ANALIZA VARIANŢEI ŞI PLANURI EXPERIMENTALE ÎN AGRICULTURĂ

ANALIZA VARIANŢEI BIFACTORIALĂ COMPLETĂ

NEBALANSATĂ ÎN POPULAŢII OMOGENE

În populaţia statistică luăm ca obiect de studiu un caracter măsurabil Z faţă de care

exemplarele populaţiei au media .
Fie alte două caractere X,Y asociate cu exemplarele populaţiei, caracterul X având m
variante (doze, nivele, tratamente) notate X(1),...,X(m), iar caracterul Y având n variante
(doze, nivele, tratamente) notate Y(1),...,Y(n).
Caracterele X, Y se numesc factori şi constituie criterii de clasificare dublă a populaţiei în
mn subpopulaţii (straturi) ce corespund perechilor de variante (X(i), Y(j)), mediile pe
subpopulaţii relativ la caracterul Z fiind (i,j) (i=1,........, m; j=1,........,n).
Diferenţele (X,Y)(i,j) = (i,j)- se numesc efecte principale ale perechii de factori
m n

(X,Y) în subpopulaţii. Avem 

i 1 j 1
(X,Y)(i,j)=0

Subpopulaţiile se presupun normale cu mediile (i,j) şi aceeaşi varianţă 2(E) în

raport cu caracterul Z.
Extragem în mod întâmplător din subpopulaţii mn sondaje (probe, eşantioane) de volume
p(i,j) (i=1,......., m; j=1,.......n).
Datele reletiv la caracterul Z, din aceste sondaje le numim repetiţii, (replicate) şi le
notăm cu Z(i,j,k) (i=1,........., m; j=1,......., n; k=1,.......,p(i,j)).
Forma generală a modelului liniar este:

Z(i,j,k)= +X(i)+ Y(j)+X.Y(i,j)+e(i,j,k)

unde e(i,j,k) sunt variabile aleatoare normale, independente două câte două cu media 0 şi
varianţa 2(E).
Reunim toate subpopulaţiile care corespund variantei X(i) fixate pentru orice j=1,....., n.
Exemplarele din această reuniune vor avea faţă de caracterul Z media:
n

X(i)=(1/n).  (i,j), iar efectul principal al variantei X(i) este :

j 1
 m
X(i)=X(i)- . Avem 
i 1
X(i)=0.
În mod analog se reunesc subpopulaţiile ce corespund variantei Y(j) fixate pentru orice
i=1,......., m.
m
Exemplarele din această reuniune au faţă de caracterul Z, media Y(j)=(1/m).  (i,j),
i 1

iar efectul principal al variantei Y(j) este: Y(j)= Y(j)-.

n

Avem 
j 1
Y(j)=0.

Cantitatea:
X.Y(i,j)= (i,j)-X(i)-Y(j)+ se numeşte efectul principal al interacţiunii variantei
X(i) cu varianta Y(j).
După modul de alegere al subpopulaţiilor după X şi Y, avem trei tipuri de modele :
a) Model cu efecte fixe

În acest caz ambii factori X, Y definesc efecte constante X(i), Y(j), X.Y(i,j).
Ipotezele care se verifică sunt:
1) HX: X(1)=...........=X(m)= faţă de alternativa HX: X(1)≠...........≠X(m)≠ 
sau sub altă formă: HX: X(i)=0 faţă de alternativa HX: X(i) ≠0.
2) HY: Y(1)=...........=Y(n)=  faţă de alternativa HY:Y(1)≠...........≠Y(n)≠  sau
sub altă formă: HY: Y(j)=0 faţă de alternativa: HY: Y(j) ≠0.
3) HX.Y: (i,j)= X(i)+ Y(j) faţă de alternativa HX.Y: (i,j) ≠ X(i)+ Y(j) sau sub
altă formă: HX.Y: X.Y(i,j)=0 faţă de alternativa: HX.Y: X.Y(i,j) ≠0.

b) Model cu efecte aleatoare :

În acest caz ambii factori definesc efecte aleatoare : X(i) sunt variabile aleatoare N(0;
2(X)), Y(j) sunt variabile aleatoare N(0; 2(Y)), iar X.Y(i,j) sunt variabile aleatoare N(0;
2(X.Y)).

Ipotezele care se verifică sunt:

1) HX: 2(X)=0 faţă de HX: 2(X) ≠0
2) HY: 2(Y)=0 faţă de HY: 2(Y) ≠0
3) HX.Y: 2(X.Y)=0 faţă de HX.Y: 2(X.Y) ≠0.

c) Modelul mixt:
În acest caz unul din factori, de exemplu X, este cu efecte fixe, iar cel de-al doilea Y este
cu efecte aleatoare.
Efectele X(i) sunt constante şi ipoteza care se verifică este:
1) HX: X(i)=0 faţă de HX: X(i) ≠0
Efectele Y(j) sunt variabile aleatoare de tip N(0; 2(Y)) şi ipoteza care se verifică este :
2) HY: 2(Y)=0 faţă de HY: 2(Y) ≠0
Efectele X.Y(i,j) sunt variabile aleatoare de tip N(0; 2(X.Y)) şi ipoteza care se verifică
este:
 3) HX.Y: 2(X.Y)=0 faţă de HXY: 2(X.Y) ≠0.

În cazul celor trei modele, datele împreună cu calculele de sume si medii ale repetiţiilor pe
variante (X,Y), X, Y şi pe total se trec în tabelul care urmează:

Repet.Z Medii pe Medii pe Medii pe Media

Variante Z(i,j,p(i,j)) Variante Variante Variante Totală
(X,Y)  (X,Y) X Y

(X(1),Y(1)) Z(1,1,1),…,Z(1,1,p(1,1)) MZ(1,1)

…………. ………………………. ………. MZX(1) MZY(1)
(X(1),Y(n)) Z(1,n,1),…,Z(1,n,p(1,n)) MZ(1,n)
…………. ……………………….. ………. ………. ……… MZT
(X(m),Y(1)) Z(m,1,1),…,Z(m,1,p(m,1)) MZ(m,1)
………….. ……………………….. ……….. MZX(m) MZY(n)
(X(m),Y(n)) Z(m,n,1),…,Z(m,n,p(m,n)) MZ(m,n)

Notaţii:

q=numărul de celule (i, j) nevide;

m n n m
pT=  p(i,j); px(i)=  p(i,j); pY(j)=  p(i,j)
i 1 j 1 j 1 i 1

CALCULE:

a) SPA şi GL:

m n p (i , j ) m n p (i , j )

SPAT=   [Z(i,j,k)-MZT]2=   Z2(i,j,k)-S2T/pT cu GLT=pT-1 grade de

i 1 j 1 k 1 i 1 j 1 k 1

libertate;
m n m n

SPA(X,Y)=  p(i,j)[MZ(i,j)-MZT]2=  S2(i,j)/p(i,j)-S2T/pT cu GL(X,Y)=q-1 grade de

i 1 j 1 i 1 j 1

libertate;
m m
SPAX=  px(i)[MZX(i)-MZT] =  S2X(i)/px(i)-S2T/pT 2
cu GLX=m-1 grade de
i 1 i 1
libertate;
n n

SPAY=  PY(j)[MZY(j)-MZT] =  S2Y(j)/pY(j)-S2T/pT 2

cu GLY=n-1 grade de
j 1 j 1

libertate;
 m n m n m
SPAX.Y=  p(i,j)[MZ(i,j)-MZx(i)-MZY(j)+MZT]2=  S2(i,j)/p(i,j)- 
i 1 j 1 i 1 j 1 i 1
n

S2X(i)/px(i)-  S2Y(j)/pY(j)+S2T/pT=SPA(X,Y)-SPAX-SPAY cu GLX.Y=q-m-n+1=GL(X,Y)-GLX-GLY

j 1

grade de libertate;
m n p (i , j ) m n p (i , j ) m n

SPAE=   [Z(i,j,k)-MZ(i,j)]2=   Z2(i,j,k)-  S2(i,j)/p(i,j)=SPAT-

i 1 j 1 k 1 i 1 j 1 k 1 i 1 j 1

SPA(X,Y) cu GLE=pt-q=GLT-GL(X,Y) grade de libertate.

b) S2 :

S2X=SPAX/(m-1); S2Y=SPAY/(n-1); S2X.Y=SPAXY/(q-m-n+1);

S2E=SPAE/(pT-q)

c) F:

FX=S2X/S2E1 cu [m-1;pT-q]GL
FY=S Y/S E1
2 2
cu [n-1;pT-q]GL
FX.Y=S2X.Y/S2E1 cu [q-m-n+1;pT-q]GL

Rezultatele de la punctele a)-c) se trec în tabelul sintetic de analiză a varianţei:

Sursa de SPA GL S2 F
variaţie
X SPAX m-1 S2X FX
Y SPAY n-1 S2Y FY
2
X.Y SPAX.Y q-m-n+1 S X.Y FX.Y
2
E SPAE pT-q SE -
T SPAT pT-1 - -
Rapoartele Fisher FX, FY, FX.Y se compară cu valorile critice F0.05; F0.01; F0.001 extrase din
tabelele 4,5,6 din Anexă, pentru perechile de grade de libertate corespunzătoare şi se acceptă sau
se resping ipotezele formulate mai sus.

Printr-un calcul asemănător cu cel din teorema 9.1 obţinem relaţiile:

(1) M(S2X)=a(1,1).2()+a(1,2).2()+a(1,3).2()+2(E)
(2) M(S2Y)=a(2,1).2()+a(2,2).2()+a(2,3).2()+2(E)
(3) M(S2X.Y)=a(3,1).2()+a(3,2).2()+a(3,3).2(.)+2(E)
(4) M(S2E)= 2(E)
unde:
1 1 m
a(1,1)= [ pT  ( p2X(i))]
m 1 pT i 1
 m n
1 1
[ ( 1 n
a(1,2)= p2(i,j))- ( p2Y(j))]
m  1 i 1 p X (i ) j 1 pT j 1
m n
1 1
[ (
1 m n 2
a(1,3)= p2(i,j))- ( p (i,j))]
m  1 i 1 p X (i ) j 1 pT i 1 j 1

1 n 1 m
a(2,1)= [  ( 
n  1 j 1 pY ( j ) i 1
2
p (i,j))-
1 m
( p2X(j))]
pT i 1
1 1 n
a(2,2)= [ pT  ( p2Y(i))]
n 1 pT j 1
1 n 1 m
[ (
1 m n 2
a(2,3)= p2(i,j))- ( p (i,j))]
n  1 j 1 pY ( j ) i 1 pT i 1 j 1

n 1
a(3,1)= - a (2, 1)
q  m  n 1
m 1
a(3,2)= - a (1, 2)
q  m  n 1
1 m n n
1 m
a(3,3)= [ p   p (i ) 
1
( 2
p (i,j))-  ( p2(i,j))+
q  m  n 1 pY ( j ) i 1
T
i 1 X j 1 j 1

1 m n
( p2X(j))]
pT i 1 j 1

Cu aceşti coeficienţi alcătuim tabelul componentelor de varianţă:

M(S2) 2(X) 2(Y) 2(X.Y) 2(E)

M(S2X) a(1,1) a(1,2) a(1,3) 1
M(S2Y) a(2,1) a(2,2) a(2,3) 1
M(S2X.Y) a(3,1) a(3,2) a(3,3) 1
M(S2E) 0 0 0 1

Avem estimatorii:
*2(E)=S2E

 *2   X   S 2 X  S 2E 
   2 
 *2   *2  Y    A 1
 S
 Y  S 2
E 
 * 2  S 2  S 2 
 X .Y   X Y    X .Y E
  a(1,1) a(1,2) a (1,3) 
 
unde A=  a (2,1) a (2,2) a (2,3) 
 a (3,1) a (3,2) a (3,3) 
 
În cazul balansat avem:

p(i,j)=p; pT=mnp; pX(i)=np; pY(j)=mp; q=mn

Tabelul sintetic de analiza varianţei are forma:

Sursa de SPA GL S2 F
variaţie
X SPAX m-1 S2X FX
Y SPAY n-1 S2Y FY
X.Y SPAX.Y (m-1)(n-1) S2X.Y FX.Y
E SPAE mn(p-1) S2E -
T SPAT Mnp-1 - -

Tabelul cu componentele de varianţă are forma particulară:

M(S2) 2(X) 2(Y) 2(X.Y) 2(E)

M(S2X) np 0 p 1
2
M(S Y) 0 mp p 1
M(S2X.Y) 0 0 p 1
2
M(S E) 0 0 0 1
Un caz particular al analizei varianţei completă balansată este cel în care p=1, deci avem
câte o singură repetiţie ataşată fiecărei perechi de variante (X(i), Y(j)).
În acest caz avem T=(X,Y), iar E are GLE=0 grade de libertate, deci vom lua E=X.Y, deci
SPAE=SPA(XY)-SPAX-SPAY şi GLE=GL(X,Y)-GLX-GLY.

Tabelul sintetic de analiza varianţei are forma:

Sursa de SPA GL S2 F
Variaţie
X SPAX m-1 S2X FX
Y SPAY n-1 S2Y FY
E SPAE (m-1)(n-1) S2E -
T SPAT mn-1 - -

Tabelul cu componentele de varianţă are forma:

M(S2) 2(X) 2(Y) 2(E)
M(S2X) n 0 1
2
M(S Y) 0 m 1
2
M(S E) 0 0 1

Exemplu:
 Fie X=proteina digestibilă în raţia porcilor la îngrăşat şi Y= unităţile nutritive în raţia
porcilor la îngrăşat şi Z=sporul lunar în greutate (kg)al porcilor la îngrăşat.
Luăm m=3 variante X=X1(250g/zi); X2(275g/zi); X3(300g/zi) şi n=2 variante
Y=Y1(2.5UN) şi Y2(3UN).Pentru fiecare combinaţie de variante (X,Y) luăm câte p=2 repetiţii Z.
Avem tabelul cu date:
Repet Z
Medii pe Medii pe Medii pe Media
Z(i,j,p(i,j)) Variante variante X variante Y Totală
Variante (X,Y) (X,Y)

(X1, Y1) 14; 14.2 MZ(1, 1)=14.1

MZY(1)=15.17

(X1, Y2) 15.2; 15.6 MZ(1, 2)=15.4 MZX(1)=14.75

(X2, Y1) 15; 15.4 MZ(2, 1)=15.2

MZT=15.67

(X2, Y2) 16; 16.2 MZ(2, 2)=16.1

MZX(2)=15.65

(X3, Y1) 16.1; 16.3 MZ(3, 1)=16.2

MZY(2)=16.17

(X3, Y2) 16.9; 17.1 MZ(3, 2)=17 MZX(3)=16.60

ANUL I
INGINERIE ECONOMICA Matematica si Statistica Aplicata in Agricultura RUSE DANIEL

Etape de calcul :

a) SPA şi GL:

m n p
SPA T   [ Z (i, j , k )  MZ T ] 2  10.2268 cu GL T =mnp-1=11GL
i 1 j 1 k 1
m n
SPA ( X ,Y )  p  [ MZ (i, j )  MZ T ] 2  9.9868 cuGL ( X ,Y ) =mn-1=5GL
i 1 j 1
m
SPA X  np  [ MZ X (i )  MZ T ]  6.8468 cu GL X =m-1=2GL
i 1
n
SPA Y  mp  [ MZ Y ( j )  MZ T  1.9200 cu GL Y =n-1=1GL
j 1

SPA X Y  SPA ( X ,Y )  SPA X  SPA Y  1.2200 cu

GL X Y  GL( X ,Y )  GL X  GLY  2GL
SPA E  SPA T  SPA ( X ,Y )  0.2400 cu GLE  GLT  GL( X ,Y )  6GL

b) S2 :

SPA X SPA Y
S X2   3.4234; SY2   1.9200
GLX GLY
SPA X Y SPA E
S X2 Y   0.61; S E2   0.04
GLX Y GLE

c) F:

S X2
FX  2  85.585 cu (2;6) GL
SE
SY2
FY  2  48 cu (1;6) GL
SE
S X2 Y
FX Y  2  15.25 cu (2;6) GL
SE
Din tabelele Fisher 4,5,6 din Anexă ,găsim valorile critice pentru (2;6) GL : F0.05  5.14 ;
F0.01  10.92 ; F0.01  27 ;

9
ANUL I
INGINERIE ECONOMICA Matematica si Statistica Aplicata in Agricultura RUSE DANIEL

Cum FX  F0.001 se acceptă ipoteza H adică  X (1),  X (2),  X (3) diferă foarte
semnificativ între ele adică influenţa variaţiei lui X asupra variaţiei lui Z este foarte semnificativă
deci Fx  85.585 * * * .
Cum F0.01  FX Y  F0.001 se acceptă ipoteza H adică influenţa variaţiei interacţiunii
X  Y asupra variaţiei lui Z este distinct semnificativă deci FX Y  15.25 * * .
Din tabelele Fisher 4,5,6 din Anexă, găsim valorile critice pentru (1,6) GL : F0.05=5.99,
F0.01  13.74; F0.001  35.51.
Cum FY  F0.001 se acceptă ipoteza H deci Y (1), Y (2) diferă foarte semnificativ
între ele adică influenţa variaţiei lui Y asupra variaţiei lui Z este foarte semnificativă deci
FY  48 * * * .

Tabelul sintetic de analiza varianţei este :

Sursa de Variaţii Grade de Varianţe Rapoarte Fisher
Variaţie pătratice libertate (GL) (S 2 ) (F)
(SPA)
X 6.8468 2 3.4234 85.585***
Y 1.9200 1 1.9200 48***
X Y 1.2200 2 0.6100 15.25**
E 0.2400 6 0.400 -
T 10.2268 11 - -
Indicii de corelaţie sunt:
SPAX SPAY
Ic ( X )   0.818*** ; I c (Y )   0.433*** ;
SPAT SPAT
SPAX Y
I c ( X .Y )   0.345**.
SPAT

Aporturile variaţiilor lui X,Y, X  Y la variaţia lui Z,socotită egală cu

100 %, sunt:
SPA X SPA Y
AX   66.9%; AY   18.8%; AX Y  11 .9%.
SPA T SPA T
Aportul variaţiei erorii la variaţia lui Z este:
AE  1  AX  AY  AX Y  2.4%.

Testele Cochran şi Tukey se efectuează ca în secţiunea 5.1.

Calculele precedente privitoare la analiza varianţei bifactorială completă

balansată în populaţii omogene cu p repetiţii în celulă, pot fi făcute în EXCEL astfel :
Depunem în foaia de calcul Nr.1 datele în blocul de celule A1:D5 asfel :

10
ANUL I
INGINERIE ECONOMICA Matematica si Statistica Aplicata in Agricultura RUSE DANIEL

A B C D
1 X1 X2 X3
2 Y1 14 15 16.1
3 14.2 15.4 16.3
4 Y2 15.2 16 16.9
5 15.6 16.2 17.1

Deschidem fereastra TOOLS în care activăm opţiunea DATA ANALYSIS

Aici activăm opţiunea ANOVA:TWO-FACTOR WITH REPLICATION
în care declarăm blocul de celule cu date A1:D5 şi numărul p=2 de repetiţii
(replicate).
Rezultatele se găsesc fie în foaia de calcul Nr. 2 ,fie tot în foaia de calcul Nr.1, prin
declararea ca celule de rezultate , a altor celule decât cele din blocul de date A1:D5

11