CAPITOLUL 4 ANALIZA VARIANTEI ŞI PLANURI

EXPERIMENTALE ÎN AGRICULTURĂ

O b ie ctiv e : însuşirea de către studenţi a puternicului aparat al analizei varianţei mono şi

polifactoriale în populaţii omogene şi neomogene (planuri experimentale).

C o n ţin u t :

4.1 Analiza varianţei monofactorială nebalansată în populaţii omogene

4.2 Analiza varianţei bifactorială completă nebalansată în populaţii omogene
4.3 Analiza varianţei bifactorială ierarhică nebalansată în populaţii omogene
4.4 Planuri experimentale în populaţii neomogene
4.4.1 Planul blocurilor complete randomizate
4.4.2 Planul pătratelor latine
4.5 Rezumat
4.6 întrebări
4.7 Bibliografie

C uvin te c h e ie :
analiza varianţei nebalansată completă/ierarhică, model cu efecte
fixe/aleatoare, componente de varianţă, blocuri complete randomizate, pătrate şi dreptunghiuri
latine.

4.1 ANALIZA VARIANTEI MONOFACTORIALĂ NEBALANSATĂ

ÎN POPULAŢII OMOGENE

în populaţia statistică luăm ca obiect de studiu un caracter măsurabil Y faţă de care

exemplarele populaţiei au media p.
Fie un alt caracter X asociat cu exemplarele populaţiei, caracterul X având m variante (doze,
nivele, tratamente) notate X (1),..., X(m).
Caracterul X se numeşte factor şi constituie un criteriu de clasificare a populaţiei în m
subpopulaţii (straturi) ce corespund variantelor X (1),..., X(m), mediile pe subpopulaţii relativ la
caracterul Y fiind p(1),..., p(m).
Diferenţele a x(i) = p(i) - p se numesc efecte principale ale lui X în subpopulaţii.
m

Avem: £ a x(i) = 0
(=1

Subpopulaţiile se presupun normale cu mediile p(1),..., p(m) şi aceeaşi varianţă o 2(E) în

raport cu caracterul Y.
Extragem în mod întâmplător din subpopulaţii, m sondaje (probe, eşantioane) de volume
p(1) ,..., p(m).
m

Volumul de sondaj total este pT = £ p ( j ).

i =1
Datele relative la Y , din aceste sondaje le numim repetiţii (replicate) şi le notăm cu Y (i, j)
(i = 1 ,..., m; j = 1 ,..., p(i)).
Forma generală a modelului liniar este:

Y (b j)= P+a x (i)+ e(b j)

unde e(i, j) sunt variabilele aleatoare normale, independente câte două, cu media zero şi varianţa
o2 (E).

126
 O rice v arian tă X (i) a lui X treb u ie să m od ifice pe p (i) nu şi pe o .
Această condiţie se verifică prin ipoteza H: o ( 1 ) 2 = ........... = o(m ) 2 faţă de alternativa H:
o ( 1 )2 ^ ..........^ o(m) cu ajutorul te s tu lu i B a r tle tt:
i p (i)
M Y (i)
Fie mediile de sondaj în cadrul variantelor p(i) X ’ şi varianţele de sondaj în

cadrul variantelor:
1
p(i)
SY(i)2 = ^ - X [ Y(i, j) - M Y(i)] 2, (1 < i < m)
P (i) - 1j1
1
Varianţa erorii este: S 2E = X(P(i) - 1)SY(i) ■
P t - m i=i
Fie:
1 m 1 1
C i + ---------- [ X ---------- m ]
3(m - 1 ) X p(i) -1
X (P (i) - 1 )
i=1
Mărimea:
i m
X2e= - [ X (p(i) - 1 ) In S2e- X (P(i) - 1) SY (i)2]
^ i=1
este o variabilă x 2 cu m - 1 grade de libertate.
Se extrag din tabela 3 din Anexă, valorile critice x 2o.os; X2o.o1; X2o.oo1 cu m - 1 G L şi se
compară x 2b cu aceste valori critice.
Dacă x 2B < X20 05 atunci se acceptă ipoteza H: o (1 ) 2 = ......... = o(m)2.

In caz contrar avem cazurile:

2 2 2 xv 2 2
1) X 005 < X B < X 001 în care caz se acceptă H deci o (1) ... o(m) diferă semnificativ între ele;
2 2 2 xv 2 2
2) X 001 < X B < X 0001 în care caz se acceptă H deci o(1) ... o(m) diferă distinct semnificativ
între ele;
3) x 2B ^ X20 001 în care caz se acceptă H deci o ( 1 )2 ... o(m)2 diferă foarte semnificativ între ele.

In cazul b alan sat p( 1 ) = .........= p(m) = p; pT = mp şi ipoteza H: o ( 1 )2 = .......... = o(m)2 faţă

de alternativa H: o ( 1 )2 ^ ........^ o(m)2 se verifică cu testu l C o ch ra n :

Fie S Y 2max = max SY (i) 2 (1 < i < m)

Calculăm: Q = S Y 2max/(SY (1)2 +...+ S Y (M)2) şi extragem din tabelele Cochran, valorile critice
Q0.05 şi Q001 pentru m variante şi p - 1 GL.
Dacă Q < Q0.05 se acceptă ipoteza H: o (1) 2 =...= o(m)2 .
In caz contrar avem cazurile:
1) Qo.05 < Q < Q0.01 deci se acceptă H adică o( 1 ) ... o(m) diferă se^mnificativ intre ele;
2) Q < Q0.001 deci se acceptă H adică o ( 1 ) ... o(^n) diferă distinct se^nnificativ între ele.

După modul de alegere al subpopulaţiilor, avem două tipuri de modele:

a) M od ele cu efecte fixe:

In acest caz experimentatorul fixează valorile variantelor X ( 1 ),..., X(m) şi împarte populaţia
în m subpopulaţii ce se vor asocia cu X (1),..., X(m).
Mediile p(i) sunt con stan te , efectele principale a x(i) = p(i) - p sunt de asemenea constante.

127
 Avem: M (Y(i, j)) = p(i)
M(ax(i)) = ax(i) (1 < i < m)
M(e(i, j)) = 0 (1 < j < p(i))
respectiv:
V (Y(i, j)) = o 2(E)
V(ax(i)) = M (a 2x(i)) - M(ax(i))2 = a 2x(i) - a 2x(i) = 0
V(e(i, j)) = M(e2x(i)) - M(e(i, j)) 2 = o 2 (E) - o 2(E) = 0

Ipoteza care se verifică este H: p ( 1 ) =...= p(m) = p faţă de alternativa H: p ( 1 ) ^...^ p(m)) ^ p
sau sub altă formă H: a x(i) = 0 faţă de alternativa H: a x(i) ^ 0 .
M od elul cu efecte fixe se aplică când numărul m de variante este mic şi permite ca aceleaşi
variante să fie utilizate din nou dacă experienţa se repetă.

E xem plu:
X = îngrăşăminte, apă, energie la plante respectiv furaje, sex, perioada de îngrăşare la
animale.

b) M od elul cu efecte a le a to a r e:
Experimentatorul alege în m od aleator valorile variantelor X (1),..., X(m), iar cele m
subpopulaţii se aleg în m od aleator din mulţimea subpopulaţiilor posibile, urmând a fi asociate în
m od aleator cu variantele X (1),..., X(m).
Mediile p(i) sunt variabile aleatoare normale cu media p şi varianţa o 2(a x), iar efectele
principale a x(i) = p(i) - p sunt tot variabile aleatoare normale cu media 0 şi varianţa o 2 (a x).
Avem:
M (Y(i, j)) = p
M(ax(i)) = 0 unde: (i = 1,..., m) şi (j = 1 ,..., p(m))
M(e(i, j)) = 0
respectiv:
V (Y(i, j)) = V(ax(i)) + o 2(E)
V(ax(i)) = M (a 2x(i)) - M(ax(i))2 = o 2(ax) - 0 = o 2(ax)
V(e(i, j)) = M(e2x(i)) - M(e(i, j)) 2 = o 2 (E) - 0 = o 2 (E).

Aici a x este variabila aleatoare:

^a x ( l ) ........ ,a x W
ax
vP( l ) .......p m ) y

m
cu media M (a x) = £ p(i)ax(i) = 0 şi varianţa o 2( a x).
(=1
Ipoteza care se verifică este H: o (a x) = 0 faţă de alternativa H: o (a x) ^ 0 .
Modelul cu efecte aleatoare se aplică când numărul m de variante X este mare (poate fi şi
infinit), dar numai n din ele sunt alese în experiment. Aceleaşi variante nu pot fi u tilizate din nou
dacă experienţa se repetă.

E xem plu:
X = tata sau mama în încrucişarea plantelor şi animalelor.

În cazul ambelor modele, datele împreună cu calculele de sume şi medii pe variante şi pe

total, se trec în tabelul de mai jos:

128
 Repetiţii Y ^ Y(i, j) Medii pe variante Media totală
VarianteX f
X (1) Y ( 1, 1),..., Y ( 1, p(1)) M Y (1)

M Yt

X(m) Y(m, 1),..., Y(m, p(m)) M Y(m )

Notaţie: pT = Y p(i)
i=l
C alcule:

a) SP A şi GL:
m p (i) m p (i)

SPA t = LL [Y(i, j) - M Y t]2 = LL Y(i, j) 2 - S2x/px cu G L t = px -1

i=1 j =1 i=1 j =1
m m
SPA x = L P(i)[MY(i) - M Y t]2 = L S(i)2/p(i) - S2x/px cu G L x = m - 1
i=1 i=1
m p (i)

SPA e = LL [Y (i,j) - M Y(i)] 2 = SPA t - SPA x cu G L e = G L t - G L x = px - m

i=1 j =1

b) ş 2i
S2x = SPAx/(m - 1 ); S2e = SPA e/(pt - m)
c) f
FX = S2x/S2e > 1 cu [m - 1; pT - m]GL

Rezultatele de la punctele a) - c) se trec în tab elu l sin tetic de an aliză a varianţei:

Sursa de variaţie SPA GL S2 F

X SPA x m-1 S2x Fx
E SPA e pT - m S2e -
T SPA t Pt - 1 - -

Raportul Fisher FX se compară cu valorile critice F 0.05; F0.01; F 0.001 extrase din tabelele 4, 5, 6
din Anexă pentru perechile de grade de libertate corespunzătoare şi se acceptă sau se respinge
ipoteza formulată mai sus.

Conform teoremei 4.1 de mai jos, avem:

1) Pentru m odelul cu efecte fixe:

i m
M (S 2x) = — - ( L p (iV 2x(i)] + c 2(E)
m - 1 i.i
M (S 2e) = o 2 (E)
Avem estimatorii: o*2(E) = S2e; a* 2(E) = (S2x - S 2E)/a(1, 1)
1 m

unde a(1, 1) = ---- - (L p(i)« 2x(i)]

m - 1 1
i=

129
 2) Pentru modelul cu efecte aleatoare:

M (S 2x ) = — - [pt - (1/ pt ) t p2 (i)] s V ) + g2(E)

m- 1 i=i

M (S 2e) = g2 (E)

Avem estimatorii:
m

g *2 (E) = S 2(E); g *2 (X) = (S2x - S 2E)/a(1, 1), unde a(1, 1) = — - [pT - ( 1 /pt ). t p2(i)]
m- 1 i=i
În cazul balansat avem:

p m
p(1) = . = p(m) = p; pt = mP şi a(1, 1) = t a 2x(i), pentru modelul cu efecte fixe; şi
m -1 i=i

a( 1 , 1 ) = p, pentru modelul cu efecte aleatoare;

Modelul cu efecte fixe este ilustrat de desenul:

Modelul cu efecte aleatoare este ilustrat de desenul:

Teorem a 4.1 (fără demonstraţie)

a) Pentru modelul cu efecte fixe, avem:

m
M (S2x ) = — [t p(i)a 2x(i)] + g 2(E)
m -1 ,.i

M(S 2e) = g2(E)

130
 b) Pentru m odelul cu efecte alea to a re , avem:
i m

M (S 2x) = — [PT - (1/p r) I p2 (i)] a 2 (a x) + o2 (E)

m- 1 m
M (S 2e) = g2 (E)

Un indicator statistic asemănător cu coeficientul de corelaţie liniară din secţiunea 5.1 şi cu

raportul de corelaţie neliniară din secţiunea 5.3, este in dicele de corelaţie definit astfel:
I c = Vl - SPAe / SPA t

T eorem a 4.2
Indicele de corelaţie I c are proprietăţile:
1 ) 0 < Ic < 1
2) X, Y = independente => X, Y = necorelate (Ic = 0)
3) X, Y = dependente funcţional (Y = f(x)) dacă şi numai dacă I c = 1.

D em onstraţie:
1) I c = V l - SPAe / SPA t = J s PĂX T s PĂ T > 0 . Cum SPA x < SPA t, rezultă 0 < Ic < 1.
2) X, Y = independente => M Y (i) nu depinde de X(i), deci sunt egale între ele, adică
M Y (i) = M Y , (i = 1,..., m) aşa că SPA X = 0, deci I c = 0, adică X , Y = necorelate.
3) X, Y = dependente funcţional (Y = f(x)) dacă şi numai dacă lui X(i) îi corespunde un
singur Z(i) adică Y(i, j) sunt egale între ele pentru orice j = 1,..., p deci Y(i, j) = M Y(i), (j
= 1,..., p) aşa că SPA X = SPA t ceea ce are loc dacă şi numai dacă I c = 1. Q .E .D .

Raportul Fisher F X = [SPA x/SPA E] : [(m - 1)/(pT - m)] capătă forma F X = [Ic2/(1 - I c2)] : [(m -
1 )/(pT - m)], deci verificarea ipotezei H X: m(1) =...= M(m) = m faţă de alternativa H X: m( 1) f . . . f M(m)
f M se reformulează astfel:
H X: n c = 0 faţă de H X: n c f 0, unde n c este indicele de corelaţie în populaţie împărţită în m
subpopulaţii cărora li se aplică X (1),..., X(m).
În plus A X = I c2 ; A E = 1 - I c2 , proprietate pe care o are şi coeficientul de corelaţie liniară r şi
raportul de corelaţie neliniară R c.
În cazul respingerii ipotezei H X: m(1) =...= M(m) = m, se poate stabili în cazul b alan sat
(p(1) =,..., p(m)) prim a varian tă X (i) a lu i X cu in flu en ţă sem n ificativă asu pra v ariaţiei lui Y
astfel:
Aranjăm mediile pe variante în ordine crescătoare:
M Y (i 1 ) < ,..., < M Y (i m), (i 1 ,..., im e { 1,..., m } ) şi presupunem că M Y (i t) este media variantei
-martor X (1), (it e { 1,..., m } ).
Fie A(h, t) = |M Y (i h) - M Y (i t) | , (h = 1 ,..., m; h f t)
Se calculează amplitudinea teoretică a diferenţelor de medii:
A a M-max - M-min (S 2E/p)1 2 Ta, unde Ta este amplitudinea studentizată Tukey obţinută din
tabelele 7, 8 ale Anexei, pentru numărul m al mediilor şi numărul de grade de libertate ale erorii G L E.
Fiecare diferenţă faţă de martor A(h, t); (h = 1,..., m; h f t), care depăşeşte pe A 0 05 primeşte
o steluţă de semnificaţie, iar dacă depăşeşte pe A 001 primeşte a doua steluţă de semnificaţie.
Un test asemănător cu testu l T u k ey este testul D u n ca n , precum şi testu l d iferen ţei -
lim ită :
5 a/2 = M(i) - M(j) = (2S 2E/p)1/2ta/2; G LE

E xem plu:
X = proteină digestivă (PD) în raţia vacilor cu lapte; Y = producţia lunară de lapte (litri) într-o
anumită lună a ciclului de lactaţie.
Luăm m = 3 variante ale factorului X:
131
 X i(1100g/zi) (doza-martor); X 2 ( 1 2 0 0 g/zi); X3(1300g/zi).
Aceste variante le aplicăm la câte p = 4 repetiţii ale factorului Y .
Avem tabelul cu date:

Repet. Y ^ Y(i, j) Mediile pe variante Media totală

Variante X f
X1 300; 3 14 ; 306; 308 M Y (1) = 307
X2 330; 338; 342; 350 M Y (2) = 340 M Y t = 338
X3 366; 362; 370; 370 M Y (3) = 367

Verificăm ipoteza H: o (1 ) 2 = o(2 ) 2 = o(3)2, faţă de alternativa: H: o (1 ) 2 ^ o(2 ) 2 ^ o(3)2, cu

testul Cochran:

S Y ( 1 ) 2 = 33.33; S Y (2 ) 2 = 69.33; S Y (3 ) 2 = 14.66;

AQ OO
Avem Q = ------------- :------------- = 0.5910
33.33 + 69.33 + 14 .6 6
Din tabelele pentru m = 3 variante X şi p - 1 = 3 G L avem valorile critice Q005 = 0.8709;
Q0.01 = 0.9423;
Avem Q < Q0 05, deci se acceptă ipoteza H: o (1 ) 2 = o(2 ) 2 = o(3 ) 2

Etape de calcul:

a) SP A şi GL:
m p

SPA t = I I [Y(i, j) - M Y T ] 2 = 7576 cu GL t = mp - 1 1 1 GL

i =1 j= i

SPA x = p I [M Y(i, j) - M Y T ] 2 = 7224 cu GLX = m - 1 2 GL

i=1

SPA e = SPA t - SPA x = 352 cu GL e = 1 1 - 2 = 9 GL

b) S2:
c2 _ SPAx 7576 _2 SPAe 352
S x ----------- ------ = 3 6 12 ; S 2e = 3 9 .11
GLx 2 GLe 9
c) F :
OzT1O
F x = S 2x/S2e = -------= 92.35 cu (2 ; 9) GL
3 9 .11
Din tabelele Fisher 4, 5, 6 din Anexă, găsim valorile critice pentru (2; 9) G L : F 005 = 4.26;
F 0.01 = 8 .0 2 ; F 0.001 = 16.39.
Cum F x > F 0001 se acceptă ipoteza H adică p(1), p(2), p(3), diferă foarte semnificativ între
ele adică influenţa variaţiei factorului X asupra variaţiei factorului Y este foarte semnificativă aşa că
F = 92.35***.

T abelul de an aliză a variaţiei sin tetic este:

Sursă de V ariaţii G rade de V arian te (S2) R apoarte

variaţie P ătratice (SPA ) lib ertate (G L ) F ish er (F)
X 7224 2 3612 92.35***
E 336 9 39.11 -
T 7560 11 - -

Indicele de corelaţie este Ic = -JSPAx / SPA t = 0.977*** şi este foarte semnificativ.

13 2
T estul T ukey
Calculăm triunghiul diferenţelor de medii pe variantele lui X:

*•
D iferenţe de medii 307 340 367
367 60** 27** -
î 340 33** - -
307 - - -

D in tabelele Tukey 7, 8 din A nexă, pentru m = 3 m edii şi GL E = 9 găsim T 0.05 = 3.95;

T o.oi = 5.43 aşa că avem amplitudinile aşteptate:
A 0 .05 = V 3 9 .1 1 /4 X 3.95 = 12.35
A 0 .01 = V 3 9 .1 1 /4 X 5.43 = 16.98
C ele trei diferenţe din tabelul precedent depăşesc pe A 0 .0 1 , deci sunt distinct sem nificative
adică p(1), p(2), p(3), diferă distinct sem nificativ două câte două.
Aportul variaţiei lui X la variaţia lui Y egală cu 100%, este A X = IC 2 = 95.5%.
Aportul variaţiei erorii la variaţia lui Y este A E = 1 - A X = 4.5%

Calculele precedente privitoare la analiza varianţei m onofactorială balansată în populaţii

om ogene, pot fi făcute în EXCEL astfel:
D epunem în foaia de calcul Nr. 1 în blocul de celule A 1 : C 5 astfel:

A B C
1 X1 X2 X3
2 300 330 366
3 314 338 362
4 306 342 370
5 308 350 370
D eschidem fereastra TOOLS în care activăm opţiunea D A T A A N A L Y SIS. A ici activăm
opţiunea A NO V A :SIN G LE FACTOR în care declarăm blocul de celule cu date A1:C5.
R ezultatele 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 A 1 :C5
O prezentare elegantă a calculelor precedente se află în foaia de calcul A V 1.X L S din Anexă.

4.2 ANALIZA VARIANŢEI BIFACTORIALĂ COMPLETĂ

NEBALANSATĂ IN POPULAŢII OMOGENE

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

exem plarele populaţiei au m edia p.
Fie alte două caractere X, Y asociate cu exem plarele 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 num esc factori şi constituie criterii de clasificare dublă a populaţiei în
mn subpopulaţii (straturi) ce corespund perechilor de variante (X (i), Y(j)), m ediile pe subpopulaţii
relativ la caracterul Z fiind p(i, j), (i = 1,..., m; j = 1,..., n).
D iferenţele a (X, Y)(i, j) = p(i, j) - p se num esc e fec te p r in cip a le ale p er e c h ii de fa c to r i
m n

(X , Y ) în su bp op u laţii. A vem ^ ^ a (X, Y)(i, j) = 0

t=1 j = 1

133
 Subpopulaţiile se presupun normale cu m ediile p(i, j) şi aceeaşi varianţă g 2(E) în raport cu
caracterul Z.
Extragem în mod întâmplător din subpopulaţii mn sondaje (probe, eşantioane) de volum e
P(X j X (i = X..^ m ; j = k .^ n ).
D atele reletiv la caracterul Z, din aceste sondaje le numim rep etiţii, (rep licate) şi le notăm
cu Z(X x k), (i = k..^ m ; j = l ,..., n; k = l , ...,p(i, j )).
Forma generală a modelului liniar este: Z(i, j, k) = p + a x (i) + a Y(j) + a x.Y(i, j) + e(i, j, k),
unde e(i, j, k) sunt variabile aleatoare normale, independente două câte două cu m edia 0 şi varianţa
g 2(E).
Reunim toate subpopulaţiile care corespund varianţei X (i) fixate pentru orice j = 1,..., n.
Exem plarele din această reuniune vor avea faţă de caracterul Z media:
n
Px (i) = (1/n ). X p(i,j), iar efectul p rincipal al varian tei X (i) este:
i =1
m
a x (i) = p x (i) - p. A vem X a x (i) = 0.
i=1
În m od analog se reu n esc su bp op u laţiile ce coresp u n d varian tei Y (j) fixate p entru orice
i = 1,..., m.
m
Exem plarele din această reuniune au faţă de caracterul Z, m edia p Y(j) = (1/m ). X p(i, j), iar
i=1
efectul principal al variantei Y (j) este: a Y(j) = p Y(j) - p.
n
A vem X a Y(j) = 0.
i =1
Cantitatea a x.Y(i, j) = p(i, j) - p x (i) - p Y(j) + p se numeşte efectul p rincipal al in teracţiu n ii
varian tei X (i) cu varian ta Y (j).
D u p ă m od u l de alegere al su b p op u laţiilor după X şi Y , avem trei tip u ri de m odele:

a) M od el cu efecte fixe
În acest caz ambii factori X, Y definesc efecte constante a x (i), a Y(j), a x.Y(i, j).
Ip otezele care se verifică sunt:
1) H x : p x (1) =...= p x (m ) = p faţă de alternativa H x : p x (1) X...X p x (m) X p sau sub altă
formă: H x : a x (i) = 0 faţă de alternativa H x : a x (i) X 0.
2) H y : p Y(1) = ...= p Y(n) = p faţă de alternativa H Y: p Y(1) X...X p Y(n) X p sau sub altă
formă: H Y: a Y(j) = 0 faţă de alternativa: H Y: a Y(j) X 0.
3) H x.Y:p(i, j) = p x (i) + p Y(j) faţă de alternativa H x.Y: p(i, j) X p x (i) + p Y(j) sau sub
altă formă: H x.Y: a x.Y(i, j) = 0 faţă de alternativa: H x.Y: a x.Y(i, j) X 0.

b) M od el cu efecte a lea to a re:

În acest caz am bii factori d efin e sc e fe c te aleatoare : a x (i) sunt variab ile aleatoare
N (0; a 2 ( a x )), a Y(j) sunt variabile aleatoare N (0; a 2 ( a Y)), iar a x.Y(i, j) sunt variabile aleatoare
N (0; o 2 ( a x.Y)).
Ipotezele care se verifică sunt:
1) Hx: G2(a x ) = 0 faţă de Hx: a 2(a x ) X 0
(N
K

2) faţă de H y : a 2(aY) X 0
O

II

3) H x .y : a 2(ax.Y) = 0 faţă de H x .y : a 2(ax.Y) X 0

c) M od elul m ixt:
În acest caz unul din factori, de exem plu X, este cu efecte fixe, iar cel de-al doilea Y este cu
efecte aleatoare.
E fectele a x (i) sunt con stante şi ipoteza care se verifică este:
134
 1) H X:a X(i) = 0 faţă de H X: a X(i) X 0
E fectele a y (j) sunt variabile aleatoare de tip N(0; a 2 ( a Y)) şi ipoteza care se verifică este :
2) H y :a 2( a Y) = 0 faţă de H Y: a 2 ( a Y) X 0
Efectele a XY(i, j) sunt variabile aleatoare de tip N(0; a 2(a XY)) şi ipoteza care se verifică este:
3) H X.Y: ^ 2 ( a X.Y) = 0 faţă de H XY: ^ 2 ( a X.Y) X 0 -

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

Repet. Z—^ M edii pe M edii pe M edii pe M edia

Variante Z(i, .¡, P(i, j)) variante variante variante totală
(X, Y ) 1 (X, Y) X Y

(X (1), Y (1)) Z ( 1 , U X .. ., Z ( U , p ( U ) ) M Z(1, 1)

M Z x(1) M Z y (1)
(X (1), Y(n)) Z (1 ,n ,1 ),_ ,Z (1 ,n ,p (1 ,n )) M Z(1, n)
M Zt
(X(m ), Y (1)) Z (m ,1 ,1 ),.,Z (m ,1 ,p (m ,1 )) M Z(m, 1)
M Z X(m) M Z Y(n)
(X(m ), Y(n)) Z (m ,n ,1 ),.,Z (m ,n ,p (m ,n )) M Z(m, n)

Notaţii:
q = numărul de celule (i, j) nevide;
m n n m

Pt = Z Z p(i, j); P x(i) = Z p ( i, j ) ; Py (Î) = Z P(i’ j)

¿=1 j =1 j =i ¿=i

CALCULE:

a) SP A şi GL:

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

SPA t = Z Z Z [Z(i, j, k) - M Z t] 2 = Z Z Z Z 2(i, j, k) - S2x/px, cu GL t = pT - 1 grade

i=1 j=1 k=1 i=1 j=1 k=1
de libertate;
m n m n

SPA(x , y) = Z Z p(i, j)[M Z(i, j) - M Z t]2 = Z Z S 2(i, j)/p(i, j) - S2t/ pt , cu GL(x, y) = q - 1

i=1 j =1 i=1 j =1
grade de libertate;
m m
SPA x = Z px(i)[M Zx(i) - M Z t] 2 = Z S 2x(i)/px(i) - S2t/ pt , cu GL x = m - 1 grade de
i=1 i=1
libertate;
n n

SPA y = Z P yG)[MZ yG) - M Z t]2 = Z S 2Y(j)/pY(j) - S2t/ pt , cu GL y = n - 1 grade de

j=1 j=1
libertate;
m n m n m

SPA x y = Z Z p (>- j)[M Z (i, j) - M Z x(i) - M Z y(|) + M Z t] 2 = Z Z s 2(>- JVp O. j) - Z

i=1 j=1 i =1 j=1 i=1
n

S 2x(i)/px(i) - Z S2yG)/py (|) + S2t/ pt = SPA(x,y) - SPA x - SPA y cu GL x .y = q - m - n + 1 =

j =1
GL(X,Y) - GL x - GL y grade de libertate;

135
 m n p ( i, j ) m n p (i, j ) m n

SPA e = Z Z Z [Z(i, j, k) - M Z(i, j)] 2 = Z Z Z Z 2(i, j, k) - Z Z s 2 (i, j ) / p ( i, j ) =

i=1 j =1 fc=1 i=1 j =1 £=1 i=1 j=1
SPA t - SPA( x,y), cu GL e = pt - q = GL t - GL(x,y) grade de libertate.

b) ş 2i
S 2x = SPA x/(m - 1); S 2y = SPA y/( h - 1); S 2x y = SPA xY/(q - m - n + 1);
S 2e = SPA e/( p t - q)

c) f
F X = S 2x/S 2e > 1 cu [m - 1;p T - q]GL
F y = S 2y/S 2e > 1 cu [n - 1;p T - q]GL
F x y = S 2x y /S 2e > 1 cu [q - m - n + 1;p T - 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 SPA x m- 1 S 2x Fx
Y SPA y n-1 S 2y Fy
X .Y SPA x.y q- m- n+ 1 S 2x.y F x.y
E SPA e pt -q S 2e -
T SPA t pt - 1 - -

Rapoartele Fisher F x , F y, F x y se compară cu valorile critice F 0.05; F 0.01; F 0.001 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 4.1 obţinem relaţiile:

(1) M (S 2x) = a(1, 1).a 2(a) + a(1, 2).g 2 (P) + a(1, 3 ).a 2(ap) + g 2 (E)
(2) M (S 2y ) = a(2, 1).a 2(p) + a(2, 2).g 2 (P) + a(2, 3).a 2(ap) + g 2 (E)
(3) M (S 2x.y) = a(3, 1).a 2(a) + a(3, 2).g 2 (P) + a(3, 3).a 2(a.p) + g 2(E)
(4) M (S 2e) = g 2 (E)
unde:
1 1 m
a(1, 1) ' [P t - — ( £ p2x(i))]
m -1 Pt ~
1 m i n n
a(1, 2 ) ------4 Z — — ( £ p2 (i, j)) - — ( Z p 2y( i ))]
m - 1 i=l p x
xw(i) j,=1 p T j =1
m Y n rn n
Z
a(1, 3) p2 (i, j)) - — ( Z Z p2 (i, j))]
m - P x (i) j x P T i=1 j=1

1 n 1 m 1 m
a(2, 1) — d Z - ^ ( Z p2 (i, j)) - — ( Z p2x (j))]
n - 1 j= f P y ( j ) t f Pt i=1

a(2, 2) — ĂPt - - C Z p2Y(i))]

n-1 Pt j =1

136
 1 1
a(2, 3) =
~ "[Z “ ^ ( Z p2 (i, j)) - - ( Í É p2 (i, j))]
n - 1 j =i p Y ( j ) i=i Pt i=i;=i
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 1
a(3, 3)
q - m - n +1
[Pt - Z - ^ - ( Z
«=1 Px (i) J=1
P 2(i, j ) ) Z
j =1
(Z
P y ( j ) Í=1
P 2(i, j ) ) +

i m n
— ( Z Z p2x(j))]
Pt ,=1 j=1

Cu aceşti coeficienţi alcătuim tabelul com ponentelor de varianţă:

M (S 2) J 2( a x) a 2 ( a Y) J 2 ( a x.Y) j 2(e )
M (S 2x ) 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 (S 2E) 0 0 0 1

A vem estimatorii:
J* 2(E) = S2e

ni2 ni2
V 2 (a X ) S X - S E
ni 2 ni2
J 2= J *2 Y y ) = A “1 • S Y - S E
ni 2 q<2
_J X.Y2 ( a x Y )_ S X .Y - S E

' a(1,1) a(1,2) a(1,3) ^

unde A a(2,1) a (2 ,2 ) a(2,3)
va(3,1) a(3,2) a(3,3) y
În cazul b alan sat avem: p(i, j) = p; pT mnp; px (i) = np; p y (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 SPA y n- 1 S2y Fy
x .Y Sp a x .y (m - 1 )(n - 1 ) s 2x .y F x .y
e SPA e mn(p - 1 ) S2e -
T SPA t Mnp - 1 - -

137
 Tabelul cu com ponentele de varianţă are forma particulară:

M (S2) a 2(a x ) o 2( aY) gV x .y ) a 2(E)

M (S 2x ) nP 0 P 1
M (S 2y ) 0 mp P 1
M (S 2x .y ) 0 0 P 1
M (S 2e) 0 0 0 1

U n caz p articu lar al analizei varianţei com pletă balansată este cel în care p = 1, deci avem
câte o sin gu ră rep etiţie ataşată fiecărei p erechi de v arian te (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 SPA e = SPA (xy ) - SPA x - SPA y şi GL e = GL (x ,y ) - GL x - GL y .

Tabelul sintetic de analiza varianţei are forma:

Sursa de SPA GL s2 F
Variaţie
X SPA x m -1 S 2x Fx
Y SPA y n -1 S 2y Fy
E SPA e (m - 1 )(n - 1 ) S 2e -
T SPA t m n- 1 - -

Tabelul cu com ponentele de varianţă are forma:

M (S2) a 2(a x ) a 2(aY) g 2(E)

M (S 2x ) n 0 1
M (S 2y ) 0 m 1
M (S 2e) 0 0 1

E xem plu:
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.
L uăm m = 3 v a ria n te X = X i( 2 5 0 g /z i) ; X 2( 2 7 5 g /z i) ; X 3 ( 3 0 0 g /z i) şi n = 2 v a ria n te
Y = Y 1 ( 2 .5 U N ) şi Y 2(3U N ). Pentru fiecare combinaţie de variante (X, Y ) luăm câte p = 2 repetiţii
Z. A vem tabelul cu date:

R ep etiţii Z M ed ii pe M ed ii pe M ed ii pe M ed ia
V arian te (X ,Y ) Z (i, j, p(i, j)) varian te (X , Y ) varian te X varian te Y T otală
(X 1, Y 1) 14; 14.2 M Z(1, 1) = 14.1 M Z y (1) =
M Z x (1) = 14.75 15.17
(X 1, Y 2) 15.2; 15.6 M Z(1, 2) = 15.4

(X 2, Y 1) 15; 15.4 M Z(2, 1) = 15.2 M Zt =

M Z x (2) = 15.65 15.67
(X 2, Y 2) 16; 16.2 M Z(2, 2) = 16.1 M Z y (2) =
16.17
(X 3, Y 1) 16.1; 16.3 M Z(3, 1) = 16.2
M Z x (3) = 16.60
(X 3, Y 2) 16.9; 17.1 M Z(3, 2)=17

138
 E ta p e d e c a lc u l:
a) SP A şi GL:
m n p
SPA t —Z Z B Z (' 5J , k ) - M Zt] — 1 0 . 2 2 6 8 c u G L r = m n p - 1 = 11 G L
t=\ j— i k—i
m n
SPA{x y ) —p ^ ^ [ M Z ( i , j ) - M Zt]2 — 9 . 9 8 6 8 c u G L (X7) = m n - 1 = 5 G L
i—1 J—1
m

SPAx — n p X [M Z x (i) - M Zt] —6 8468 cu G L X = m - 1 = 2 G L

i—1
n

S P A y — m p ^ t [M Z y ( j ) M Z t —1 .9 2 0 0 cu G L 7 = n - 1 = 1 G L
J—1
SPA x y —SPA {X,Y) - SPA x - SPA y —1 . 2 2 0 0 cu GLXY —GL{XY) - GLX - GLr 2GL
SPAe —SPAt - SPA(X y^ —0.2400 cu GLE —G L - G L ^ y^ —6GL

b) Ş l
^ _ SP A X spay
Sx — —3 .4 2 3 4 ; S2 1 .9 2 0 0
GLx gly

s p a X •Y 2 SPAe
Ss x •y —
— — 0 .6 1 ; S E 0 .0 4
G L'X •Y GLe

c) f

S2
F x — “ T — 8 5 5 8 5 cu (2; 6) G L
S e

S 2

F y — -P 2 — 4 8 cu (1; 6) GL
S E

S 2
F x •y = gX Y = 1 5 .2 5 cu (2; 6) G L
S E

Din tabelele Fisher 4, 5, 6 din Anexă, găsim valorile critice pentru (2; 6) GL: F oos —5 .14 ;
F0.01
1 —10
10 992
2 ;• 1F0.01 —27
27 ;•
Cum Fx > F 0ooi se acceptă ipoteza H adică jux (1), ju x (2), ju x (3) diferă foarte
semnificativ între ele adică influenţa variaţiei lui X asupra variaţiei lui Z este foarte semnificativă
deci F x —8 5 .5 8 5 * * * .
Cum F < Fxy < F 0001 se acceptă ipoteza H adică influenţa variaţiei interacţiunii X • Y
asupra variaţiei lui Z este distinct semnificativă deci Fxx —15.25 * *.
Din tabelele Fisher 4, 5, 6 din Anexă, găsim valorile critice pentru (1, 6) GL: F0.05 = 5.99,
1 0.01 —13
F 1 3 .74- 1 0.001 —35
74; F 3 5 .5511 .
Cum F > F 0001 se acceptă ipoteza H deci juY (1), JUY (2) diferă foarte semnificativ
între ele adică influenţa variaţiei lui Y asupra variaţiei lui Z este foarte semnificativă deci
1 —48 * * *.
139
 Tabelul sintetic de analiza varianţei este:

Sursa de V ariaţii pătratice G rade de V arian ţe R ap oarte F ish er

variaţie (SPA ) libertate (G L) S2 (F)
X 6.8468 2 3.4234 85.585***
Y 1.9200 1 1.9200 48***
X ■Y 1 .2 2 0 0 2 0.6100 15.25**
E 0.2400 6 0.400 -
T 10.2268 11 - -

Indicii de corelaţie sunt:

SPAX SPAV SPAX Y
I (X ) = = 0.818 ; Ic(Y) = = 0.433***; Ic(X.Y) = = 0.345
V SPA SPÂT V SPÂT
Aporturile variaţiilor lui X, Y , X ■Y la variaţia lui Z, socotită egală cu 100%, sunt:
SPA SPA
Ax = ----- ^ = 66.9%; Ar = ------ -Y =18.8% ; A X 7 = 11.9 % .
X SPAr Y SPAt x 'y
Aportul variaţiei erorii la variaţia lui Z este:
A e = 1 - Ax - A y - A xy = 2.4%.

Testele Cochran şi Tukey se efectuează ca în secţiunea 4.1.

Calculele precedente privitoare la analiza varianţei bifactorială completă balansată în
populaţii omogene cu p repetiţii în celulă, pot fi făcute în E X C E L astfel:
Depunem în foaia de calcul Nr. 1 datele în blocul de celule A 1 :D 5 asfel:

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 D A T A A N A L Y S IS .

Aici activăm opţiunea ANO VA:TW O -FACTO R WITH REPLICA TIO N în care declarăm
blocul de celule cu date A 1:D 5 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 A 1:D 5

4.3 ANALIZA VARIANŢEI BIFACTORIALĂ IERARHICĂ

NEBALANSATĂ ÎN POPULAŢII OMOGENE

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

exemplarele populaţiei au media p. Fie alte două caractere X, Y asociate cu exemplarele populaţiei
în m od iera rh iza t . Caracterul X are m variante (doze, nivele, tratamente) notate X (1) ,..., X(m) şi
în cadrul fiecărei variante X(i), caracterul Y are subvariabilele Y(i, 1 ) , . , Y(i, n(i)).
Caracterele X, Y se numesc factori ierarh izaţi şi constituie criterii de clasificare succesivă,
mai întâi în m subpopulaţii care corespund variantelor X (1) ,..., X(m), fiecare din aceste
subpopulaţii se împarte la rândul ei în subsubpopulaţii care corespund subvariantelor Y(i, j).

140
 Mediile pe subpopulaţii relativ la caracterul Z sunt p (1),..., p(m) iar mediile pe
subsubpopulaţii relativ la Z sunt:
k (1, 1 ) ,..., p(1, n(l))

M-(m, 1 ) , . , ^ m , n(m)).

Efectele principale ale factorului X sunt a x (i) = ju(i) - n , iar efectele principale ale
factorului Y sunt a Y (i, j ) = /u(i, j ) - ju(i) .
m m n(m)
Avem Z a x (i) = 0; Z Z a Y (i,j ) = °-
i=1 i=l j=l
Subpopulaţiile după X se presupun normale cu mediile p(i) şi aceeaşi varianţă J (E) iar
subsubpopulaţiile după Y în cadrul lui X se presupun normale cu mediile p(i, j) şi aceeaşi varianţă
a \ E ).
m
Extragem în mod întâmplător din subpopulaţii m - Z n(i) sondaje (probe, eşantioane) de
i=1
volume p(i, j); (i = 1 , . , m), (j = 1 , . , n(m)).
Datele relative la Z din aceste sondaje, le numim repetiţii (replicate) şi le notăm cu Z(i, j, k),
(i = 1 , . , m; j = 1 , . , n(m); k = 1 , . , p(m, n(m)).
Forma generală a modelului liniar ierarhizat este:
Z (i,j \ k) = M +a x (i)+ a (i,j ) + e(i,j \ k)
unde e(i, j, k) sunt variabile aleatoare normale cu media 0 şi variaţia j 2 (E ).

Ca şi la analiza variaţiei bifactorială completă din secţiunea 4 .1.2, modelul poate fi cu efecte
fixe, cu efecte aleatoare sau mixt dar în cazul ierarhic lipseşte interacţiunea X - Y .
a) În cazul modelului cu efecte fixe verificăm ipotezele:
1) H X : n ( 1) = .....= n(m ) = n faţă de H x : / H ) m .................... m ju (m ) m n ;
2) H y : u ( i,j) = U(j) faţă de H Y : ju (i, j ) m ju (i ) .
b) În cazul modelului cu efecte aleatoare verificăm ipotezele:
1) H x : a 2 (a x ) = 0 faţă de H x : <J2 (ax ) m 0;
2) H Y: J 2 (a Y ) = 0 faţă de H 7 : j 2 (aY) m0 .

În toate cazurile, datele împreună cu calculele de sume şi medii de repetiţii pe variante,

subvariante şi total, se trec în următorul tabel:

R ep etiţii Z Z (i, j , p (i, j)) M ed ii pe M ed ii pe M ed ia

X subvar. Y var. X totală
V arian te —
Y
(X (1), Y ( 1, 1)) Z (1, 1, 1 ) ,................. ,Z (1, 1, p(1, 1)) M Z y (1,1)

M Z x (1)

(X (1), Y (1,n (1)) Z ( 1,n ( 1) ,1) ,............,Z(1,n(1),p(1,n(1)))

M Z y (1, n(1))
• • • • m zt

141
 (X(m), Y(m, 1)) Z(m, 1, 1),...... ........,Z(m, 1, p(m, 1)) MZ t (m,1)

MZ x (m)
(X(m), Y(m, n(m)) Z(m, n(m), 1),. •,Z(m, n(m), p(m, n(m))) MZ y (m, n(m)

Notaţii:
n (i ) n(i) m

pt = Z Z ,./O; p *(-) = Z p (1, ); = Z n(i)-

i =1 j =1
p (i
j =1
j n
i =1
C a lc u le :
a ) S P A şi G L :
m n(i p(l,j ) ) m n(l) p(l,j ) S 2

SPÂ T = ZZ Z
i= 1 j= 1 k = 1
[Z (i, j , k ) - M Z Tf = ZZ
j
ZZ
i= 1 = 1 k = 1
2 (i. j ,k ) ------ 1
Pt
cu OL, = PT - 1

grade de libertate;
m m S 2 ( )i S 2

S P A x= Z P x( i )[ M Z x( ) -
i M Z tl2 = Z -tP - ~T cu O L x = m- 1 grade de
i1 i1 P x 1 1
libertate;
m n(i )
l2 ^ S 2y (i, j ) 2X (i)
- P A y Z Z P ( i, j ) \ M Z Y ( i , j ) - M Z x ( i ) l 2 = Z Z Z ^ cu
7=17=1 7=17=1 P ( h j ) 7=1 P x (i)
O L = n - m grade de libertate;
m n(i p(i,j p(i,j n(i
ZZ Z ZZ Z 2 ZZ
) ) m n (i) ) m ) O 2 / •

S P A * (i, j , k ) M Z y (i,
= [ Z - j ) ] 2 = Z ( i , j,k ) -

j k i= 1 = 1 = 1 i= 1 j = 1 k = 1 i= 1 j= 1 p ( 1 , j)
= SPAr - SPAX - SPA7 cu OL e = p r - n = o l - OLx - o l

b) S I

2 S P A x , S2 SPA x o2 _ SPA*
S 2X =
; S E
m - 1 nr - m p r - nr

c) F :
S 2X S 2Y
Fx = ~ ^ ~ > 1 c u [m - 1; nT - m]OL; f y = o2 1 cu [ n - m ; p T - m ]O L .
S Y S E> 1
D a te le d e la p u n c te le a ) - c ) se tr e c î n ta b e lu l:

S u rsa de SPA GL S2 F
v a ria ţie
X SPAx m-1 S 2x F x
Y spa nr - m S 2Y Fy
E SPA* Pţ n^ S 2E -
T spat - -
Pt - 1

142
 Rapoartele Fisher Fx, Fy se compară cu valorile critice F005;F 00^ F 0001 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.

P r in tr - u n c a lc u l a s e m ă n ă to r c u c e l d in te o r e m a 4.1 o b ţin e m re la ţiile :

1) M ( S 2x ) = a ( l ,l ) j 2(ax ) + a ( l,2 ) j2( aY) + j 2(E)
2) M (S 2X ) = a(2,2) j (
2 a Y ) + J 2 (E )
3) M (S 2x ) = J 2 ( E)
unde:
1 1 m
a(1,1) = [Pt — CL P2X(*•))];
m —1 PT i=1
1 _ 1 nm _ 1 m n(i)
a(1,2) = E — 7 t £ p 2(i, j )) - — ( L L p 2(i, j )];
m t 1 i=1 P xiW(i) j=1 PT i=1 j=1
1 m
m 1 n (i)
a(2,2) = --------[Pt -
n - m ,,, ~Px ^(i)( j =1 P E j ))]•
L L

Cu aceşti coeficienţi alcătuim tabelul com ponentelor de varianţă:

M (S2) a 2(a x ) <

j 2(a Y) J 2(E)

M (S 2x ) a (1 , 1 ) a ( 1 ,2 ) 1

M (S 2y) 0 a( 2 ,2 ) 1

M (S 2e ) 0 0 1

A vem estimatorii:

J * 2 ( E ) = S 2e ;
ri2 o 2
S Y —S E
a 2(aY)
a (2 , 2 )
S 2x — a ( 1 , 2 ) a 2 ( a Y) — S 2e
a 2K )
a ( 1 , 1)

In cazul b alan sat avem: p(i, j) = p; p x (i) = np; n(i) = n; nT = mn; p T = m np•
T abelul cu com p on en tele de varian tă are form a:

M (S 2) j2 (a x ) j 2(aY) J 2( E )
M (S2x ) np p 1

M (S 2y ) 0 p 1

M (S2e ) 0 0 1

143
E xem plu:
Fie X = genotip vier; Y = genotip scroafa şi Z = greutatea la fătare a purceilor (Kg); luăm m
= 2 variante X = X 1(martor), X 2 (elită) şi luăm n = 2 subvariante Y pentru fiecare variantă X:
Y j (martor), Y12 (elită) respectiv Y21 (martor), Y22 (elită).
Pentru fiecare variantă X şi fiecare subvariantă Y luăm câte p = 3 repetiţii Z (purcei rezultaţi
din încrucişarea variantelor paterne cu subvariantele materne). Avem tabelul cu date:

R ep etiţii Z Medii pe Medii pe Media

Z (i, j, k) subvariante Y variante X totală
V arian te X
Y
(X !, Yu ) 0.9; 1; 1.1 M Z y (1,1) = 1 M L (1) = 1 .0 5
1; 1 .1 ; 1.2
(X !, Y „) M Z y (1,2) = 1.1 M L = 1.15
(X 2,Y !1) 1.2; 1.2; 1.2 M Z y (2,1) = 1.2 M Z x ( 2 ) = 1 .2 5
1 .1 ; 1.4; 1.4 M Z y (2,2) = 1.3
(X 2, Y22 )

Etape de calcul:

a) SP A şi GL:
m n p
SPA t = H Z i z ('■>j , k ) —M Z t ] 2 = 0.25 cu G L = mnp - 1 = 1 1 GL;
j 1 1
i= 1 = k =

m n
SPA y = p y y \ M Z Y(i, j ) —M Z x (i ) ] 2 = 0.03 cu G L = m(n - 1) = 2 GL;
7=1 j =1
m
SPA x = nP Y [ M Z y (i) —M Z t ] 2 = 0 .12 cu G L = m - 1 = 1 GL;
i1 =

SPAe = SPAt —SPAx —SPAy = 0 .10 cu G L = G L —G L — G L = 8 G L .

b) S2 :
—pa spa spa
S 2X = -----X = 0.1200; S 2y = ----- Y
- = 0.0150; S 2e = ------ - = 0.0125.
GL GL GLe

c) F
s 2X
Fx = - 5- = 8 cu (1; 2) GL
S y
s 2y
L = —Y = 1 2 cu (2; 8 ) GL
S E
Din tabelele Fisher 4, 5, 6 din Anexă, pentru (1; 2) G L avem valorile critice F oos = 18.51;
L 0.01 = 98
F 5' L
98.5; F0.001 = 998
998.55 .
Cum Fx > F 005 rezultă că influenţa variaţiei lui X asupra variaţiei lui Z este
nesemnificativă.
Din tabelele Fisher 4, 5, 6 din Anexă, pentru (2; 8) G L avem valorile critice F oos = 4.46;
F c.01 = 8.65; Fomi = 18.41.
Cum F > F oos rezultă că influenţa variaţiei lui Y asupra variaţiei lui Z este nesemnificativă.

144
 T a b e lu l s in te tic d e a n a liz ă a v a r ia n ţe i e s te :

Sursa de V ariaţii G rade de V arian ţe R ap.

variaţie p ătratice (SPA ) lib ertate (G L ) (S2) F ish er (F)
X 0 .1 2 1 0 .1 2 0 0 8

Y 0 .0 3 2 0 .0 1 5 0 1 .2

E 0 .1 0 8 0 .0 1 2 5 -

T 0 .2 5 11 - -

In d ic ii d e c o re la ţie s u n t:

SPAX SP A V
Ic (X ) = = 0.693 ; I c ( y ) = = 0 .5 0 0 .
SPA SP A X
A p o r tu r ile v a r ia ţie i lu i X , Y , E la v a r ia ţia lu i Z e g a lă c u 1 0 0 % , v o r fi:

A = SPAx
_ =4 8 % ; a = = 12% ; A„ = SPA^ = 4 0 % .

spa7 spat spat

4.4 PLANURI EXPERIMENTALE ÎN POPULAŢII NEOMOGENE

4.4.1 P lanu l b locu rilor com p lete ran d om izate

În s e c ţiu n ile 4 .1 - 4 .3 s-a p re su p u s c ă p o p u la ţia e s te o m o g e n ă în ra p o rt c u în s u ş ire a

c a n tita tiv ă Y lu a tă în s tu d iu .

P o p u la ţia o m o g e n ă s-a îm p ă rţit în m od aleator în m s u b p o p u la ţii o m o g e n e a s o c ia te cu

v a ria n te le X ^ . . . , X m. D in fie c a re s u b p o p u la ţie s-a u e x tra s în m od aleator b lo c u rile d e re p e tiţii

Y ij, . . . , Y mj c a r e c o re sp u n d v a ria n te lo r X 1, . , X m. D in a c e s t m o tiv a ra n ja m e n tu l fo lo s it se n u m e ş te

plan com p let random izat.

D a c ă p o p u la ţia e s te n e o m o g e n ă , p re su p u n e m c ă se p o a te îm p ă rţi în l s u b p o p u la ţii, o m o g e n e

în ra p o rt c u în s u ş ire a Y lu a tă în s tu d iu .

M a te ria lu l e x p e rim e n ta l v a fi şi el n e o m o g e n fiin d c o n s titu it d in l s o n d a je d in c e le l

s u b p o p u la ţii, fie c a re so n d aj fiin d f o r m a t d in mre p e tiţii c o re s p u n z ă to r c e lo r mv a r ia n te a le u n e i a lte
în s u ş iri X a s o c ia tă p o p u la ţie i, n o ta te X ( 1 ) ,..., X (m ).

F ie c a re d in c e le l s o n d a je o m o g e n e d e c â te m re p e tiţii, îl v o m n u m i b loc. B lo c u rile se

n u m e sc com p lete d a c ă c o n ţin e x a c t a tâ te a re p e tiţii c â te v a ria n te a re fa c to ru l X şi a n u m e m.

B lo c u rile se n u m e sc ran d om izate d e o a re c e în fie c a re b lo c se a p lic ă în m o d a le a to r c â te o v a ria n tă a

fa c to ru lu i X p e n tru fie c a re re p e tiţie a b lo c u lu i.

E xem p le de blocu ri naturale: s e x , s o i, r a s ă , h ib r id , e x e m p la r , lo c , p e r io a d ă d e tim p e tc .

D e se m n ă m fie c a re re p e tiţie p rin tr-o c a s u ţă în c a re n o tă m v a ria n ta a p lic a tă X (i) şi ră s p u n s u l

re p e tiţie i Y (i; j) . U n m o d p o s ib il d e ra n d o m iz a re se a s ig u ră p rin p e rm u tă ri c irc u la re a le v a ria n te lo r

d e la u n b lo c la a ltu l d u p ă sch em a:

B (1 ) X (1 ) X (2 ) X (m )

Y (1 ; 1) Y (2 ; 1) Y (m ; 1)

B (2 ) X(m) X (1 ) X (m - 1)

Y (m ; 2 ) Y (1 ; 2 ) Y (m - 1; 2 )

B (l) X (m - l + 2 ) X (m - l + 3 ) X (m - l + 1)

Y (m - l + 2 ; l) Y (m - l + 3 ; l) Y (m - l + 1; l)

145
 Răspunsurile Y(i; j) se rearanjează în tabelul de mai jos pentru a fi prelucrat prin analiza
varianţei bifactorială completă (cu factori X, B) balansată, cu o repetiţie în fiecare celulă (p(i; j) = 1).

R ep etiţii Y Yi j M ed ii pe M ed ii pe M ed ia
varian te X b locu ri B totală
V arian te (X ,B )
(X (1); B (1)) Y ( 1; 1) M Y x (1) M Y b (1)

(X (1); B ( l)) Y ( 1 ; l)
M Yt
(X( m); B (1)) Y ( m; 1)

M Y X (m) M Y b (I)
(X( m); B ( l)) Y ( m; l)

E tap e de calcul:

a) SP A şi GL:
m l 2
spa t = E H y (i;J) -m y t ] cu G L t = ml - 1 grade de libertate;
i=1 j=1
m
S P A = l X [ M Y ( i ) - M Y ] 2 cu G LX = m - 1 grade de libertate;
i=1

SPAb = m^ [MYb (j)-MYt ]2 cu G L b = l - 1 grade de libertate;

j=i
SPA = SPAt-SPAx-SPAb cu G L e = G L t - G L x - G L b = (m - 1)(l - 1) grade de
libertate;

b) S2:
q 2 _ S P A X . c2 _ s p a ^ C 2 spa e
SV ; ; SSDB , ! ; SE
m-1 / -A E ( m -l)( / -l)

c) F :

Fx - —
s 2
X > 1 cu [m - 1; (m - 1)( l - 1)]G L
Se

S2
Fb = - f > 1 cu [l - 1; (m - 1)(l - 1)]G L
SE
Valorile precedente se trec în tabelul sintetic de analiză a varianţei:

Sursa de SPA GL S2 F
variaţie
X SPA x m-1 s2 Fx
Sx
B SPA b l-1 s2 Fb
Sb
E SPA e (m - 1)(l - 1) s2 -
Se
T SPA t ml - 1 - -

146
 Valorile FX şi F B se compară cu valorile critice F 0.05, F 0.oi şi F 0.001 extrase din tabelele 4, 5, 6
din Anexă, pentru perechile de grade de libertate corespunzătoare.
Se acceptă sau se resping ipotezele:
1) H x :^ x ( 1 ) = ... = (m ) = ^ faţă de alternativa: H x :^ x ( 1 ) ^ ^x (m )^ ^

2) H B:^ B( 1 ) = ••• = ^ B ( l ) = ^ faţă de alternativa: H b :^ b ( 1 ) ^ ^ B(l ) ^ ^

E xem plu:
X = proteina digestibilă în raţia porcilor (g/zi)
Y = sporul lunar în greutate al porcilor (Kg)
Populaţia este neomogenă în raport cu Y dar se poate împărţi în l = 2 blocuri omogene:
B 1(Landrace) şi B 2(Marele Alb).
Luăm m = 3 variante X: X 1(250 g/zi); X 2(275 g/zi) şi X 3(300 g/zi) deci fiecare bloc va
conţine câte m = 3 repetiţii (bloc com p let ). În fiecare bloc variabilele X se distribuie în mod aleator
(bloc ran d om izat ):
B (1) X (1) X(2) X(3)
15 17 19
B(2) X(3) X (1) X(2)
20 14 18

Datele precedente se rearanjează pe variante (X, B ) în tabelul:

R ep etiţii Y Yi j M ed ii pe M ed ii pe M ed ia
V arian te (X, B) varian te X blocu ri B totală
(X 1 ; B 1 ) 15
(X 1 ; B 2) 14 M Y x (1) = 14.5
(X 2; B 1 ) 17 M Y b(1) = 17
(X 2; B 2) 18 M Y x (2) = 17.5 M Y t = 17 .16 5
(X 3 ; B 1 ) 19 M Y b (2) = 17.33
(X 3 ; B2) 20 M Y x (3) = 19.5

E tap e de calcul:

a) SP A şi GL:
SPA t = 26.833 cu G L T = 5 GL;
SPA x = 25.333 cu G L x = 2 GL;
SPA b = 0.166 cu G L b = 1 GL;
SPA e = SPA t - SPA x - SPA b = 1.334 cu G L e = G L t - G L x - G L b = 2 GL;
b) S 2:

S2 = = 12.667; Sj = = 0.166; = SPAe = 0.667

X GLX GL E GLe

c) F
S2
Fx = -X - = 19 cu (2, 2) G L
SE
S2 1 S2
Fr = —B < 1 deci — = —E = 9 .0 2 cu (2; 1) GL
B S
se
2 FFb sS b
2

147
 D in tabelele Fisher 4, 5, 6 din A nexă, pentru (2; 2) GL avem valorile critice F 0.05 = 19,
F 0.01 = 99 şi F 0.001 = 999.
Cum F 0 05 = FX < F 001 influenţa variaţiei lui X asupra variaţiei lui Y este semnificativă,
*
aşadar FX = 19 .
Cum F b < 1 influenţa variaţiei blocului B asupra variaţiei lui Y este nesem nificativă.

Tabelul sintetic de analiză a variaţiei este:

Sursa de V ariaţii G rade de V arian ţe R apoarte

variaţie p ătratice (SPA ) lib ertate (G L) (S2) F ish er (F)
■k
-
X 25.333 2 12.667 19
B 0.166 1 0.166 4.02
E 1.334 2 0.667 -
T 26.833 5 - -

Indicii de corelaţie sunt:

I ( X ) = j S P A ^ = 0 .9 7 2 * ; I c( B ) = iS P A ^ = 0 .0 7 9
c( ) ]/ s p a ; ( ) \ SPA
Aporturile variaţiei lui X, B şi E la variaţia lui Y egală cu 100%, sunt:

SPA = 94.4%; A = SP^B

A = SPA^ SPA = 0.6%
X spa B S PA
A = 1 - A - A = 5%

Calculele precedente privitoare la analiza varianţei bifactorială com pletă balansată cu câte o
repetiţie în celulă, pot fi făcute în EXCEL astfel:

D epunem în foaia de calcul Nr. 1 datele în blocul de celule A 1 :D 3 astfel:

A B C D
1 X1 X2 X3
2 B1 15 17 19
3 B2 14 18 20

D eschidem fereastra TOOLS în care activăm opţiunea D A T A A N A L Y SIS. A ici activăm

opţiunea ANO VA :TW O -FAC TO R W ITHOUT REPLICATION în care declarăm blocul de celule
cu date A 1 :D3.
R ezultatele 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 A 1 :D 3

4.4.2 P lanu l p ătratelor şi d rep tu n gh iu rilor latine

U n pătrat latin l x l, (l > 2) este un aranjament de l 2 litere latine mari în formă de pătrat cu
laturile de l litere astfel că pe fiecare lin ie şi pe fiecare coloană a p ătratu lu i, fiecare literă apare
od ată şi nu m ai odată.

148
E xem ple:
P ătrat 2 x 2 P ătrat 3 x 3 P ătrat 4 x 4

A B A B C A B C D
B A C A B D A B C
B C A C D A B
B C D A

Două sau mai multe pătrate latine l x l se pot alipi după linii sau după coloane dând naştere
la un dreptunghi latin.

E xem ple:

A B A B C D
B A B A D C
C D
D C

Planul în pătrate latine rezultă din combinarea a două planuri în blocuri complete
randomizate, b locu rile p rim u lu i plan fiind liniile pătratelor iar b locu rile celui de al d oilea plan
fiind coloanele pătratelor.
Numărul l al repetiţiilor fiecărui bloc-linie este egal cu numărul repetiţiilor fiecărui bloc-
coloană şi este divizor al numărului m al variantelor factorului X.
Randomizarea variantelor factorului X, notate cu X (1), ..., X(m) puse în locul literelor
latine, se asigură prin faptul că în fiecare pătrat latin fiecare variantă a lui X se aplică odată şi numai
odată repetiţiei din fiecare linie şi din fiecare coloană.
Desemnăm fiecare repetiţie printr-o căsuţă în care notăm varianta aplicată X(i) şi răspunsul
la ea Y(i; j; k).
Randomizarea este asigurată prin permutări circulare ale variantelor de la o linie (coloană) la
alta conform structurii pătratului latin. Rezultatele se valorifică prin analiza varianţei trifactorială
completă (X, L, C) cu p(i; j; k) = 1 repetiţii în celulă.

C (1) C(2) C(l)

L (1) X (1) X(2) X(m)

Y ( 1; 1; 1) Y(2; 1; 2) Y(m; 1; l)
L(2) X(m) X (1) —
X(m - 1)
Y(m; 2; 1) Y ( 1; 2; 2) Y(m - 1; 2; l)

L(l) X(2) X(3) X (1)

Y(2; l; 1) Y (3; l; 2) Y ( 1; l; l)

149
 D in pătratele sau dreptunghiurilor latine, datele se rearanjează pe variante (X, L, C) în
tabelul:

R ep etiţii Y ^ Y (i>E k) M ed ii pe M ed ii pe M ed ii pe M ed ia
V arian te (X , L, C) X varian te X lin ii L coloane C totală
(X (1);L(1);C (1)) Y(1; 1; 1)
M Y x (1) M Y l (1) M Y c (1)
(X(m );L(1);C(1)) Y(m; 1; 1)
MYt
(X(m );L(l);C(1)) Y(m; l; 1)

M Y x (m) M Y l (I) M Y c (I)

(X(m); L(l);C (l)) Y(m; l; l)

E tap e de calcul:
a) SP A şi GL:
m l l 2
spat = Z Z Z [ y ( i . j . k ) -m y t ] cu GL t = ml - 1 grade de libertate;
i=1 j=1 k=1
m
SPA X = l ^ [ M Y x (i)-M YT]2 cu GLX = m - 1 grade de libertate;
i=1
l
SPA = m A [ M Y L(j)-MYT]2 cu GL l = l - 1 grade de libertate;
j=i
i
SPA = m A [MYC(k)-M YT]2 cu GLC = l - 1 grade de libertate;
k=1
S P A = S P A - S P A - S P A - S P A cu GL e = GL t - GL x - GL l - GL c =
= (l - 1)(m - 2) grade de libertate;
b) S 2 :
2 S P A . 2 spa l . 2 S P A e . S2 spa e
SX SL SC E
m -1 l-1 ; i -1 ;
(l - ! ) ( m -2 )

c) F :
S2
Fx = - X > 1 cu [m -1;(l-1)(m (l+1)-2)]G L
SE
S2
F = S± > 1 cu [l-1;(l-1)(m (l+1)-2)]G L
SE
S2
Fc = - f > 1 cu [l-1;(l-1)(m (l+1)-2)]G L
SE
M ărimile precedente se trec în tabelul sintetic de analiză a varianţei:

Sursa de SPA GL S2 F
variaţie
X SPA x m- 1 Fx
sX
L SPA l l- 1 Fl
s L

C SPA c l- 1 S Fc
S C2
E SPA e (l - 1)[m (l - 1) - 2] S -
S 2E
T SPA t ml2- 1 - -
150
 Valorile FX, FL şi FC se compară cu valorile critice F0.05, F0.oi şi F 0.001 extrase din tabelele 4,
5, 6 din Anexă, pentru perechile de grade de libertate corespunzătoare.

Se acceptă sau se resping ipotezele:

1) H x :f x (1) = ... = fx (m) = f faţă de alternativa H x :^x ( 1 ) ^ fx (m) ^ f

2) H l :f l (1) = •••= F l (l ) = F faţă de alternativa H l :^l (1) ^ F L (1) ^ F

3) H c :f c ( 1) = ••• = Fc (l) = F faţă de alternativa H c :f c ( 1) ^ ••• ^ Fc (l ) ^ F

În compararea a două planuri experimentale se foloseşte eficienţa relativă Fisher:

SE2 ( g l e, + 1) SE, (G L E, + 1)
C( ° (G L ^ + 3) : (G L Ei + 3)
unde S^ şi S^ sunt varianţele erorilor celor două planuri experimentale iar GLEi şi GL E2 sunt
gradele de libertate ale acestora.

E xem plu:
X = proteina digestibilă în raţia porcilor la îngrăşat (g/zi)
Y = sporul lunar în greutate al porcilor (Kg)
Populaţia este neom ogenă în raport cu Y dar se poate împărţi în l = 2 blocuri-linie:
L 1 (Landrace) şi L2(M arele A lb) şi în l = 2 blocuri-coloană: C 1(vârstă 6 luni) şi C2(vârstă 7 luni).
Luăm m = 4 variante X: X 1(250 g/zi); X 2(270 g/zi); X 3(290 g/zi) şi X 4(310 g/zi).
D atele se trec în două pătrate latine care prin alipire după linii/coloane, constituie un
dreptunghi latin:

C _______ C2 C _______ C 2
L1 X1 X2 L1 X3 X4
10 12 13 14
L2 X2 X1 L2 X4 X3
12 12 15 16

D a te le p r e c e d e n te se r e a r a n je a z ă p e v a r ia n te (X , L , C ) î n ta b e lu l:

R ep etiţii Z Zi M ed ii pe M ed ii pe M ed ii pe M ed ia
varian te X linii L coloane C totală
V arian te
(X , L , C)
(X 1 ; L 1 ; C 1) 10 M Y x(1) = 11
(X 1; L2; C2) 12
(X 2; L 1 ; C 2) 12 M Y x(2) = 12
(X 2; L 2; C 1) 12 M Y l(1) = 12.25 MYc(1) = 12.5 M Y t = 13
(X 3; L 1 ; C 1) 13 M Y x(3) = 14.5 M Y l(2) = 13.75 MYc(2) = 13.5
(X 3; L 2; C 2) 16
14 M Y X(4) = 14.5
(X 4; L 1 ; C 2)
(X 4; L 2; C 1) 15

151
 Etape de calcul:

a) SP A şi G L :
SPA t = 26 cu GL t = 7 GL;
SPA x = 19 cu GL x = 3 GL;
SPA l = 4.5 cu GL l = 16 GL;
SPA c = 2 cu GL c = 1 GL;
SPA e = SPA t-SPA x -SPA l-SPA c = 0.5 cu GL e = GL t-GL x -GL l-GL c = 2 GL;

b) S 2 :
2
sX
SPA x
6.33; S2 S ^ = 4.5;S2 SPAc 2; S2
spa e
0.25
GLx GL L GLc GLe

c) F :
S2
Fx = - r = 25.32 cu (3; 2) GL
SE
S2
Fl = - L = 18 cu (1; 2) GL
SE
S2
Fc = - C = 8 cu (1; 2) GL
SE

Din tabelele Fisher 4, 5, 6 din Anexă, pentru (3; 2) GL avem valorile critice F0.05 = 19.6,
F0.01 = 99.17 şi F0.001 = 999.20.
Cum F0 05 = FX < F001 influenţa variaţiei lui X asupra variaţiei lui Y este semnificativă,
*
aşadar FX = 25.32 .
Din tabelele Fisher 4, 5, 6 din Anexă, pentru (1; 2) GL avem valorile critice F005 = 18.51,
F0.01 = 98.50 şi F0.001 = 998.50
Cum Fl , Fc < F0 05 influenţa variaţiei lui L şi C asupra variaţiei lui Y este nesemnificativă.
Tabelul sintetic de analiză a varianţei este:

Sursa de V ariaţii G rad e de V ariaţie R apoarte

variaţie pătratice (SPA) libertate (G L) (S2) fisher (F)
*
X 19 3 6.33 25.32
l 4.5 1 4.5 18
C 2 1 2 8
E 0.5 2 0.25 -
T 26 7 - -

Indicii de corelaţie sunt:

SPA . SPA t s p Aç
Ic( X ) = = 0.855*; Ic( L) = = 0.416; Ic(C) 0.277
VSPA t SPA t spat

Aporturile variaţiei lui X, L, C şi E la variaţia lui Y egală cu 100%, sunt:

SP A X SPA
Ax 73.1%; A = ------ L = 17.3%
spat L spa t

AC SPA c
7.7%; A = 1-Ax -AL-Ac = 1.9%
spat

152
 În exemplul rezolvat în secţiunea 4.3.1 (planul blocurilor complete randomizate) am găsit
= 0.667 cu n 1 = 2 G L iar în exemplul de mai sus (planul pătratelor latine) am găsit = 0.25
cu n2 = 2 G L deci:
SE, ( g L e + 1) SE, ( g L e + 1)
i % )= = 2.4 = 240%
(G L Ej + 3) ' (GL,, + 3)
Aşadar planul pătratelor latine este de 2.4 ori mai eficient ca planul blocurilor complete
randomizate.

4.5 REZUMAT

În acest capitol se prezintă analiza varianţei mono şi bifactorială (completă şi ierarhică)

nebalansată în populaţii omogene. Se prezintă şi planurile experimentale (blocuri complete
randomizate, pătrate şi dreptunghiuri latine) în populaţii neomogene care se valorifică prin analiza
varianţei polifactorială balansată.

4.6 ÎNTREBĂRI

1. Care este ideea fundamentală a analizei varianţei?

2. Prin ce se deosebeşte analiza varianţei bifactorială completă de cea ierarhică?
3. Cum se asigură randomizarea în planurile experimentale?
4. Ce este eficienţa relativă Fisher a două planuri experimentale?

4.7 BIBLIOGRAFIE

1. D. Ene, M. Drăghici, I.N. Alecu: “ Statistică aplicată în agricultură” , Ed. Ceres, 2003
2. M. Iosifescu şi col.: “ Mică enciclopedie de statistică” , Ed. Ştiinţif. şi Enciclop., 1985
3. Anuarul statistic al României, 1990 - 2009

153