-zis se efectueaz prin calcularea valorii lui u dup relaia:
=

X1 X 2
sd

n cazul n care numrul indivizilor din cele dou probe, respectiv (n 1 + n2) este sub 100 i ndeosebi
sub 30, se folosete testul t estimat prin formula:
^

d
X1 X 2
sau
s
sd
d

Abaterea standard a diferenei sd numit i eroarea mijlocie a diferenei, se calculeaz conform


urmtoarelor relaii:
- pentru probe cu un numr egal de valori individuale (n1 = n2)
sd =

s12 s 22
n

pentru probe cu un numr diferit de valori (n1 n2)


sd =

s12
s2
2
n1 n 2

n care: s 12 ; s 22 - reprezint variana primei probe, respectiv a celei de a doua probe.


n1 i n2 reprezint numrul de observaii sau variante.
Dac avem mai multe probe sau variante, putem compara media fiecrei variante cu celelalte, dup
modelul:

X1 X 3 d2
X 1 X 4 d3

X 2 X 3 d4

X2 X3 X4
3
X X3 X4
X2 1
3
X X2 X4
X3 1
3
X X2 X3
X4 1
3
X1

X 1 X 2 d1

sau

d1
d2
d3
d4

X 2 X 4 d5

X 3 X 4 d6

44

Modelul prezentat anterior se refer la o experien n care se urmrete efectul tratamentelor pe


patru loturi experimentale (sau variante experimentale).
^

Pe baza valorii lui , respectiv se face n final compararea i testarea semnificaiilor

diferenelor dintre probe, fiind stabilite urmtoarele grade de semnificaie, n urma respingerii ipotezei nule
H0.
Diferena este semnificativ ( p = 5 %) cnd u 1,96; distinct semnificativ (p = 1 %) cnd u 2,58
i foarte semnificativ (p = 0,1 %= cnd u 3,29.
n cazul cnd valoarea lui () calculat este mai mic dect limitele semnificaiei (u) pentru
diferite praguri (5 %; 1 % i 0,1 %) se accept ipoteza nul H0, considerndu-se c cele dou probe fac
parte din aceeai populaie.
Interpretarea n cazul testului t se face prin compararea valorii

calculat fr a ine seama de

semn
(+ sau -), cu valoarea tabelar t potrivit gradelor de libertate;
GL = (n1 + n2) 2 pentru diferite praguri se semnificaie
( 5 %; 1 %; 0,1 %). n cazul cnd valoarea
lui

calculat depete valoarea tabelar: t0,05 se respinge ipoteza nul i se concluzioneaz c diferenele

sunt semnificative, deci cele dou probe aparin la populaii diferite. De asemenea, diferenele pot fi distinct
semnificative cnd

>t0,01, iar cnd

t > t0,001 diferenele sunt foarte semnificative.

Exemplu:
S-au experimentat trei tratamente privind durata iluminatului: a 1 = 24 h; a2 = 12 h i a 3 = 8 h, asupra
produciei de ou la prepeliele japoneze (Coturnix-coturnix). Materialul biologic a fost reprezentat de 15
U.E. (indivizi), care au fost supuse n mod succesiv cte o perioad de 20 de zile, cu pauz de 10 zile ntre
ele, celor trei tratamente amintite mai sus.
Se pune problema dac ntre cele trei variante experimentale exist sau nu diferene asigurate
statistic, respectiv dac durata iluminatului este sau nu o cauz a diferenelor de producie obinute. Datele
obinute au fost ordonate pe variante (tratamente) i redate n tabelul 2.
n acest caz avem trei variante (loturi) reprezentate de cele trei tratamente, constituite fiecare din 15
U.E. (uniti experimentale).

Tabelul 2
Producia de ou pe 20 de zile la cele trei variante experimentale
Nr.crt.
1
2
3
4
5
6
7
8

Lotul (varianta, tratamentul)


a1 = 24 h
a2 = 12 h
a3 = 8 h
18
15
11
20
16
12
20
17
12
19
16
11
17
14
10
18
15
10
18
15
11
19
16
12

45

9
10
11
12
13
14
15
SX
X
S2
s

18
17
18
19
17
20
17
275
18,33
1,24
1,11

16
14
16
15
14
17
14
230
15,33
1,09
1,04

13
12
11
13
12
14
12
176
11,73
1,21
1,10

Testul t se va exprima prin formula:


^

d
X1 X 2
sau
sd
sd

- sd - n aceast relaie, innd cont de faptul c numrul de indivizi este egal n toate probele (variante,
loturi), se va calcula dup relaia:
sd =

s12 s 22
n

- s2 variana, se va calcula dup relaia:


2

s = Sx

GL

s12

s 22

s 32

5059

275 2
15

14

3542

14

2082

14

- s deviaia standard: s = s 2 ;
s1 = 1,24 1,11 ; s2 = 1,09 1,04 ; s3 =

GL

5059 5041,66 17,34

1,24
14
14

3542 3526,66 15,34

1,09
14
14

2082 2065,06 16,94

1,21
14
14

176 2
15

SX 2

230 2
15

SX 2

1,21 1,10 ;

46

Efectund calculele matematice conform formulei prezentate anterior, se obin pentru - sd


urmtoarele valori:
- pentru tratamentele a1 i a2, valoarea sd va fi urmtoarea:
1,24 1,09
= 0,39
15

sd 1 =

- pentru tratamentele a1 i a3, valoarea sd va fi urmtoarea:


1,24 1,21
= 0,40
15

sd 2 =

- pentru tratamentele a2 i a3, valoarea sd va fi urmtoarea:


1,09 1,21
= 0,39
15

sd 3 =
Diferenele dintre mediile tratamentelor:
a1 - a2 = 18,33 15,33 = 3,0 = d1
a1 - a3 = 18,33 11,73 = 6,6 = d2
a2 - a3 = 15,33 11,73 = 3,6 = d3
Valorile calculate ale lui
^

sunt urmtoarele:

d1
3

7,69 ;
s d 1 0,39
^

d2
6,6

16,5 ;
s d 2 0,40

d3
3,6

9,23
s d 3 0,39

Aceste date au fost ordonate n tabelul nr. 3.

Tabelul 3
Testarea diferenelor dintre medii prin testul t
Tratamentele
a1

n
15

X
18,33

s2
1,24

a2

15

15,33

1,09

a3

15

11,73

1,21

47

d
d1 = 3,0***
d2 = 6,6

***

d3 = 3,6***

sd

0,39

7,69

0,40

16,50

0,39

9,23

Comparnd valorile calculate ale lui -

t - cu valorile tabelare pentru cele trei praguri de semnificaie:

= 0,05; 0,01; 0,001 la gradele de libertate GL = (n1 + n2) 2; adic 28


t0,05 (28) = 2,048; t0,01 (28) = 2,763; t0,001 (28) = 3,674, concluzionm c: exist diferene statistice
foarte semnificative ntre varianta a1 i a2; ntre varianta a1 i a3 i ntre varianta a2 i a3 n ceea ce privete
producia de ou, diferene datorate tratamentelor diferite ce le-am aplicat.
5.3.2. Testul Fisher F sau testul varianelor
Analiza varianei reprezint procesul matematic de descompunere a varianei totale n componentele
ei. Altfel exprimat, analiza varianei reprezint procesul de descompunere a varianei totale n diferite
variaii, potrivit cauzelor care le provoac. Dup epuizarea tuturor posibilitilor de analiz dup criterii
obiective rmne un rest a crui cauzalitate nu se cunoate. Acest rest cade n sfera erorilor accidentale, din
care cauz variana acestui rest se numete variana erorii. Deoarece variana erorii nu mai poate fi
analizat, ea se folosete ca msur pentru examinarea semnificaiei celorlalte componente ale varianei. n
esen, analiza varianei const din descompunerea varianei totale n componenii asociai cu diferite surse
de variaie. Aceti componeni sunt apoi comparai ntre ei cu ajutorul testului Fisher F.
Dup cum tim, variana se obine mprind suma ptratelor abaterilor datelor individuale de la
medie la gradele de libertate.
s2 =

GL

Deoarece variana nu se bucur de proprieti aditive, adic nu poate fi combinat prin adunare, nici
descompus prin scdere, pentru efectuarea analizei varianei procedm la descompunerea sumei ptratelor
i a gradelor de libertate, care ambele se bucur de proprieti aditive.
Deci, tehnica analizei varianei const n descompunerea sumei ptratelor i a gradelor de libertate.
Fondul genetic, condiiile de mediu diferite, ca i diferitele tratamente aplicate ntr-un experiment, fac ca
probele luate din populaii s aib ntotdeauna valori diferite ale varianei. Variaia total poate fi considerat
ca rezultanta a dou surse diferite de variaie. Prima surs de variaie este constituit de diferenele care
exist ntre probe. O alt surs de variaie este constituit de diferenele care exist ntre indivizii care
constituie fiecare prob. Deci, variaia total rezult din dou surse de variaie: variaia ntre probe i variaia
n interiorul probelor. De aici tragem concluzia c i variana total poate fi descompus ntr-o varian
ntre probe i o varian n interiorul probelor, numit i variana erorii. Variaia n interiorul probelor
este intitulat adesea eroare.
Eroarea, n neles statistic, nu nseamn greeal, prin termenul de eroare trebuie s nelegem
variaii necontrolate, care scap de sub controlul cercettorului.
Analiza varianei presupune descompunerea sumei ptratelor abaterilor i a gradelor de libertate pe
componenii asociai cu diferite surse de variaie.
Modalitatea de descompunere prezentat anterior se refer la distribuia limitat la dou surse de
variaie. n tehnica experimental, experienele complex organizate, impun o analiz de detaliu pentru
descompunerea varianei totale n surse de variaie multiple, care pot fi sesizate n funcie de planul
experimental folosit.
Pentru testarea semnificaiei varianelor i pentru a putea testa ipoteza nul se calculeaz raportul:
^

Patratul mediu int re probe


Patratul mediu inauntrul probei

48

Se compar apoi valorile calculate ale lui

cu cele tabelare pentru gradele de libertate ale ptratului

mediu cel mai mare i ale ptratului mediu cel mai mic, la pragurile de semnificaie de: 0,05; 0,01 i 0,001;
F (GL1, GL2), unde:
GL1 grade de libertate pentru ptratul mediu cel mai mare;
GL2 grade de libertate pentru ptratul mediu cel mai mic.
Ordinea operaiilor n analiza de varian:
V.
Se calculeaz suma ptratelor datelor.
4) Se calculeaz coeficientul de corecie Cx.

Cx =

5) Se calculeaz suma ptratelor datelor individuale pe total experiment.


2
X total
= X 12 + X 22 + X 32 + . . . . X 2n

6) Se calculeaz suma ptratelor datelor individuale: ntre probe.


X

2
probe

X
1

n1

X
2

n2

. ..

nn

VI.
Se calculeaz suma ptratelor abaterilor pe total experiment i pe sursele de variaie.
d) Se calculeaz suma ptratelor abaterilor pe total experiment.
2
2
x total
= X total
- Cx

sau

2
x total
= (2) (1)

e) Se calculeaz suma ptratelor abaterilor ntre probe


2

x probe = X probe - Cx

sau x probe = (3) (1)

f) Se calculeaz suma ptratelor abaterilor nuntru probe sau ale erorii.


2
2
2
2
x eroare
= X total
- X probe sau x eroare
= (2) (3)
VII. Se stabilesc gradele de libertate.
a) GLtotal = N 1
N numrul de uniti experimentale pe total experiment
b) GLprobe = a 1
a numrul de probe (tratamente)
c) GLeroare = N a
Aa cum am mai artat, suma ptratelor abaterilor i gradele de libertate au proprieti aditive, n
consecin:
2
2
2
x total = x probe +x eroare , respectiv GLtotal = GLprobe + GLeroare
VIII.

Se efectueaz tabelul de analiz al varianei:


Tabelul 4
49

Sursa de variaie
Variaia total

GL

PM

Variaia ntre
probe

F PM ntre probe/

Variaia nuntru
probe (eroarea)

PM nuntru probe

* - indic locul unde vor exista valori


Exemplu:
ntr-un experiment s-a urmrit efectul nivelului diferit de protein din raie la dou grupe de scroafe
gestante, privind greutatea lotului de purcei la ftare. n ultimele 6 sptmni de gestaie, un lot a primit n
raie un nivel de protein de 12 %, iar cellalt lot de 18 %. Proba a fost extras randomizat dintr-o populaie
aparinnd rasei Landrace. Valorile realizate pe cele 20 de uniti experimentale sunt prezentate n tabelul
centralizator nr. 5.

Greutatea lotului de purcei la ftare la un grup de


(dup T. Oroian, 2002)
Nr.
crt.
1
2
3
4
5
6
7
8
9
10
SX
X
SX2

Tratamente
Lotul 1 12 % Lotul 2 18 %
proteine
proteine
9
10
9
9
8
8
7
10
8
11
9
12
8
9
8
8
7
9
7
10
80
96
8,0
9,6
646
936

Ordinea operaiilor:
I.
Se calculeaz suma ptratelor datelor.
1) Cx =

SX 2 176 2
N

20

30976
1548,80
20

2) SX total = 92 + 92 + . . . 92 + 102 = 1582,00


3)SX

2
int re tratamente

SX 1 2 SX 2 2
n1

n2

80 2 96 2

= 1561,60
10
10

50

Tabelul 5
20 scroafe din rasa Landrace
Total

176
8,8
1582

II.

Se calculeaz suma ptratelor abaterilor.

2
d) Sx total
= (2) (1) = 1582,00 1548,80 = 33,20
2
e) Sx tratamente = (3) (1) = 1561,60 1548,80 = 12,80
2
f) Sx eroare
= (2) (3) = 1582,00 1561,60 = 20,40
Cheie de verificare: a = b + c ; 33,20 = 12,80 + 20,40
Sx2 are proprieti aditive.

III.

Se estimeaz gradele de libertate.

a) GLtotal = N 1; 20 1 = 19
b) GLtratamente = a 1; 2 1 = 1
c) GLeroare = N a; 20 2 = 18
Cheie de verificare: a = b + c ; 19 = 1 + 18
GL au proprieti aditive
IV.

Tabelul de analiz a varianei


Tabelul 6
Sursa de variaie
Variaia total

Sx

33,20

GL

PM

19

F
^

Variaia ntre
tratamente

12,80

Variaia nuntru
tratamente
(eroarea)

20,40

12,80

= 12,80/1,13
= 11,32**

Se compar valoarea calculat a lui -

18

1,13

- 11,32, cu valorile tabelare ale lui F:

F0,05 (1,18) = 4,41; F0,01 (1,18) = 8,29; F0,001 (1,18) =15,4;


Pentru c valoarea calculat a depit valorile tabelare pentru pragul de semnificaie = 0,01,
concluzionm c: diferenele de tratament (nivel diferit de protein n raie) au determinat diferene distinct
semnificative ntre loturi n ceea ce privete greutatea lotului de purcei la ftare.

5.3.3. Testul Tukey


Pentru a putea s testm toate diferenele posibile dintre perechile de medii ale probelor, se folosete
testul Tukey. El const din calcularea valorii:
W = q (p; n2) s x , n care:
q se obine din valorile teoretice ale amplitudinii studientizate pentru: = 0,05 sau = 0,01;
p este numrul mediilor probelor;
n2 numrul gradelor de libertate ale erorii;
51

sx

s2
r

este dat de formula: s x =

n care:

s2 este ptratul mediu al erorii;


r numrul de observaii dintr-o prob.
Exemplu:
Dac lum n considerare informaiile din experiena care a vizat producia de ou la prepeliele
japoneze n funcie de durata iluminatului, putem testa simultan diferenele dintre cele trei medii.
Cx =

SX 2 681 2
N

45

463.761
10305,80
45

Sx total = SX total - Cx = 10.683 10.305,80 = 377,20


2
Sx tratamente
=

275 2 230 2 176 2

- 10305,80 = 327,58
15
15
15

Analiza varianei produciei de ou la prepeliele japoneze


Tabelul 7
Sursa de
variaie

Sx

Total

377,20

GL

PM

44

Tratamente

327,58

163,79

Eroarea

49,62

42

1,18

Valoarea observat a lui

F
^

= 163,79/1,18 = 138,80
-

depete valoarea tabelar - F = 0,01 (2; 42) = 5,18, aa c se poate

trage concluzia c durata luminii influeneaz n mod semnificativ producia de ou. Testul F nu ne spune
ns care diferene sunt semnificative, pentru a gsi rspunsul, aplicm testul Tukey.
W = q=0,01 (p; n2) s x , n care:
p este numrul mediilor probelor = 3;
n2 numrul gradelor de libertate ale erorii = 42;
q =0,01 (3; 42) = 4,31
Ptratul mediu al erorii s2 = 1,18;
Nr. de observaii dintr-o prob r = 15
sx

de unde: W = 4,31

s2
=
r

1,18
= 0,280
15

0,280 = 1,206

Diferenele dintre medii se calculeaz aeznd mediile ntr-un tabel, n ordine crescnd, n rndul de
sus i n ordine descrescnd n coloana din stnga (tabelul 8):
Tabelul 8
Diferenele dintre mediile datelor
X

24
12

18,33
15,33

8
11,73
6,60
3,60

12
15,33
3,00
-

24
18,33
52

1,73

Orice diferen dintre dou medii care depete valoarea W = 1,206, este semnificativ pentru
nivelul de probabilitate de: 0,01.
n cazul n care probele sunt inegale ca urmare a pierderii de uniti experimentale; se folosete
acelai model matematic pentru stabilirea valorii lui W, dar n loc de s x se ia n calcul deviaia standard
s: W = q (p; n2) s , pentru orice comparaie dintre dou medii se nmulete valoarea lui - W cu
ecuaia: 1 / 2 1 / ri 1 / r j , unde: ri i rj - reprezint numrul de observaii sau uniti experimentale din
tratamentele (probele) pe care dorim s le comparm.
5.4. REGRESIA
Regresia se utilizeaz pentru a arta dac o variabil este dependent de o alt variabil. Vorbim
despre regresie cnd se consider c una din variabile Y este dependent fa de cealalt variabil X
i determin msura cu care crete sau descrete n medie variabila dependent la o cretere sau descretere
cu o unitate a variabilei independente.
Din analiza a dou variabile X i Y este important s se cunoasc dac sunt sau nu sunt
independente ntre ele.
Cnd variabila Y are aceeai valoare, oricare ar fi valoarea variabilei X i invers, se spune c
cele dou variabile
- X, Y- sunt independente. Dac variabila X este considerat independent, iar
Y o variabil cantitativ dependent de X, atunci la o valoare - Xi a variabilei independente, corespunde
o populaie de valori Yi cu o medie - Yi - ale variabilei dependente. Mediile populaiilor de valori Y
corespunztoare fiecrei valori X se dispun grafic pe o dreapt cu o nclinare mai mare sau mai mic fa
de dreapta mediei generale a Y-lor. Aceast dreapt se numete linia de regresie a Y-lor fa de X-i - iar
nclinarea ei fa de axa X-lor poart numele de coeficient de regresie a Y-lor fa de X-i, sau panta liniei
de regresie.
Din punct de vedere statistic, regresia se poate defini ca o valoare ce arat cantitatea cu care se
modific n medie o variabil cnd cealalt variabil se modific cu o unitate. Lucrul acesta se poate
exemplifica n cazul evoluiei greutii corporale a tineretului din cadrul oricrei specii, fa de vrsta n luni.
Regresia n acest caz, este dat de cantitatea cu care crete media greutii corporale pentru fiecare lun de
vrst n plus.
Folosirea regresiei are aplicare larg pentru:
stabilirea relaiilor de dependen ntre dou variabile i exprim n valori aceast
dependen;
pentru prezicerea, prognozarea valorilor lui Y pe baza valorilor X-lor;
micoreaz variana erorii Y-lor, cu partea datorat regresiei Y-lor fa de - X;
n zootehnie, are aplicabilitate pentru: calcularea heritabilitii, a repetabilitii, a valorii de
ameliorare, a indicelui de selecie;
n medicina veterinar, la stabilirea relaiei doz-efect.
Cercettorul este cel care consider n mod arbitrar o variabil ca dependent, iar cealalt ca
independent, n funcie de scopul urmrit. n general, ca variabil independent se consider cea care se
poate msura mai uor, sau prezint n cercetare o importan mai mare.
Atunci cnd valorile Y depind de variabila X (Y dependent de X), atunci valoarea medie a
lui Y variaz n funcie de valorile pe care le ia X. n concluzie, media valorii Y este n funcie de
valoarea X i se exprim prin ecuaia regresiei lui Y fa de X:
yx = f (x) , n care: yx este valoarea medie a lui -Y considerat pentru populaie.
Cnd linia de regresie are forma unei drepte, ea este definit prin dou valori, spre deosebire de
medie, care este exprimat printr-o singur valoare, deoarece dreapta este definit printr-o ecuaie de gradul
-I.
53

Y = + X, n care: - i sunt constante i parametri ai populaiei. Concretiznd la o prob sau


eantion, ecuaia liniei de regresie va fi: = a + by, unde:
este valoarea estimat care se gsete pe linia de regresie corespunztoare unei valori X;
a termen constant care fixeaz nlimea liniei de regresie fa de axa absciselor;
b coeficient de regresie liniar a lui Y fa de X;
Dac dou drepte care difer numai prin constanta a au aceeai pant, dar sunt situate la nlimi
diferite, ele sunt prin urmare paralele (fig. 3).
Dac a este acelai, dar b este diferit, panta de nclinaie sau unghiul pe care-l face acesta cu
axa absciselor este diferit (fig. 4 ).

Y
4

b2 = 0,45

3
2

b1 = 0,45

1
0

4
X

Fig. 3. Regresia liniar. Dou drepte de regresie cu aceeai pant:


=2

b = 0,45, dar cu termeni constani diferii a 1 =1; a2

Y
4

b2 = 0,85

b1 = 0,45

2
1
0

4
X

Fig. 4. Regresia liniar. Dou drepte de regresie cu acelai termen constant: a =2, dar cu pante diferite: b 1 = 0,45; b2 = 0,85.

Dreapta de regresie trece ntotdeauna prin punctul de intersecie al coordonatelor mediilor - X - i Y

Ea are urmtoarele dou proprieti principale: suma abaterilor de la dreapta de regresie este egal cu
zero i suma ptratelor abaterilor de la dreapta de regresie este minim.
Pentru calculul coeficientului de regresie este necesar stabilirea urmtoarelor valori:
n numrul de perechi de observaii;
X - media variabilei independente;
Y - media variabilei dependente;
54

Sx2 suma ptratelor abaterilor variabilei X -, deci


S (X - X ) 2 ;
Sy2 suma ptratelor abaterilor variabilei Y -, deci S (Y - Y ) 2 ;
Sxy suma produselor abaterilor valorilor X de la media - X - i a abaterilor Y de la media S (X - X )(Y - Y ).
Y -, adic
Suma produselor abaterilor Sxy mprit la GL d un produs mediu, sau covariana.
Sxy
GL

Cov =

Suma ptratelor abaterilor mprit la GL d ptratul mediu, sau variana.


s2 =

Sx 2
GL

Coeficientul de regresie b este raportul dintre covarian i variana variabilei independente:


Sxy
cov arianta n 1 Sxy

b=
var ianta
Sx 2
Sx 2
n 1

Coeficientul de regresie b msoar cantitatea medie cu care crete variabila dependent Y


cnd variabila independent X crete cu o unitate, sau cantitatea cu care descrete variabila dependent
Y cnd variabila X descrete cu o unitate.
De aici rezult c valorile coeficientului de regresie pot fi pozitive sau negative.
Exemplu de calcul al coeficientului de regresie
(dup E. Negruiu, A. Petre, N. Pipernea, 1969).
S-au studiat greutile corporale la tineretul taurin mascul din rasa Jersey de la natere la 6 luni.
Se pune problema stabilirii coeficientului de regresie a variabilei dependente Y- greutatea corporal
fa de variabila independent X vrsta n luni.
Pentru stabilirea valorilor necesare aplicrii formulei:
Sxy
b=
Sx 2
se ntocmete tabelul de calcul, din care s rezulte elementele necesare evidenierii coeficientului de regresie
dintre cele dou variabile Y i X -, greutatea corporal, respectiv vrsta n luni (tabelul 9).

Tabelul 9
Ordonarea i calculul datelor pentru stabilirea coeficientului de regresie
X
0
1
2

Y
21,1
41,8
63,3

X2
0
1
4

Y2
445,21
1747,24
4006,89

55

XY
0
41,8
126,6

3
4
5
6
SX =
21

Sx 2 SX 2

Sy 2 SY 2

SX 2
n

SY 2
n

Sxy SXY

de unde: b =

78,8
112,4
136,2
158,1

9
16
25
36

6209,44
12633,76
18550,44
24995,61

236,4
449,6
681,0
948,6

SY = 611,7

SX2 = 91

SY2 = 68588,59

SXY = 2484,0

91

212
28,0
7

68.588,59

611,7 2
15.134,75
7

SX SY
21 611,7
2484,0
648,90
n
7

Sxy 648,90

23,175 kg
28,0
Sx 2

Rezult c greutatea corporal a tineretului taurin studiat crete n medie cu 23,175 kg pentru fiecare
lun de vrst n plus. nseamn c variabila independent X vrsta n luni pentru fiecare cretere cu o
unitate (o lun), modific valoarea variabilei dependente Y greutatea corporal, cu 23,175 kg.
Coeficientul de regresie se utilizeaz n analizarea rezultatelor unor cercetri privind:
- variaia greutii corporale a noilor-nscui n funcie de mrimea cuibului (se preteaz pentru
speciile cu un numr mare de produi la o ftare; speciile prolifice);
- pierderea n greutate a oulor n funcie de ziua de incubaie;
- coninutul n aminoacizi, n glucide, n lipide la 2 sau mai multe probe.
5.5. CORELAIA
n studiul regresiei a rezultat c cele dou variabile comparate X i Y aveau caracteristici diferite:
variabila
X independent, fix, aleas de cercettor (vrsta n luni), iar variabila Y dependent,
dar ntmpltoare, sau randomizat (greutatea corporal). n multe cazuri ns, perechile de date de msur
sunt randomizate, adic att valorile variabilei Y ct i cele ale variabilei X sunt valori randomizate,
ca de exemplu producia de lapte i procentul de grsime, talia i greutatea corporal. n asemenea cazuri,
extragerea de probe se face dintr-o populaie cu o distribuie bivariat. Aceste populaii bivariate se
2
caracterizeaz, pe lng parametri cunoscui: x; y; 2x ; y (mediile i variana celor dou variabile) prin
nc un parametru 2 care msoar corelaia dintre variabilele X i Y i se numete coeficient de
determinare.
Rdcina ptrat din coeficientul de determinare, 2 = , se numete coeficient de corelaie.

n consecin, o prob extras dintr-o populaie bivariat se caracterizeaz prin urmtorii statistici:
2
2
2
2
2
X , Y , s x , s y i r . Statisticul - r este o estimat a parametrului - -, iar r este o estimat a
parametrului (ro).
n extragerea de probe dintr-o astfel de populaie cu distribuie bivariat, o observaie const dintr-o
pereche de date. Deoarece nu se poate spune care dintre variabile este dependent i care independent, ntre
ele stabilindu-se o relaie de dependen reciproc, vor trebui calculate dou drepte de regresie, dup cum se
consider o variabil ca dependent i cealalt ca independent. Deoarece ambele variabile sunt
56

randomizate, valoarea statisticului r (coeficientul de corelaie) va fi influenat att de variaia lui X


ct i de variaia lui Y.
Corelaiile exprim o legtur sau gradul de concordan dintre valorile fenotipice a dou caractere
X i Y- (n cazul corelaiei fenotipice) legtura dintre valorile de ameliorare a dou caractere (n cazul
corelaiilor genetice) sau legtura dintre deviaiile provocate de mediu a celor dou caractere (n cazul
corelaiilor de mediu).
Din aceast form de definire a corelaiilor se desprinde o prim posibilitate de clasificare a lor:
corelaii fenotipice exprimate prin coeficientul de corelaie fenotipic - rP ; corelaii genetice - rG ;
xy

xy

corelaii de mediu - rE .
O alt clasificare, n funcie de sens sau dup semn, mparte corelaiile n: corelaii pozitive i
corelaii negative.
Dup intensitatea lor, corelaiile se mpart n: corelaii slabe r ia valori mai mici de 0,2; corelaii
mijlocii r ia valori ntre 0,2 0,5; corelaii intense r ia valori mai mari de 0,5. Coeficientul de
corelaie poate lua valori cuprinse ntre -1 i +1, nefiind exclus valoarea 0.
Cnd avem corelaii pozitive sau negative ntre dou caractere, nseamn c aceste caractere sunt
controlate mai mult sau mai puin de acelai set de gene. Cnd avem valoarea zero a coeficientului de
corelaie, nseamn c cele dou caractere sunt determinate de seturi diferite de gene.
Exemplu de estimare a coeficienilor de corelaie fenotipic, genetic i mediu (dup A. Vlaic, T.
Oroian, 2002).
S se estimeze corelaiile dintre cantitatea de ln obinut la tundere (nsuirea, caracterul, variabila
X -) i lungimea uviei (nsuirea, caracterul, variabila Y -) pe baza observaiilor efectuate pe trei familii
de semisurori paterne din rasa Corriedale.
Tabelul 10
Ordonarea i calculul datelor pentru stabilirea coeficientului de corelaie
xy

Familia de
semisurori
A
B
C
Total

SX

SY

SX2

SY2

SXY

5
5
7
17

16,2
17,9
27,3
61,4

60
66
91
217

52,74
65,31
110,31
228,36

724
874
1187
2785

195,10
237,70
357,80
790,60

Coeficientul de corelaie fenotipic este mai simplu de calculat pentru c nu presupune efectuarea
unei analize de varian sau covarian.

rPxy =

Cov Pxy
VPx V P y

Sxy
GL

Sx 2 Sy 2

GL GL

Sxy
Sx 2 Sy 2

rPxy - coeficientul de corelaie fenotipic dintre variabilele X i Y;


CovPxy - covariana dintre cele dou caractere;

V Px i V P - variana fenotipic a caracterelor X i Y;


y

Sxy suma produselor abaterilor Sxy = SXY Sx2 i Sy2 suma ptratelor abaterilor :
Sx2 = SX2 -

SX SY
N

SX 2 ; Sy2 = SY2 - SY 2 ;
N

57

Sxy = SXYT -

61,4 217
SX T SYT
6,84
= 790,60 17
N

Sx2 = SX T2 -

Sy2 = SY T2 -

rPxy =

SX T 2
N

SYT 2
N
Sxy

Sx Sy
2

61,4
228,36
6,59
17
217 2
2785,0
15,05
17

6,84
6,59 15,05

0,69

ntre cantitatea de ln (variabila X) i lungimea uviei (variabila Y) n populaia studiat exist o


corelaie pozitiv i intens, ceea ce nseamn c efectund selecia dup o singur nsuire, aceasta va
atrage dup sine modificarea n acelai sens a valorilor fenotipice la cealalt nsuire.

Estimarea coeficienilor de corelaie genetic i de mediu


Estimarea coeficientului de corelaie genetic r G i de mediu r E se bazeaz pe o analiz
combinat de varian i covarian n vederea obinerii componenilor observaionali ai varianelor lui X
2
2
2
2
i Y (s I x ; s i x s I ; s i ) i covarianei (Cov I ; Cov i ), pe baza acestora se vor estima componenii
cauzali care intr n formula de calcul a coeficientului de corelaie.
xy

xy

xy

xy

Componenii cauzali sunt urmtorii:


V Ax ; V A - variana genetic;
V E x ; V E - variana de mediu;
y

Cov Axy - covariana genetic;


Cov E xy - covariana de mediu.

Ordinea operaiilor const n:

efectuarea unei analize de varian pentru nsuirea X;


efectuarea unei analize de varian pentru nsuirea Y;
efectuarea unei analize de covarian pentru cele dou nsuiri X i Y;

Analiza de varian pentru nsuirea X cantitatea de ln.


II.
Se calculeaz suma ptratelor abaterilor (SP) pentru cele dou surse de variaie (ntre tai sau
interfamilii - SP I i ntre descendeni sau intrafamilii - SP i ).

58

SPI

SPi

SX A 2 SX B 2 SX C 2 SX T 2

nA

16,2 2 17,9

5
5

nB
2

nC
2

27,3
61,4

7
17

N
2

1,278

SPi SPA SPB SPC

SX A 2

SPA SX A2

nA

SPB SX
2
B

SPC SX
2
C

52,74

SX B 2

17,9
65,31
1,288
5

nB

SX C 2
nC

16,2
0,252
5

27,3
110,31
3,840
7

SPi 0,252 1,288 3,840 5,320

II. Calculm media ptratelor abaterilor MP:


MPI
MPi

SPI 1,278 1,278

0,639
i 1 3 1
2

SPi
5320

0,38 ; i = numrul de familii de SF.


N i
14

III. Calculm varianele (componenii observaionali)


Variana ntre tai (interfamilii):
s I2

MPI MPi 0,639 0,380

0,045
N
17
i
3

Variana ntre descendeni (intrafamilii)


s i2 MPi 0,380

Variana total
sT2 s I2 s i2 0,045 0,380 0,425

Calculm variana genetic aditiv


V A 4 s I2 4 0,045 0,18
Analiza de varian pentru nsuirea Y lungimea uviei
I. Se calculeaz suma ptratelor abaterilor (SP) pentru cele dou surse de variaie (ntre tai sau
interfamilii - SP I i ntre descendeni sau intrafamilii - SP i ).
SPI

SY A 2 SYB 2 SYC 2 SYT 2


nA

nB

59

nC

SPI

60 2 66
91
217

5
5
7
17

4,259

SPi SPA SPB SPC

SPA SY A2
SPB SY
2
B

SPC SY
2
C

SY A 2
nA

SYB 2

724

60
4,00
5
2

nB

66
874
2,80
5

nC

91
187
4,00
7

SYC 2

SPi 4,00 2,80 4,00 10,80

II. Calculm media ptratelor abaterilor MP:


MPI
MPi

SPI
4,252

2,13
i 1
2

SPi
10,80

0,771
N i
14

III. Calculm varianele (componenii observaionali)


MPI MPi 2,13 0,771

0,24
N
17
i
3
s i2 MPi 0,771
s I2

Variana total
sT2 s I2 si2 0,24 0,771 1,011

Calculm variana genetic aditiv


V A 4 s I2 4 0,24 0,96

Analiza covarianei celor dou caractere


I.Calculm suma produselor abaterilor SPr pentru cele dou surse de variaie.
S PrI xy

S PrI xy

SX A SY A
nA

SX B SYB SX C SYC SX T SYT

nB
nC
N

16,2 60 17,9 66 27,3 91 61,4 217

1,828
5
5
7
17
S Prixy S Pr A S PrB S PrC

60

SX A SY A
16,20 60
195,10
0,70
nA
5
SX B SYB
17,90 66
S PrB SXYB
237,70
1,42
nB
5
SX C SYC
27,30 91
S PrC SXYC
357,80
2,90
nC
7
S Pri 0,70 1,42 2,90 5,02

S Pr A SXY A

xy

II.Calculm media produselor abaterilor pentru cele dou surse de variaie


M PrI xy

S PrI xy
i 1

S Prixy

1,828
0,914
3 1

5,02
0,358
N i 17 3
III.Calculm covarianele (componenii observaionali)
covariana ntre tai (interfamilii)
M Prixy

Cov I xy

M PrI xy M Pri xy

0,914 0,358
0,098
17
3

N
i
covariana ntre descendeni (intrafamilii)
Cov i M Pri 0,358
xy

xy

CovT Cov I xy Covi 0,098 0,358 0,456

calculul covarianei genetice aditive

Cov Axy 4 Cov I xy 4 0,098 0,39

calculul coeficientului de corelaie genetic


rGxy

Cov Axy
V Ax V Ay

0,39
0,18 0,096

0,93

Acest coeficient de corelaie genetic red legtura care exist ntre valorile de ameliorare a celor
dou caractere. Rezult c sistemele genice comune celor dou caractere au acelai sens de aciune,
determinnd modificarea n acelai sens a valorilor de ameliorare a celor dou caractere.
calculul coeficientului corelaiei de mediu
rExy

Cov Exy
V Ex V Ey

Cov ixy 2 Cov Ixy


2
s ix2 2 s Ix

2
s iy2 2 s Iy

0,358 2 0,098
0,38 2 0,045

0,771 2 0,24

0,162
0,560
0,289

Aceast valoare de 0,56 a coeficientului de corelaie ne arat c ntre cantitatea de ln i lungimea


uviei exist o corelaie de mediu pozitiv i intens, ceea ce nseamn c factorii de mediu determin
modificarea n acelai sens a valorilor fenotipice a celor dou caractere.
61

Testarea semnificaiei coeficientului de corelaie


Testarea semnificaiei coeficientului de corelaie se poate face prin intermediul testului t, utiliznd
urmtorul statistic:
t r

n2
, la (n-2 ) grade de libertate
1 r 2

Pentru exemplul anterior, n care r Gxy = 0,93 i n = 17, folosind ecuaia t r


t 0,93

n2
, obinem:
1 r 2

17 2
9,76 .
1 0,93 2

Folosind tabelul distribuiei variabilei t a lui Student, constatm c valoarea calculat de noi pentru
t este mai mare dect valoarea tabelar a lui t pentru pragul de 0,001, ca urmare, ipoteza nul H 0 va fi
respins.

62

CAPITOLUL 6
PLANIFICAREA CERCETRII
6.1. CERCETAREA BIBLIOGRAFIC
Este o certitudine faptul c o cercetare se nate din existena i sesizarea unei probleme din literatura
de specialitate sau din practic care se cere clarificat i rezolvat. Documentarea la problema dat este o
etap foarte important n cercetare, ea constituie punctul de plecare n studiul unor aspecte necunoscute sau
incomplet elucidate. Cunoaterea rezultatelor obinute ntr-un anumit domeniu permite proiectarea corect a
unei experiene i totodat poate stabili precis scopul cercetrilor.
Pe baza datelor bibliografice se poate stabili o sintez la zi cu toate cunotinele n problema
respectiv. A cunoate mult nseamn a studia mult, a fi bine informat. Orice cercetare, n orice domeniu,
ncepe cu formularea ipotezei. Indiferent dac aceasta este rezultatul intuiiei cercettorului sau observaiei
statistico-matematice, ea se sprijin pe adevruri. Att intuiia, ct i observaia, sunt consecine ale
cunoaterii unor adevruri precedente. n cunoaterea acestor adevruri precedente, un rol important revine
documentrii sau cercetrii bibliografice. n concluzie, prima etap a oricrui experiment este cercetarea
(documentarea) bibliografic.
Fiecare cercettor trebuie s cunoasc care este stadiul cercetrilor la tema sau experiena pe care o
abordeaz i aceast cunoatere se poate dobndi numai printr-o documentare temeinic i aprofundat a
bibliografiei tiinifice de specialitate, n biblioteci i pe internet.
Scopul cercetrii bibliografice:
scopul principal al documentrii bibliografice l constituie, cunoaterea rezultatelor
cercetrilor anterioare n domeniul problemei sau ipotezei lansate;
cunoaterea stadiului unor cercetri contemporane care abordeaz aceeai tem sau teme
tangente.
6.1.1. Necesitatea cercetrii bibliografice
Cercetarea bibliografic este imperios necesar a se efectua:
pentru verificarea unor rezultate anterioare n alte condiii dect cele n care ele s-au obinut;
pentru formularea corect a ipotezei (cauza probabil a fenomenului), etap esenial n descoperirea
unui adevr tiinific;
Ignorarea contribuiilor anterioare la tema pe care un cercettor i-o propune, conduce la unele
situaii neplcute din punct de vedere profesional i anume: - repetarea penibil att din punct de vedere
economic, ct mai ales moral, a unor cercetri care conduc la nite concluzii deja cunoscute. Omiterea
contribuiei predecesorilor, la problematica abordat, poate conduce la erori.
Studiul aprofundat i la zi a bibliografiei de specialitate d o viziune de ansamblu asupra problemei
care face obiectul cercetrii, din care trebuie s se desprind motivat scopul i necesitatea cercetrilor n
domeniul respectiv. Fa de explozia informaional existent azi n lume, operaiunea de cercetare
bibliografic nu este deloc uoar, dar exist posibiliti pentru organizarea documentrii bibliografice.
Organizarea bibliotecilor pe domenii de probleme, existena periodicelor, posibilitatea utilizrii
calculatoarelor conectate la surse de informaii, existena schimburilor informaionale la nivel naional i
internaional, dau practic posibilitatea informrii nengrdite. Pentru a putea dispune i selecta informaiile
utile de care avem nevoie, din multitudinea de surse bibliografice, trebuie cunoscut i modul clasic de a
aduna i clasa materialul bibliografic.
6.1.2. Modul de redactare a fielor bibliografice

63

Referitor la documentare, trebuie menionat c fiecare cercettor trebuie s aib un sistem personal
de fiier bibliografic n care poate trece date utile pentru referiri ulterioare. Acest sistem de catalogare a
datelor tiinifice se poate face prin intermediul fielor bibliografice, care se in la zi i se ntocmesc pe baza
lucrrilor consultate i unde se trec anumite informaii, cum ar fi: autorii i titlul lucrrii, denumirea revistei
sau a volumului de lucrri tiinifice, a tratatului, numrul revistei, editura, anul apariiei, localitatea, ara i
pagina, iar n continuare se noteaz modul de organizare a experienelor, tehnica experimental aplicat,
rezultatele obinute, concluziile i propunerile fcute.
Fiele bibliografice trebuie s fie adunate i ordonate n funcie de subiectele principale i ntr-un
index de autori n ordine alfabetic. n practica curent se lucreaz cu trei tipuri de fie bibliografice:
fia de referin bibliografic;
fia de extras bibliografic;
fia de trimitere bibliografic.
Fia de referin bibliografic: se ntocmete pentru un volum, un articol, sau orice alt material
bibliografic cercetat.
Fia bibliografic pentru un volum cuprinde: numele autorului sau autorilor, titlul crii, locul
apariiei, numele editurii, anul apariiei, numrul de pagini.
Fia bibliografic pentru un articol aprut ntr-un periodic, cuprinde: numele autorului sau a
autorilor articolului, titlul articolului, numele revistei sau al periodicului n care a fost publicat articolul, anul
de apariie al publicaiei, numrul paginii la care ncepe articolul i numrul paginii la care se termin.
Modul de ntocmire a fiei de referin bibliografic presupune respectarea unor principii.
n stnga sus se trece:
- numele i prenumele autorului;
- titlul volumului sau articolului se noteaz n ntregime i se subliniaz. Dac este scris ntr-o
limb strin, se trece ca atare, eventual ntre paranteze drepte se face traducerea lui;
- fia pentru volum se completeaz dup foaia de titlu;
- ntre diferitele indicaii din fie se folosete virgula, iar la sfrit punctul.
Tudor Drugan, Andrei Achima, tefan igan
Biostatistic
Cluj-Napoca, Ed. Srima, 2005, 373 pag.
Fig. 5. Fia de referin bibliografic pentru volum

Bud Ioan
Animalele de companie
Rev. Fermierul, 1998, nr. 7, p. 48-50.
Fig. 6. Fia de referin bibliografic pentru articol
dintr-o revist

Fia de extras bibliografic cuprinde: idei, citate, extrase din lucrrile parcurse de cercettori n
vederea informrii pentru problematica abordat.
Principii de care trebuie s se in seama n ntocmirea unei astfel de fie:
- nu se vor nota dou idei diferite pe aceeai fi;
- n colul din stnga sus se va nota foarte pe scurt o idee care s sugereze cuprinsul, coninutul
lucrrii;
- n continuare, ntre paranteze, se face trimitere la lucrarea de unde a fost extras materialul, cu
indicarea exact a paginii, titlul, autorul.
Calciu - n hrana hibrizilor de gin pentru carne
[Rolul mineralelor n hrana psrilor]
Popescu Ioan, Ed. Ceres, Bucureti, 1984, pag.
64
112-120.

Fig. 7. Fia de extras bibliografic

Fia de trimitere bibliografic. Acest tip de fi nu cuprinde dect denumirea unei probleme care se
noteaz n stnga sus i trimiterea vezi . . .
- Calciu vezi, Rolul mineralelor n hrana psrilor,
Popescu Ioan, Ed. Ceres, Bucureti, 1984, pag.
112-120.
Fig. 8. Fi de trimitere bibliografic

Dup epuizarea surselor bibliografice de care dispune un cercettor, pentru domeniul n care dorete
s efectueze experiena i dup observaiile efectuate asupra fenomenului, el trebuie s fie capabil s emit
ipoteza sau cauza probabil a fenomenului observat n mod empiric sau statistico-matematic. Lansarea
ipotezei i corectitudinea ei trebuie s duc, dup finalizarea experimentului, la adevrul tiinific.
Sistematizarea rezultatelor menionate n diferite lucrri tiinifice consultate se face cu scopul de a
servi drept punct de pornire pentru noi cercetri, pentru noi experiene. Trebuie subliniat faptul c nici o
tem de cercetare, proiect, nu ajunge s fie epuizat vreodat complet i definitiv.
6.2. TERMENI UZUALI FOLOSII N CERCETAREA EXPERIMENTAL
Experiena este un procedeu tiinific i const n provocarea intenionat, a unor fenomene
biologice i tehnice n condiiile cele mai propice, pentru studierea lor i a legilor care le guverneaz.
Experiena poate fi definit ca ansamblu de mijloace i tratamente incluse n mod voit de ctre cercettor n
cadrul unor loturi sau variante, pentru stabilirea efectelor i cauzelor determinate sau influenate de aceste
tratamente. Experiena este deci un sistem organizat de preluare a datelor care se introduc n dispozitiv,
pentru a vedea nu numai efectele, ci a putea nominaliza i cauzele care duc la efecte. A experimenta
nseamn a examina cu atenie, a observa, a investiga, a se informa n vederea descoperirii i punerii n
eviden a noi cunotine, legi, fenomene, procese sau pentru verificarea acestora prin modaliti i tehnici
specifice.
Dispozitivul experimental este ansamblul de localizri referitoare la materializarea (punerea n
execuie) a experienei prin: animale, loturi, variante, condiii, factori, metode. Dispozitivul experimental
este o noiune mai larg dect experimentul, el materializnd experiena n cadrul de execuie.
Factorul este acel element al cercetrii al crui efect se urmrete n studiul respectiv, asupra unui
caracter dat. Factorul reprezint toat seria de elemente de aceeai natur ce pot fi comparate n cuprinsul
unei experiene.
Exemple de factori: factorul temperatur; factorul lumin; factorul protein brut n raie; factorul
calciu n raie; factorul ras; factorul sex etc.
Nivelul unui factor reprezint tratamentele nrudite ale aceluiai factor. Temperatura de 15 C, de
18 C, de 20 C, reprezint trei nivele ale factorului temperatur. Rasele: Blat romneasc, Roie danez,
Holstein, reprezint nivele ale factorului ras etc.
Varianta experimental este sistemul de organizare al fiecrui nivel, al fiecrui factor. Variantele
sunt reprezentate de gradurile factorilor experimentali urmrii. Dac ntr-o experien pe porci se va urmri
evoluia sporului zilnic de cretere n greutate la trei structuri hibride (exemplu: Landrace x Marele Alb;
Landrace x Duroc; Landrace x Hampshire) experiena respectiv va fi o experien monofactorial, pentru
c avem un singur factor: hibridul (structura genetic) cu trei nivele. Numrul variantelor experimentale n
acest caz este egal cu trei. Dac dorim s comparm performana celor trei hibrizi pe trei nivele de furajare
diferit (raii cu trei nivele de protein diferit: 18 %; 19 %; 20 %), vom avea o experien cu doi factori
(bifactorial). Factorul A- fiind hibridul (structura genetic) cu trei nivele. Factorul B- raia furajer cu
65

trei nivele. Numrul de variante ntr-o astfel de experien va fi egal cu nou. O astfel de experien se
noteaz de forma (3 x 3), ceea ce arat c este vorba de o experien cu doi factori, iar fiecare factor este
reprezentat de trei nivele. Alt exemplu este experiena de tipul: (2 x 2 x 3), n acest caz este vorba de o
experien unde sunt urmrii trei factori. Factorul A- are dou nivele, factorul B- dou nivele, iar factorul
C- trei nivele. Variantele experimentale sunt n aceast situaie n numr de dousprezece (2 x 2 x 3 = 12).
Varianta martor lotul martor, sau lotul de control, este acea graduare a factorului care servete
drept termen de comparaie pentru celelalte variante ale experienei. Prezena variantei martor nu este
obligatorie ntr-o experien, compararea variantelor putndu-se face i direct, fiecare cu fiecare.
Dac este necesar prezena martorului, acesta va fi reprezentat de graduarea factorului cu cel mai
mare grad de generalitate. Pentru compararea capacitii de producie pentru lapte a mai multor rase de
bovine (factorul este rasa), se va putea folosi ca martor rasa Holstein, care este cea mai cunoscut i
apreciat ras pentru aceast producie (n acest caz, rasa Holstein este un nivel, o graduare a factorului
ras).
n cazul comparrii unor variante cantitative (doze/nivele de tratamente medicamentoase, de protein
n furajare, de microelemente n raie etc.), este bine s nu se ia ca martor varianta cu doza zero sau
netratat, deoarece cu siguran celelalte variante o vor depi. n aceast situaie este bine s se ia varianta
cu nivelul mediu de tratament sau dac nu ne convine, se poate renuna la martor, recurgndu-se la
comparaia variantelor fiecare cu fiecare.
Tratamentul este un termen utilizat mai mult n rile anglofone, fiind sinonim cu obiectivul,
folosit n Frana. Tratamentul semnific orice diferen dintre variantele experimentale care a fost introdus
n mod intenionat, n aa fel nct efectul ei s poat fi observat i studiat. Tratamentul include i factorul i
nivelul.
Unitatea experimental. O populaie statistic poate fi reprezentat: de un grup de indivizi, de un
grup de obiecte, de un grup de fenomene.
Elementele care compun o populaie statistic, se numesc uniti statistice, sau indivizi ai populaiei
statistice. Raportnd aceste noiuni la nivelul eantionului sau a probei, putem vorbi de uniti experimentale
(U.E.) sau indivizi care alctuiesc proba. Unitatea experimental semnific entitatea cu care se lucreaz; fie
c este reprezentat de individ, familie, sau grupuri de indivizi.
Repetiia constituie indivizii din lot sau variant, sau loturile i variantele n totalitatea lor.

6.3. CRITERII DE CLASIFICARE A EXPERIENELOR


6.3.1. Clasificarea experienelor n funcie de scopul urmrit
Scopul experienei reprezint o secven important n stabilirea protocolului experimental. n
general, un experiment cuprinde mai multe etape:
- prima etap o constituie delimitarea foarte exact a ceea ce se dorete s se demonstreze, aceast
etap const n alegerea obiectului, fenomenului, care trebuie supus observaiei sau experimentrii, a
probelor sau a eantioanelor, inndu-se cont de influena variabilelor necontrolate care s nu influeneze
semnificaia rezultatelor;
- a doua etap se refer la demonstrarea modului de realizare practic a inteniilor cercettorului.
n aceast perioad, are loc alegerea metodei i mijloacelor de observare i experimentare, specifice
cercetrilor, se stabilete planul experimental;
- a treia etap const n efectuarea determinrilor, msurtorilor, nregistrarea datelor
experimentale.
- n a patra etap are loc prelucrarea, interpretarea statistico-matematic a datelor i punerea n
eviden a rezultatelor cercetrii.
Cnd se efectueaz o experien, cercettorul este interesat s demonstreze c un tratament este
diferit de altul prin efectele pe care le produce. Pentru concretizarea experienei, scopul, acesteia trebuie s
fie foarte bine stabilit.
66

Este important ca el s fie foarte clar i precis, neadmindu-se echivocuri. Pentru ca scopul
experienei s fie clar i precis este important ca cercettorul s fie bine documentat pe tema experienei,
documentare care nu se poate realiza dect printr-o cercetare bibliografic aprofundat.
n funcie de scopul cercetrii, experienele sunt de dou feluri:
- cu obiectiv unic: sunt mai rare n zootehnie i biotehnologii, deoarece sunt puine cazurile cnd se
urmrete numai efectul unui tratament asupra unei variabile;
- cu obiective multiple: sunt cele mai folosite experiene n zootehnie i biotehnologii (exemplu:
experimentarea unor probiotice n raii furajere diferite, cu scopul de a urmri influena lor asupra
performanelor productive).
6.3.2. Clasificarea experienelor n funcie de condiiile experimentale
Stabilirea condiiilor experimentale care este un aspect important legat de metodologia de cercetare,
trebuie s in cont de existena a dou psoibiliti de instalare i efectuare a experienelor. Din punct de
vedere al condiiilor experimentale ce trebuie asigurate, experienele sunt de dou feluri: experiene n
staiune i experiene n cmp.
Experiene n staiune. O experien n staiune presupune organizarea cercetrii de o manier foarte
strict, cu asigurarea de condiii egale tuturor indivizilor, variante sau loturi. Materialul biologic trebuie s
fie uniform sub toate aspectele, eliminndu-se astfel influena structurii genetice din variana total, regsind
n final doar diferenele date de tratamente. n acest tip de experiene pot exista diferene doar ntre factorii
intenionat introdui n experien i a cror efect dorim s-l sesizm, restul factorilor care nu fac obiectul
cercetrii, trebuie s fie identici pentru toi indivizii, loturi sau variante. Uniformitatea materialului biologic
i standardizarea condiiilor de mediu n cadrul acestor tipuri de experiene fac ca eroarea experimental s
fie foarte mic, aceasta conducnd la rezultate i concluzii precise i clare, iar necesarul de uniti
experimentale va fi mai redus.
Experiene n cmp. Organizarea lor se refer la amplasarea experienei n condiii de mediu
controlat i n general foarte apropiate de practic, sau de condiiile concrete ale populaiei de animale.
Heterogenitatea materialului biologic utilizat n astfel de experiene, deci cu o variabilitate mare, va conduce
la situaia de a observa un numr de uniti experimentale (indivizi) mult mai mare.
6.3.3. Clasificarea experienelor n funcie de obiectivul urmrit
n funcie de obiectivele pe care i le propune cercettorul, experienele pot fi:
Experiene preliminare servesc la descoperirea sau intuirea unei problematici noi, efectundu-se
atunci cnd se lanseaz ipoteza, iar bibliografia nu satisface, oferind prea puine date referitoare la
problematica studiat. n acest caz, se organizeaz o experien preliminar, sumar, pe un numr redus de
uniti experimentale.
Experiene principale sau experienele propriu-zise, sunt expresia aplicrii modelului
experimental, care trebuie s in cont de toate principiile experimentale. Rezultatele lor sunt luate n
considerare la stabilirea adevrului tiinific.
Experienele de confirmare sunt cele care omologheaz n condiiile foarte apropiate de practic,
rezultatele obinute n experienele principale.
Se poate concluziona c un experiment poate fi foarte strict delimitat pentru o problem
circumscris, dar poate avea i o ntindere mai larg n cazul obiectivelor multiple, caz n care se vor avea n
vedere i experiene preliminare i de omologare.
6.3.4. Clasificarea experienelor n funcie de materialul biologic folosit
Dup acest criteriu de clasificare, experienele se pot mpri n: experiene pe animale de laborator
i experiene pe animale de ferm.
Datorit numeroaselor avantaje pe care le prezint folosirea animalelor de laborator (oareci,
obolani, cobai, hamsteri, iepuri, broate, porumbei, prepelie), n cercetrile din zootehnie i biotehnologii,
67

acestea s-au impus n ultimul timp ntr-o msur foarte mare. Amintim aici cteva dintre avantajele evidente
ale utilizrii acestor specii de animale n experiene:
- ofer o posibilitate rapid de uniformizare genetic a unui numr foarte mare de indivizi, care pot
fi crescui uor n medii uniform controlate sau modificate sistematic;
- costul mic al experienelor comparativ cu cele efectuate pe animale de ferm;
- caracterizate prin intervalul dintre generaii scurt i foarte scurt, ciclurile reproductive la aceste
specii se succed cu rapiditate;
- experienele se pot repeta uor n timp i spaiu pentru a crete precizia statistic i pentru a lrgi
sfera deduciilor;
- rezultatele obinute n legtur cu nsuirile adecvate ale speciilor de laborator pot fi extrapolate la
speciile economice, deoarece aceleai caracteristici fundamentale ale ereditii sunt valabile la ambele
categorii;
- nsuirile importante din punct de vedere economic ale speciilor de ferm sunt prezente i la
speciile de laborator, existnd analogie n privina determinismului i a controlului genetic (rata ovulaiei,
prolificitatea, dezvoltarea, greutatea corporal, rezistena la stres etc.).
Pe de alt parte, folosirea speciilor de laborator creaz i dezavantaje, ca de exemplu:
- mbuntirea sau ameliorarea populaiilor de animale de laborator nu prezint interes i valoare
din punct de vedere al cresctorilor, la scar comercial;
- surplusul de animale de experien rezultat din reproducere, precum i produsele acestora, nu pot
fi valorificate (cu mici excepii) pentru reducerea costului experienelor;
- creditele i sprijinul financiar pentru cercetrile zootehnice efectuate pe animale de ferm se obin
mai uor din partea agenilor care sunt interesai n rezolvarea problematicilor de cercetare, dect pentru
cercetrile pe specii de laborator;
- muli cresctori de animale sunt refractari la extrapolarea rezultatelor cercetrii bazat pe modele
experimentale cu animale de laborator n populaii de animale domestice.
Un bilan al avantajelor i dezavantajelor impun folosirea animalelor de laborator tot mai mult n
cercetrile din zootehnie i biotehnologii. Indiferent din ce grup fac parte, animalele de experien se aleg
n funcie de tipul de experien i scopul urmrit.
6.3.5. Clasificarea experienelor n funcie de domeniul abordat
n funcie de domeniul abordat, experienele pot fi de mai multe feluri:
- experiene de nutriie i alimentaie;
- experiene de genetic (citogenetic, genetica populaiilor, genetica cantitativ);
- experiene de ameliorare (selecie, hibridarea, creerea de linii zootehnice i consagvine etc.);
- experiene de inginerie genetic (transfer de gene, clonare etc.);
- experiene de biotehnologii (producerea i conversia de biomas, producerea i dezvoltarea
microorganismelor, producerea de probiotice, vitamine, enzime etc.);
- experiene privind perfecionarea unor tehnologii de cretere i exploatare pentru diferite specii;
- experiene pe problematica reproduciei animalelor;
- experiene pentru aprecierea produselor animaliere n cadrul standardelor de calitate (aprecierea
carcaselor la diferite specii, aprecierea calitii laptelui, oulor, pielicelelor etc.);
- experiene privind condiiile de cazare (soluii constructive, amenajri interioare, microclimat).
6.3.6. Clasificarea experienelor n funcie de durata i locul de desfurare a experienelor
Dup aceste criterii, experienele se pot grupa astfel:
- experiene care se pot desfura ntr-un singur an i ntr-un singur loc (ntr-o singur unitate);
- experiene care se pot executa n serie, ceea ce nseamn c una i aceeai experien s fie
executat n mai muli ani de-a rndul i mai multe uniti.
68

6.4. PLANIFICAREA ACTIVITII DE CERCETARE


Activitatea de cercetare este direcionat n general pe studiul unor fenomene biologice i tehnice.
n cercetare, se utilizeaz frecvent ca tehnic de lucru, experimentul, care este un procedeu tiinific i
const n provocarea intenionat cu caracter experimental a unor fenomene.
Din cele prezentate anterior, am vzut c n domeniul zootehniei i biotehnologiilor se pot
organiza i desfura experiene n staiune i n cmp. De asemenea, cunoatem faptul c cercetarea
poate avea un caracter fundamental, cnd se urmrete rezolvarea unor probleme teoretice de baz i un
caracter aplicativ, cnd se urmrete rezolvarea unor aspecte cu aplicabilitate imediat n producie. Aceast
grupare a cercetrii n fundamental sau aplicativ, are un caracter relativ, deoarece toate cercetrile
fundamentale vor avea cndva aplicabilitate practic, iar cercetrile aplicative pot ridica probleme
fundamentale nc nestudiate i care vor constitui obiectul unor cercetri viitoare.
Orice cercetare tiinific se materializeaz ntr-o experien de dimensiuni mai mari sau mai mici,
care trebuie executat de ctre cercettor pentru a putea obine rezultate pe care interpretndu-le s poat
emite legi, teorii, principii i n final decizii tehnologice.
Cercetarea tiinific nu se poate face dect n cadrul unui plan experimental ce constituie o
detaliere foarte concret a ntregului proces de descoperire a adevrului tiinific. Planul experimental
trebuie s conin toate segmentele experienei, pe perioade, n mod detaliat, de la lansarea ipotezei, pn la
concluzii. Planul experimental se concretizeaz n protocolul experimental sau fia de cercetare.
6.4.1. Protocolul experimental (fia de cercetare)
Protocolul experimental conine n general urmtoarea structur:
Programul Ameliorarea genetic a populaiilor de bovine din Romnia;
Profilul Ameliorarea caracterelor care concur la realizarea produciei de lapte la bovine;
Tema Ameliorarea produciei de lapte la bovinele din rasa Blat romneasc din Transilvania;
Responsabil de tem fiecare program este coordonat de un conductor de program, dup cum i
tema este condus de un responsabil de tem stabilit dintre cercettorii cu mult experien;
Experiena Studiul nsuirilor morfologice i fiziologice ale ugerului la bovinele din rasa Blat
romneasc din zona Transilvaniei;
Responsabil de experien rspunde de modul de realizare a experienei;
Durata experienei durata de cercetare la o experien se stabilete n funcie de specificul acesteia,
de tema luat n cercetare. Durata poate fi stabilit ca timp, de la nivelul lunilor, anilor, pn la cel al
generaiilor, cnd ne propunem de exemplu formarea unei noi rase de animale;
Faza final anul de ncheiere al experienei;
Colectivul de lucru numrul membrilor care alctuiesc colectivul de cercetare se stabilete n
funcie de complexitatea temei sau a experienei. n cadrul colectivului de execuie a experienei pot fi
cooptai membrii de specialiti diferite dintr-o unitate sau mai multe uniti de cercetare, nvmnt sau
producie;
Scopul cercetrii sau obiectivul reprezint sinteza a ceea ce se dorete s se realizeze prin
experiment. Se poate meniona c prin efectuarea experienelor, la tema respectiv se pot gsi i stabili
soluii eficiente pentru rezolvarea aspectelor care sunt de o mare importan;
Ipoteza de lucru dup o ampl documentare bibliografic, pe tema care ne intereseaz, se poate
lansa ipoteza. Pentru a ajunge la un adevr, trebuie s presupui s porneti de la o idee iluzorie, de la nite
ipoteze prognostice de previziune, care la nceput sunt vagi, dar ele se contureaz i devin semnificative pe
baza observaiilor i a msurtorilor (determinrilor) fcute;
Metodologia experimental Metodologia experimental se stabilete inndu-se cont c exist
dou metode de cercetare: fundamental i aplicativ. Metodele cercetrii fundamentale se bazeaz pe
observaie, msurtori directe i indirecte i analiz statistico-matematic a datelor. Metodele cercetrii
aplicative (operaionale) presupun: stabilirea locului de desfurare al experienei, materialul biologic
69

folosit, repartizarea pe variante experimentale, mrimea lotului, tratamentele ce se aplic, modul de


prelucrare a observaiilor;
Desfurarea calendaristic presupune mprirea secvenelor experienei pe date calendaristice.
Aspectele stabilite a fi urmrite n timpul desfurrii experienei sunt ealonate ntr-un plan calendaristic, pe
zile, sptmni, decade, luni, trimestre sau semestre i pe ani sau sunt precizate pe etape, n funcie de
complexitatea lor;
Sarcini pe colaboratori Pentru c ntr-o experien se urmrete aciunea mai multor factori, se
impune abordarea mai multor aspecte care solicit o anumit specializare, lucrrile prevzute n fia de
cercetare sunt repartizate pe fiecare membru al colectivului de cercetare, inclusiv pe personalul ajutror
(tehnician, laborant, muncitor). Fiecare membru al colectivului trebuie s tie precis ce are de fcut, conform
planului calendaristic ntocmit.
6.5. ASPECTE PRIVIND MODUL DE STABILIRE A UNITILOR EXPERIMENTALE
n orice cercetare din domeniul biologic, cu deosebire n zootehnie, unde se efectueaz experiene
pe animale, se ridic o problem de o mare importan i anume aceea a alegerii materialului biologic.
Operaiunea nu este simpl pentru c atunci cnd se lanseaz ipoteza se doresc concluzii foarte sigure.
Legtura dintre materialul biologic i precizia experienei este esenial. Cnd este vorba despre alegerea
materialului biologic, trebuie avut n vedere faptul foarte important, ca acesta s fie reprezentativ pentru
populaia din care se extrage eantionul i s provin din uniti indemne la boli infecto-contagioase. n
alegerea materialului biologic i n continuare, pe parcursul studiilor i cercetrilor care se fac, trebuie s se
in cont de cteva elemente care sunt eseniale pentru reuita cercetrilor i pentru stabilirea unor concluzii
juste i anume: individualizarea, constituia genetic i randomizarea.
6.5.1. Individualizarea
O condiie major n alegerea materialului biologic sau a unitilor experimentale (a indivizilor) o
constituie individualizarea acestora. Fr ca materialul biologic s fie individualizat prin diferite metode,
care s dea posibilitatea identificrii unitilor experimentale, experiena nu poate fi derulat.
Individualizarea se poate face prin descrierea unor aspecte de exterior (foaie semnaletic), metod
ce prezint puin importan i prin marcare. Aparent simpl, problema marcrii este dificil, deoarece cu
greu se poate gsi o metod de marcare (butoni, crotalii n ureche, n arip, tatuaj, crescturi, danga etc.) care
s satisfac toate exigenele fa de individualizare i anume:
marca s rmn ataat pentru o perioad ct mai ndelungat, chiar toat viaa;
numrul s fie uor de citit, de preferat de la distan i indubitabil;
materialul scris s conin informaii suficiente pentru a identifica animalul.
Unitatea experimental (U.E.) este unitatea de baz a cercetrii ce poate fi tratat n mod individual
(individual ca entitate biologic), sau poate reprezenta mai muli indivizi ce alctuiesc loturi, atunci
individualizarea fcndu-se prin numerotarea loturilor.
De multe ori unitatea experimental nu este egal cu individul biologic, ci cu regiuni sau probe
biologice recoltate din diferite zone ale corpului. n acest caz, individualizarea presupune numerotarea
probelor.
6.5.2. Constituia genetic
n alegerea unitilor experimentale (a materialului biologic) se ridic o problem major privind
calitatea lui sub raportul constituiei genetice. Ideal ar fi s existe posibilitatea ca ntr-o experien s se
poat utiliza doar clone, sau mcar gemeni monozigotici sau gemeni bizigotici. Aceste situaii ideatice sunt
greu de realizat nc i atunci, pentru a avea o omogenitate genotipic mare, n funcie de planul
experimental, indivizii se aleg ct mai nrudii ntre ei (frai buni, semifrai).
70

La organismele care se nmulesc sexuat, prin fecundarea gameilor provenii de la doi prini de sex
opus, uniformizarea genotipurilor trebuie condus prin practicarea mperecherilor consangvine n urma
crora rezult liniile consangvine, n cadrul crora indivizii manifest un grad de uniformitate genetic mai
mare dect a indivizilor obinui din mperecheri nenrudite. Gradul de uniformitate genetic este mai redus
la liniile consangvine dect n cazul clonelor sau a liniilor pure (descendena unor organisme care se
reproduc prin autofencundare), dar din punct de vedere tehnic este mai uor de realizat, deoarece implic
numai aspecte de dirijare a procesului de reproducie.
Alegerea materialului de reproducie este legat de condiiile experimentale. ntr-o experien n
staiune se prefer un material biologic ct mai asemntor genetic, astfel ca diferenele dintre diferitele
variante experimentale s fie determinate strict de tratamentele aplicate. n cazul experienelor n cmp, se
prefer un material biologic mai puin omogen, asemntor populaiei n care dorim s transpunem
rezultatele. Omogenitatea exagerat a materialului genetic duce la lipsa de posibiliti de reproductibilitate a
rezultatelor n populaia de animale.
6.5.3. Randomizarea
n vederea efecturii experienelor, din populaie se ridic (se extrag) probe care trebuie s fie
reprezentative pentru populaia de extracie.
Pentru ca o prob s conin informaii corecte asupra populaiei, fiecare membru al ei (fiecare U.E.)
trebuie extras la ntmplare din populaie. Extragerea la ntmplare (randomizarea) presupune c orice
individ din populaie are o probabilitate cunoscut de a aprea n prob. Aceasta nu poate fi lsat la
aprecierea experimentatorului; dac acesta face o selecie, atunci probabilitatea alegerii sale este
necunoscut i teoria i pierde valabilitatea.
Repartizarea randomizat nseamn c fiecare individ are aceeai ans de a primi oricare din
posibilele tratamente, iar posibilitatea c un individ va primi o anumit repartizare n grupele de studiu, este
independent de probabilitatea oricrui alt individ de a primi aceeai alocare. Randomizarea are ca efect
diminuarea variabilitii datelor experimentale provocat de cauze necontrolabile, cum ar fi: vrsta, starea de
sntate, starea fiziologic, unele influene de mediu special.
Cele mai utilizate metode de randomizare a extraciilor de uniti experimentale din populaie sunt:
utilizarea unui tabel de numere aleatoare;
lista de randomizare generat de un calculator;
tragerea la sori (extragerea din cciul).
Dac populaia este constituit din subgrupe de indivizi omogeni (straturi), tragerea la sori
(randomizarea) poate fi fcut prin stratificare; se constituie liste distincte de tragere la sori pentru fiecare
strat. O tragere la sori stratificat permite echilibrarea probei extrase din populaia n studiu.
Randomizarea stratificat i dovedete utilitatea mai ales n cazul studiilor de dimensiuni limitate, n
eantioane mari, comparabilitatea fiind asigurat prin distribuia egal a factorilor cunoscui, ct i a celor
necunoscui.
6.6. MRIMEA PROBEI
Proba (eantionul) reprezint o fraciune a populaiei statistice care poate da informaii ct mai
complete i mai exacte despre populaia respectiv. Dac se accept premisa c abaterea caracteristicilor
probei fa de cele ale populaiei statistice, din care provine, sunt nule, spunem c s-a pornit de la ipoteza
nul (H0) a probei.
Pentru ca proba s furnizeze informaii precise asupra caracterului (fenomenului) msurat, ea trebuie
s fie reprezentativ, ceea ce presupune c trebuie aleas dup criterii obiective. n general, cercettorul,
statisticianul, nu studiaz un caracter al populaiei pe ntreaga mulime de indivizi (de uniti) care o
alctuiesc, din mai multe motive, dintre care menionm urmtoarele:
71

populaia poate fi foarte mare, sau chiar infinit, ceea ce face imposibil o observare, a ntregii
populaii;
probele pot fi studiate mai rapid dect populaiile, acesta fiind un motiv important atunci cnd, de
exemplu cercettorul dorete un rspuns rapid la o problem important, cum ar fi vaccinarea sau
tratamentul animalelor pentru o boal nou;
studiul caracterului pe ntreaga populaie ar putea duce la distrugerea populaiei. De exemplu, dac se
dorete s se studieze durata medie de valabilitate a dozelor de material seminal de la un taur, produse de un
SEMTEST, pentru verificarea lor se distruge toat populaia;
n anumite situaii, nu se mai pot obine informaii dect despre o parte a populaiei;
rezultatele observaiilor pe eantioane, adesea sunt mai precise dect rezultatele bazate pe observarea
populaiei n totalitate, deoarece la nivelul unui eantion (prob) se controleaz mai uor procesul i tehnicile
de observare, acestea meninndu-se cu un efort mai mic n standardele de eroare acceptate;
costul i resursele necesare (umane, materiale etc.) pentru observarea exhaustiv a unei populaii, pot
de asemenea s fie un motiv important pentru utilizarea probelor.
Acestea sunt cteva raiuni pentru care o populaie este studiat cu ajutorul unei submulimi a ei care
s permit un studiu i o analiz detaliat. Eantionul fiind mult mai mic dect populaia din care provine,
poate fi observat n totalitate, iar dac este reprezentativ, se pot cunoate prin intermediul lui anumite
proprieti ale populaiei.
O prob bun (un eantion bun) trebuie s constituie o imagine redus, ct mai adecvat i fidel, a
ntregii populaii pentru care se dorete studierea unui caracter. n caz contrar, se spune c eantionul este
nereprezentativ.
n scopul generalizrii sau extrapolrii la ntreaga populaie a rezultatelor obinute pe eantion, este
de dorit ca acesta s reprezinte ct mai bine posibil populaia vizat. Pentru ca un eantion s fie
reprezentativ pentru populaia din care este extras, trebuie s satisfac dou condiii principale:
o condiie de ordin cantitativ; efectivul eantionului trebuie s fie suficient de mare;
o condiie de ordin calitativ; eantionul trebuie extras randomizat (aleator) din populaie.
Tratamentele suplimentare, numrul mai mare de repetiii, standardizarea mai bun a condiiilor
experimentale, duc la creterea dimensiunii unei experiene i implicit la mbuntirea rezultatelor.
Creterea dimensiunii unei experiene implic cheltuieli suplimentare majore, care nu se justific, pentru c
precizia i exactitatea unei experiene concretizat n reproductibilitate poate fi mbuntit fr a
supradimensiona proba, prin reducerea efectelor variabilitii, utiliznd planuri experimentale adecvate i
manipulnd corect materialul biologic.
6.6.1. Factorii care determin mrimea probei
De regul, cu ct loturile experimentale cuprind mai muli indivizi, cu att precizia cercetrilor este
mai mare. Dar, cercettorul trebuie s aib n vedere fondurile bneti alocate pentru efectuarea experienei,
precum i dimensionarea spaiului unde se desfoar experienele. n stabilirea mrimii probei, noi trebuie
s inem cont de urmtorii factori:
Variabilitatea caracterelor - mrimea probei este n funcie n primul rnd de variabilitatea
caracterului studiat. Cu ct variabilitatea caracterelor studiate n populaie este mai mare, cu att i mrimea
probei, pentru a fi reprezentativ, trebuie s fie mai mare. n cazul extrem, cnd ntr-o populaie toi indivizii
ar fi uniformi, ar exista o omogenitate perfect, atunci proba extras din acea populaie i care s fie i
reprezentativ, ar fi suficient s fie reprezentat de un singur individ. n lumea vie nu exist dou organisme
perfect identice, motiv pentru care, pe baza observaiilor fcute pe un singur individ, nu pot fi emise
concluzii care s fie extinse la ntreaga populaie.
Mutaiile cu ct mai rar este o caracteristic sau un atribut ntr-o populaie, cu att mai mare va
trebui s fie proba pe care o extragem, pentru a asigura ans indivizilor purttori ai acestor caracteristici s
fac parte din prob. Aceste caracteristici pot s apar datorit unor mutaii. Valorile care apar mai frecvent
72

n populaie, vor tinde s fie extrase cel mai frecvent. Cu ct valoarea este mai rar, cu att va fi necesar o
prob mai mare pentru a o extrage.
Planul experimental rezultatele experienei sunt cu att mai sigure cu ct proba este mai mare, dar
n practic se constat c o prob mic, bazat pe un plan eficient, poate s dea rezultate mai bune dect o
prob mare, bazat pe un plan neadecvat.
Tratamentele aplicate numrul tratamentelor influeneaz, precizia experienei i prin urmare,
numrul de repetiii pentru a atinge un anumit grad de precizie. Cu ct proba este mai mic, cu att numrul
repetiiilor va fi mai mare, pentru a asigura gradul de precizie urmrit. n alt ordine de idei, cu ct mai mic
este diferena care trebuie sesizat, ntre mediile a dou tratamente, cu att mai mare trebuie s fie proba.
Natura testului n stabilirea mrimii probei trebuie s se aib ntotdeauna n vedere necesitatea de
a detecta o anumit diferen. Aceast capacitate de evideniere a diferenelor mai mari sau mai mici dintre
tratamente, depinde de puterea testului i de nivelul pragului de semnificaie.
6.6.2. Calcularea mrimii probei
n vederea stabilirii mrimii probei necesare pentru detectarea unei anumite diferene, trebuie s
avem n considerare urmtoarele elemente:
natura planului experimental folosit;
mrimea diferenei pe care dorim s o detectm - - ;
nivelul semnificaiei folosit - ;
sigurana cu care dorim s determinm diferenele -;
puterea testului folosit;
o estimat a variabilitii deviaia standard -;
Cu ct dispunem de informaii preliminare mai ample, cu att mai sigur va fi valoarea estimatei
-.
Pentru obinerea ei ne putem baza pe date dintr-o experien similar anterioar. Dac nu dispunem
de date anterioare pentru estimat cercettorul trebuie s se bazeze n stabilirea ei pe amplitudinea
variabilitii ntlnit n populaia de extracie. Amplitudinea variabilitii se afl prin efectuarea de
msurtori pe o prob (eantion, fraciune) de control aparinnd populaiei respective.
Cu ajutorul amplitudinii (W) i bazndu-ne pe valoarea tabelar a raportului

deviatia s tan dard ( )


amplitudine (W )

stabilit n funcie de numrul de indivizi din proba de control, calculm deviaia standard. Practic, prin
intermediul raportului de mai sus, are loc transformarea amplitudinii n deviaie standard.
6.6.2.1. Determinarea mrimii probei necesar pentru estimarea unei medii cu un anumit interval de
siguran
Mrimea intervalului de siguran al unei medii (I.S.) se calculeaz dup formula:
I .S . 2 t (GL)

sx

n care:
t reprezint valoarea tabelar a lui t pentru intervalul de siguran dorit i pentru gradele de
libertate ale probei iniiale (proba de control);
sx

- reprezint eroarea mijlocie a mediei: s x

s
n

Pentru lucru se alege jumtate din lungimea intervalului de siguran, notat cu d -.


73

I S 2 t (GL ) s x
s

t (GL)
2
2
n

Dac dispunem de o estimat a t


din expresia: d
.

- atunci l obinem pe n (nr. indivizi care alctuiesc proba)

t
.
d
Calculul mrimii probei cnd se cunoate valoarea estimatei - -.
Dintr-o experien anterioar dispunem de o estimat a lui - -, s = 24, GL = 12, dac dorim s
extragem o prob a crei medie s nu se abat de la media populaiei cu mai mult de 6, deci d = 6, IS = 12,
= 0,05, obinem urmtorul n -:
cu un coeficient de siguran

Din aceast expresie rezult c:

2,179 24
8,716 n care:
6

- 2,179 este valoarea tabelar a lui t pentru 12 GL i un nivel de semnificaie = 0,05;


- n = 8,7162 = 75,96 76 indivizi.
Dac dorim ca proba s aib o medie mai apropiat de media populaiei, deci IS -, respectiv d
s fie mai mici, atunci n va fi mai mare.
La aceleai date de mai sus lucrm n continuare cu
IS = 6, respectiv d = 3, pragul de
semnificaie rmne acelai -

= 0,05:

- utiliznd pragul de semnificaie


n

2,179 24
17,432 , rezultnd n = 304 indivizi.
3

= 0,01, mrimea probei va fi:

3,055 24
24,44 , rezultnd
3

n = 597 indivizi.

- pentru o experien mai sensibil, putem utiliza pragul de semnificaie


4,318 24
n
34,544 , rezultnd
3

= 0,001:

n = 1193 indivizi.

Se observ faptul c mrimea probei crete odat cu reducerea intervalului de siguran i se


modific de asemenea n funcie de nivelul semnificaiei.
Dac cercettorul nu dispune de date dintr-o experien anterioar cu caracteristici similare, poate
utiliza pentru estimarea lui - - amplitudinea variaiei. Prin intermediul valorilor tabelare ale raportului
deviaiei standard fa de amplitudine, el poate transforma amplitudinea n deviaii standard.
Exemplu de stabilire a mrimii probei cnd nu avem date dintr-o experien anterioar:
Dintr-o populaie de cabaline din rasa Furioso-North-Star vrem s extragem o prob reprezentativ
pentru populaie n ceea ce privete caracterul talie - . Pentru a putea stabili mrimea probei reprezentative,
trebuie n prealabil s facem msurtori ale taliei la un anumit numr de indivizi din populaie, n funcie de
mrimea ei.
n cazul nostru aceast prob iniial de control, a fost de 20 de indivizi. La aceti indivizi s-au gsit
pentru caracterul talie valori cuprinse ntre: 160-165 cm. Calculm amplitudinea variaiei: W = 165
160 = 5 cm.
Media probei pe care noi vrem s o extragem, dorim s fie cuprins ntr-un interval de siguran de 1
cm (IS = 1 cm), s nu se abat de la media populaiei cu mai mult de 0,5 cm
(d = 0,5 cm), iar nivelul
semnificaiei - = 0,05.

Cunoscnd valoarea amplitudinii (W = 5), din anexa 7, care conine valorile raportului
, se
observ c pentru 20 de indivizi, raportul:

= 0,268, deci:

1,34. Fiindc din acest moment cunoatem estimata exemplul anterior:

= 0,268, rezult

= 0,268 5 =

- mersul calculelor vor urma acelai traseu ca n

I .S . 2 t (GL)

74

sx

IS
s
t (GL)
2
n

t (GL)
.
d

pentru t = 0,05; GL = 19, valoarea tabelar = 2,093


n

2,093 1,34
= 5,60, rezult
0,5

n = 31 capete.

Se poate concluziona c pentru a fi reprezentativ pentru populaia de extracie, proba noastr trebuie
s cuprind cel puin 31 de capete.
6.6.2.2. Calculul mrimii probei cnd nu dispunem de o estimat a variabilitii
Cnd nu se cunoate o estimat a variabilitii, se recurge la extragerea unei probe pentru care se
t12 s 2 F (1, n1 ) s 2
2
calculeaz variana s -. Cu valoarea obinut, calculm n prin formula: n
,

d2
d2
n care:
F (1, n1) reprezint valoarea tabelar a lui - F - cu un grad de libertate la numitor i n 1 grade
de libertate al probei iniiale la numrtor;
d jumtate din lungimea intervalului de siguran.
Se extrage o nou prob pentru a obine numrul total necesar de msurtori i se calculeaz iar
media i variana probei totale.
Aceast prob va avea media cuprins n intervalul:
d, n afar numai de cazul n care avem
de a face cu o prob atipic.
Exemplu: n cazul caracterului fineea lnii la rasa igaie se pune problema ct de mare trebuie
s fie proba pentru ca media ei s se situeze ntr-un interval IS=4 (d=2 ), la un coeficient de siguran de
95 %.
Pentru aceasta s-a msurat cu lanametru o prob iniial de 20 de fibre i s-au obinut rezultatele de
mai jos:
26; 38; 36; 32; 36; 36; 28; 30; 18; 28;
36; 30; 28; 26; 30; 24; 22; 34; 30; 32.
Pentru datele acestea: X

s2

nlocuind
n

SX 600

30 ;
N
20

Sx 2

GL

ecuaia

de

SX

SX

GL

stabilire

18520 18000

27,36
19

mrimii

4,38 27,36
29,9 30 fibre.
4

probei

F (1, n1 ) s 2
,
d2

obinem:

Cercettorul a msurat n continuare nc 10 fibre i a obinut valorile: 26; 36; 28; 32; 28; 36; 28; 26;
30; 28, obinnd pentru ntreaga prob 30 de fibre: X 29,93 ; s2 = 22,20.
75

sx

s2

22,20
0,74 0,86
30

IS 2 t 0 , 05 s x ;

IS 2 2,045 0,86

3,51

Rezult c este suficient s se determine fineea unui numr de 30 de fibre pentru a ne ncadra n
intervalul de siguran propus, nu mai mare de 4 .
Pentru a determina mrimea probei, se folosete i metoda Cox i Cochran, care const n
determinarea numrului necesar de repetiii pentru obinerea unui rezultat semnificativ pentru o probabilitate
dat i de asemenea metoda folosirii monogramelor funciei () pentru determinarea mrimii probei
necesare pentru testarea efectelor principale.
6.7. NREGISTRAREA OBSERVAIILOR; REGISTRUL DE EXPERIEN
n execuia experienei, exist obligativitatea nregistrrii observaiilor i utilizarea prin prelucrare a
datelor. nregistrarea observaiilor i a msurtorilor ce se efectueaz pe indivizii din loturile experimentale
este condiionat de planul experimental. Msurtorile se efectueaz la intervale de timp egale, pe toate
unitile experimentale (indivizi), respectiv pe zile, luni, ani, cu condiia obligatorie de a executa
msurtorile dup aceeai tehnic pentru toate unitile experimentale.
Orice experien trebuie s fie nsoit de un registru al experienei n care sunt trecute toate unitile
experimentale pe tratamente, cu numr matricol sau de ordine dat i o rubricatur n care se includ toate
caracteristicile urmrite. Aceste date prezente n registrul de experien, poart denumirea de date brute.
nregistrarea n registrul de experien al datelor se face ritmic, n urma msurtorilor i a observaiilor
efectuate. Exist caractere care se pot prelua o singur dat (greutatea oulor la introducerea la incubaie),
iar altele necesit msurtori ritmice, repetate (pierderea apei la oule incubate, pe perioada incubaiei).
Dac ntr-un experiment dorim s stabilim glicemia, indiferent de specie, recoltarea sngelui pentru
analiz i determinri se face ritmic, la aceeai dat a fiecrei luni. Exist situaii n care observaiile
principale nu satisfac, aprnd pe parcursul derulrii experimentului aspecte care trebuiesc consemnate
suplimentar i explicit.
nregistrarea datelor se face fr prelucrare, fr ajustare, ele constituind datele brute. Registrul de
experien este cel mai important document al cercettorului, are regim de document secret, pentru ca datele
nregistrate s nu poat fi modificate. n registrul de experien, pentru fiecare variant, lot sau unitate
experimental, se deschide o poziie a crei rubricatur cuprinde toate caracteristicile urmrite.
Tabelul 11
Registrul de experien privind dinamica creterii n greutate la tineretul taurin (model)
Nr.
matricol
910824
910327
910932
921569

natere
45
40
50
60

3
luni
105
100
115
125

6
luni
185
175
195
205

9
luni
265
250
280
295

12
luni
355
330
380
395

15
luni
470
450
485
496

18
luni
560
550
590
600

peste
18 luni
650
600
670
685

Registrul de experien este un document de baz n care trebuie nregistrate cu cea mai mare atenie
i corectitudine datele culese n timpul desfurrii experienelor i care trebuie pstrat i dup ncheierea
cercetrilor pentru o eventual verificare a datelor, sau refacerea unor analize, prelucrarea i interpretarea
mai aprofundat a rezultatelor.
Registrul de experien trebuie s aib urmtoarele caliti:
- s fie complet i s conin toate datele i toate detaliile experienei;
76

s fie clar, pentru a putea fi neles i continuat i de un alt cercettor n lipsa celui care a nceput
lucrarea;
- s fie ordonat, fr tersturi sau pagini rupte;
- s fie un document primar n care nregistrrile s fie fcute zilnic;
Un procedeu preios pentru completarea datelor i a observaiilor l constituie fotografiile fcute n
timpul experienelor sau imaginile nregistrate cu ajutorul camerelor de luat vederi.

77

CAPITOLUL VII
ORGANIZAREA I EXECUIA EXPERIENELOR
La conceperea i realizarea unei cercetri tiinifice, stabilirea i formularea unei teme reprezint o
etap foarte important, dar i dificil pentru cercettor, deoarece fiecare tem care poate face obiectul
studiului, a cercetrii, are multe necunoscute. Rezolvarea aspectelor noi, puin studiate, sau care nc nu au
fost abordate, necesit alegerea unor ci, metode i tehnici noi i nu se tie care din ele sunt cele mai
potrivite pentru tema abordat. n cazul cercetrii, mai ales a celei de tip fundamental, este dificil s se
precizeze dac rezultatele vor avea o aplicabilitate practic. La aceast ntrebare, rspunsul oamenilor de
tiin a fost afirmativ. ntotdeauna timpul a dovedit c rezultatele cercetrilor, chiar i a celor fundamentale,
i gsesc pn la urm o real aplicabilitate n practic.
Un exemplu concludent n acest sens este cel al clonrii animalelor. Procedeul nu are extindere n
practic n prezent, dar n mod sigur, n anii viitori, fenomenul se va dezvolta, va lua amploare, chiar dac
unele aspecte legate de acest fenomen incub unele riscuri. Esena descoperirii tiinifice const n a stabili
relaiile ntre cunoscut i necunoscut. Problema cunoaterii nu este una static, ci una de un dinamism
extraordinar. Fiecare specialist, n domeniul lui de activitate, poate contribui la procesul cunoaterii i la
elaborarea de adevruri tiinifice.
Permanentizarea ciclului: ipotez de testat experien ipotez nou, ciclul continuu i n
direct legtur cu progresul tiinei, indiferent de domeniu, nu se poate realiza dect printr-o organizare i
execuie ireproabil din punct de vedere tiinific a experienelor.
7.1. DISPOZITIVUL EXPERIMENTAL
Dispozitivul experimental constituie ansamblul de localizri referitoare la materializarea sau
punerea n execuie a experienei, fiind o noiune mai larg dect experimentul, el materializnd experiena
n cadrul de execuie. Fixarea i elaborarea dispozitivului experimental constituie concretizarea fiei de
cercetare n desfurarea experienei. Dispozitivul experimental este un ansamblu de localizri, de uniti
experimentale, de condiii, de factori, de metode prin care se materializeaz instalarea i desfurarea
experienei. Problemele legate de dispozitivul experimental au fost analizate n metodologia experimental,
care este un punct n fia de cercetare sau protocolul experimental.
Pe baza acestui protocol experimental, organizarea, instalarea i derularea experienelor comport
urmtoarele operaiuni:
- alegerea planului experimental adecvat;
- nregistrarea observaiilor;
- prelucrarea datelor primare rezultate din experien.
7.2. PLANURILE EXPERIMENTALE
n funcie de ipoteza lansat, n funcie de tratamentele aplicate sau de efectele i cauzele care se
doresc a fi analizate, experiena se realizeaz prin diverse moduri. Modalitile de realizare a experienei se
concretizeaz n planurile experimentale.
Clasificarea planurilor experimentale:
Dup modul de repartizare a unitilor experimentale din experien, avem urmtoarele tipuri de
planuri experimentale:
- plan complet randomizat;
- plan n blocuri, complet randomizate;
- plan n blocuri de msurtori repetate.
Dup numrul factorilor luai n cercetare sau studiu:
78

- planuri cu experiene monofactorile;


- planuri cu experiene polifactoriale.
Dup modul de organizare a variantelor (loturilor), n funcie de tratament, factori i nivele ale
factorilor:
- plan experimental balansat;
- plan experimental nebalansat.
Cercettorul poate alege un plan sau altul, n funcie de condiiile de care dispune pentru defurarea
experienei. De cele mai multe ori, cercetarea tiinific abordeaz planuri polifactoriale i planuri n blocuri
complet randomizate. Acolo unde este posibil, se prefer utilizarea de planuri ierarhice balansate, n locul
celor nebalansate a cror prelucrare statistic este greoaie.
Coninutul fiecrui plan se refer la modalitatea de fixare a unitilor experimentale, la modul de
repartizare pe variante sau repetiii, la modul de observare i prelevare a datelor, precum i la interpretarea
rezultatelor. ntre diversele planuri exist diferene de eficien. Eficiena unui plan experimental depinde de:
sigurana sau exactitatea rezultatelor i reproductibilitatea rezultatelor sau sensibilitatea planurilor.
Datorit faptului c n multe experiene, efectul tratamentelor studiate scap testului Fisher, pentru c
variana din interiorul tratamentelor este egal sau aproape egal cu variana dintre tratamente, se ridic
problema mririi sensibilitii experienei.
Exist mai multe posibiliti, dintre care amintim:
- mrirea numrului de repetiii dintr-o prob, prin includerea de tratamente suplimentare, pentru ca
atunci cnd se calculeaz variana erorii experimentale, s existe mai multe grade de libertate;
- alegerea unitilor experimentale ct mai omogene, ceea ce n zootehnie se poate realiza prin
micorarea variabilitii condiiilor de mediu i a variabilitii genetice. La porc, pasre, animale de blan i
de laborator, este posibil i relativ mai uoar selecia materialului pe criteriul omogenitii genetice, lucru
care se realizeaz mult mai greu la speciile unipare. Aceast reducere a variabilitii genetice a materialului
are ca o principal consecin imposibilitatea validrii rezultatelor unei experiene n practic;
- mbuntirea condiiilor de msurare, pentru evitarea erorilor grosolane i greelilor;
- asigurarea controlului eficient al tuturor factorilor implicai, deci o tehnic experimental corect;
- studierea influenelor unor variabile nrudite, care prezint o variaie diferit;
- utilizarea unor planuri experimentale adecvate scopului urmrit ntr-o experien.
Exist posibilitatea de a calcula eficacitatea relativ (e %) a dou planuri experimentale. Formula
de calcul a fost elaborat de ctre Fisher.

s 22 n1 1 n 2 3
e% 2
100 , unde:
s1 n1 3 n 2 1

e % - reprezint eficacitatea relativ a dou planuri comparate;


s12 i s 22 - reprezint varianele erorii din cele dou planuri experimentale;
n1 i n2 reprezint numrul gradelor de libertate ale erorii n cele dou planuri experimentale.
7.2.1. Planul experimental complet randomizat
Planul experimental complet randomizat este un plan experimental foarte frecvent utilizat n
cercetrile din zootehnie i biotehnologii. Pentru desfurarea experienelor ntr-un astfel de plan
experimental, unitile experimentale sunt extrase n mod randomizat din populaia de extracie, dup ce n
prealabil a fost stabilit mrimea eantionului, prin una dintre metodele prezentate anterior.
Indivizii (U.E.) sunt repartizai n mod randomizat n loturi, formndu-se dou sau mai multe
variante (loturi) ct mai omogene, crora li se asigur aceleai condiii de ntreinere. Unul dintre loturi este
numit lotul martor (de control, standard), iar celelalte sunt loturi sau variante experimentale.
Lotului martor (M) i se asigur condiiile de baz caracteristice populaiei, identice cu cele de pe
fluxul tehnologic. Loturilor experimentale (V1, V2, V3 ... Vn) li se atribuie n plus, n mod randomizat, cte un
tratament, urmrindu-se n continuare efectul acestui tratament asupra unui caracter.
79

Dup cum se poate simplu sesiza, diferena dintre lotul martor i loturile experimentale este dat
numai de tratamentul n plus aplicat loturilor experimentale. Lotul martor se poate constitui indiferent de
numrul variantelor experimentale i asigur posibilitatea comparrii lui cu variantele experimentale. Dac
condiiile generale i specifice de mediu sunt asemntoare pentru toate U.E. i dac materialul biologic este
omogen, un asemenea plan experimental este chiar eficace.

M
Extracia
Populai
a de
extracie

V1

V2

V3

Prob
40 U.E.

randomizat a
probei

Tratamente
aplicate
randomizat
Fig. 9. Schema de realizare a planului experimental
complet randomizat

Avantajele planului complet randomizat:


- este un plan experimental foarte flexibil, putnd fi folosit pentru orice numr de tratamente i
poate avea orice numr de observaii n fiecare variant (cu toate c ar fi de dorit ca numrul de observaii pe
variant s fie egal);
- pierderea informaiei, datorat pierderii de U.E. pe parcursul defurrii experimentului, este mai
mic dect n orice alt plan experimental;
- analiza statistic este relativ simpl i nu sufer prin lipsa unor informaii, care n ultim instan
pot fi nlocuite prin tehnica datelor lips;
- planul experimental complet randomizat poate fi repetat cu uurin cnd se intenioneaz
verificarea unor rezultate, care nu prezint certitudine.
Dezavantajul pe care l are un astfel de plan este acela c toate sursele de variaie, n afara
tratamentelor aplicate, sunt cumulate ntr-o singur component a varianei
eroarea (sau variana
rezidual, sau variana intratratament). Eroarea, dup cum am mai artat, nu nseamn greeal, ci prin
eroare nelegem acele variaii care ne scap controlului, ele neputnd fi asociate cu o surs de variaie
anume.
Prelucrarea i interpretarea datelor obinute n urma efecturii unei experiene n cadrul unui plan
complet randomizat se face prin analiza varianei- care const din descompunerea varianei totale n
componenii asociai cu diferite surse de variaie. Aceti componeni sunt apoi comparai ntre ei cu ajutorul
testului F-. n continuare, cu ajutorul unui exemplu se va prezenta modul de prelucrare i interpretare a
rezultatelor unei experiene, ntr-un plan complet randomizat, prin analiz de varian.
Exemplu: ntr-o experien pe oareci de laborator, s-a urmrit efectul administrrii n raie a
unui amestec de microelemente, asupra prolificitii. Din populaie s-au extras n mod randomizat un numr
de 24 femele de oarece (N=24), care au fost repartizate randomizat n 4 loturi, cte 6 U.E. pe lot (n=6) i tot
randomizat li s-au administrat i cele patru tratamente: adaos de 8 %; 6 %; 4 %; 2 % microelemente n raie
(a=4).
Datele privind prolificitatea sunt redate n tabelul 12.
Tabelul 12
Valorile prolificitii la oarecii de laborator
80

Specificare
1
2
3
4
5
6
SX
X
SX2

Lotul I
8%
6
7
7
8
8
9
45

Lotul II
6%
7
7
8
6
7
6
41

Lotul III
4%
6
7
6
5
7
7
38

Lotul IV
2%
4
4
6
4
5
3
26

7,50

6,83

6,33

4,33

6,25

343

283

244

118

988

Total

150

Modul de prelucrare a datelor:


I.
Se calculeaz suma ptratelor datelor.
1) Se calculeaz coeficientul de corecie Cx.
SX T 2 150 2
Cx =

937,50
N
24
2) Se calculeaz suma ptratelor datelor pe total experiment:
2
62 + 72 + . . . 32 = 988
SX T2 = X 12 X 22 ..... X 24
3) Se calculeaz suma ptratelor datelor pe tratamente:
SX 1 2 SX 2 2 SX 3 2 SX 4 2
2

SX Tr
n1
n2
n3
n4
SX Tr2

II.

45 2 412 38 2 26 2
970,8
6

Se calculeaz suma ptratelor abaterilor.


g) Sx T2 = SX T2 C x (2) (1) = 988 937,5 = 50,50
2
2
h) Sx Tr SX Tr C x =(3)(1) = 970,98 937,5 = 33,48
i) Sx 2E SX T2 SX Tr2 = (2)(3) = 988 970,98 = 17,02

2
Sx E2 ;
Cheie de verificare: suma ptratelor abaterilor se bucur de proprieti aditive: Sx T2 SxTr
50,5=33,48+17,02
SxT2 - suma ptratelor abaterilor totale pe experiment;
2
SxTr
- suma ptratelor abaterilor ntre tratamente;
2
Sx E - suma ptratelor abaterilor erorii.
III.
Se calculeaz gradele de libertate
a) GLT = N 1;
24 1 = 23
b) GLTr = a 1;
41=3
c) GLE = N a;
24 4 = 20
Cheie de verificare: gradele de libertate se bucur de proprieti aditive: GLT = GLTr + GLE;
23 =
3 + 20
GLT gradele de libertate pe total experiment;
GLTr gradele de libertate ntre tratamente;
GLE gradele de libertate ale erorii.
IV.
Se alctuiete tabelul de analiz a varianei datelor.

Tabelul 13
81

Analiza varianei datelor


Sursa de variaie
Variaia total

Sx

50,50

GL

PM

23

F
^

Variaia ntre
tratamente

33,48

Variaia nuntru
tratamente
(eroarea)

17,02

11,16

= 11,16/0,85
= 13,13***

20

0,85

Din tabelul cu distribuia lui F se iau valorile corespunztoare pragului de semnificaie i gradelor
de libertate aferente ptratului mediu cel mai mare i cel mai mic.
Valorile tabelare sunt urmtoarele:
F0,05 (3; 20) = 3,10; F0,01 (3; 20) = 4,94; F0,001 (3; 20) = 8,10.
^

Valoarea - F - calculat este mai mare dect valoarea tabelar a lui F pentru nivelul de
semnificaie = 0,001, ceea ce ne permite s afirmm c diferenele de tratament influeneaz foarte
semnificativ nsuirea studiat prolificitatea la oarecii de laborator. Pentru a stabili ntre care tratamente
exist diferene i ct de mari sunt acestea, se poate aplica n continuare testul Student sau testul Tukey.
7.2.2. Planul experimental n blocuri complet randomizate
Planul experimental n blocuri complet randomizate const din mprirea unitilor experimentale n
grupe experimentale numite blocuri sau repetiii. La nivelul blocurilor sau a repetiiilor se urmrete
ca unitile experimentale (indivizii) i condiiile experimentale s fie ct mai asemntoare, singura
deosebire dintre indivizi fiind tratamentul aplicat randomizat. Un bloc sau o repetiie cuprinde attea uniti
experimentale sau indivizi, cte tratamente se aplic. n cadrul blocului, fiecrui individ sau unitate
experimental i se desemneaz un tratament la ntmplare, de unde i denumirea de plan n blocuri complet
randomizate.
Important n cazul experienelor organizate ntr-un astfel de plan experimental este de a menine o
tehnic ct mai uniform n cadrul fiecrui bloc (repetiie), schimbrile fcndu-se numai n cazul trecerii de
la un bloc la altul. Deci de la un bloc la altul ar putea fi diferene nu numai de material biologic, ci i de
condiii experimentale.
Utilizarea frecvent a acestui tip de plan experimental se datoreaz avantajelor pe care le prezint:
- conduce la obinerea unor rezultate mai exacte dect n cazul planului experimental complet
randomizat, ca urmare a scderii varianei reziduale (eroarea) prin excluderea din valoarea ei a varianei
dintre blocuri (prin aceasta se diminueaz eroarea experimental, acea influen a unor surse de variaie
necontrolate);
- n acest tip de plan experimental pot fi introduse orice numr de tratamente i repetiii. Numrul de
tratamente este fixat de cercettor, numrul de repetiii sau blocuri este dat de mrimea probei. Fiecare
tratament va avea n mod obligatoriu acelai numr de repetiii;
- dac dorim repetarea unuia din tratamente, aceasta va fi aplicat la toate blocurile;
- dac lipsesc date pentru unul din tratamente sau pentru unul din blocuri, acestea pot fi eliminate
din calcul sau se poate utiliza tehnica datelor lips a lui Yates.
Esena planului n blocuri complet randomizate const n mprirea materialului experimental pe
grupe, fiecare grup reprezentnd o repetiie. Obiectivul este de a pstra n tot timpul experienei eroarea
experimental, nuntrul fiecrei grupe, ct mai mic posibil. Pentru aceasta, indivizii trebuie s fie ct mai
asemntori n cadrul aceleiai grupe, iar tehnica experimental va fi ct mai uniform pentru toi indivizii
82

din aceeai grup. Nu trebuie s ne preocupe faptul c unitile dintr-o repetiie (bloc) difer de cele din alt
bloc i acelai lucru i n privina tehnicii experimentale.
Toate avantajele enunate anterior n legtur cu acest plan sunt anulate n situaia n care indivizii
dintr-un bloc nu se comport la fel atunci cnd sunt supui aceluiai tratament. Dac indivizii din bloc difer
foarte mult ntre ei, stratificarea n blocuri nu este avantajoas. n cazul experienelor pe animale, asigurarea
condiiilor de omogenitate a materialului biologic se poate face relativ uor prin utilizarea de grupe de
indivizi care sunt n relaie de frai buni ntre ei sau semifrai. Ideal ar fi ca experienele s se efectueze pe
clone sau pe gemeni monozigotici.
nregistrarea datelor obinute n urma experienelor efectuate ntr-un astfel de plan experimental se
face la fel ca i n cazul altor planuri experimentale, numai c registrul de experien este organizat mai
complex, att pe blocuri, ct i pe tratamente.
Centralizarea datelor se face pe blocuri i tratamente, iar prelucrarea lor se face prin analiz de
varian. n analiza de varian se iau n considerare dou criterii de clasificare a varianei, respectiv ntre
blocuri i ntre tratamente. Factorul blocuri este considerat aleator, iar factorul tratamente se consider fix.
Eficacitatea analizei de varian depinde de mica varian nuntrul blocurilor i de marea varian dintre
blocuri. Eficiena experienei poate crete n condiiile n care se iau n considerare un numr mai mare de
blocuri i tratamente, sau mai multe nivele ale aceluiai tratament.
Blocul

Tratamente
B
C
x
x

A
x

D
x

Fig. 10. Schema de organizare a unui experiment ntr-un plan experimental n blocuri complet randomizate (6 blocuri; 4
tratamente)

n continuare se prezint un exemplu care s reliefeze modul de utilizare al acestui plan experimental
n organizarea unei cercetri.
Exemplu: ntr-o experien pe gini, care a vizat producia de ou, s-a urmrit efectul a patru raii cu
nivele diferite de protein (a) timp de 300 de zile. S-au alctuit
6 blocuri (n), n fiecare bloc, prin
randomizare, s-au aplicat tratamentele (raiile). Ginile din cadrul aceluiai bloc sunt n relaie de surori
bune ntre ele (provin de la acelai cuplu de prini).
Rezultatele obinute n urma experienei sunt prezentate n tabelul 14. Valorile din tabel care
reprezint producia de ou, au fost codificate prin scderea valorii 200.
Tabelul 14
Producia de ou pe variante experimentale
Blocul
1
2
3

A
16
15
13

Tratamente (raii)
B
C
12
8
11
7
8
6

83

D
6
7
5

Total
42
40
32

4
5
6
SX
SX2
X

11
14
12
81
1111
200+13,50

10
9
10
60
610
200+10,00

7
8
9
45
343
200+7,50

5
6
7
36
220
200+6,00

33
37
38
G=222
2284

Modul de prelucrare a datelor


I.
Se calculeaz suma ptratelor datelor
1) Cx =
N an ;

G 2 222 2

2053,50
N
24

N 4 6 24 ;

N numrul de observaii;
a numrul de tratamente; n numrul de blocuri
2
2) SX Bloc
/a

42 2 40 2 32 2 33 2 37 2 38 2
2072,50
4

3) SX Tr2 / n

812 60 2 45 2 36 2
2247,00
6

2
2
2
2
2
4) SX Total 16 15 ..... 6 7 2284,00

II.

Se calculeaz suma ptratelor abaterilor

2
SxTotal
(4) (1) 2284,00 2053,50 230,50

2
Sx Blocuri
= (2) (1) = 2072,50 2053,50 = 19,00
2
SxTratamente = (3) (1) = 2247,0 2053,50 = 193,50
2
Sx Eroare
= (4) (2) (3) + (1) = 18,00

Verificare:
2
2
SxT2 Sx Bl
SxTr
Sx E2 ;

230,50 = 19,00 + 193,50 + 18,00

III.
Se calculeaz gradele de libertate GL.
GLTotal = n a - 1; 6 4 - 1 = 23;
GLBloc = n 1;
6 1 = 5;
GLTratament = a 1; 4 1 = 3;
GLEroare = N n a + 1; 24 6 4 + 1 = 15.
Verificare:
GLTotal = GLBloc + GLTratament + GLEroare; 23 = 5 + 3 + 15
IV.

Se alctuiete tabelul de analiz a varianei datelor


Tabelul 15
Analiza varianei datelor privind producia de ou
84

Sursa de variaie

Sx

GL

PM

F
-

Variaia total

230,50

23

Variaia ntre
blocuri

19,00

3,80

Variaia ntre
tratamente

193,50

64,50

Eroare

18,00

15

1,20

F1
^

F2

= 3,16*

= 53,75***
-

Din tabelul cu distribuia lui F se iau valorile corespunztoare pragului de semnificaie i gradelor
de libertate aferente ptratului mediu cel mai mare i cel mai mic i se compar cu valorile calculate ale lui
^

. Valorile tabelare sunt urmtoarele:

F 1-0,05 (5;15)=2,90; F 1-0,01 (5;15) = 4,56; F 1-0,001 (5;15) = 7,57


F 2-0,05 (3;15)=3,29; F 2-0,01 (3;15) = 5,42; F 2-0,001 (3;15) = 9,34
n urma analizrii datelor se pot trage urmtoarele concluzii:
- exist diferene foarte semnificative din punct de vedere statistic ntre valorile privind producia de
ou datorate diferenelor de tratamente aplicate;
- n cazul acestei experiene i folosind aceste tratamente (raii), ele influeneaz foarte semnificativ
producia de ou la gini;
- diferenele dintre blocuri (datorit apartenenei la familii diferite), influeneaz n mod
semnificativ producia de ou.
Dac experiena s-ar fi desfurat ntr-un plan experimental complet randomizat, atunci din tabelul
de analiz al varianei ar fi disprut sursa de variaie determinat de blocuri, care s-ar aduga erorii
experimentale (ca surs de variaie ce nu poate fi controlat) i acesta este un motiv s putem afirma c
planul experimental n blocuri complet randomizate este mai sensibil dect planul complet randomizat.
Tabelul 16
Analiza varianei datelor (neglijnd efectul blocurilor)
Sursa de variaie
Variaia total

Sx

230,50

GL

PM

23

Variaia ntre
tratamente

193,50

64,50

Eroare

37,00

20

1,85

F
-

F2

= 34,86***
-

F0,05 (3; 20) = 3,10; F0,01 (3; 20) = 4,94; F0,001 (3; 20) = 8,10.
Concluzia este una singur: tratamentul aplicat (raii diferite) influeneaz foarte semnificativ
producia de ou.
Eficacitatea relativ a celor dou planuri se stabilete dup formula lui Fisher:

s 22 n1 1 n 2 3
e% 2
100 , unde:
s1 n1 3 n 2 1

e % - reprezint eficacitatea relativ a dou planuri comparate;


s12 i s 22 - reprezint varianele erorii din cele dou planuri experimentale;
85

n1 i n2 reprezint numrul gradelor de libertate ale erorii n cele dou planuri experimentale.
Pentru exemplul acesta:
e%

1,85 15 1 20 3
100 = 337,7 %,
1,2 15 3 20 1

ceea ce nseamn c planul n blocuri complet randomizate este cu 237 % mai eficient dect planul
experimental complet randomizat. Pentru a ti ntre care dintre tratamente sunt diferene semnificative, se
aplic testul Student sau Tukey.
7.2.3. Planul experimental n blocuri de msurtori repetate
Planul experimental n blocuri de msurtori repetate este un plan care se utilizeaz frecvent n
cercetrile din zootehnie i biotehnologii, datorit avantajelor pe care le prezint fa de celelalte planuri
experimentale amintite.
Cercetrile organizate ntr-un astfel de plan experimental presupun determinri (observaii,
msurtori) efectuate pe acelai individ la anumite intervale de timp. Individul are n acest caz rolul de bloc.
Dac sunt a tratamente, vor fi a observaii, sau determinri pe acelai individ. Pentru motivele
enunate mai sus, acest plan se numete: plan n blocuri de msurtori repetate. Avantajele acestui tip de plan
experimental ar putea merge pn acolo nct un bloc s fie alctuit dintr-o singur U.E. (o singur
observaie).
Pentru c n fiecare bloc trebuie s se regseasc toate tratamentele, aceasta nseamn c fiecare
individ (U.E.) s suporte pe rnd toate tratamentele, cu observaii repetate. Un asemenea plan experimental
este posibil de realizat numai n cazul cercetrilor care vizeaz caractere repetabile, care se manifest de mai
multe ori n viaa individului. n cadrul cercetrilor efectuate ntr-un astfel de plan experimental, variaia
total este descompus n dou componente: variaia ntre indivizi i variaia intra indivizi (nuntrul
indivizilor). Dac ntre indivizi vor fi diferene mari, atunci i prima component (variaia dintre indivizi) va
fi mare. Diferenele dintre observaiile fcute pe acelai individ depind de diferenele dintre tratamente i din
cauze datorate variaiei necontrolate (erorii).
De aceea, variaia intra individ va fi mprit n doi componeni: unul reprezint diferenele dintre
mediile tratamentelor, cellalt, reprezint variaia rezidual sau aa-numita eroare experimental.
Descompunerea gradelor de libertate n cadrul planului experimental n blocuri de msurtori
repetate urmeaz acelai traseu pe care l-am descris n cazul variaiei i care este prezentat schematic mai
jos:

Variaia ntre
blocuri
(indivizi)

Variaia intra
blocuri
(indivizi)

Variaia
total

GL = n x a - 1
GL = n - 1

GL = n(a-1)

Variaia
erorii
GL=(n-1)(a-1)

Variaia ntre
tratamente
GL =a-1

86
Fig. 11. Descompunerea variaiei totale i a gradelor de libertate
n - numrul de blocuri; a - numrul de tratamente

Acest plan experimental este folosit cu succes n experienele ce-i propun s sesizeze diferene mici.
n cazul planului experimental n blocuri de msurtori repetate, un avantaj care intervine n plus fa de
planurile anterioare, const n faptul c nu impune producerea de material biologic uniform, deoarece
tratamentele i ca urmare msurtorile, se fac pe acelai individ, n mod succesiv, la anumite intervale de
timp, ca urmare diferenele ce apar n cadrul blocului de date se vor datora numai diferenelor de tratament
aplicate.
Obligatoriu, cnd se trece de la un tratament la altul,este necesar o perioad de pauz i acomodare
pentru tergerea efectului tratamentului anterior i adaptarea la noul tratament.
Blocul
(individul)
A

Tratamentele
x x x x x x x x x x x x x x x
Blocul de date

x
Fig. 12. Model de plan n blocuri de msurtori repetate

Pentru exemplificare lum un studiu al influenei pe care o are durata iluminatului asupra produciei
de ou la prepelia japonez (Coturnix coturnix).
Exemplu: materialul biologic, reprezentat de 15 uniti experimentale (indivizi) a fost supus unui
tratament succesiv n ceea ce privete durata iluminatului n adpost. Tratamentul a constat n aplicarea unui
iluminat de 24 de ore din 24 pentru prima perioad, de 12 ore din 24 pentru cea de a doua perioad i din 8
ore din 24 pentru cea de a treia. Durata perioadelor a fost de 20 de zile, iar ntre ele a existat o pauz de 10
zile pentru a se terge efectul tratamentului anterior. S-a urmrit numrul de ou produs de fiecare individ pe
perioad i pe total experiment. Centralizarea datelor primare recoltate din registrul de experien s-a fcut
n tabelul de mai jos:
Tabelul 17
Datele privind numrul de ou pe blocuri i tratamente
Blocuri
prepelie
n1
2
3
4
5
6
7

Tratamente durata iluminatului - a


a1 24 h

a2 12 h

a3 8 h

18
20
20
19
17
18
18

15
16
17
16
14
15
15

11
12
12
11
10
10
11

87

Total
44
48
49
46
41
43
44

8
9
10
11
12
13
14
15
SX
X

I.

19
18
17
18
19
17
20
17
275
18,33

16
16
14
16
15
14
17
14
230
15,33

12
13
12
11
13
12
14
12
176
11,73

47
47
43
45
47
43
51
43
G=681

Se calculeaz suma ptratelor datelor individuale:

1) C x

G 2 6812

10305,80
N
45

2
2) SX BL
/a

3) SX Tr2 / n

44 2 48 2 ..... 512 43 2
10341,00
3

275 2 230 2 176 2


10633,40
15

4) SX T2 18 2 20 2 14 2 12 2 10683,00
II.

Se calculeaz suma ptratelor abaterilor


Sx ( 4) (1) 10683,00 10305,80 377,20
Sx
Sx

2
T
2
int reBl

= (2) (1) = 10341,00 10305,80 = 35,20


= (4) (2) = 10683,00 10341,00 = 342
= (3) (1) = 10633,40 10305,80 = 327,60
= (4) (3) (2) + (1) = 10683,00-10633,40-10341,00+10305,80=14,40

2
inauntruBl
2
int re Tr

Sx

2
Sx Eroare

Verificare:
2
2
2
Sx inauntru
BL Sx int re Tr Sx Eroare

342

= 327,60 + 14,40
2
2
SxT2 Sxint
re Bl Sx inauntrul Bl

377,20 = 35,20

342

III.
Se calculeaz gradele de libertate
n
GLT = a 1 15 3 1 44
GLntre Bl = n 1 = 15 1 = 14
GLnuntru Bl = n (a 1) = 15 (3 1) = 30
GLntre Tr = a 1 = 3 1 = 2
GLEroare = (n 1) (a 1) = 14 2 = 28
Verificare:
GLnuntru Bl = GLntre Tr + GLEroare
30
=
2
+
28
GLT = GLntre Bl + GLnuntru Bl
44 =
14 +
30
88

IV.

Se alctuiete tabelul de analiz a varianei


Tabelul 18
Analiza varianei datelor
Sursa de variaie

Sx

PM

F
-

Total

377,20

44

- ntre blocuri

35,20

14

2,51

- nuntru blocuri

342,00

30

11,40

ntre
tratamente

327,60

163,80

eroare

14,40

28

0,51

Comparm valorile lui

GL

F1
^

F2
^

F3

= 4,92***
= 22,35***
= 321,17***
-

calculate cu valorile tabelare pentru gradele de libertate aferente i

pragurile de semnificaie de 5 %; 1 % i 0,1 %.


F1-0,05 (14;28)=2,06; F1-0,01 (14;28)=2,79; F1-0,001 (14;28)= 3,75.
F2-0,05 (30;28)=1,86; F2-0,01 (30;28)=2,44; F2-0,001 (30;28)=3,22
F3-0,05 (2;28)=3,34; F3-0,01 (2;28)=5,45; F3-0,001 (2;28)= 8,77.
Comparnd valorile calculate ale lui

cu cele tabelare, rezult c sursele de variaie luate n studiu

influeneaz foarte semnificativ din punct de vedere statistic nsuirea urmrit (producia de ou).
Dac nu s-ar fi inut seama de variabilitatea datorat diferenelor dintre prepelie (blocuri) i dac sar fi efectuat analiza varianei ca ntr-un plan complet randomizat, atunci s-ar fi ajuns la rezultatele din
tabelul 19.
Tabelul 19
Analiza varianei datelor (neglijnd efectul blocurilor)
Sursa de variaie
Total

Sx

377,20

GL

PM

44

Tratamente

327,60

163,80

Eroare

49,60

42

1,18

F
^

= 138,81***
-

Neglijnd efectul blocurilor, concluzia este c tratamentul alocat influeneaz foarte semnificativ
statistic caracterul analizat. Eficacitatea relativ a acestei experiene desfurat ntr-un plan n blocuri de
msurtori repetate fa de experiena n plan complet randomizat este:

s 22 n1 1 n2 3
e% 2
100
s1 n1 3 n2 1

e%

1,18 28 1 42 3
100 = 226,51 %,
0,51 28 3 42 1

89

Folosirea planului experimental n blocuri de msurtori repetate, fa de planul experimental


complet randomizat, este cu 126,51 % mai eficace, sau de 2,265 de ori mai sensibil, adic a redus
cheltuielile materiale i de timp de mai bine de dou ori.
7.2.4. Experiene factoriale
n experienele din zootehnie, biotehnologii sau i n cazul altor tiine biologice cu caracter aplicativ,
foarte des apare necesitatea stabilirii efectului concomitent al mai multor factori experimentali asupra unui
caracter analizat.
Aceti factori care influeneaz variabila studiat se pot mpri n dou grupe:
- grupa factorilor de tehnic experimental (repetiii, blocuri, coloane) introdui n modelul
experimental pentru sporirea exactitii acestuia;
- grupa factorilor experimentali propriu-zii, a cror aciune asupra caracterului studiat trebuie
evideniat.
Experienele care se organizeaz n vederea studierii simultane a efectelor a doi sau mai muli factori,
n toate combinaiile lor posibile, se numesc experiene factoriale, iar dispozitivul experimental n care se
face studierea simultan a doi sau mai muli factori n toate combinaiile lor, se numete plan factorial.
Importana acestui tip de plan experimental const n faptul c prin intermediul lui se pot evidenia
efectele directe ale factorilor urmrii asupra variabilei (caracterului) studiate i totodat i efectele
interaciunii dintre factori, adic a influenei reciproce a acestor factori. Cercettorul este interesat n cele
mai multe cazuri s cunoasc nu numai efectul tratamentelor aplicate n mod separat, ci i al combinrii
acestor tratamente, spre a vedea dac o asemenea combinaie nu este mai eficace dect tratamentele aplicate
separat. Este un plan des utilizat n cazul cercetrilor, pentru c un tratament, orict de simplu ar fi, nu
afecteaz o singur nsuire, nu are un singur efect, dar mai ales pentru faptul c nu se poate realiza o
recomandare mai complex urmrind o singur cauz a anumitor efecte.
Experienele factoriale sunt capabile s sesizeze interaciunea dintre factori, s stabileasc mrimea
interaciunii dintre toi factorii studiai n mod simultan. Izolat, fiecare factor d un anumit efect, n timp ce
n prezena altor factori, d un alt efect. Termenul de factor este echivalent cu termenul de tratament sau
variabil experimental, prin factor nelegem o serie de tratamente nrudite. Aceste graduri ale
tratamentelor (nrudiri), care constituie un factor, poart denumirea de nivele ale factorului. Factorul protein
brut n raie poate avea mai multe nivele: 18 % ; 20 %; 22 %; etc. Factorul sex, are dou nivele: mascul i
femel. Factorul lumin, analizat prin prisma intensitii sau a duratei, poate avea un numr foarte mare de
nivele. Dimensiunile unei experiene factoriale sunt date de numrul factorilor i numrul nivelelor fiecrui
factor.
Experienele n care se urmrete efectul a doi factori se numesc experiene bifactoriale, iar cele care
urmresc efectul a trei factori se numesc trifactoriale i aa mai departe.
7.2.4.1. Experiene bifactoriale
n cazul planurilor experimentale studiate anterior, chiar dac se introducea n analiza varianei o
surs de variaie n plus, ea nu devenea un al doilea factor, deoarece ea provenea numai din aranjarea datelor,
spre a le mri omogenitatea i a diminua eroarea. Se studia numai influena unui factor (tratament), ceilali
fiind doar controlai pentru a spori acurateea studierii tratamentului.
O experien factorial n care sunt studiai doi factori, unul avnd dou nivele, cellalt trei nivele,
este o experien bifactorial de tipul: 2 x 3.
De exemplu, o experien efectuat pe doi hibrizi de pasre pentru ou, cu trei raii diferite n
privina coninutului n protein, este o experien bifactorial de tipul 2 x 3. Hibridul constituie primul
factor cu dou nivele, iar raia constituie cel de al doilea factor, cu trei nivele.
Tabelul 20
Schema unei experiene 2 x 3
90

Factorul
A
Hibridul

B - Raia
nivel
a1
a2

b1
a1 b1
a2 b1

b2
a1 b2
a2 b2

b3
a1 b3
a2 b3

n experienele factoriale, factorii sunt simbolizai prin litere latine mari (A; B), nivelurile factorilor
sunt notate cu litera mic corespunztoare nsoit de indici, n cazul nostru factorul A- are nivelele -a 1 i
a2-, iar factorul B- nivelele - b 1, b2, b3. Pentru a se putea nelege i interpreta corect o experien factorial,
trebuie precizat faptul c orice factor poate avea dou tipuri de nivele: nivele poteniale i nivele reale.
Nivelele reale ale factorului A- sunt desemnate de obicei prin simbolurile a 1, a2, ...ap. Dac Psimbolizeaz numrul nivelelor poteniale, numrul nivelelor real incluse n experien este notat cu p-.
Pentru factorul B- numrul real al nivelurilor este q- (b1, b2, ...bq), iar cel potenial este Q-.
Dac p = P, factorul A- este numit factor fix;
Dac q = Q, factorul B- este factor fix.
Aceasta presupune c numrul nivelelor reale este egal cu numrul nivelelor poteniale.
Factorul A- de exemplu este considerat fix i atunci cnd nivelele lui sunt alese printr-un procedeu
sistematic oarecare, selecia reducnd n acest caz numrul nivelelor poteniale P- la nivelele efective
Pefectiv-, sau Pefectiv = p. Reguli similare se aplic i pentru ceilali factori luai n studiu.
Cnd numrul nivelelor luate n studiu (incluse n experien) sunt o prob randomizat din nivelele
poteniale ale unui factor, factorul este considerat randomizat.
Raportul dintre numrul nivelelor reale ale unui factor incluse n experien i numrul nivelelor
poteniale ale acelui factor este denumit fracie de extragere de probe. Cnd valoarea fraciei de extragere
de probe, p/P = 1, sau p/Pefectiv=1, avem factor fix. Cnd p/P 0 (apropiat de zero), factorul este randomizat.
n cazul unei experiene cu doi factori, din care unul are p- nivele i cellalt q- nivele, sunt posibil
a se realiza p x q- combinaii diferite ale factorilor. n exemplul nostru de experien (2 x 3), nivelul -a 1- al
factorului A- se combin cu toate cele trei nivele ale factorului B-. Nivelul a 2- este inclus i el n trei
combinaii, astfel vor rezulta ase combinaii ale celor doi factori. n experienele n care fiecare nivel al
unui factor se combin cu fiecare nivel al celuilalt factor, se spune c cei doi factori sunt complet
ncruciai.
Uneori nivelele unui factor A- apar numai nuntrul nivelelor altui factor B-. Asemenea factor se
zice c este cuibrit nuntrul factorului B-.
Modul de prelucrare statistic a datelor obinute n experienele bifactoriale
ntr-o analiz monofactorial, suma total a ptratelor abaterilor (SP T) era descompus n dou
pri i anume o sum a ptratelor ntre tratamente i o sum a ptratelor nuntru tratamente (eroarea),
ntr-o experien factorial cu doi factori, cu n- repetiii (U.E.) n fiecare csu, suma total a ptratelor
poate fi descompus n patru pri:
SPT = SPfactor A + SPfactor B + SPinteraciunii AB + SPeroare
SPT suma ptratelor abaterilor observaiilor individuale de la media general G-;
SPfactor A suma ptratelor abaterilor factorului A- de la media general G-. n ea se reflect efectele
diferitelor nivele ale factorului A- plus eroarea experimental;
SPfactor B suma ptratelor abaterilor factorului B- reprezint deviaiile de la media general G- a
nivelurilor factorului B- plus eroarea experimental;
SPinteraciunii AB suma ptratelor abaterilor interaciunii incub efectele interaciunii dintre nivelele celor doi
factori, plus eroarea experimental;
SPeroare suma ptratelor abaterilor erorii se bazeaz pe deviaia de la media csuei a indivizilor tratai la
fel, datorit variaiei ntmpltoare sau erorii.
Dac vom nota cu: n- numrul de observaii dintr-o csu; cu p- numrul nivelelor reale ale
factorului A-; cu q- numrul nivelelor reale ale factorului B- i dac simbolizm o observaie dintr-o
csu cu Xijk- i vom introduce urmtoarele simboluri de calcul:
(1) = G2/npq;
91

2
(2) = SX ijk ;

2
(3) = SAi /nq;

(4) = SB /np;
(5) = [S(ABij)2]/n
atunci formulele pentru calcularea sumelor ptratelor abaterilor devin:
2
j

SPT = SX ijk

SPA =

SPB =

SPAB =

S ABij

G2
2 1 ;
npq

SAi2
G2

3 1
nq
npq
SB 2j
np

G2
4 1
npq

2
SAi2 SB j
G2

5 3 4 1
nq
np
npq

2
SPE = SX ijk

S ABij

2 5 ;

Stabilirea gradelor de libertate se face n modul urmtor:


GLT = npq 1; GLA = p 1; GLB = q 1;
GLAB = (p-1) (q-1); GLE = pq (n 1).
Ptratele medii corespunztoare sunt:
PMT =

SPT
SPA
SPB
; PMA =
; PMB =
;
npq 1
p 1
q 1

PMAB =

SPE
SPAB
; PME =
pq n 1
p 1 q 1

Ca o prim operaie n prelucrarea datelor experimentale, se alctuiete un tabel rezumativ, cu dou intrri a
acestor date, n care rndurile reprezint nivelele factorului A- i coloanele, nivelele factorului B-, dup
modelul de mai jos:
Tabelul 21
Tabelul rezumativ cu dou intrri
Factorul

92

nivel
a1
a2
Total

b1
a1 b1=
a2 b1=
b1=

b2
a1 b2=
a2 b2=
b2=

b3
a1 b3=
a2 b3=
b3=

Total
a1=
a2=
G=

Dup ntocmirea tabelului rezumativ, folosind formulele prezentate anterior se calculeaz: suma
^

ptratelor abaterilor, gradele de libertate, ptratul mediu i valoarea - F -, dup care se trece la alctuirea
tabelului de analiz a varianei i se interpreteaz rezultatele.
Exemplu: Pentru aplicaie, o s lum un exemplu de experien factorial (2 x 2), n care ne
propunem stabilirea efectelor principale (simple) i a interaciunii factorului lumin (A) cu dou nivele: a 1 =
4000 luci i a2 = 100 luci i a factorului hran (B), tot cu dou nivele: b 1 = raie normal pentru oareci, la
care se adaug un supliment de ovz, b 2 = raie normal plus supliment de orz, asupra prolificitii la cte 10
femele de oareci albi pe variant experimental. Datele brute privind prolificitatea la indivizii din
experiment sunt prezentate n tabelul 22.

Tabelul 22
Datele privind prolificitatea la oarecii de laborator
Factori i
nivele ale
factorilor
1
2
3
4
5
6
7
8
9
10
SX
SX2

I.

Factorul A - lumina
a1

a2
Factorul B - hrana
b2
b1
6
5
7
6
7
5
7
5
6
6
7
5
8
6
7
6
9
4
5
5
69
53
487
285

b1
10
8
8
9
8
7
8
9
10
7
84
716

Total
b2
4
3
3
4
4
4
3
4
3
2
34
120

240
1608

Se alctuiete tabelul rezumativ cu dou intrri.


Tabelul 23
Tabelul rezumativ cu dou intrri
Factorul
A

B
nivel
a1
a2
Total

b1
a1 b1=84
a2 b1=53
b1=137

93

b2
a1 b2=69
a2 b2=34
b2=103

Total
a1=153
a2=87
G=240

II.

Se va calcula suma ptratelor conform formulelor prezentate:


G2
240 2
57600

1440
npq 10 2 2
40

(1) C x

2
2
(2) SX ijk 10 + 82 + ....+ 32 + 22 = 1608

(3)

(4)

(5)

SAi2 153 2 87 2

1548,90
nq
20
20
SB 2j
np

137 2 103 2

1468,90
20
20

S ABij
n

84 2 69 2 53 2 34 2

1578,20
10
10
10
10

n numr de indivizi pe variant experimental;


factorului B.
III.

p nivelele factorului A-; q - nivelele

Se calculeaz suma ptratelor abaterilor

SPT = SxT2 = (2) (1) = 1608 1440 = 168,00


SPA = Sx A2 = (3) (1) = 1548,90 1440 = 108,90
SPB = Sx B2 = (4) (1) = 1468,90 1440 = 28,90
2
SPAB = Sx AB
= (5) (3) (4) + (1) = 1578,20 1548,90 1468,90 + 1440 = 0,40
2
SPE = Sx E = (2) (5) = 1608 1578,20 = 29,80
IV.

Se stabilesc gradele de libertate:


GLT = npq 1 = 10 x 2 x 2 1 = 39
GLA = p 1 = 2 1 = 1
GLB = q 1 = 2 1= 1
GLAB = (p 1) (q 1) = (2 1) (2 1) = 1
GLE = pq (n 1) = 36

V.

Analiza varianei datelor experimentale


Tabelul 24
Analiza varianei datelor (neglijnd efectul blocurilor)
Sursa de variaie

GL

PM

168

39

1. Tratamente

138,20

46,06

1.1. Factorul A

108,90

108,90

Total

Sx

94

F0
^

F1

= 56,17***
= 132,80***

1.2. Factorul B

28,90

28,90

1.3. Interaciune AB

0,40

0,40

2. Eroarea

29,80

36

0,82

F2
^

F3

= 35,24***
= 0,48 n.s.
-

Valorile tabelare ale lui F- n funcie de gradele de libertate i pragul de semnificaie:


F0,05 (1;36)=4,08; F0,01 (1;36)=7,31; F0,001 (1;36)= 12,60
F0,05 (36;1)=250; F0,01 (36;1)=620; F0,001 (36;1)=626
F0,05 (3;36)=2,84; F0,01 (3;36)=4,31; F0,001 (3;36)=6,60
Prelucrarea statistic a datelor spune c, interaciunea celor doi factori nu are o influen
semnificativ asupra caracterului urmrit, deci efectele luminii i a hranei sunt aditive.
n al doilea rnd se constat c tratamentele aplicate au provocat diferene foarte semnificative n
privina prolificitii la oarecii de laborator.
7.2.4.2. Experiene factoriale cu trei sau mai muli factori
Experienele factoriale n care este urmrit efectul a trei factori poart numele de experiene
trifactoriale. O experien trifactorial n care factorii studiai sunt A, B i C-, iar factorul A- are dou
nivele, factorul B- are dou nivele i factorul C- are trei nivele, este o factorial de tipul (2 x 2 x 3).
Experienele polifactoriale conduc la sesizarea efectelor simple ale fiecrui factor i al interaciunilor de
diferite grade dintre factori. Interpretarea rezultatelor se face printr-o analiz de varian, prin care variana
variabilei studiate este descompus n pri care sunt atribuite efectelor principale, interaciunilor i varianei
reziduale (erorii).
Testarea semnificaiei unui efect n experienele polifactoriale (cu trei sau mai muli factori) se face
n acelai mod ca i n cazul experienelor cu doi factori, acordnd o atenie sporit la alegerea numitorului
adecvat atunci cnd estimm valoarea lui F-. Alegerea numitorului, de care depinde precizia concluziilor,
este determinat de valorile ptratelor medii. Atunci cnd toi factorii implicai n experiment sunt factori
fici, atunci numitorul este constituit din ptratul mediu al erorii (PME).
Dac nu avem un numitor adecvat, atunci el poate fi obinut prin combinarea a dou sau mai multe
ptrate medii. n experienele factoriale, fiecare dat de msur sau de observaie se presupune c este suma
unei medii generale, a efectelor datorate unui anumit nivel al unei clasificri, a efectelor datorate tuturor
interaciunilor posibil de realizat ntre aceste nivele i a unei erori experimentale randomizate.
Modelul matematic dup care se alctuiete orice valoare ntr-un experiment cu trei factori este
urmtorul:
Xijkl = + i + j + k + ij + ik + jk + ijk + eijkl, unde:
Xijkl reprezint observaia sau o msurtoare fcut pe unitatea experimental l asupra creia acioneaz
factorii (tratamentele) A, B, C n toate combinaiile posibile;
i = 1 . . . p; j = 1 . . . q; k = 1 . . . r; l = 1 . . . n.;
reprezint media;
i - efectul factorului A-;
j - efectul factorului B-;
k - efectul factorului C-;
ij interaciunea de ordinul I ;
ik - interaciunea de ordinul I ;
jk - interaciunea de ordinul I ;
ijk - interaciunea de ordinul II ;
n tabelul de analiz a varianei datelor obinute n urma unor experiene organizate ntr-un astfel de
plan experimental, trebuie s se prevad: - un rnd pentru eroarea experimental, un rnd pentru fiecare
tratament (factor), cte un rnd pentru fiecare interaciune posibil ntre factori.
95

Pentru a stabili ce interaciuni putem avea, se formeaz toate combinaiile posibile. Numrul
combinaiilor posibile de realizat ntre doi sau mai muli factori se stabilete dup relaia:

n n!

r ! rnr !
n

r

unde:

- reprezint combinri de n- elemente luate cte r-;

n numrul total al factorilor;


r numrul factorilor care interacioneaz;
! nseamn factorial i arat c se nmulesc toi termenii seriei de la 1 pn la n- (ex.: factorial de 4 sau
4 ! = 1 x 2 x 3 x 4 = 24).
n cazul experienei trifactoriale vom avea:

3 3! 1 2 3
3
1 1!31! 1 2
3 3! 123
3
2 2!32! 121
3 3! 1 2 3
1
3 3!3! 1231

efecte principale: A, B, C.

interaciuni de ordinul I:AB;AC;BC.

interaciune de ordinul II ABC.

De reinut c zero factorial: 0 ! = 1.


96

n cazul unei experiene cu patru factori, A, B, C, D, situaia va fi urmtoarea:

4 4!
4
1 1!41!
4 4!
6
2 2!42!
4 4!
4
3 3!43!
4 4!
1
4 4 ! 4 4 !

efecte principale A, B, C, D

interaciuni de ordinul I: AB, AC, AD, BC, BD, CD;

interaciuni de ordinul II: ABC, ABD, ACD, BCD.

interaciune de ordinul III: ABCD.

tabelul 25
Notaiile folosite n tabelul 25, au urmtoarea semnificaie:
o singur liter mic noteaz suma ptratelor necorectate a clasificrii principale corespunztoare;
o combinaie de dou sau mai multe litere mici noteaz suma ptratelor necorectate pentru
interaciunea corespunztoare;
termenul de corecie se noteaz cu (1).
Pentru determinarea sumelor ptratelor corectate, Sx2, introducem n tabelul de analiz a varianei, n
coloana corespunztoare sumei ptratelor, n fiecare rnd, literele mici corespunztoare literelor din coloana
din stnga minus (1).
97

Estimarea i testarea semnificaiei unei experiene factoriale (2 x 2 x 2)


Exemplu:
ntr-o experien care a durat 150 de zile, efectuat pe tineret ovin de ambele sexe, aparinnd la dou
rase igaie i Merinos de Cluj, s-a studiat efectul sistemului de furajare, pe pune fr adaos de concentrate
i cu adaos de concentrate, asupra masei corporale.
S-au analizat trei factori i interaciunile dintre acetia: - - factorul A- rasa, cu dou nivele (p=2):a 1
= rasa igaie, a2 = rasa Merinos de Cluj;
- factorul B- sexul, cu dou nivele (q=2): b1 = masculi; b2 = femele;
- factorul C- sistemul de ntreinere, cu dou nivele (r=2): c 1 = pe pune; c2 = pe pune plus
supliment de concentrate.
Datele brute sunt prezentate n tabelul 26.
Tabelul 26
Valorile masei corporale la tineretul ovin
Specificare

Factorul Aa1

a2
Factorul B-

b1

1
2
3
4
5
6
7
8
9
10
SX

c1
32
40
36
39
35
32
37
37
34
39
361

c2
44
39
38
40
38
42
39
44
41
37
402

c1
37
32
38
35
30
36
39
35
33
29
344

SX2

13105

16216

11934

b2
b1
Factorul -C
c2
c1
c2
38
39
45
40
41
38
35
36
41
34
40
39
36
33
45
33
42
43
41
43
38
37
35
44
39
34
44
39
37
43
372
380
420
13902

14550

17710

b2
c1
36
39
40
32
37
38
33
34
39
35
363

c2
41
38
42
38
40
41
43
36
42
40
401

13245

16123

1) Se calculeaz suma total a datelor:


G = 32 + 40 + . . . + 42 + 40 = 3043
2) Se calculeaz suma total a ptratelor datelor:
SX T2 = 322 + 402 + . . . + 422 + 402 = 116.785
3) Se ntocmete tabelul rezumativ cu dou intrri pentru interaciunea AB
Tabelul 27
Tabelul rezumativ AB al datelor din tabelul 26
Factorul
A

B
nivel
a1
a2
Total

b1
a1 b1=763
a2 b1=800
b1=1563

b2
a1 b2=716
a2 b2=764
b2=1480

Total
a1=1479
a2=1564
G=3043

4) Folosind datele din acest tabel se calculeaz suma ptratelor necorectate a pentru sursa de variaie
A-.
a

a12 a 22 1479 2 1564 2

115 .838,42
nqr
10 2 2

98

5) Se calculeaz suma ptratelor necorectate b- pentru sursa de variaie B-.


b

b12 b22 1563 2 1480 2

115 .834,22
npr
10 2 2

6) Se ntocmete tabelul rezumativ cu dou intrri pentru interaciunea AC.


Tabelul 28
Tabelul rezumativ AC al datelor din tabelul 26
Factorul
A

C
nivel
a1
a2
Total

c1
a1 c1=705
a2 c1=743
c1=1448

c2
a1 c2=774
a2 c2=821
c2=1595

Total
a1=1479
a2=1564
G=3043

7) Se calculeaz suma ptratelor necorectate c- pentru sursa de variaie C-.


c

c12 c 22 1448 2 1595 2

116 .018,22
npq
10 2 2

8) Se ntocmete tabelul rezumativ cu dou intrri pentru interaciunea BC.


Tabelul 29
Tabelul rezumativ BC al datelor din tabelul 26
Factorul
B

C
nivel
b1
b2
Total

c1
b1 c1=741
b2 c1=707
c1=1448

c2
b1 c2=822
b2 c2=773
c2=1595

Total
b1=1563
b2=1480
G=3043

9) Se ntocmete tabelul rezumativ pentru interaciunea ABC


Tabelul 30
Tabelul rezumativ ABC al datelor din tabelul 26
Nivele
a1
a2
Total

b1
c1
c2
a1b1c1
a1b1c2
361
402
a2b1c1
a2b1c2
380
420
c1=741
c2=822
b1=1563

b2
c1
c2
a1b2c1
a1b2c2
344
372
a2b2c1
a2b2c2
363
401
c1=707
c2=773
b2=1480

Total
a1=1479
a2=1564
G=3043

10) Se calculeaz suma ptratelor necorectate ab- pentru sursa de variaie AB- utiliznd tabelul
rezumativ AB.

99

a1b12 a1b22 a 2 b12 a 2 b22

nr

ab

763 2 716 2 800 2 764 2


115926 ,05
20

11) Se calculeaz suma ptratelor necorectate ac- pentru sursa de variaie AC- utiliznd tabelul
rezumativ AC.
ac

a1 c12 a1c 22 a 2 c12 a 2 c 22

nq

705 2 774 2 743 2 8212


116109,55
20

12) Se calculeaz suma ptratelor necorectate bc-, pentru sursa de variaie BC-, utiliznd tabelul
rezumativ BC-.
bc

b1c12 b1c 22 b2 c12 b2 c 22

n p

7412 822 2 707 2 773 2


116107 ,15
20

13) Se calculeaz suma ptratelor necorectate abc- pentru sursa de variaie ABC, utiliznd tabelul
rezumativ ABC.
abc

a1b1c12 a1b1 c 22 a 2 b2 c 22

3612 402 2 344 2 372 2 380 2 420 2 363 2 4012

10
116201,50

14) Se calculeaz termenul de corecie Cx-.

G2
SX 3043 2 115748,11

N
npqr
10 2 2 2
2

(1)= Cx =

15) Se calculeaz suma ptratelor corectate:


Sx = a - (1) = 115838,42 115748,11 = 90,31
Sx = b (1) = 115834,22 115748,11 = 86,11
Sx =abab+(1)=115926,05-115838,42-115834,22 +115748,11 = 1,52
SxC2 = c (1) = 116018,22 115748,11 = 270,11
2
Sx AC
= ac a c + (1) = 116109,55-115838,42-116018,22+ 115748,11 = 1,02
2
Sx BC = bc b c + (1) = 116107,15 115834,22 116018,22 + 115748,11 = 2,82
2
Sx ABC
= abc ab ac bc + a + b + c (1) = 116201,50 115926,05 116109,55 116107,15 +
115838,42 + 115834,22 + 116018,22 115748,11 = 1,5
2
Sx Eroare
SX T2 abc 116785 116201,50 = 583,50
2
A
2
B
2
AB

2
SxTotal
SX T2 1 = 116785 115748,11 = 1036,89

Verificare:
2
2
2
2
2
2
SxTotal
Sx A2 Sx B2 Sx AB
SxC2 Sx AC
Sx BC
Sx ABC
Sx Eroare

100

Se stabilesc gradele de libertate.


GLTotal = (n p q r) 1 = (10 x 2 x 2 x 2) 1 = 79
GLA = p 1 = 1
GLB = q 1 = 1
GLAB = (p 1) (q 1) = 1
GLAC = (p 1) (r 1) = 1
GLBC = (q 1) (r 1) = 1
GLABC = (p 1) (q 1) (r 1 ) = 1
GLEroare = (n p q r) (p q r) = (10 x 2 x 2 x 2) (2 x 2 x 2)= 72

Se alctuiete tabelul de analiz a varianei:


Tabelul 31
Tabelul de analiza varianei datelor
Sursa de variaie
Total
Factorul A
Factorul B
Interaciunea AB
Factorul C
Interaciunea AC
Interaciunea BC
Interaciunea ABC
Eroarea

Sx

1036,89
90,31
86,11
1,52
270,11
1,02
2,82
1,50
583,50

GL

PM

79
1
1
1
1
1
1
1
72

90,31
86,11
1,52
270
1,02
2,82
1,5
8,10

11,14**
10,63**
0,19 n.s.
33,33***
0,125 n.s.
0,350 n.s.
0,19 n.s.
-

Din examinarea datelor obinute, prezentate n coloana

, rezult c sistemul de furajare

influeneaz foarte semnificativ din punct de vedere statistic masa corporal a mieilor la vrsta de 150 de
zile. Ceilali doi factori, sexul i rasa, provoac diferene distinct semnificative n privina caracterului
urmrit, n timp ce influena interaciunilor este nesemnificativ.
7.2.4.3. Planul experimental ierarhic balansat
Cnd nivelele unui factor pot fi identificate n orice nivel al altui factor, planul experimental se
numete complet ncruciat. Dac numai anumite nivele ale unui factor se regsesc n unele nivele ale altui
factor, planul experimental se numete cuibrit sau cu clasificri ierarhice.
Un exemplu de clasificare ierarhic sau cuibrit l putem ntlni cel mai frecvent atunci cnd
urmrim evoluia unei variabile la descendeni care provin de la un anumit numr de mame care au fost
mperecheate cu un anumit numr de masculi, conform schemei de mai jos.
Factorul -Amasculii

a1

a2

101

a3

Factorul Bfemelele

b1

b2

descendenii

.
.
.
.
.

.
.
.
.
.

b3

b4
.
.
.
.
.

.
.
.
.
.

b5
.
.
.
.
.

b6

b7
.
.
.
.
.

.
.
.
.
.

b8
.
.
.
.
.

b9
.
.
.
.
.

Fig. 13. Schema planului experimental ierarhic balansat

Aceast experien, a crei schem este prezentat mai sus, este o experien factorial cu doi factori:
-A masculii, cu trei nivele: -a1, a2 i a3-; -B- femelele- cu nou nivele: -b1 . . .b9.
Diferenele dintre descendenii provenii de la masculul a 1 i descendenii provenii de la a2 sau a3 se
datoresc pe de o parte diferenelor dintre masculi i pe de alt parte, diferenelor dintre femele. Efectele
datorate femelelor: -b1, b2, b3-, asupra descendenilor, sunt confundate cu cele datorate masculului
-a 1-, la
fel i n cazul masculilor a2 i a3- vis--vis de relaia cu femelele: -b4, b5, b6-, respectiv b7, b8, b9. Asemenea
efecte, care sunt limitate la un singur nivel al unui factor se numesc cuibrite nuntrul factorului. Pentru c
fiecare femel a fost montat numai de unul din masculi, nu exist posibilitatea de a estima efectul
interaciunii mascul x femel.
Planurile experimentale ierarhice sau cuibrite, pot s fie balansate sau nu. Dac ntr-un plan
experimental avem acelai numr de uniti experimentale pentru fiecare repetiie i numrul de niveluri ale
unui factor cuibrit n altul este acelai, pentru orice nivel sau pentru orice combinaie de factori n care se
face cuibrirea, planul ierarhic (cuibrit) este i balansat.
Cuibrirea este simbolizat prin simbolul factorului sau a factorilor cuibrii (A, B, C etc.), urmat de
dou puncte, dup care urmeaz simbolul factorului sau a factorilor n care se face cuibrirea. Pentru doi
factori A, B- cuibrii, se va scrie B:A. Modelul matematic n acest caz este urmtorul:
X ij i k i j i eij i k

Notaia j(i) arat c nivelul j- al factorului B- este cuibrit n nivelul (i) al factorului A-.
Modelul unei experiene cu trei factori A, B, C- are mai multe variante de reunire a lor ntr-un
experiment.
O variant pe care deja am abordat-o este cea n care cei trei factori sunt complet ncruciai:
Xijkl = + i + j + ij + k + ik + jk + ijk + eijkl
n analiza de varian efectuat n cazul unui astfel de plan experimental, sursele de variaie sunt: - A,
B, AB, C, AC, BC, ABC i eroare.
O alt variant posibil n cazul unei experiene cu trei factori este aceea n care cei trei factori sunt
complet cuibrii, adic, -A, B:A, C:AB, sau C:B:A.
Modelul matematic n aceast situaie este urmtorul:
Xij(i)k(ij)l = + i + j(i) + k(ij) + eij(i)k(ij)l
n analiza de varian, sursele de variaie sunt: -A, B:A, C:AB i eroare.
O variant de model mixt cu trei factori ar fi: ncruciat-cuibrit, adic: - A, B, C:AB, sau CA:B.
Modelul matematic este:
Xijk(ij)l = + i + j + ij + k(ij) + eijk(ij)l
Sursele de variaie n acest caz vor fi: A, B, AB, C:AB i eroare.
O alt soluie posibil este tot un model mixt, dar cuibrit-ncruciat, adic: - A, B:A, C, sau CB:A,
ce are urmtorul model matematic:
Xij(i)kl = + i + j(i) + k + ik + j(i)k + eij(i)kl
102

Analiza de varian va avea urmtoarele surse de variaie: - A, B:A, C, CA, CB:A, eroare.
Pentru un experiment cu trei factori complet cuibrii, sursele de variaie amintite cnd am prezentat
modelul matematic, au urmtoarele formule de calcul pentru gradele de libertate:
Sursa de variaie
A
B:A
C:AB
Eroare

GL
p-1
(q 1) p
(r 1) p q
p q r (n 1)

Pentru planul experimental ncruciat cuibrit stabilirea gradelor de libertate se face n felul
urmtor:
Sursa de variaie
GL
A
p-1
B
q1
AB
(p 1) (q 1)
C:AB
(r 1) p q
Eroare
p q r (n 1)
Planul experimental cuibrit-ncruciat cu trei factori, are n analiza de varian urmtoarele grade de
libertate:
Sursa de variaie
A
B:A
C
AC
BC:A
Eroare

GL
p-1
(q 1) p
(r 1)
(p 1) (r 1)
(q 1) (r 1) p
p q r (n 1)

Pentru Total: GL = N 1, unde N = n p q r.


n numrul de repetiii;
p nivelele factorului A-;
q nivelele factorului B-;
r nivelele factorului C-.
Exemplu de plan ierarhic balansat cu trei factori complet cuibrii.
Se urmrete testarea semnificaiei diferenelor cu privire la greutatea corporal la vrsta de o lun a
purceilor, ntr-o experien cu participarea a dou linii de Marele alb (factorul A- fix) cu cte doi vieri
(factorul B-randomizat), mperecheai cu cte trei scroafe (factorul C-randomizat), de la care s-au cntrit
cte patru descendeni (p=2; q=2; r=3; n=4).
Factorul -A-

FactorulB-

a1

b1

a2

b2

103

b3

b4

FactorulC-

c1
.
.
.
.

Descendenii

c2
.
.
.
.

c3
.
.
.
.

c4
.
.
.
.

c5
.
.
.
.

c6
.
.
.
.

c7
.
.
.
.

c8
.
.
.
.

c9
.
.
.
.

c10 c11 c12


.
.
.
.
.
.
.
.
.
.
.
.

Fig. 14. Schema planului experimental

Tabelul 32
Datele primare ale experimentului
Factorul A- (liniile)
a1

Factori i
nivele
Descendeni
SXC
SXB
SXA
SXT

b1
c1
5
8
4
7
24

c2
7
6
7
6
26
72

a2
Factorul B- (vierii)
b2
b3
Factorul C- (scroafele)
c3
c4
c5
c6
c7
c8
c9 c10
7
4
5
6
6
7
5
6
4
6
6
7
6
8
7
7
5
6
5
5
7
6
7
9
6
4
5
5
6
7
8
7
22 20 21 23 25 28 27 29
64
80
136
175
311

Se calculeaz suma ptratelor datelor:


1) C x

G 2 3112

2015,02
N
48

2) SA/2nr .descendenti pe linie

136 2 175 2
2046,70
24

3) SC : AB/2nr . des. pe masc

72 2 64 2 80 2 95 2
2058,75
12

4) SC : ABC /2nr . des. pe

femela

24 2 26 2 32 2
2066,25
4

2
5 2 + 82 + . . . + 92 + 72 = 2105,00
5) SX Total

Suma ptratelor abaterilor va fi:


2
SxTotal
= (5) (1) = 2105,00 2015,02 = 89,98
2
Sx A = (2) (1) = 2046,70 2015,02 = 31,68
Sx B2:A = (3) (2) = 2058,75 2046,70 = 12,05
SxC2 :BA = (4) (3) = 2066,25 2058,75 = 7,50
2
Sx Eroare
= (5) (4) = 2105,00 2066,25= 38,75
Gradele de libertate vor fi:
104

b4
c11
8
9
9
8
34
95

c12
8
8
9
7
32

GLTotal = N 1 = 48 1 = 47
GLA = p 1 = 2 1 = 1
GLB:A = (q 1) p = 2
GLC:AB = (r 1) p q = 8
GLEroare = p q r (n 1) = 36

Tabelul 33
Analiza varianei datelor
2

Sursa de variaie

Sx

Total
A
B:A
C:AB
Eroarea

89,98
31,68
12,05
7,50
38,75

GL

PM

47
1
2
8
36

31,68
6,025
0,93
1,07

5,25 n.s.
6,47*
0,86
-

Cu factorul A- fix i factoriiB, C- randomizai,

se construiete raportnd fiecare surs de

variaie, media proprie a ptratelor (PM) la urmtoarea. Comparnd

cu valorile tabelare, constatm c

factorul B- (vierii) influeneaz semnificativ caracterul analizat.


7.2.4.4. Planul ierahic nebalansat
(dup Gh. Sandu, 1995)
Variaia numrului de repetiii din interiorul nivelurilor ultimului factor cuibrit, sau variaia
numrului de niveluri ale factorilor cuibrii n interiorul altora, provoac nebalansarea experienei.
Consecina nebalansrii de acest fel este modificarea coeficienilor pe care varianele estimate i au n cadrul
mediei ptratelor corespunztoare surselor de variaie.
ntr-un plan experimental pentru trei factori randomizai, complet cuibrii, media ptratelor
estimeaz urmtoarele variante (tabelul 34).

Tabelul 34
Parametri estimai de mediile ptratelor ntr-un experiment ierarhic nebalansat, cu trei factori
randomizai
Sursa
ntre nivelurile factorului
A- (sursa 3)
ntre nivelurile factorului
B- n interiorul nivelurilor
A- (sursa 2)
ntre nivelurile factorului
C- n interiorul nivelurilor
B- (sursa 1)
n interiorul nivelurilor C-

MP
MPA

Parametri estimai
k 2 k 2 k 2 k

MPB

MPC

MPe

105

30

31

20

10

00

2
C

21

2
C

11

32

22

2
B

33

2
A

sau eroare (sursa 0)

Coeficienii Kij se obin astfel: K ij

ij
io

Prin o, i i j- sunt desemnate sursele de variaie, dup cum urmeaz: o corespunde sursei de
variaie ntre repetiii sau n interiorul factorului ultim, n cazul exemplificat factorul C-, iar i i j
desemneaz alte surse de variaie cauzate de factorii A, B-. Dac s-ar nota sursele de variaie cu h, n
cazul exemplificat, h = 4 surse, sau h = 0, 1, 2, 3.
ij ij i 1; j

ij
j

nij2
ni

Pentru exemplificare se ia planul experimental din figura 15, referitor la 35 de puicue, prezente ntr-o serie
de ecloziune de la 17 gini mperecheate cu 5 cocoi, care aparin la dou linii ale unei rase.
Numrul de puicue din aceast experien este grupat pe surse de variaie n tabelul 35.

fig. 15
Tabelul 35
Exemplu de obinere a coeficienilor k ntr-un plan experimental ierarhic nebalansat
0
Puicue
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

1
Gini

Sursele de variaie
2
3
Cocoi
Linii

2
3
2

2
3
1

2
2
1

2
3
2
1

2
3
2

106

18

4
Rasa

Sursele de variaie
1
35

2
35

10
35

17
35

35
35

Pe baza datelor din tabelul 35, pot fi calculate valorile ij (tabelul 36).
Tabelul 36
Calcularea coeficienilor ij
12 12
12

35
1
1
1
12 12 12
12
10

17
2
2
3
2
2 2 32
22
11


35
2
3
2
12 12
12
20


5
7
7
10
2 2 32
22
21


11,3
7
7
10
7 2 52
10 2
22


35
7
5
10
12 12
12
30


2
18 18
17
2 2 32
22
31


4,5
18 18
17
7 2 52
10 2
32


14,8
18 18
17
182 17 2
33

35
18
17
12 12
12
40


1
35 35
35

00

continuarea tabelului 36
2

2
3
2


2,25
35 35
35
7 2 52
10 2
42


7,4
35 35
35
18 2 17 2
43

17,5
35
35
35 2
44
35
35

41

Se poate trece la calcularea coeficienilor varianelor estimate de ctre media ptratelor ntr-o analiz
dispersional a datelor furnizate de acest experiment nebalansat (tabelul 37).
Tabelul 37
k 00

Calcularea coeficienilor kij


00 10

1
00 10

107

k10

10 20
1
10 20

11 21 35 11,3

1,975
10 20
17 5
30
k 20 20
1
20 30
31 11,3 4,5
21

2,266
20 30
52
32 35 14,8
22

6,733
20 30
52

k11

k 21
k 22

continuarea tabelului 37

40
k30 30
1
30 40
41 4,5 2,25
k 31 31

2,25
30 40
2 1
42 14,8 7,4
k 32 32

7,4
30 40
2 1
42 35 17,5
k 33 33

17,5
30 40
2 1

Cel mai adesea, asemenea modele experimentale se ntlnesc n exprimarea heritabilitii.


Urmtoarea aplicaie numeric este adaptat dup Tacu (1968), pentru calcularea heritabilitii greutii
corporale a cocoilor la vrsta de 2 luni (g : 30) pe baza datelor din tabelul 38.
Tabelul 38
Date primare pentru un exemplu de plan ierarhic nebalansat
M
F
D

Linia 1
1
40
37
77

1
2
36
41
34
111
263

3
39
36
75

Linia 2

5
41
43
38
92 122
214
679

6 7 8 9
29 35 33 39
36 30

10
40
45

29 71 63 39
202

85

4
45
47

4
11
50
44
47
141
312

12
44
42
86

5
13 14 15 16 17
45 47 52 46 43
50 49 45 47
48
45 97 149 91 90
472
784

1463

M masculi: F femele; D descendeni.


S-a pstrat repartiia numeric a observaiilor pe surse de variaie, ca n exemplul anterior, pentru a
rmne valabili coeficienii deja calculai.
n vederea analizei dispersionale se calculeaz urmtoarele valori pariale:
1463 2
61153
35
679 2 784 2

61769
(2) = a = C A
18
17

(1) = CT =

108

C
(3) = ab =

AB

263 2 214 2
202 2 312 2 472 2

7
5
6
7
10

62026

(4) = abc =

ABC

77 2 111 2
90 2

62202
2
3
2

(5) = X 2 = 62311
n tabelul 39, se face analiza dispersional:
Tabelul 39
Rezultatele analizei varianei pentru exemplul de plan ierarhic nebalansat
Sursa
ntre
linii (L)
ntre
cocoi
(C)
ntre
gini
(G)
ntre
des (D)

GL

SP

MP

Parametri estimai

2-1=1

676

616

2,25 G2 7,4 C2 17,5 L2

5-2=3

257

85,66

D2 2,26 G2 6,73 C2

17-5=12

176

14,66

D2 1,97 G2

35-17 =18

109

6,05

D2

2
D

D2 G2 C2 L2
Adevrata varian cauzat de fiecare surs de variaie se obine apoi astfel:
D2 = 6,05
Total

35 -1=34

1158

34,06

14,66 6,05
4,37
1,97
85,66 6,05 2,26 4,37
10,36
C2 =
6,73
616 6,05 2,25 4,37 7,47 10,36
29,87
L2 =
17,5

G2

2
Total
50,65

h2

4 C2 4 10,36

0,81
2
50,65
Total

Evident c valoarea de 0,81 este prea mare pentru heritabilitatea greutii vii la 2 luni a cocoilor, dar
datele au fost imaginare, scopul aplicaiei fiind numai dezvoltarea procedurii de calcul.
7.2.4.5. Planul experimental -Ptrate latinePrin combinarea a dou planuri n blocuri complet randomizate, cte unul pentru fiecare factor,
rezult un plan experimental cunoscut sub numele de ptrat latin. n planurile n blocuri complet
randomizate se controla n scopul mririi sensibilitii, a preciziei experienei, n afar de tratamentul aplicat,
nc o surs de variaie i anume blocul.
Unitile experimentale dintr-un bloc trebuiau s fie ct mai uniforme posibil. Acest lucru nu este
posibil ntotdeauna i atunci trebuie aranjate unitile experimentale att n blocuri sau rnduri, ct i n
coloane i s le fie desemnate apoi cte un tratament att pentru fiecare rnd, ct i pentru fiecare coloan.
n modul acesta, printr-o analiz de varian adecvat, putem s eliminm din totalul erorii, partea
datorat att diferenelor dintre rnduri, ct i diferenelor dintre coloane, mrind de maniera aceasta
sensibilitatea experienei.
109

n cadrul planului experimental n blocuri complet randomizate, numrul unitilor experimentale


dintr-un bloc trebuia s fie acelai n toate blocurile, adic planul era balansat ntr-o direcie. Repartizarea
unitilor experimentale pentru tratamente n cazul planului n blocuri complet randomizate, trebuia s se
fac n mod randomizat, fr ca vreun tratament s fie favorizat sau defavorizat.
Ptratul latin n care se combin dou planuri n blocuri complet randomizate, trebuie s satisfac
cele dou condiii amintite mai sus pentru ambii factori, deci: ptratul latin este un plan experimental
balansat n dou direcii. n cadrul ptratului latin, unitile experimentale (indivizii) pot fi aranjate dup un
criteriu controlat nu numai pe rnduri (blocuri), ci i pe coloane. Fiecrei combinaii rnd-coloan i se
atribuie un tratament randomizat. Numrul tratamentelor trebuie s fie egal cu cel al rndurilor i al
coloanelor i ele sunt egale cu p-. De aceea, un ptrat latin se noteaz indicnd numai numrul rndurilor i
al coloanelor. Un ptrat latin cu trei rnduri i trei coloane i trei tratamente se noteaz: 3 x 3.
Din combinarea ptratelor latine simple se formeaz ptratele latine compuse, care pot fi:
ortogonale, atunci cnd fiecare combinaie de tratamente apare o singur dat i neortogonale, atunci cnd o
combinaie de tratamente apare mai mult dect o singur dat.
Prin combinarea a dou ptrate latine ortogonale ia natere un ptrat greco-latin, iar prin combinarea
a trei sau mai multe ptrate latine ortogonale, ia natere un hiper ptrat latin.
Exemple de ptrate latine simple:
a
A1 A2
A2 A3
A3 A1

A3
A1
A2

B1
B3
B2

b
B2
B1
B3

B3
B2
B1

C2
C3
C1

c
C3
C1
C2

C1
C2
C3

Din combinarea ptratelor a- i b- rezult un ptrat latin ortogonal, deoarece fiecare combinaie de
tratamente
AB- apare o singur dat.
A 1 B1
A 2 B3
A 3 B2

a+b
A 2 B2
A 3 B1
A 1 B3

A3 B3
A1 B2
A2 B1

Din combinarea ptratelor a- i c- rezult i aici un ptrat latin compus, neortogonal, pentru c o
combinaie de tratamente AC- apare de mai multe ori (combinaia A2C3 apare de trei ori).
a+c
A1 C2
A2 C3
A3 C1

A2 C3
A3 C1
A1 C2

A3 C1
A1 C2
A2 C3

Ptratul latin care se obine prin rearanjarea rndurilor i coloanelor pn cnd literele din primul
rnd i prima coloan sunt dispuse n ordinea alfabetic, poart numele de form standard. Ptratul 2 x 2 are
o singur form standard i o singur form nestandard.
Forma standard este: A B , forma nestandard este B A.
B A
A B
Ptratul latin 3 x 3 are o singur form standard, dar prin schimbarea rndurilor i a coloanelor se pot
obine nc 11 ptrate latine nestandard.
Ptratul latin 4 x 4 are patru forme diferite standard i fiecare cu cte 143 ptrate nestandard. n total
pot exista 576 ptrate latine 4 x 4 diferite.
Avantajul utilizrii ptratelor latine const n faptul c:
110

necesit un numr redus de uniti experimentale, care dau o mare cantitate de informaii,
deoarece el controleaz dou surse de variaie (factori) n afar de tratamente;
permite testarea a dou variabile independente, despre care avem cunotine prealabile. Este
folosit n experienele de alimentaie pentru c pot fi eliminate efectele condiiilor de mediu i a ftrilor,
efectele de ras i altele;
cu ajutorul unui astfel de plan experimental pot fi controlate diferenele individuale dintre
unitile experimentale.
Dac avem patru tratamente i mrimea lotului ftat este de patru animale, folosind un ptrat latin de
tipul: 4 x 4, putem sesiza, pe lng diferenele de greutate dintre produii obinui, nuntrul unei ftri i
diferenele dintre tratamente i mame.
Tabelul 40
Plan experimental n ptrate latine (4 x 4)
Ftarea
I
II
III
IV

1
A
B
C
D

Greutatea nuntru ftrii


2
3
B
C
C
D
D
A
A
B

4
D
A
B
C

n cazul utilizrii ptratelor latine, numrul repetiiilor trebuie s fie egal cu numrul tratamentelor,
dac numrul tratamentelor este mic, atunci avem prea puine grade de libertate pentru estimarea erorii.
Ptratul
pxp
2x2
3x3
4x4
5x5
6x6

Gradele de libertate
GL = (p-1) (p-2)
0
2
6
12
20

Ca urmare ptratele 2 x 2 nu se folosesc ca atare, iar ptratele 3 x 3 i 4 x 4 se folosesc atunci cnd


produc o reducere semnificativ a erorii.
Dac numrul tratamentelor este ceva mai mare, ptratul latin este foarte eficient, dar datele cresc n
progresie geometric i numrul repetiiilor este practic foarte mare, ceea ce conduce la o serie de
neajunsuri.
Planul n ptrat latin este foarte frecvent folosit n experienele pe vaci de lapte, permind
compararea tratamentelor pe acelai animal, eliminnd astfel din eroarea experimental diferenele dintre
vaci, n privina produciei i forma curbei de lactaie.
Modelul matematic pentru un plan n ptrate latine cu -n- observaii ntr-o csu este:
Xijkm = + i + j + k + rest + m(ijk) , n care:
i, j, k indic efectele rndurilor, coloanelor i tratamentelor. Termenul rest- include toate sursele de
variaie datorate efectelor tratamentelor, altele dect efectele principale.
Analiza statistic a unui ptrat latin se face n mod asemntor cu acela a unui plan n blocuri
complet randomizate, cu excepia faptului c se introduce o nou rubric pentru factorul de variaie analizat
suplimentar.
Simboluri de calcul folosite:
Suma ptratelor
Grade libertate
G2
(1) =
2
2
GLTotal = np2 - 1
SxTotal = (2) (1)
n p
(2) = SX2
GLA = p-1
Sx A2 = (3) (1)
111

(3) =

SA 2
n p

Sx B2 = (4) (1)

GLB = p-1

(4) =

SB 2
n p

SxC2 = (5) (1)

GLC = p-1

(5) =

SC 2
n p

2
Sxint
re casute =(6)

(6) =

S AB
n

GLRest = (p-1) (p-2)

(1)
2

2
GLnuntru csue =
Sx Re
st = (6)(3)-(4)2

p (n-1)

(5)+2(1)
2
Sxinauntru
casute =(2)

(6)
Analiza de varian cuprinde urmtoarele surse de variaie: A, B, C, Rest, nutru csue.
Exemplu de experien organizat ntr-un plan experimental ptrat latin.
ntr-un experiment pe purcei s-a urmrit efectul fier dextranului administrat intramuscular la diferite
intervale de timp dup ftare, asupra cantitii de hemoglobin la nrcare. S-au folosit n experiment purcei
masculi i femele, provenii de la trei scroafe, aflai n relaie de semifrai dup tat. De la fiecare scroaf sau luat n studiu trei femele i trei masculi, ordonai n trei grupe de greutatea, n ordinea crescnd a
greutii. Fier dextranul s-a administrat n trei reprize, din dou n dou zile, ncepnd cu ziua a treia de la
natere. Zilele de administrare au fost: a 3-a; a 6-a i a 9-a de la ftare. S-a organizat un experiment n ptrat
latin 3 x 3, conform schemei de mai jos:
Tabelul 41
I.
Schema planului experimental, ptrat latin (3 x 3)
B = ordinea greutii purceilor la ftare
b1
b2
b3
c1
c2
c3
c2
c3
c1
c3
c1
c2

A=
scroafa
a1
a2
a3

Datele observate, codificate prin nmulirea cu 10 i scderea a 80 de uniti sunt prezentate n


tabelul 42.
Tabelul 42
II. Datele observate (g hemoglobin/100 ml snge x 10 80)
A=
scroafa
a1
a2
a3

Sexul
M
F
M
F
M
F

B = ordinea greutii purceilor la ftare


b1
b2
b3
40
50
20
35
40
1
30
52
40
10
16
20
18
25
40
35
40
50

Tabelul 43
III.

Totalul csuelor
A=
scroafe
a1
a2
a3
Total B-

b1

b2

b3

Total A-

75
90
53
168

90
68
65
223

21
60
90
171

186
168
208
562

IV. Totalurile tratamentelor


112

C1 = 75 + 65 + 60 = 200
C2 = 40 + 90 + 90 = 220
C3 = 53 + 68 + 21 = 142
V. Simboluri de calcul
(1) Cx=

G2
562 2

17546,88
18
n p2

(2) SX2 = 402 + 352 . . .+ 502 = 21160,00


(3)

SA 2 186 2 168 2 208 2

17680,66
n p
23

(4)

SB 2 168 2 223 2 1712

17865,66
n p
2 3

(5)

SC 2 200 2 220 2 142 2

18094,00
n p
2 3

(6)

75 2 40 2 90 2
S AB

19562,00
n
2
2

VI.

Sumele ptratelor abaterilor


2
SxTotal
(2) (1) = 3613,12
2
Sx scroafe
A (3) (1) = 133,78
2
Sxordinea
greutatii B (4) (1) = 318,78
2
Sx ziua
inocularii C (5) (1) = 547,12
2
Sx int
re casute (6) (1) = 2015,12
2
Sx rest
(6) (3) (4) (5) + 2 (1) = 1015,44
2
Sx inauntru casute (2) (6) = 1598,00

VII.

Analiza varianei
Tabelul 44
Analiza varianei datelor
Sursa de variaie
Total
Scroafe AGreutatea purceilor BZiua inoculrii CEroarea : rest +
nuntru csue

Sx

3613,12
133,78
318,78
547,12
1015,44
1598,00

113

GL

PM

17
2
2
2

66,89
159,39
273,56

0,281 n.s.
0,680 n.s.
1,150 n.s.

11

237,585

Administrarea de fier dextran n primele nou zile dup natere nu a avut efect semnificativ asupra
cantitii de hemoglobin din snge la nrcare.

114