CAP.

I
Elemente fundamentale ale experienţelor
în agricultură

I.1. Importanţa experienţelor în agricultură. Câmpul de experienţă

îndeplineşte mai multe roluri. Astfel, el reprezintă un instrument esenţial de cercetare
ştiinţifică, care contribuie substanţial, prin studiul fenomenelor, la lărgirea cunoştinţelor
ştiinţifice. El constituie cel mai solid fundament pe care se clădesc ştiinţele agronomice.
În acelaşi timp, câmpul de experienţă serveşte fermierilor, ca mijloc de orientare
asupra aplicabilităţii, la zone mai restrânse, a recomandărilor bazate pe cercetările
complexe, executate în unversităţile agronomice, institutele şi staţiunile de cercetare
agricolă.
Câmpul de experienţă serveşte în acelaşi timp şi ca obiect de demonstraţie şi de
popularizare a rezultatelor experienţelor.
Experienţele sunt cu atât mai necesare cu cât agricultura unei ţări este mai
dezvoltată.
Tehnica experimentală modernă permite studierea simultană, în aceeşi experienţă
a mai multor factori în diferite combinaţii şi determinarea precisă a aportului fiecăruia în
realizarea sporurilor de producţie obţinute.
Experienţele agricole au o importanţă permanentă, deoarece în fiecare an apar
soiuri şi hibrizi noi la plantele agricole a căror capacitate de producţie trebuie studiată în
diferite condiţii de cultură. De asemenea se elaborează mereu noi procedee de lucrare a
solului şi de aplicare a îngrăşămintelor, a amendamentelor, microelementelor, precum şi
noi mijloace de combatere a bolilor, dăunătorilor şi buruienilor, mijloace care trebuie
studiate în diferite regiuni, la diferite specii de plante agricole.
Există o strânsă interdependenţă între dezvoltarea cercetărilor şi progresul
practicii agricole, deoarece producţia reflectă nivelul cercetărilor şi invers.
Câmpul de experienţă are o însemnată valoare educativă deoarece el deprinde cu
observaţia exactă şi îndelungată şi cu răbdarea de a aştepta ca rezultatele experimentale
anuale, să fie confirmate repetat, mai mulţi ani la rând.
De asemenea câmpul de experienţă obligă să se interpreteze, prin raţionamente
profunde, reacţia complexă a plantelor agricole faţă de influienţa multiplilor factori de
vegetaţie.

I.2. Terminologia specifică. Prin experienţă de câmp se înţelege o cultură

comparativă executată după anumite reguli, pe parcele egale ca mărime şi grupate cât mai
strâns pe teren, aşezată în condiţii naturale identice celor din cultura mare şi planificată
cu scopul de a afla cultivarul (soiul, hibridul) sau/şi tehnicile de cultivare (lucrări ale
solului, tratamente fitosanitare, fertilizări, combaterea buruienilor etc.) care reuşesc să
realizeze producţiile cele mai mari şi superioare calitativ, cu costuri economice cât mai
mici.

1
 La calcularea costurilor se vor lua în cosiderare şi alţi factori cum ar fi producţia
secundară (paie, coceni la cereale, vreji la leguminoasele pentru boabe, etc.) starea de
fertilitate a solului după cultura respectivă (de ex. mai bogată în N după leguminoase mai
săracă în N, P, K după fl. soarelui, sfeclă).
Câmpul de experienţă este porţiunea de teren, pe care se execută exprerienţele de
câmp denumite şi culturi comparative.
O cultură comparativă este constituită din parcele experimentale, care trebuie
observate , îngrijite şi recoltate separat..
Într-o experienţă de câmp se compară cultivare (soiuri, hibrizi), îngrăşăminte,
metode culturale etc. care deoarece varaiză de la o parcelă la alta se numesc variante.
Fiecare variantă este repetată de mai multe ori; parcelele experimentale, ocupate
de aceeaşi variantă, se numesc parcele-repetiţii ale acelei variante; vom avea deci într-o
experienţă,l parcela-repetiţie I, şi a II-a, a n-a a unui soi, îngrăşământ etc. Repetiţia
cuprinde totalitatea parcelelor care cuprinde o singură dată toate variantele
Grupa de parcele, ocupate de variante diferite aparţinând şi înşiruite orizontal, se
numeşte bloc; când parcelele sunt înşiruite vertical, grupa de parcele se numeşte coloană.
Se numesc perdele sau parcele protectoare parcelele marginale, care nu sunt
ocupate de variantele din experienţă, dar a căror prezenţă este necesară deoarece apără
parcelele experimentale de pe laturi de influenţa marginii provocată de cărări sau
drumuri.
Experienţele pot fi monofactoriale şi polifactoriale. Sunt experienţe
monofactoriale, experienţele în care se urmăreşte acţiunea numai a unui singur factor, de
ex. numai a soiurilor (hibrizilor) sau numai a îngrăşămintelor, tratamentelor etc. ceilalţi
factori fiind menţinuţi constanţi. Experienţele polifactoriale cercetează simultan, în
aceeaşi cultură comparativă, acţiunea mai multor factori, de ex. a soiului, a cantităţii de
sămânţă (experienţă bifactorială) sau a soiului, a cantităţii de sămânţă, a plantei
premergătoare(experienţă trifactorială).
Experienţele pot fi simple adică executate un singur an şi într-un singur loc sau
pot fi în serie, adică una şi aceeaşi experienţă să fie executată mai mulţi ani de-a rândul
sau în mai multe localităţi sau şi una şi alta.
I.3. Parcelele experimentale: forma, mărimea, repetiţia, numărul, blocul,
distribuţia.
Parcela experimentală reprezintă elementul fundamnetal al câmpului de
experienţă, deoarece, numai prin cântărirea recoltei ei se obţin indicaţii asupra capacităţii
de producţie a variantelor.
Pentru a putea exprima just productivitatea variantelor pe care le reprezintă ,
parcelele experimentale trebuie să îndeplinească următoarele condiţii:
- să fie egale ca mărime, exact măsurate;
- să fie complet semănate (plantate) pe toată suprafaţa;
- să cuprindă un masiv complet (fără goluri) de plante, prin executarea corectă a
lucrărilor de îngrijire, iar de le cântărire se vor elimina plantele care au suferit
influenţa golurilor a marginii etc.
- Să cuprindă un număr suficient de mare de plante recoltabile spre a elimina influenţa
individualităţii plantelor, deoarece productivitatea parcelei experimentale este
deteminată de către masivul de plante şi nu de către plantele izolate ale căror variaţii
individuale deformează capacitatea reală de producţie a variantei, adică acea
productivitate pe care ar fi arătat-o dacă parcela respectivă ar fi fost desprinsă din

2
 masivul dens din cultura mare. Acest fapt impune o mărime minimă, sub care nu
trebuie să scadă suprafaţa parcelei.
Forma. În experienţele de câmp se folosesc parcele fie pătrate, fie dreptunghiulare.
Sunt preferate de obicei, parcelele dreptunghiulare, lungi şi înguste deoarece:
- cuprind cât mai mult din variaţiile existente în solul câmpului de experienţă; în cazul
unui sol neuniform acestea sunt de preferat, cu condiţia ca lungimea lor să fie fie
plasată în direcţia celei mai mari variaţii a terenului; parcele sunt recomandate pe
solurile uniforme;
- apropie pe teren parcelele ocupate de diferite variante, făcând prin aceasta ca
fluctuaţia recoltelor, pricinuită de neuniformitatea terenului, să fie mai mică;
- uşurează trecerea pe teren a culturii comparative precum şi semănatul, observaţiile,
recoltarea manuală etc;
- micşorează risipa de teren, ocazionată de lăsarea de drumuri şi de prezenţa fâşiilor de
la capetele parcelelor;
La parcelele dreptunghiulare, raportul dintre lungime şi lăţime se consideră favorabil
când variază între 4/1 până la 10/1.
Adoptarea formei parcelelor este condiţionată de:
- Metoda de aşezare a experienţelor.
- Lăţimea maşiinii de semănat când semănatul se realizează mecanic.
- Lăţimea maşiinii de recoltat când recoltatul se realizează mecanic.
- Dimensiunile terenului care stă la dispoziţie.
- Necesitatea de a înlătura influenţa marginii şi a vecinilor, care este cu atât mai mare
cât parcelele sunt mai lungi.
- Necesitatea (când este cazul) de a reduce încrucişările spontane, care sunt mai
frecvente în parcelele lungi decât în cele pătrate.
Mărimea. Un factor important care influenţează de asemenea în mare măsură
exactitaea rezultatelor experimentale este mărimea parcelelor experimentale; cercetările
arată că exactitatea experienţelor creşte simţitor, dacă parcelele experimentale se măresc.
Eroarea experimentală descreşte dacă parcelele se măresc prin lungirea lor.
În cazul terenurilor neuniforme, scăderea erorii datorită măririi sup. parcelei este mai
mică.
Folosirea parcelelor mai mici, cu condiţia sporirii numărului de repetiţii, conferă
unele avantaje ca:
- uşurează găsirea de suprafeţe cu sol mai omogen pentru aşezarea câmpului de
experienţă;
- permit înmulţirea repetiţiilor realizându-se o mai mare exactitate a experienţelor;
- valorifică suparfeţe mai mici pentru experienţe;
- cer mai puţin efort pentru totalitatea lucrărilor ce trebuie executate;
- se pot folosi cant. mai mici de sămânţă (răsaduri) care uneori este scumpă;
- se pot studia concomitent numeroase linii, soiuri, hibrizi etc.
Mărimea parcelei variază în funcţie de:
- Felul şi mărimea utilajelor disponibile pentru lucrări. Parcelele lucrate integral
manual pot fi mai mici.
- Felul experienţei. La experienţele de orientare cu soiuri (hibrizi), cu îngrăşăminte,
mărimea parcelei variază între 10-30 mp. la speciile semănate în rânduri dese
(cereale) şi mijlociu depărtate(fasole, soia) şi 30-100 plante recoltabile la speciile
care se seamănă (plantează) în rânduri rare. La experienţele cu rotaţii, lucrări de

3
 pregătire a terenului, de îngrijire a culturilor parcele trebuie să fie mai mari, de cel
puţin 50 mp. sup. recoltabilă.
- Felul plantei. Pentru fiecare cultură agricolă, legumicolă sau pomicolă sunt necesare
anumite mărimi de parcelă. De ex. la cerealele păioase sunt indicate parcele de 20
mp, la porumb 60-80 plante recoltabile/parcelă, la sfeclă 100-200 plante
recoltabile/parcelă.
- Neuniformitatea solului. Pe solurile uniforme se recomandă parcele puţine şi mai
mari, iar pe solurile neuniforme se vor folosi parcele mai mici dar cu mai multe
repetiţii.
Repetiţia, numărul. În primele încercări pe teren diferitele variante erau
reprezentate o singură dată, fără repetiţii. Treptat, diferenţele între variante au devenit
mai mici şi au apărut greutăţi în constatarea acestor diferenţe. Repetându-se aceeaşi
variantă pe teren s-a constatat că producţia era diferită faţă de prima parcelă. Aceasta se
datoreşte faptului că producţia unei parcele nu reflectă numai capacitatea individuală de
producţie a plantelor, ci şi influenţa solului, diferenţele de relief, de expoziţie a terenului,
diferenţele de executare a lucrărilor de semănat, ingrijire recoltare, variaţiile provocate de
buruieni, boli, dăunători.
Prin repetarea aceleiaşi variante pe teren, parcelele experimentale sunt supuse
fluctuaţiilor datorate neuniformităţii solului, şi variaţiilor întâmplătoare, astfel că
producţiile lor vor înregistra plusuri şi minusuri, care se vor compensa dând o medie mai
aproape de capacitatea reală de producţie a variantei respective, decât producţia unei
singure parcele experimentală nerepetată.
De aceea, dacă numărul de repetiţii va fi mai mare se va obţine o mai mare
compensare a factorilor care favorizează producţia cu cei care o defavorizează.
Înmulţirea numărului repetiţiilor reprezintă un mijloc mai eficace pentru reducerea
erorii experimentale decât mărirea parcelelor.
Numărul repetiţiilor unei variante se notează cu litera n.
Numărul repetiţiilor nu poate fi fixat schematic, el depinzând de condiţiile în care se
execută experienţele. Astfel numărul repetiţiilor trebuie să fie cu atât mai mare cu cât
solul este mai neuniform, clima mai nefavorabilă , numărul variantelor este mai mare.
Cerecetările au arătat că eroarea experimentală se micşorează cu rădăcina pătrată a
numărului repetiţiilor folosite. De ex. la 4 repetiţii se reduce la jumătate, la 9 se reduce la
o treime etc.
Blocul. Solul de pe o anumită suprafaţă de teren nu se schimbă brusc, ci treptat; de
aceea parcelele experimentale apropiate au o şansă mai mare de a avea un sol mai
uniform decât cele care se găsesc îndepărtate. Drept urmare eroarea sistematică,
provocată de neuniformitatea solului, este mai mică la parcelele mai apropiate unele de
altele, ceea ce permite să se reliefeze mai clar diferenţele dintre variante.
De aceea în tehnica experimentală se lucrează cu grupe de variante aşezate în parcele
apropiate, dispuse pe un rând şi care se numesc blocuri.
Prin aşezarea variată a acestor blocuri rezultă diferite feluri de aşezări ale
experienţelor.
Este foarte important ca solul din interiorul unui bloc să fie cât mai uniform posibil.
După cum sunt sau nu prezente toate variantele într-un bloc, deosebim blocuri
complete sau incomplete.
În blocurile complete toate variantele experimentate sunt aşezate alăturat, unele lângă
altele, pe un singur rând şi alcătuiesc un bloc întreg. Acestea se folosec atunci când avem

4
un număr mai mic de variante. Cele mai utilizate blocuri complete sunt: blocurile
randomizate, pătratul latin şi dreptunghiul latin.
Blocurile incomplete nu conţin toate variantele experimentate. De aceea pentru a
cuprinde toate variantele unei repetiţii este nevoie de mai multe blocuri incomplete. În
acest caz variantele care alcătuiesc o repetiţie sunt dispuse pe mai multe rânduri, fiecare
din ele cuprinzând o parte din variante spre deosebire de blocurile complete unde toate
variantele unei repetiţii se găsesc grupate într-un singur rând.

7 8 9
4 5 6 --- Blocuri incomplete 1 2 3 4 5 6 7 8 9 --- Blocuri complete.
1 2 3

Distribuţia. Distribuţia variantelor în teren (aşezarea) are deosebită împortanţă în

exactitatea experienţelor. Putem avea distribuţie sistematică (folosită în trecut) şi
distribuţie întâmplătoare sau randomizată (care se foloseşte în prezent).
I.5. Influenţele asupra experienţei: marginea, vecini, goluri. În rezultatul
producţiei unei parcele trebuie să fie oglindită numai capacitatea de producţie a variantei
respective, fapt pentru care trebuie să se îndepărteze, în timpul vegetaţiei sau la recoltare,
influenţa marginii, a vecinilor, şi a golurilor iar la prelucrarea rezultatelor trebuie să se
recunoască erorile accidentale şi să se înlăture cele grosolane.
Influenţa marginii există la fiecare parcelă experimentală, deoarece plantele situate la
marginile parcelelor suferă modificări datorită umidităţii şi substanţelor nutritive, pe care
le obţin în plus din cărările dintre parcele şi din drumurile dintre blocuri.
Influenţa marginii se constată:
- La marginile frontale, unde parcele se învecinează cu drumuri, care nu pot fi evitate
şi care pot avea o lăţime de 2-3 m. Aici plantele cresc mai viguros şi produc mai mult
decât plantele din interiorul parcelei. Uneori plantele vecine drumurilor pot produce
mai puţin datorită unor cauze diferite.
- Pe ambele laturi lungi ale parcelelor la speciile care se seamănă des (cereale păioase,
in, mazăre, etc.)în cazul că se lasă cărări între diferitele parcele. În cazul în care la
aceste tipuri de experienţe, nu se înlătură la recoltare, rândurile care au suferit
influienţa marginii, se vor obţine rezultate necorspunzătoare cu realitatea.
Influenţa marginilor longitudinale(laterale) este cu atât mai mare cu cât cărările
separatoare sunt mai mari, cu cât soiurile experimentate sunt mai rapace, cu cât parcelele
sunt mai lungi, cu cât parcelele sunt mai mici.
La marginile frontale se va îndepărta, la plantele care se seamănă în rânduri
apropiate, câte o fâşie lată de de cel puţin 50 de cm de la ambele capete ale parcelei.
Prin înlăturarea influenţei marginii nu se măreşte exactitatea experienţei, deci nu se
micşorează eroarea experimentală, în schimb rezultatele devin mai reale, deoarece
influenţa marginii este o sursă importantă de erori sistematice.
Influenţa vecinilor adică a variantelor de pe parcelele vecine este deosebit de
importantă în anumite cazuri cum ar fi:
- soiuri înalte aşezate lângă soiuri scunde, soiuri rapace lângă soiuri mai puţin rapace;
- experienţe cu îngrăşăminte, erbicide, fungicide, insecticide;

Influenţa vecinilor variază în funcţie de:

5
- Distanaţa dintre rânduri; influenţa vecinilor este mai mare la speciile care se seamănă
des;deosebirile dintre variante.
- Felul experienţei; influenţa vecinilor este mai mare la experienţele cu îngrăşăminte
irigaţii.
- Deosebirile dintre variante; cu cât variantele se deosebesc mai mult, cu atât este mai
mare influenţa vecinilor. De aceea se recomandă ca variantele cu diferenţe mari să
fie grupate în experienţe separate.
- Forma parcelelor experimentale; cu cât parcelele experimentale sunt mai lungi şi mai
înguste, cu atât înfluenţa vecinilor este mai mare.
Influenţa golurilor este resimţită deoarece plantele vecine golurilor având mai mult
spaţiu la dispoziţie, se dezvoltă mai mult.
Golurile care apar în parcelele experimentale sunt de natură diferită; astfel sunt unele
goluri, care apar în aceeaşi măsură în toate repetiţiile unei variante. Acestea se numesc
goluri sistematice. De exemplu soiurile (hibrizii) nerezistente la ger, boli, la atacul
diferitelor specii de insecte vor prezenta în toate repetiţiile mai multe goluri decât
celelalte soiuri (hibrizi) mai rezistenţi.
Golurile sistematice nu se vor înlătura la valorificarea experienţelor deoarece acestea
semnifică o importantă caracteristică a variantelor respective ce prezintă aceste goluri.
Golurile care apar neregulat în diferitele repetiţii se numesc goluri întâmplătoare.
Acestea pot apărea datorită unor greşeli de semănat, greşeli de îngrijire atac de de
dăunători etc.
Numărul şi influenţa golurilor întâmplătoare variază în funcţie de:
- condiţiile meteorologoice ale anului respectiv; în anii secetoşi apar mai multe goluri:
- plantele cultivate; de ex. la sfeclă apar mai multe goluri decât la cartof;
- stadiul în care pier plantele; influenţa golurilor este mai mare atunci când plantele
pier mai timpuriu.
- atenţia cu care se execută semănatul, plantatul şi lucrările de îngrijire;
Prezenţa golurilor în parcelele experimentale scade şansele obţinerii de rezultate
exacte şi reale

6
 CAP. II
Metodele de aşezare a experienţelor.

II. 1. Metodele de aşezare. Distribuţie sistematică a variantelor. Distribuţie

accidentală (întâmplătoare).
În vechile experienţe se folosea aşezarea sistematică, în care variantele se înşiruiau în
aceeaşi succesiune în toate repetiţiile şi din această cauză variantele care se învecinau,
erau supuse aceloraşi influenţe ale solului, în toate repetiţiile, dând în consecinţă
producţii în care factorul ,, sol ,, masca, din cauza neuniformităţii lui, capacitatea reală de
producţie a variantelor comparate.
Terenul destinat experienţelelor oricât de bine ar fi ales tot prezintă neuniformităţi
ale solului, care, datorită fertilităţii care se schimbă treptat, vor fi cu atât mai mari cu cât
parcelele vor fi mai îndepărtate pe teren şi învers, vor fi mai mici la parcelele mai
apropiate. De aceea, la această aşezare variantele cele mai apropiate, de ex. 1 şi 2, aveau
un sol mai uniform, pe când între variantele 1 şi 10 existau neuniformităţi mai mari.
Acest fapt conducea la obţinerea de diferenţe mai mici de producţie între variantele 1 şi 2
decât între variantele 1 şi 10, fapt care se întâlnea şi în celelalte repetiţii.
În prezent se foloseşte aşezarea întâmplătoare sau randomizată (random-
întâmplare) a variantelor, pentru a oferi acestora şanse cât mai egale de repartizare pe
neuniformităţile de diferite grade ale terenului. Numai prin aşezarea întâmplătoare se
obţine o estimare imparţială a erorii, parcelele diferitelor variante fiind supuse în unele
repetiţii influenţelor pozitive, iar în alte repetiţii influenţelor negative. Drept urmare prin
această aşezare se măreşte ,, expresivitatea ,, experienţelor, obţinându-se rezultate ce
oglindesc, mai aproape de adevăr, capacitatea reală de producţie a variantelor dintr-o
experienţă.
Sistemul aşezării întâmplătoare (randomizării) asigură datelor experimentale,
proprietăţile matematice necesare folosirii calcului erorii.
Randomizarea elimină subiectivismul în distribuirea variantelor, uneori existând o
anumită subiectivitate pentru unele variante mai ales la experienţele cu soiuri şi hibrizi.

Exemplu:

Planul de bază Planul randomizat

1 2 3 2 1 3
4 5 6 8 7 9
7 8 9 5 4 6

Radomizarea trebuie făcută pentru fiecare experienţă în parte. Nu se va folosi

aceeaşi randomizare pentru mai multe experienţe. Fiecare variantă va fi prezentă o
singură dată în aceeaşi coloană.

7
 II. 2. Metode de aşezare a experienţelor monofactoriale. Experienţele în care
se studiază influenţa unui singur factor poartă denumirea de experienţe monofactoriale.
Studierea într-o experienţă numai a capacităţii de producţie a soiurilor(hibrizilor),
este un exemplu de experienţă monofactorială.
Condiţia esenţială a reuşitei unei astfel de experienţe, este realizarea unei
uniformităţi cât mai mare posibilă a celorlalţi factori ca de ex. : lucrări corecte ale solului,
semănat corect, fertilizare şi trat. fitosanitare uniforme pentru toate variantele, recoltare
fără erori etc. Numai dacă se vor respecta în optim factorii menţionaţi, se vor obţine
diferenţe cât mai reale (cu erori cât mai mici) între capacităţile de producţie a
soiurilor(hibrizilor) studiaţi.
Metodele de aşezare a experienţelor momofactoriale sunt:
a-Blocuri complete:
- metoda blocurilor randomizate;
- pătratul latin;
- dreptunghiul latin;

b- Blocuri incomplete:
- grilajele: grilajul balansat şi grilajul pătrat balanasat;

II. 3. Metode de aşezare cu blocuri: Blocuri complete (blocuri randomizate, pătrat

latin, dreptunghi latin) Blocuri incomplete (grilajele).
Blocuri complete.
Blocurile randomizate. Această metodă este cea mai simplă dintre aşezările
folosite la executarea experienţelor.
Ea posedă următoarele caracteristici:
- fiecare bloc cuprinde toate variantele, fiind echivalent cu repetiţia (b = n);
- blocurile cuprind un numă restrâns de variante (până la 12), deoarece precizia scade
sensibil o dată cu sporirea numărului de variante, datorită creşterii neuniformităţii
solului în interiorul blocului;
- numărul repetiţiilor(blocurilor) nu este fix, ci poate varia după necesităţile impuse de
sporirea exactităţii experienţei;
- variantele se vor aşeza randomizat în interiorul blocurilor, cu excepţia primei
repetiţii, în care se pot aşeza sistematic;
- blocurile constituie unităţi inependente unul faţă de celălat, nefiind legate structural
între ele; de aceea această metodă de aşezare permite să se folosească diferitele
posibilităţi şi condiţii de teren;
- la valorificare nu se pot elimina decât erorile sistematice existente între blocuri, deci
precizia experienţelor este mai mică decât la celelalte aşezări; de aceea este foarte
important ca solul din interiorul blocului să fie cât mai uniform;
Pentru a obţine rezultate corespunzătoare la experienţele în blocuri se recomandă
următoarele:
a- să se planifice experienţele numai cu un număr mic de variante între care se
bănuieşte că nu sunt diferenţe prea mici de producţie;
b- să se aleagă un teren cât mai uniform;
c- blocurile să fie cât mai mici; sup. parcelelelor să fie cât mai mică;
d- blocurile să fie cât mai apropiate de forma pătrată;

8
 Din punct de vedere al palsării lor în câmpul de experienţă, blocurile pot fi aşezate:
a- pe un singur rând(aşezare liniară), când blocurile sunt aşezate unul lângă altul
într-o singură linie;
b- pe două sau mai multe rânduri – blocuri etajate;
c- împrăştiate pe teren, un bloc nevenind în contact cu celălalt, cu toate că fac parte
din una şi aceeaşi experienţă – blocuri dispersate; această aşezare se va folosi cu
prudenţă;

- blocuri pe un singur rând;

- BLOC 1 BLOC 2 BLOC 3 BLOC 4 BLOC 5 BLOC 6

- blocuri etajate pe 2 sau 3 rânduri

BLOC 4 BLOC 5 BLOC 6 BLOC 5 BLOC 6

BLOC 1 BLOC 2 BLOC 3 BLOC 3 BLOC 4
BLOC 1 BLOC 2

- blocuri dispersate:

BLOC 1 BLOC 3
BLOC 2

Pătratul latin are următoarele caracteristici:

- Parcelele sunt astfel aşezate încât blocul(orizontal) cât şi coloana (vertical) reprezintă
repetiţii complete, fiecare variantă fiind deci reprezentată câte o dată atât în fiecare
bloc cât şi în fiecare coloană.
- Numărul repetiţiilor (n) este egal cu numărul variantelor (v).
- Randomizarea se face nu pe parcele, ci pentru blocurile şi coloanele planului de bază.
- Analiza statistică permite să se elimine atât diferenţele dintre blocuri, cât şi cele între
coloane, făcând posibil controlul influenţei solului şi a altor influenţe atât pe verticală
cât şi pe orizontală. De aceea această aşezare permite reducerea substanţală a erorii
faţă de metoda blocurilor randomizate, putând fi folosită cu rezultate bune pe solurile
mai neuniforme.
- Deorece numărul de variante este egal cu numărul de repetiţii (n=v), nu se poate
lucra cu un număr mare de variante deoarece suprafaţa experienţei ar creşte prea mult
numărul maxim recomandat de variante fiind de 12; de obicei se folosesc 6-8
variante.
Această metodă se recomandă se recomnadă atunci când se urmăreşte aflarea
diferenţelor foarte mici între variante puţine cum ar fi experienţele cu soiuri(hibrizi).
Cea mai mare eficacitate a pătratului latin se realizează când se folosesc parcele
pătrate, dar se obţin rezultate bune şi când se folosesc parcele dreptunghiulare.

9
 4 5 1 2 3
3 1 4 5 2
5 4 2 3 1
2 3 5 1 4
1 2 3 4 5

Dreptunghiul latin. A fost conceput în anul 1952 de către Mudra din necesitatea
de experimenta un număr mai mare de variante, care să fie analizate pe două direcţii după
principiul pătratului latin.
Dreptunghiul latin, ca şi pătratul latin, prezintă blocuri şi coloane complete, care
cuprind, fiecare, toate variantele experimentale. Coloanlele nu au însă toate variantele
aşezate pe un singur şir, ca la pătratul latin, ci pe 2-4 subcoloane care, împreună,
formează o coloană completă. În acest număr de variante, numărul repetiţiilor poate fi de
2-4 ori mai mic decât la pătratul latin.
Caracteristicile dreptunghiului latin sunt deci următoarele:
- Numărul variantelor trebuie să fie divizibil atât cu numărul repetiţiilor cât şi cu
numărul subcoloanelor.
- Numărul coloanelor este egal cu numărul blocurilor cât şi deci cu numărul
repetiţiilor.
- Fiecare variantă este reprezentată o dată atât în fiecare coloană cât şi în fiecare bloc.
Deci atât blocurile cât şi coloanele constitiue repetiţii complete.
- Planul aşezării parcelelor pe teren tebuie să fie randomizat, prin randomizarea
separată a blocurilor şi a coloanelor din planul de bază.
- Deşi controlul asupra neuniformităţii solului este tot dublu, exactitaea experienţelor
este mai mică decât la pătratul latin.
Cu cât numărul variantelor şi al subcoloanelor devine mai mare, cu atât coloanele
nu mai oferă variantelor condiţii suficient de uniforme în interiorul lor scăzând astfel
precizia experienţei.
Numărul maxim de variante recomandat la aşezarea în dreptunghi latin este de 15-
20.

Blocuri incomplete.
Grilajele. Atunci când numărul variantelor dintr-o experienţă devine prea mare,
blocurile complete se alungesc prea mult şi ajung să nu mai fie uniforme, ceea ce
conduce la creşterea erorilor experimentale.
Pentru reducerea erorilor experimentale s-a recurs, în acest caz, la gruparea
parcelelor în blocuri mai mici, care cuprind numai o parte din variante, rezultând astfel
aşezările în blocuri incomplete.
Cele mai importante dintre aşezările în blocuri incomplete sunt grilajele, aşezări
denumite astfel, datorită formelor simetrice, ce iau naştere prin juxtapunerea blocurilor
Aşezarea în grilaje prezintă următoarele avataje:
- Permite includerea în aceeaşi experienţă a mai multor variante decât aşezările
precedente, dând posibilitatea să se compare direct între ele într-o singură experienţă
toate variantele ce prezintă intres imediat, excluzându-se comparaţia indirectă prin
intermediul martorului.

10
- Grupează foarte strâns pe teren variantele unui bloc în suprafeţe apropiate de forma
pătrată, oferind astfel variantelor dintr-un bloc incomplet un sol mai uniform. Astfel,
prin acestă aşezare mai strânsă pe teren se va mări precizia experienţelor.
Dezavantajul acestei metode constă în aceea că interpretarea rezultatelor este ceva
mai complicată.
La aşezările în blocuri incomplete, două variante, care se întâlnesc în acelaşi bloc,
sunt mai precis comparate decât cele care se găsesc în blocuri diferite. De aceea, pentru a
mări exactitatea experienţelor, trebuie să se asigure o comparare la fel de precisă pentru
toate variantele experienţei. În acest scop, la aşezarea variantelor, se caută ca fiecare
pereche de variante să se întâlnească, în acelaşi bloc incomplet, de un număr de ori egal;
această operaţiune numindu-se balansare, iar aşezarea obţinută se numeşte balansată.
De exemplu avem următoarea aşzare balansată cu un număr de 9 variante dispuse
în blocuri incomplete:

1 2 3 1 4 7 1 5 9 1 6 8
4 5 6 2 5 8 2 6 7 2 4 9
7 8 9 3 6 9 3 4 8 3 5 7

Operaţiunea de balansare impune un anumit număr de repetiţii strict necesar

pentru ca fiecare din variante să poată întâlni pe fiecare din celelalte în acelaşi bloc.
La aşezările în blocuri incomplete avem grilajul balansat şi grilajul pătrat
balansat.

Grilajul balansat. La această aşezare numărul variantelor trebuie să fie

întotdeauna un pătrat perfect (v = k²), se grupează în fiecare repetiţie în k blocuri
incomplete, fiecare din ele cuprinzând k variante.
Aşezarea este astfel balansată încât fiecare variantă întâlneşte pe fiecare din
celelalte în acelaşi bloc incomplet câte o singură dată. Pentru a asigura balansarea ,
numărul de repetiţii trebuie să fie egal cu k + 1.
Aşezările cu 36, 100 şi 144 variante nu pot fi balansate. De aceea grilajele
balansate se folosesc numai pentru un număr de variante egal cu 9, 16, 25, 49, 64, 81,
121,169 etc.
Repartizarea întâmplătoare a variantelor se realizează prin randomizarea
blocurilor incomplete între ele şi prin randomizarea variantelor în interiorul acestor
blocuri.
În interiorul unui bloc incomplet este foarte important, ca solul să fie cât mai
uniform.
Un dezavantaj al grilajelor ar fi acela că numărul variantelor trebuie să fie un
pătrat perfect (cu excepţiile menţionate).
Grilajul pătrat balansat. În acest caz, variantele sunt astfel aşezate în interiorul
blocurilor incomplete, încât prin alăturarea acestora rezultă şi coloane incomplete
balansate.
Numărul variantelor este tot un pătrat perfect (v = k²) iar în fiecare repetiţie,
variantele sunt dispuse în k blocuri incomplete a k variante fiecare. Prin alăturarea
blocurilor rezultă şi k coloane incomplete a câte k.
La această aşezare numărul repetiţiilor pentru realizarea balansării este diferit
după cum k este număr par sau impar. Când k este număr impar numărul repetiţiilor este

11
 k+1
------- ; iar când k este număr par numărul repetiţiilor este ca şi la grilajele
2
balansate de k + 1.
Gruparea parcelelor în blocuri şi coloane se face pe baza principiului balansării,
procedându-se diferit după cum k este par sau impar. Astfel când k este impar, fiecare
variantă întâlneşte o singură dată fiecare din celelalte variante şi anume: sau în acelaşi
bloc sau în aceeaşi coloană. Atunci când k este un număr par, fiecare variantă întâlneşte
fiecare din celelalte variante de două ori şi anume o dată în acelaşi bloc şi o dată în
aceeaşi coloană. De ex.

plan de bază randomizarea

blocurilor

1 2 3 4 5 6
4 5 6 1 2 3
7 8 9 7 8 9
randomizarea coloanelor

5 6 4
2 3 1
8 9 7

Grilajele pătrate reprezintă aşezarea ideală în experimentarea soiurilor, hibrizilor

sau liniilor în curs de ameliorare.

12
 CAP. III
Metode de aşezare a experienţelor
polifactoriale.

III. 1. Elemente fundamentale. Experienţa polifactorială reprezinztă cel mai

important instrument de cercetare a influenţei factorilor de vegetaţie asupra producţiei.
Procesele de creştere şi dezvoltare a plantelor sunt condiţionate de acţiunea mai
multor factori , al căror efect este rezultatul interaţiunii acestora.
Experienţele polifactoriale prezintă, comparativ cu cele monofactoriale,
următoarele avantaje:
- analizează simultan acţiunea mai multor factori;
- studiază interacţiunea factorilor respectivi;
- rezultatele obţinute sunt mai apropiate de realitate, prin abordarea interacţiunii
factorilor de vegetaţie existenţi de fapt în natură, unde nu avem de-a face cu acţiuni
strict separatea a factorilor respectivi;
- suprafeţele respective sunt mai mici şi se economiseşte forţa de muncă;
- sunt furnizate date cu aplicabilitate rapidă în practică.
Numărul factorilor ce se studiază într-o experienţă polifactorială este de 2 - 4. la
un număr mai mare apar dificultăţi la interpretarea interacţiunii factorilor.
Spre exemplificare prezentăm un model de experienţă poilfactorială ce are ca obiectiv
cercetarea influenţei densităţii plantelor la cultura porumbului.
Factorul A - Hibridul de porumb, care are următoarele 2 graduări:
a 1 - hibridul – Fundulea 102
a 2 - hibridul – Fundulea 420

Factorul B – Densitatea plantelor, cu trei graduări:

b 1 – 30000 plante/ha
b 2 – 45000 plante/ha
b 3 – 60000 plante/ha

La întocmirea planului experienţei, pentru simplificare, variantele, ce vor rezulta

din interacţiunea factorilor se notează cu cifre, prima cifră reprezentând graduarea
primului factor, a doua cifră graduarea celui de al doilea factor etc. De ex. varianta
Fundulea 102 la densitatea de 30000 palnte/ha se notează cu 11, iar varianta Fundulea
420 la densitatea de 60000 palnte/ha se notează cu 23.
Rezultă astfel că vom avea o experienţă bifactorială (A şi B), de tipul 2 x 3, cu 6
combinaţii de factori (a1 b1, a1 b2, a1 b3 – a2 b1, a2 b2, a2 b3 sau 11, 12, 13 – 21, 22,
23).
Tipul experienţei este dat de numărul factorilor studiaţi. O experienţă în care se
studiază 2 factori va fi bifactorială, iar una în care se studiază 3 factori va fi trifactorială.
Factorii studiaţi pot avea un anumit număr de graduări care nu poate fi prea mare
deoarece se complică foarte mult experienţa.

13
 Numărul de combinaţii posibile este dat de produsul dintre numărul de graduări
ale factorilor studiaţi.
De ex. o experienţă cu trei factori studiaţi, cu trei graduări la primul factor, patru
la cel de-al doilea şi 6 la cel de-al treilea factor va fi de de tipul 3 x 4 x 6 = 72 de
combinaţii.
III. 2. Aşezarea experienţelor polifactoriale în blocuri randomizate, pătrat
latin, dreptunghi latin şi parcele subdivizate.
Blocul randomizat. La acestă metodă, parcelele care cuprind combinaţiile
factorilor experimentaţi se aşează în blocuri, una lângă alta, randomizat, blocurile fiind
dispuse linir pe 1-3 rânduri.
Exemplul de mai sus, poate fi aşezat după metoda blocurilor randomizate astfel:
Fig. 1
BLOC I BLOC II BLOC III BLOC IV

11 12 13 21 22 23 13 22 11 23 12 21 22 12 21 23 13 11 23 12 13 22 21 11

Pătratul latin şi dreptunghiul latin. Această aşezare permite într-o mare măsură
eliminarea erorilor sistematice.
În acest caz se vor respecta cerinţele pătratului latin, şi anume ca blocurile şi
coloanele să reprezinte repetiţii complete.
Pătratul latin permite experimentarea unui număr redus de variante.
Când avem mai multe combinaţii (mai multe graduări ale factorilor) putem folosi
dreptunghiul latin cu condiţia ca numărul combinaţiilor să fie par, pentru a putea grupa
variantele în subcoloane.
Experienţă bifactorială (2 x 3) aşezată în pătratat latin (6 x 6 = 36 parcele
experimentale).
Fig. 2
23 13 22 11 21 12

21 23 12 22 13 11

12 22 21 23 11 13

22 11 23 13 12 21

13 21 11 12 23 22

11 12 13 21 22 23

Parcelele subdivizate. Folosirea pentru experienţele polifactoriale a metodelor de

aşezare prezentate anterior, generează uneori dificultăţi tehnice legate de aplicarea unor
factori pe parcelele mici
14
 Pentru reducerea erorilor experimentale pentru unii factori s-a preconizat metoda
parcelelor subdivizate, la care combinaţiile de factori nu mai sunt liber randomizate, ci
sunt grupate în toate repetiţiile după unul din factori.
Acest fel de aşezare constă în divizarea parcelelor experimentale mari, care
cuprind anumiţi factori mai greu aplicabili (pl. premergătoare, tartament fitosanitar,
lucrari ale solului etc.) în parcele mai mici, care cuprind factori mai uşor aplicabili
(soiuri, densităţi etc.).
Într-o astfel de experienţă se poate urmări destul de uşor influenţa a trei factori
asupra producţiei cum ar fi de exemplu urmărirea la grâul de toamnă :
- planta premergătoare - 2 variante a 1 şi a 2;
- cantitaea de sămânţă - 3 variante b 1, b 2 şi b3;
- soiul – 3 soiuri(variante) - c 1, c 2 şi c 3; Tab anexă 1
Într-o astfel de experienţă cel mai bine studiat este factorul soi (c) care apare de
şase ori într-o singură repetiţie.
Se poate folosi şi metoda aşezării parcelelor subdivizate în pătrat latin.
În acest caz se recomandă să se aşeze în pătrat latin factorul cu cele mai puţine
graduări, iar celălalt factor să fie aşezat liniar, distribuit la întâmplare, în patratele din
teren, ocupate de graduările primului factor.
De exemplu influenţa a patru tipuri de fertilizare asupra a şase soiuri de grâu:
Fig. 3

P 0 K N

1-6 1-6 1-6 1-6

K P N 0

1-6 1-6 1-6 1-6

N K 0 P

1-6 1-6 1-6 1-6

N P K
0

1 2 3 4 5 6 1-6 1-6 1-6

Numai îngrăşămintele au o aşezare tipică în pătrat latin; soiurile sunt aşezate
liniar în blocuri şi exceptând prima repetiţie, sunt repartizate randomizat.
Metoda parcelelor subdivizate prezintă mari avantaje tehnice, mai ales pentru
studierea unor factori mai dificil de aplicat cum ar fi adâncimea arăturii, planta
premergătoare, aplicarea mecanizată a îngrăşămintelor, erbicidări şi tratamente

15
fitosanitare aplicate mecanizat concomitent cu studierea unor factori mai uşor de aplicat
cum ar fi soiuri, densităţi etc.

zzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzz
zzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzz

16
 CAP. IV.
Bazele teoretice ale analizei statistice
IV.1 Generalităţi. Variabilitatea observaţiilor, populaţia şi proba. La
recoltarea parcelelor experimentale care au fost supuse aceloraşi lucrări de întreţinere (de
exemplu la o ex. monofactorială cu soiuri) se constată diferenţe de producţie care pot fi
uneori destul de mari. Sursele acestora pot fi :
- variaţia fertilităţii solului;
- atacul neuniform al bolilor şi dăunătorilor
- greşeli în executarea lucrărilor în câmpul experimental etc.
Aceste diferenţe pot afecta certitudinea rezultatelor experimentale.
De aceea cu cât numărul repetiţiilor (valorilor) este mai mare, are loc o
compensare parţială, atât a factorilor de influenţă pozitivă cât şi a celor de influenţă
negativă.
Pentru eliminarea pe cât posibil, a erorilor dintre repetiţii, generate de fluctuaţiile
cauzate de factorii menţionaţi, datele experimentale sunt supuse unui calcul statistic.
La un număr mic de repetiţii, fluctuaţiile rezultatelor par cu totul dezordonate şi
de neprevăzut. Pe măsură ce creşte numărul repetiţiilor, rezultatele încep să se grupeze
într-un mod caracteristic, datorat compensării parţiale a factorilor cu influenţă pozitivă şi
negativă.
De cele mai multe ori cercetarea întregii populaţii este imposibilă. De aceea
determinările vor fi executate numai asupra unor eşantioane sau probe de sondaj, care
reprezintă numai o mică parte din populaţia studiată. Astfel, pentru studierea unei
anumite populaţii vom putea avea un număr limitat de probe de sondaj.

IV.2. Pregătirea materialului statistic. Alegerea probelor. Întocmirea

tabelelor cu materialul statistic. Gruparea observaţiilor pe clase.
Prin alegerea probelor, şi prin analizarea acestora se vor obţine estimaţii sau
valori estimative, mai mult sau mai puţin precise, ale parametrilor întregii populaţii.
Este esenţial faptul ca probele de sondaj să fie reprezentative pentru populaţia pe
care vrem să o studiem, iar concluziile trase pe baza unor eşantioane vor fi extinse numai
asupra populaţiei pe care acestea o reprezintă.
De asemenea este foarte important ca populaţia din care a fost extrasă proba de
sondaj să fie bine definită, pentru a nu generaliza, de exemplu, rezultatele obţinute într-un
număr redus de ani necaracteristici, considerându-le reprezentative pentru media anilor,
sau datele obţinute pe un tip particular de sol, considerându-le tipice pentru o întreagă
regiune.
Spre exemplificare prezentăm o analiză a probelor de sondaj constituite din 100
de parcele de 6 m² cultivate cu un soi oarecare de grâu în tab 1.(Săulescu).

17
 Tab.1 (Săulescu).
Nr . Nr . Nr . Nr .
Producţia Producţia Producţia Producţia
crt. crt. crt. crt.
1 2,72 26 3,00 51 3,08 76 3,17
2 2,76 27 3,01 52 3,09 77 3,17
3 2,84 28 3,01 53 3,09 78 3,19
4 2,85 29 3,01 54 3,09 79 3,19
5 2,87 30 3,02 55 3,09 80 3,21
6 2,87 31 3,02 56 3,10 81 3,21
7 2,88 32 3,02 57 3,10 82 3,22
8 2,90 33 3,03 58 3,10 83 3,23
9 2,91 34 3,03 59 3,11 84 3,24
10 2,93 35 3,04 60 3,11 85 3,24
11 2,93 36 3,04 61 3,11 86 3,25
12 2,93 37 3,04 62 3,11 87 3,25
13 2,94 38 3,04 63 3,13 88 3,25
14 2,94 39 3,04 64 3,13 89 3,25
15 2,95 40 3,05 65 3,13 90 3,27
16 2,95 41 3,05 66 3,13 91 3,29
17 2,96 42 3,05 67 3,14 92 3,29
18 2,96 43 3,06 68 3,14 93 3,31
19 2,96 44 3,06 69 3,14 94 3,31
20 2,97 45 3,07 70 3,14 95 3,33
21 2,97 46 3,07 71 3,15 96 3,34
22 2,98 47 3,07 72 3,15 97 3,36
23 2,98 48 3,07 73 3,15 98 3,37
24 2,99 49 3,08 74 3,16 99 3,38
25 2,99 50 3,08 75 3,17 100 3,43

Aceste observaţii pot fi prezentate într-o formă mai concisă, dacă executăm
gruparea rezultatelor pe clase şi vom calcula frecvenţa corespunzătoare fiecărei clase.
Acest mod de grupare a datelor în clase se numeşte şir de variaţie, şi este foarte
folosit când avem determinări executate la un număr mare de indivizi.
Se observă că, deşi parcelele din acest exemplu au fost cultivate cu acelaşi soi şi
în condiţii agrotehnice pe cât de posibil, egale, influenţa multiplilor factori necontrolabili
a determinat obţinerea unor producţii foarte diferite. Nu toate aceste producţii au fost egal
de frecvente. Cea mai mare frecvenţă au avut-o producţiile mijlocii, situate în jurul a ceea
ce putem denumi producţia medie a soiului în condiţiile respective, în timp ce producţiile
mai mari sau mai mici au apărut cu atât mai rar cu cât abaterea lor faţă de medie a fost
mai mare.

18
 Tab. 2 Şirul de variaţie al producţiilor unui soi de grâu experimentat.
a
Limitele
Centrele f abaterea
claselor fxa a² f x a²
claselor (nr. cazurilor) faţă de media
probabilă
2,70
2,725 1 -7 -7 49 49
2,75
2,775 1 -6 -6 36 36
2,80
2,825 1 -5 -5 25 25
2,85
2,875 4 -4 -16 16 64
2,90
2,925 7 -3 -21 9 63
2,95
2,975 11 -2 -22 4 44
3,00
3,025 14 -1 -14 1 14
3,05
3,075 16 Media probabilă A 0 0
3,10
3,125 15 1 15 1 15
3,15
3,175 9 2 18 4 36
3,20
3,225 6 3 18 9 54
3,25
3,275 7 4 28 16 112
3,30
3,325 4 5 20 25 100
3,35 3,375 3 6 18 36 108
3,40 3,425 1 7 7 49 49
3,45 TOTAL 100 33 769

Acest aspect, de o mare generalitate în rândul variabilelor cu care lucrează

experimentatorul agricol, reiese mai bine din reprezentarea grafică a datelor sub formă de
histogramă (Fig. 1) în care pe abscisă se găsesc intervalele de clasă iar pe frecvenţa.
Se observă că majoritatea cazurilor se grupează în portiunea centrală a
histogramei, iar acesta are forma oarecum asimetrică. La un număr mai mare de repetiţii
histograma va căpăta o formă tot mai simetrică. Aceasta conduce la concluzia că, la un
număr infinit mai mare de repetiţii şi la o îngustare a intervalelor de clasă, forma finală a
distribuţiei ar căpăta aspectul unei curbe continuie simetrice. Această curbă ar putea fi
considerată drept distribuţia teoretică ideală sau adevărată a populaţiei sau colectivităţii
tuturor producţiilor posibile pe care le poate da soiul studiat.

19
 16
14
12
10
8 intervalele de clasa(abscisa) si
6 frecventa cazurilor (ordonata)
4
2
0
2.7 2.8 2.9 3 3.1 3.2 3.3 3.4 3.5

Fig.1 Histograma producţiilor unui soi de grâu experimentat (după Săulescu).

Într-o curbă avem două mărimi denumite μ (miu) şi σ(sigma) denumite parametrii
distribuţiei care determină poziţia şi forma curbelor normale.
Parametrul μ reprezintă media tuturor valorilor individuale ale distribuţiei şi
corespunde punctului punctului culminant al curbei sau centrului distribuţiei determinând
astfel poziţia curbei.
Parametrul σ reprezintă abaterea standard a distribuţiei şi este o măsură a
gradului de împrăştiere a valorilor individuale ale distribuţiei.
Din analiza curbei, se observă că el corespunde distanţei măsurate pe axa
absciselor între punctul central μ şi punctele situate de o parte şi de alta a acestuia unde
curba are înclinaţia maximă, transformându-se din curbă convexă în curbă concavă. De
aceea, marimea lui σ determină gradul de deschidere a curbei dându-i înfăţişarea de
‚,clopot’’ mai larg sau mai îngust.
Este important de subliniat faptul că, indiferent de valorile lui μ şi σ, curbele
cuprind un anumit număr de cazuri pe diferite intervale măsurate în unităţi σ.
La toate curbele normale, în intervalul egal cu mărimea lui σ măsurate de fiecare
parte a mediei μ sunt cuprinse 68,27% dint totalul cazurilor , în timp ce intervalul de două
ori mai mare, adică de câte 2 σ cuprinde 95,45 % din cazuri. Aceasta înseamnă că la orice
curbă normală a unei populaţii, numai 4,55 % din cazuri se abat de la medie (μ) cu mai
mult decât de două ori abaterea standard.
Aplicând aceasta la exemplul menţionat anterior rezultă faptul că indiferent de
poziţia şi forma concretă pe care o are curba normală ce aproximează curba ideală a
producţiilor soiului de grâu, recoltarea unei parcele a cărei producţii să se abată de la
media adevărată μ cu mai mult de 2 σ este un eveniment puţin frecvent, care apare doar
aproximativ o dată la 20 de cazuri.
În multe cazuri este posibil ca distribuţia normală să nu corespundă perfect
curbelor ideale ale populaţiei studiate.
S-a dovedit că abaterile mici de la normalitate, întâlnite de obicei în practică, nu
afectează deducţiile care stau la baza teoriei distribuţiei normale.

20
 CAP. V.
Analiza varianţei.

V.1. Aspecte generale. Estimarea parametrilor. Asemănarea între curbele

ideale ale diferitelor populaţii studiate şi curba normală, reduce descrierea acestor
populaţii la simpla prezentare a celor doi parametri (μ şi σ) ai curbei normale
corespunzătoare. Practic însă, cunoaşterea exactă a celor doi parametri este rareori
posibilă. Din aceste motive, determinările se vor executa, numai la o mică parte din
populaţia studiată. Această parte a populaţiei, ce va fi studiată, este constituită din
eşantioane sau probe de sondaj mărime ce afost prezentată la Cap IV.
Estimarea mediei adevărate μ se face prin calcularea mărimii x¯, care este media
aritmetică a probelor de sondaj.
Pentru calcularea lui x¯ se folosesc curent două metode:
1. Metoda directă constă din însumarea valorilor tuturor repetiţiilor şi împărţirea acestei
sume la numărul repetiţiilor; deci

Σx
x¯ = -----------
n
Această formulă este aplicabilă când avem un număr mic de repetiţii.
Pentru estimarea mediei adevărate μ prin această metodă, putem extrage la
întâmplare din tabelul exemplului prezentat la Cap. anterior 4 valori din tabelul 2 cum ar
fi:
12,12
(x1)3,00 + (x2)2,99 + (x3)2,90 + (x4)3,23 = (Σ x) 12,12 deci x¯ = -----------=3,03
4
2. Metoda mediei provizorii se foloseşte atunci când dispunem de un număr mare de
valori dispuse într-un şir de variaţie, de exemplu la valorificarea datelor obţinute prin
determinări biometrice.
Metoda constă în alegerea centrului unei clase mijlocii (de obicei clasa cu cea mai
frecvenţă), ca medie provizorie de calcul (A) şi de aduna la aceasta, abaterea medie a
tuturor valorilor faţă de media provizorie. Abaterea se calculează conform expresiei:

Σ fa
--------- . i unde:
n

f - frecvenţa cazurilor în fiecare clasă;

a - abaterea faţă de media provizorie exprimată în număr de clase;
i - intervalul de clasă;
n - numărul total de cazuri(numărul repetiţiilor)

21
 Σ fa
Deci x¯ = A + ------------. i
n
Aplicând această formulă la datele din tabelul 2 obţinem:
33
x¯ = 3,075 + -------- · 0,05 = 3,075 + 0,016 =3,091
100
Estimarea abaterii standard σ se face prin calcularea valorii estimative s care se
numeşte abatere standard a probei de sondaj şi este o măsură de apreciere a gradului de
împrăştiere a valorilor individuale faţă de medie.
Calcularea abaterii standard σ se poate face prin trei metode principale:
1. Metoda directă - se poate folosi atunci când dispunem de un număr redus de repetiţii şi
realizează prin calcularea abaterilor fiecărei valori individuale faţă de medie după
formula:

∑ (x – x)² ∑ (x – x)²
s = √ ----------------- = √ ----------------
n-1 GL

unde:
s - abaterea standard.
x – valorile individuale ale fiecărei repetiţii;
x¯ - media aritmetică a tutror repetiţiilor;
n - numărul repetiţiilor;
GL- grade de libertate(n – 1).
Gradele de libertate sunt o noţiune matematică folosită frecvent în valorificarea
experienţelor. Numărul acestora este în general mai mic cu unul, decât numărul
termenilor din care se calculează media.
Folosirea gradelor de libertate se explică prin aceea că după calcularea mediei,
numărul termenilor care pot varia liber fără a modifica valoarea acesteia, este mai mic cu
unul decât numărul total de termeni.
2. Metoda simplificată a primei metode. Având în vedere dificultăţile care apar la
aplicarea formulei precedente mai ales atunci când media are multe zecimale se poate
folosi şi formula:

( ∑ x) ²
∑ x ² ─ ---------------
n
s = √------------------------------
n-1

3. Metoda mediei provizorii se aplică atunci când avem de a face cu un număr mare de
indivizi dispuşi într-un şir de variaţie, şi constă în aplicarea formulei:

22
 ( ∑ f.a) ²
∑ f.a ² ─ ---------------
n
s = √------------------------------ . i²
n-1
Rezultatele obţinute prin această formulă sunt puţin mai mari decât ar trebui,
datorită grupării rezultatelor pe clase. De aceea, de regulă se introduce aşa numita
,,corecţie a lui Sheppard’’ adică se scade sub radical a 12 – a parte din pătratul
intervalului de clasă adică se scade din valoarea s valoarea 1/12 · i².
În valorificarea experienţelor se foloseşte în principal pătratul abaterii standard s²
cunoscut sub numele de varianţă sau dispersie.
Pentru calcularea varianţei se poate folosi una din formulele prezentate anterior,
fără a se mai extrage radicalul, varianţa fiind egală cu formula de sub radical.
Cea mai utilizată este formula:

( ∑ x) ²
∑ x ² ─ ---------------
n SP
s ² = -------------------------------- = --------
n–1 GL

Expresia de la numărător se numeşte suma pătratelor abaterilor iar la numitor se

găsesc gradele de libertate.

V.2.Distribuţii ale estimaţiilor. Eroarea mediei. Din cauza marii variabilităţi a

valorilor individuale, extrăgând din aceeaşi populaţie mai multe probe de sondaj, chiar de
aceeaşi mărime vom obţine de fiecare dată diferite estimaţii ale aceloraşi parametri.
Extrăgând un număr mare de probe de sondaj, se poate constatata că în
majoritatea estimaţiilor se grupează în jurul valorilor mijlocii şi numai în puţine cazuri se
obţin estimaţii cu valori foarte mari sau foarte mici. Se poate vorbi deci de o distribuţie a
estimaţiilor, asemănătoare cu descrisă la Cap. IV. 2
Dacă s-ar extrage probe de sondaj dintr-o populaţie, de un număr infinit de ori, s-
ar verifica practic afirmaţia dedusă matematic şi anume, că distribuţia mediilor
aritmetice calculate pe baza unor probe de sondaj de mărimea n, extrase dintr-o
populaţie normală cu parametrii μ şi σ, este tot o distribuţie normală cu media μ şi
abaterea standard.

σ
σ x¯ = --------
√n

23
 Mărimea σ x¯ ca şi valoarea estimativă corespunzătoare s x¯ poartă denumirea de
eroare a mediei şi reprezintă abaterea standard a populaţiilor mediilor de sondaj.
Faptul că eroarea mediei este de √n ori mai mică decât abaterea standard a
valorilor individuale, înseamnă că mediile de sondaj se grupează în jurul mediei
adevărate a populaţiei, mai strâns decât valorile individuale şi anume cu atât mai strâns
cu cât numărul repetiţiilor din care este alcătuit eşantionul este mai mare.
Supunându-se legii normale, distribuţia mediilor va cuprinde, pe fiecare interval
măsurat în unităţi egale cu eroarea mediei σ x¯, numărul de cazuri caracteristic oricărei
curbe normale. Asfel rezultă că 68,27 % din mediile probelor de sondaj nu se vor abate
de la media reală cu mai mult decât mărimea erorii mediei. De asemenea putem afirma că
că numai 5% din totalul probelor de sondaj vor furniza estimaţii ale mediei care să se
abată cu mai mult de 1,96 σ x¯ în plus faţă de media adevărată.
Eroarea mediei este un bun indice al preciziei mediilor aritmetice obţinute. De
aceea estimaţia valorii σ x¯ eroarea mediei s x¯ se foloseşte frecvent în statistică. La
prezentarea rezultatelor mediile aritmetice vor fi urmate de erorile lor s x¯ cu semnul ± .
Pentru calcularea estimaţiei erorii mediei se calculează întâi abaterea standard s
prin oricare din cele formule prezentate la capitolul V.1. şi se împarte apoi prin √n unde n
este numărul repetiţiilor din care este calculată media.

( ∑ x) ²
∑ x ² ─ ---------------
s n
Deci s x¯ = ---- = √----------------------------------------------
√n n(n – 1)

zzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzz
z

V.3. Valori t. Distribuţia t. Intervale de încredere. În distribuţia normală a

mediilor de sondaj, este util să se exprime abaterile faţă de media reală în unităţi egale cu
eroarea mediei. Aceasta se realizează prin calcularea valorilor t cu formula:

xˉ - μ
t = ------------
σ x¯

Valorile t calculate astfel vor fi distribuite tot normal, ca şi mediile de sondaj. Prin
efectuarea diferenţei faţă de μ, punctul central al valorilor t va fi 0 iar, prin raportarea
abaterilor la eroarea la eroarea mediei, abaterea standard a distribuţiei t devine 1. Aceasta
înseamnă, că prin calcularea valorilor t, toate distribuţiile normale ale mediilor de
sondajse reduc la o singură distribuţie caracteristică, cu parametrii constanţi μ= 0 şi σ = 1,
denumită şi distribuţia normală redusă.

24
 Calcularea valorii t după formula de mai sus este dificilă datorită faptului ca
valorile exacte ale lui μ şi σ = 1, sunt cel mai adesea necunoscute.
Dacă pentru valoarea μ se poate folosi deseori o ipoteză precisă de lucru, în locul
valorii σ x¯ vom folosi estimaţia s x¯ , care este cu atât mai puţin precisă cu cât provine de
la un număr mai mic de repetiţii.
De aceea valoarea lui t posibil de calculat este dată de formula:

xˉ - μ
t = ------------
x¯

Această valoare t se va supune legii normale doar atunci când proba de sondaj va
fi suficient de mare (n > 30) pentru a furniza o estimaţie suficient de precisă a lui σ x¯.
În cazul unor probe de sondaj mai mici, din cauza fluctuaţiilor de sondajale lui s
x¯ , valorile t capătă o distribuţie aparte ce depinde de numărul gradelor de libertate.( GL=
n – 1).
Curbele valorilor t vor avea un aspect tot mai teşit, abătându-se tot mai mult de la
normalitate, cu cât numărul de grade de libertate va scădea.
Pe baza teoriei distribuţiei normale s-a putut stabili (scap.V.2.) că obţinerea unei
medii de sondaj care să se abată de la media adevărată cu mai mult decât 1,96 σ x¯ are o
probabilitate de 5 %. Aceasta înseamnă că dacă am lucra cu probe de sondaj foarte mari
care să furnizeze estimaţii suficient de precise ale lui σ x¯ , vom obţine în circa 5 % din
cazuri valori t mai mari de 1,96. la probele de sondaj mai mici, care se folosesc de obicei
în experienţele de câmp, valorile t, care au aceeaşi probabilitate de 5 % de a fi depăşite
vor fi din ce în ce mai mari cu cât numărul gradelor de libertate va fi mai mic (deci a
repetiţiilor).
Matematicianul englez Gosset cunoscut sub pseudonimul de Student a întocmit
tabele ce cuprind valorile t, corespunzătoare la diferite numere ale gradelor de libertate,
care au o anumită probabilitate de a fi depăşite datorită fluctuaţiei obişnuite de sondaj.
Intervalele în interiorul cărora putem afirma, cu o probabilitate cunoscută de a ne
înşela, că se găseşte media adevărată a întregii populaţii pe care o reprezintă proba
noastră de sondaj, se numesc intervale de încredere sau intervale de confidenţă. Ele sunt
definite de formula:

x ¯ - s x ¯ · t p% < μ > x ¯+ s x ¯ · t p%

Intervalele de încredere se folosesc în prezentarea datelor, atunci când ne

intetresează valoarea reală a mediei variabilei studiate. De ex. poate prezenta interes
valoarea concretă a înălţimii plantelor, producţia lor individuală (de ex. nr. şi mărimea
boabelor în spic, nr. de păstăi şi de boabe în păstăi etc.).
Multe experienţe se execută pentru compararea diferitelor soiuri (hibrizi) noi sau
tehnologii noi cu soiuri sau tehnologii standard.(exemple!). În această situaţie ne va
interesa nu valoarea reală a mediilor ci valoarea reală a diferenţei dintre variante.

25
 V.4. Distribuţia diferenţelor. Eroarea diferenţei. Studiul diferenţelor de
producţie şi a diferenţelor în manifestarea diferitelor caractere reprezintă principalul
obiectiv al majorităţii experienţelor de câmp.
Având în vedere marea variabilitate întâmplătoare a determinărilor individuale,
este natural că şi diferenţele între variante vor fi supuse unor importante fluctuaţii
întâmplătoare.
Aşa cum am văzut la Cap. IV.1, majoritatea variabilelor care formează obiectul
experienţelor agricole au distribuţii apropiate de distribuţia normală. Se demonstrează
matematic în acest caz, că şi distribuţia diferenţelor între două variante este aproximată
tot de o distribuţie normală.
Gradul de împrăştiere al acestei distribuţii a diferenţelor va depinde de
împrăştierea distribuţiilor celor două variante şi de măsura în care variabilitatea acestora
este corelată.
În cazul a două variabile independente, varianţa distribuţiei diferenţelor va fi:

σ²d = σ²a + σ²b

În cazul a două variabile corelate, varianţa distribuţiei diferenţelor va fi:

σ²d = σ²a + σ²b - 2rab · σ²a · σ²b unde:

- σ²d reprezintă varianţa diferenţelor între variabilele a şi b;

- σ²a şi σ²b --,,--,,--,,-- varianţele variabilelor a şi b;
- ra --,,--,,--,,--,,--,,--,, coeficientul de corelaţie între variabilele a şi b;

Ca şi în cazul valorilor individuale, şi în cazul comparării a două variante,

parametrii populaţiei tuturor diferenţelor posibile nu pot fi cunoscuţi ci numai estimaţi, pe
baza probelor de sondaj limitate de care dispunem, prin calcularea valorilor estimative
corespunzătoare:

d¯ = xa - x¯b şi

sd = √ sa² + sb²

Ca şi estimaţia mediei x¯,(Cap. V.3), şi estimaţia diferenţei, diferenţa medie d¯ ,

va prezenta ea însăşi o distribuţie normală cu abaterea estimată de valoarea sd¯ , denumită
eroarea diferenţei.
Eroarea diferenţei se calculează,în cazul variabilelor independente, cu ajutorul
uneia dintre formule:
1. –când variabilele au varianţe diferite dar sunt obţinute pe baza unor probe
de sondaj egale:

sa² + sb²
sd¯ =  --------------
n
26
 2. -când variabilele au varianţe diferite estimate pe baza unui număr diferit
de repetiţii(na şi nb):

sa² sb²
sd¯ =  ------- + -------
n n
3. – atunci când varianţa celor două variabile este estimată de o singură
valoare şi numărul repetiţiilor este egal pentru ambele variabile avem:

2s ²
sd¯ =  --------
n

În cazul existenţei unei variabile corelate, cea mai simplă metodă de calculare a
erorii diferenţei este metoda perechilor care porneşte de la variabilitatea însăşi a
diferenţelor, luînd astfel în consideraţie asocierea între fluctuaţiile celor două variabile.
În acest caz vom avea:

(d-d¯)²
sd¯ =  ------------
n(n-1)

unde:

d - reprezintă diferenţele între valorile individuale ale celor variante grupate în perechi;
d¯ - ---,,,---,,,--- diferenţa medie între variante;

Exemplu:
Avem într-o experienţă doi hibrizi de porumb care au dat următoarele producţii pe
parcelă:
Hibridul A : 3; 2; 5; 2; - x¯a = 3
Hibridul B : 8; 7; 11; 6; - x¯b = 8 d¯= 5

Dacă cele două parcele ocupate de cei doi hibrizi au fost îndepărtate pe teren,
producţiile lor nu au putut fi corelate şi vom aplica formula:
sa² + sb²
sd¯ =  --------------
n
Se va calcula mai întâi sa² şi sb² cu una din formulele prezentate la capitolul V.1.
şi vom obţine sa²= 2,00 şi sb²=4,66. Deci :

2 + 4,66 66
sd¯=  -------------- =  -------- =  1,665 = 1,29
4 4
27
 Dacă însă parcelele au fost grupate în perechi sau blocuri, astfel ca în interiorul
fiecărei perechi solul să fie cât mai uniform posibil, atunci este logic să considerăm că
variaţia producţiilor celor doi hibrizi a fost corelată.
În acest caz eroarea diferenţei va depinde de intensitatea corelaţiei dintre cele
două variabile, adică de felul cum se vor grupa în perechi producţiile celor doi hibrizi.
În cazul în care producţiile cele mai mari ale ambilor hibrizi se vor obţine în
aceeaşi pereche, în timp ce, producţiile cele mai scăzute se vor întâlni, de asemenea într-o
altă pereche, dacă solul este uniform, vom avea:
Tab. 3 (Săulescu)
Hibridul Hibridul d
d-d¯ (d-d¯)²
A B (B-A)
Perechea (Blocul) 1 5 11 6 6-5=1 1
Perechea (Blocul) 2 3 8 5 5-5=0 0
Perechea (Blocul) 3 2 7 5 5-5=0 0
Perechea (Blocul) 4 2 6 4 4-5=-1 1
(d-d¯)²=2

Aplicând formula obţinem:

(d-d¯)² 2
sd¯ =  ------------ => sd¯ =  ------------- = 0,1666 = 0,40
n(n-1) 4(4-1)
deci o valoare mult mai mică decât în cazul precedent.
Această metodă de calcul elimină din estimarea erorii diferenţei, variabilitatea
cauzată de diferenţele dintre perechi ducând la reducerea erorii diferenţelor.
Din acest motiv este deosebit de important ca uniformitatea să fie cât mai mare în
interiorul blocurilor.
Dacă solul în interiorul blocurilor este neuniform şi producţiile din aceleaşi
perechi nu mai sunt corelate sau apar corelate negativ, efectul grupării în blocuri nu este
cel scontat. De exemplu vom avea aceleaşi producţii grupate astfel:
Tab. 4 (Săulescu)
Hibridul Hibridul d
d-d¯ (d-d¯)²
A B (B-A)
Perechea (Blocul) 1 5 6 1 1-5 = - 4 16
Perechea (Blocul) 2 3 7 4 4-5 = - 1 1
Perechea (Blocul) 3 2 8 6 6-5 = 1 1
Perechea (Blocul) 4 2 11 9 9-5= 4 16
(d-d¯)²=34

În acest caz vom obţine:

(d-d¯)² 34
sd¯ =  ------------ => sd¯ =  ------------- = 2,8333 = 1,68
n(n-1) 4(4-1)

28
 Această valoare este mai mare decât în cazurile precedente.

Din exemplul prezentat se desprinde concluzia că este deosebit de importantă

uniformitatea în interiorul blocurilor, aceasta fiind de multe ori este neglijată în
executarea experienţelor.
V.5. Testarea ipotezelor. Semnificaţia Diferenţelor. Scopul experienţelor de
câmp este acela de a răspunde la întrebarea dacă există sau nu, diferenţe reale de
producţie între variante.
De aceea este necesar să se testeze ipoteza că nu există diferenţe de producţie
între variante, sau că diferenţa adevărată de producţie, între variante este 0. Datorită
variabilităţii întâmplătoare a rezultatelor experimentale, este posibil ca diferenţele
obţinute în probele de sondaj, să nu corespundă diferenţei reale şi să dea impresa
existenţei unei deosebiri între variante. Esenţial este să determinăm dacă nepotrivirea
între datele experimentale şi ipoteză se datoreşte fluctuaţiei întâmplătoare sau se datoreşte
faptului că ipoteza nu este adevărată (deci există diferenţe reale între variantele
experimentate).
Acest raţionament poartă denumirea de test de semnificaţie, iar ipoteza folosită se
numeşte ipoteza zero sau ipoteza diferenţei zero (ipoteza nulă).
Dacă am extrage la întâmplare mai multe probe de sondaj din populaţia unui soi
anume, şi am calcula diferenţa între ele, vom obţine valori, majoritatea grupate în jurul
lui 0. Totuşi vom obţine şi valori destul de mari. Datorită faptului, că toate probele
aparţin aceleiaşi populaţii diferenţa adevărată este 0.
Procedând identic într-o experienţă cu două soiuri, vom putea preciza, ce
probabiliate există ca diferenţa experimentală observată să se fi obţinut, chiar dacă
soiurile nu ar fi diferite din punct de vedere al capacităţii de producţie, ca rezultat numai
al fluctuaţiei de sondaj.
S-a stabilit conveţional ca diferenţele care au o probabilitate mai mare de 5 % de a
fi întâlnite în distribiţia diferenţelor, dacă diferenţa reală este 0, să fie considerate
nesemnificative. În acest caz vom accepta valabilitatea ipotezei 0.
Diferenţele care au o probabilitate mai mică de 5% a apărea, dacă nu există
diferenţe reale între variante, sunt considerate semnificative, iar a căror apariţie, în cazul
diferenţei reale zero, au o probabilitate mai mică de 1 %, sunt considerate distinct
semnificative.
În acest caz vom respinge ipoteza zero şi vom admite că există o diferenţă reală
între variante. Se înţelege că nu vom putea afirma cu certitudine de 100% că există
diferenţe reale între variante şi că există riscul de a respinge ipoteza zero cu toate că este
adevărată, dar acest lucru se poate întâmpla doar în 5 cazuri din 100 şi respectiv un caz
din 100 ceea se conideră a fi acceptabil.
Există şi riscul de a accepta ipoteza 0 dar în realitate să existe o diferenţă reală
între variante. Uneori o diferenţă nesemnificativă între variante poate fi reală, dar precizia
experienţei noastre nu a fost suficientă pentru a o scoate în evidenţă.
Utilizarea în practică a testelor de semnificaţie se bazează pe aplicarea teoriei
distribuţiei t la distribuţia diferenţelor. Se folosesc formulele:

d¯- δ d¯
t = --------- , folosind ipoteza 0 (dif. adevărată = 0, deci δ= 0) avem t = -------

29
 sd¯ sd¯

După ce vom împărţi diferenţa medie obţinută, la eroarea ei, vom căuta în
tabele(tabelul anexă 6) probabilitatea de apariţie a unei asemenea valori + în distribuţia
corespunzătoare numărului de grade de libertate, pentru ca, pe baza acestei probabilităţi,
să acceptăm sau să respingem ipoteza diferenţei 0, stabilind astfel semnificaţia diferenţei
observate. Acest calcul se numeşte proba t .
Problema se poate pune şi invers. Adică pornim de la valorile t corespunzătoare
pragurilor de semnificaţie de 5% şi 1% (tabelul anexă 3) şi determinăm diferenţa limită
sau diferenţa minimă semnificativă, adică cea mai mică diferenţă care poate fi
considerată semnificativă sau distinct semnificativă pentru o anumită valoare a diferenţei.

DL 5 % = t 5 % x sd¯

DL 1 % = t 1 % x sd¯
Dacă diferenţa obţinută experimental va fi mai mică decât DL 5% vom accepta
ipoteza diferenţei 0 şi vom considera diferenţa ca nesemnificativă. Dacă însă diferenţa
observată va depăşi valoarea DL 5% vom respinge ipoteza 0 afirmând cu riscul de a greşi
în 5 cazuri din 100, că există o diferenţă adevărată între variante.
În cazul unor asemenea comparaţii, numărul gradelor de libertate este egal cu
suma gradelor de libertate ale celor două medii comparate. Când numărul repetiţiilor
celor două variante este egal avem GL = 2(n-1).
De exemplu avem cazul de la scap. V.4.

Hibridul A : 3; 2; 5; 2; - x¯a = 3 d¯= x¯b - x¯a = 5

Hibridul B : 8; 7; 11; 6; - x¯b = 8 d¯= 5
sd¯= 1,29
GL = 2(n-1) = 2(4-1) = 6

d¯ 5
t = ------- = ------- = 3,87
sd¯ 1,29

Se caută în tabele în dreptul valorii t = 3,8 în coloana corespunzătoare la GL = 6

şi vom găsi că o valoare t de 3,8 este un lucru de loc obişnuit, probabilitatea fiind de
numai 0,90% să se întâmple. În acest caz vom respinge ipoteza 0, respectiv că nu există
diferenţe reale între cei doi hibrizi cu un risc mai mic de 1 % de a ne înşela. Deoarece
riscul este mai mic de 1 % diferenţa, va fi considerată distinct semnificativă.
Pentru calcularea diferenţelor limită (DL) procedăm invers, adică vom căuta în
tabelul anexă 3 valorile teoretice t corespunzătoare la GL = 6 pentru probabilităţile de 5
% şi 1 %
unde vom găsi t 5% = 2,45 şi t 1% = 3,71 vom avea:

30
 DL 5 % = t 5 % x sd¯ = 2,45 x 1,29 = 3, 71

DL 1 % = t 1 % x sd¯ = 3,71 x 1,29 = 4,78

Diferenţa d¯ = 5 fiind mai mare decât DL 1% concluziile sunt aceleaşi ca cele
obţinute prin proba t.
În practică putem folosi prima metodă, calculând noi valoarea t, după care căutăm
în anumite tabele probabilitatea ei de apariţie sau putem folosi valorile teoretice t gata
calculate ce se găsesc în tabele speciale (de ex. tab. anexă 3).
La ambele metode valorile se vor căuta în tabele în funcţie de gradele de
libertate(GL). Deoarece metoda a doua este mai comodă este de obicei mai des utilizată.
V.6. Modul propriu-zis de calculare a varianţei – Analiza varianţei. Proba F.
Deoarece în experienţele de câmp se compară un număr mai mare de două
variante (cum au fost exemplele prezentate) este necesar să se calculeze o singură
estimaţie a erorii generale care să stea la baza estimării unei erori, valabile pentru toate
diferenţele. O astfel de estimaţie, va fi mult mai precisă decât estimaţiile obţinute pentru
fiecare din diferenţe în parte.
Estimaţia generală a erorii unei experienţe poartă denumirea de analiză a varianţei
şi a fost fundamentată de statisticianul englez Fisher.
Analiza varianţei constă în separarea fluctuaţiei generale a experienţei a datelor
experimentale în mai multe părţi, în funcţie de cauzele care o produc. În realizarea acestei
divizări a dispersiei generale a experienţei, analiza varianţei se bazează pe proprietatea de
aditivitate a gradelor de libertate şi a sumelor pătratelor abaterilor, adică a celor două
mărimi necesare pentru calcularea varianţelor
SP
s² = ------
GL

În analiza varianţei calculul SP se bazează pe egalitatea:

(Σ x)²
SP = Σ( x - x¯²) = Σ x² - --------
N

(Σ x)²
Termenul --------- se numeşte scăzător , se calculează la începutul analizei.
N

unde:
x reprezintă valorile individuale pe parcele;
N ,,--,,--,,--,, numărul total de parcele (N=n • v) unde n este nr. de repetiţii sau blocuri
şi v este nr. de variante experimentate.
Prin formula de mai sus, se înlocuieşte numărul mare de scăderi necesare pentru
aflarea abaterilor faţă de medie, printr-o singură scădere.
Pentru calcularea SP pentru fluctuaţia totală SPT se ia în consideraţie abaterea
fiecărei observaţii faţă de media generală:

31
 (Σ x)²
SPT = Σ x² - --------
N

Pentru calcularea SP pentru fluctuaţia datorată variantelor experimentate se ia în

calcul abaterea sumelor variantelor faţă de media generală, introducându-se la numitor
numărul repetiţiilor pentru a face valorile comparabile:

Σ V² (Σ x)²
SPV = ------- - -------- n = numărul repetiţiilor;
n N

În acelaşi mod se calculează SP şi pentru repetiţii, blocuri etc., înpărţind suma

patratelor sumelor corespunzătoare grupării respective, împărţită la numărul variantelor
din care provin aceste sume. De ex. pentru blocuri:

Σ B² (Σ x)²
SPB = ------- - -------- v = numărul variantelor;
v N

SP pentru fluctuaţia întâmplătoare în interiorul grupelor sau SP al erorii (SPE ) se

calculează prin scăderea din SPT a SP corespunzătoare tuturor celorlalate cauze cunoscute
ale variabilităţii, care au putut fi controlate prin dispozitivul experimentat adoptat.
Numărul gradelor de libertate va fi egal cu numărul unităţilor respective minus 1.
Pentru eroare , GLE se va calcula ca şi în cazul SPE, adică prin scăderea din GLT a GL
corepunzătoare variantelor şi repetiţiilor (GLV + GLB)
Varianţa erorii reprezintă o estimaţie medie a varianţei cauzate de fluctuaţia
întâmplătoare a întregii experienţe şi este dată de formula:

SPE
sE²= --------- şi reprezintă o estimaţie medie a varianţei cauzate de fluctuaţia
GLE întâmplătoare a întregii experienţe.

Varianţa erorii (sE²) se foloseşte la calcularea erorii din diferenţele experimentale

cu ajutorul formulei:

2sE²
Sd¯ = √ --------
n

32
 Să aplicăm formulele la ex. de la sbcap V.4.
- prima etapă este aranjarea datelor experimentale într-un tabel după următorul model:

Tab 5 (Săulescu N.A. Săulescu N.N).

Blocurile(repetiţiile)
Varianta ΣV
1 2 3 4
5 3 2 2 12
11 8 7 6 32
ΣB 16 11 9 8 44

- a doua etapă este aplicarea formulelor pentru calcularea SPT, SPV, SPB, şi SPE precum
şi a GL- urilor corespunzătoare.
Prima dată vom calcula scăzătorul cu formula :

(Σ x)² 44
------- = ------- = 242
N 8

apoi SPT, SPV, SPB, şi SPE

(Σ x)²
- SPT = Σ x² - -------- =(5² + 3² + …6²) – 242 = 312 –242 =70
N

Σ V² (Σ x)² (12² + 32²)

- SPV = ------- - -------- = --------------- – 242 = 292 – 242 =50
n N 4

Σ B² (Σ x)² 16² + 11² + 9² + 8²

- SPB = ------- - -------- = -------------------------- - 242 = 261 – 242=19
v N 2

- SPE = SPT– (SPV + SPB) =70 –(50 +19) = 1

GLT = 8 – 1 = 7
GLV = 2 – 1 = 1
GLB = 4 – 1 = 3

33
 GLE= 7 – (1 + 3) = 3

- a treia etapă - vom aranja datele obţinute mai sus într-un tabel de analiză a varianţei
după următorul model:

Tab. 6 (Săulescu N.A. Săulescu N.N).

SP
Cauza variabiltăţii
SP GL s² = --------
GL

TOTALĂ 70 7
Variante 50 1 50
Blocuri(repetiţii) 19 3
Eroare 1 3 0,33

La final aplicăm formula:

2sE² 2 • 0,33
Sd¯ = √ -------- =√ ----------- = 0,40
n 4

Vom obţine deci aceeşi valoare ca şi în cazul perechilor. Această metodă este
foarte utilă în cazul când avem un număr mare de variante.
În cazul în care executăm analiza varianţei asupra unor probe de sondaj extrase
din aceeaşi populaţie, diferenţele între S²T şi S²V respectiv S²E se vor datora exclusiv
fluctuaţiei de sondaj şi nu datorită existenţei unor diferenţe reale între probele respective.
În cazul în care variantele experimentate au avut o influenţă clară asupra
producţiei, vom respinge teoria existenţei populaţiei unice. De aceea, varianţa variantelor
s²V va conţine pe lângă efectul variaţiei întâmplătoare a observaţiilor şi un component
datorat diferenţelor reale dintre variante. Prezenţa diferenţelor reale între variante poate fi
depistată prin compararea varianţei variantelor cu varianţa erorii care cuprinde
întotdeauna numai efectul fluctuaţiei întâmplătoare. Comparaţia celor două varianţe se
face calculând valoarea F.

S²V
F = --------
S²E

34
 Valoarea F urmează o distribuţie matematică bine studiată, care este dependentă
de numărul gradelor de libertate ale celor două varianţe.
Pentru compararea valorilor F obţinute de noi, există tabele matematice cu valori
F gata calculate (tabelul anexă 2), care au o probabilitate de 5 % şi respectiv 1 % de a fi
depăşite datorită numai întâmpării.
În cazul în care valoarea F calculată de noi este mai mică decât valoarea F 5% din
tabelul anexă 2, putem deduce că apariţia unei astfel de valori este un lucru obişnuit chiar
în cazul în care nu există diferenţe între variante şi putem afirma cu certitudine că
rezultatele noastre corespund ipotezei după care, producţiile tuturor variantelor nu sunt
decât diferite probe de sondaj ale aceleiaşi populaţii satistice.
Avantajele analizei varianţei sunt următoarele:
- permite calcularea unei singure estimaţii medii a erorii, mai uşor şi mai eficient decât
metodele directe;
- permite eliminarea cu uşurinţă din cadrul erorii a efectului altor cauze care au putut fi
controlate prin dispozitivul experimental adoptat (de ex. neuniformitatea fertilităţii
solului între blocuri-repetiţii);
- permite prin proba F, o testare globală a semnificaţiei variantelor ca şi a efectului
oricăreia dintre cauzele variabilităţii;
- oferă o imagine completă şi concisă a aportului diferitelor cauze la variabilitatea
totală a observaţiilor, permiţând astfel o mai bună înţelegere a fenomenelor.

V.7. Metoda comparaţiilor multiple (Testul Duncan). Folosirea combinată a

probei F şi a probei t (respectiv DL), asigură o evaluare corespunzătoare a semnificaţiei
diferenţelor ori de câte ori avem de a face cu comparaţii planificate încă de la montarea
experienţei. De exemplu putem avea o comparaţie între nişte soiuri, hibrizi noi cu un soi
martor care este bine cunoscut. În astfel de cazuri avem un număr de comparaţii care este
limitat de numărul de grade de libertate al variantelor(v-1).
Atunci când dorim să executăm numai aceste (v-1) comparaţii planificate ca şi în
experienţele cu două varainte, folosirea diferenţelor limită este corectă satistic.
În multe cazuri suntem nevoiţi să facem şi alte comparaţii între diferitele variante
experimentate. Dacă vom compara varianta cea mai productivă cu cea mai slab
productivă, există probabilitatea ca diferenţa dintre ele să fie cauzată de jocul întâmplării
şi nu de o diferenţă reală, faţă de cazul în care am compara două variante vecine în şirul
valorilor crescătoare ale producţiei.
Din aceste motive aplicarea unei singure diferenţe limită pentru stabilirea
semnificaţiei diferenţelor între oricare dintre medii nu este corectă.
Folosirea diferenţei limită pentru toate comparaţiile posibile, nu oferă protecţie
suficientă împotriva riscului de a considera ca semnificative unele diferenţe care apar
numai datorită faptului că distanţa în clasificarea producţiilor respective a permis un joc
mai larg al fluctuaţiilor.
Pentru evitarea acestor neajunsuri se foloseşte frecvent metoda comparaţiilor
multiple sau testul Duncan.
Metoda comparaţiilor multiple se deosebeşte de metoda diferenţelor limită prin
aceea că:
- foloseşte nu numai o singură valoare teoretică din tabele(valoarea t), ci mai multe
valori în funcţie de depărtarea între mediile comparate, în clasificarea variantelor;

35
 2s²E
- foloseşte în calcul nu eroarea diferenţei sd¯ = √ ------------- ci eroarea mediilor
n

s²E
sx¯ =√ ------------- adică o valoare de √2 ori mai mică.
N

Folosirea practică a testului Duncan cuprinde următoarele etape:

1. Se întocmeşte clasificarea variantelor în ordinea producţiilor obţinute.
2. Se calculează eroarea mediilor folosind varianţa erorii din tabelul de analiză a
varianţei.
3. Se calculează diferenţele semnificative teoretice pentru compararea variantelor aflate
la diferite intervale în clasificare, înmulţind eroarea mediilor sx¯ cu valorile
corespunzătoare q din tabelul anexă 4:

DS 5% = sx¯ • q5%
Valorile q se găsesc în tabelul anexă 4 la întretăierea rândului corespunzător la nr.
de GL ale erorii cu coloana corespunzătoare numărului de variante cuprinse între limitele
comparaţiei. Astfel, pentru compararea variantelor vecine în clasificare, valoarea q se
caută în prima coloană (n= 2) la numărul nostru corespunzător de GL al erorii. Pentru
compararea variantelor aflate în clasificare pe locurile 1 şi 3, 2 şi 4, 3 şi 5 etc. se folosesc
valorile din coloana a doua (n = 3); pentru compararea variantelor aflate pe locurile 1 şi 4
2 şi 5, 3 şi 6 se folosec valorile din coloana a treia (n = 4). ş.a.m.d. Deci, pentru fiecare
experienţă se va calcula un număr de astfel de diferenţe semnificative teoretice mai mic
cu o unitate decât numărul variantelor.
4. Se compară fiecare din diferenţele reale, obţinute prin executarea tuturor
comparaţiilor posibile, cu diferenţa semnificativă (DS) corespunzătoare depărtării la
care se găsesc în clasificare variantele comparate. Diferenţele experimentale mai
mari decât DS 5% se consideră semnificative.

V. 8. Analiaza statistică a curbelor de răspuns. Metodele de stabilire a

semnificaţiei prezentate anterior au o largă aplicabilitate în valorificarea experienţelor
agricole. Ele constitiue metoda de bază atunci când variantele experienţelor sunt de
natură calitativă (soiuri, plante premergătoare, tipuri de îngrăşământ etc.)
Atunci când variantele studiate au un caracter cantitativ(doze de îngrăşăminte sau
de erbicide, densităţi etc.), simpla cercetare a diferenţelor între treptele utilizate nu
valorifică toată informaţia cuprinsă în rezultatele experimentale. În acest caz ne
interesează cum va răspunde producţia la modificarea treptată a factorului cercetat, care
este tendinţa generală de reacţie, deci care este curba de răspuns a producţiei.
Analiza statistică a curbelor de răspuns implică două probleme distincte:

36
 - estimarea valorior pantei şi ale curburii, adică respectiv ale creşterii medii a
producţiei la o anumită modificare a dozei factorului cercetat şi ale abaterii de
liniaritate;
- aprecierea semnificaţiei acestor estimaţii în funcţie de mărimea variaţiei
întâmplătoare prezentate în experienţă.

Ambele probleme se pot rezolva prin aplicarea teoriei regresiei. Vom analiza un
procedeu simplificat ce se poate aplica în practică atunci când avem în experienţă
variante ce corespund unei serii de trepte egal depărtate iar numărul de repetiţii este egal
pentru toate variantele.

Tab. 7 (Săulescu N.A. Săulescu N.N).

Factor de
Factor de
multiplicare
Nr. Estimaţia pantei Estimaţia curburii multiplicare
pentru
treptelor (b) (c) pentru eroarea
eroarea
curburii
pantei
1/2( ‾ V2 -‾ V1)
2 0,707 Nu este posibilă -
1/2( ‾ V3 -‾ V1)
3 0,707 1/2( ‾ V3 -‾ 2V2 + ‾V1) 1,225
3/20(3‾V4 +‾V3 – ‾V2- 3‾V1)
4 0,671 9/16(‾V4 -‾V3 -‾V2+‾V1) 1,225
1/5(2‾V5 + ‾V4 – ‾V2 – 2‾V1) 2/7(2‾V5 -‾V4 – ‾2V3 –‾V2 +
5 0,632 1,069
2‾V1)

S² E
Eroarea pantei sau curburii = Factor de multiplicare · √ ---------
N
unde:
-factorul de multiplcare se ia din tabel corespunzător numărului de variante;
-S² este varianţa erorii din tabelul de analiza varianţei;
-n-numărul repetiţiilor
Rezultatele obţinute prin aplicarea acestor formule sunt exprimate prin
modificarea producţiei la o creştere a dozelor egală cu jumătate din amplitudinea totală
cercetată în experienţă.
De aceea dacă dorim să exprimăm rezultatele prin modificarea producţiei la 1 kg
îngrăşământ sau erbicid, va trebui să împărţim toate valorile prin raportul Doza maximă-
Doza minimă/2, pentru pantă şi prin pătratul acestui raport pentru curbură.
Testarea semnificaţiei , atât pentru pantă cât şi pentru curbură, se face fie înainte,
fie după această transformare, folosind eroarea pantei şi respectiv a curburii exprimată în
aceleaşi unităţi. Vom aplica valorile t (pentru GL ale erorii) prin calcularea intervalului
de încredere în care se găseşte, cu probabilitate cunoscută (5% sau 1%), panta şi curbura
adevărată (cap 5.3).
Pentru exprimarea formei curbei de răspuns cu ajutorul unei ecuaţii matematice se
procedează astfel:
37
- dacă estimaţia curburii este nesemnificativă ecuaţia va fi:

y = V mediu + b(x -‾ x )
unde:

y reprezintă producţia estimată

V mediu ,,--,,--,,--,, producţia medie a experienţei
b ,,--,,--,,--,, panta
x ,,--,,--,,--,, doza de îngrăşământ
‾x ,,--,,--,,--,, doza medie de îngrăşământ
- dacă estimaţia curburii este semnificativă ecuaţia va fi:

y = a+ b(x-‾ x ) + c(x-‾ x )²

unde:

c este curbura
Σ(x-‾ x )²
a = V mediu – c · -----------------
Nr. treptelor

V. 9. Subdivizarea varianţei variantelor. În cazurile prezentate anterior s-a

arătat că varianţa variantelor sV caracterizează fluctuaţia globală cauzată de toate
tratamentele experimentate. În unele cazuri, este este necesar să se subdivizeze această
varianţă(adică SP şi GL) în mai multe părţi corespunzătoare diferitelor comparaţii
posibile între variante. Atunci când suma SP şi GL pentru diferitele comparaţii este egală
cu SPV şi GLV, comparaţiile se numesc ortogonale.
Subdivizarea varianţei variantelor se poate folosi în unle cazuri cum ar fi:
1. Când se compară un martor (netratat, neerbicidat, nefertilizat, etc.) cu mai multe
tratamente experimentate(fungicide, erbicide, îngrăşăminte), se împarte SPV în:
- o parte corespunzătoare comparaţiei între martor şi restul variantelor:

V1² (V2+V3+... +Vv) (Σx)²

SPI = ------ + ------------------------ - ------------
n (v-1)n N
cu 1 GL;

- o parte corespunzătoare comparaţiilor între tratamente, care se obţine prin diferenţă

din SPV, cu GL = v – 2.

SPII = SPV - SPI

38
 2. Când se compară două grupe de tratamente, ca de exemplu, diferite doze din două
tipuri de erbicide, fungicide, îngrăşăminte etc. se poate subdiviza SPV în:
- o parte corespunzătoare comparaţiei între mediile celor două grupe (care cuprind
respectiv a şi b variante fiecare; a + b = v):

(V2+V3+... +Va)² (Va+1+Vv)² (Σx)²

SPI = ------------------------ + ---------------- - ------------
n·a n·b N
cu 1 GL

- o parte corespunzătoare diferitelor comparaţii în interiorul grupelor, care se obţine

prin diferenţă, având GL = v-2.

SPII = SPV – SPI

3. Când variantele corespund unei scheme polifactoriale se poate subdiviza SPV în

mai multe părţi, care exprimă influenţa fiecărui factor ca şi efectul interacţiunii dintre
aceştia.
4. Când factorul experimental este de natură cantitativă (doze de îngrăşăminte,
densităţi etc.) se poate subdiviza SPV în părţi corespunzătoare modului de reacţie al
producţiei.
În toate cazurile prezentate, subdivizarea varianţei variantelor permite o apreciere
comodă semnificaţiei diferitelor tipuri de comparaţii prin proba F (tab. anexă 2), analiza
varianţei devenind astfel cu mult mai expresivă.

39
 CAP VI

ABATERI DE LA MODELUL TEORETIC AL

ANALIZEI VARIANŢEI
TRANSFORMĂRI

Modelul teoretic al analizei varianţei se bazează pe câteva premise care trebuie

cunoscute şi anume:
-normalitatea erorii;
-omogenitatea varianţelor;
-aditivitatea influenţelor diferitelor cauze ale variabilităţii.
Premisa normalităţii erorii se bazează pe faptul, cunoscut nouă, că rezultatele
determinărilor experimentale tind să varieze întâmplător, formând distribuţie apropiată de
distribuţia normală. Producţia unei parcele experimentale este determinată deci nu numai
de capacitatea ei de producţie, simbolizată de media reală μ, ci şi de mărimea ε, denumită
eroare, care se supune legii normale cu media 0 şi varianţa σ². Varianţa σ² o estimăm prin
calcularea varianţei erorii s²E.
Abaterile mici de la normalitate sunt de obicei ignorate în experienţele obişnuite.
Atunci când însă, consideraţii teoretice ne fac să presupunem abateri importante
de la premisele teoriei analizei varianţei, este necesar să se evite aplicarea analizei
varianţei ca atare.
Acesta este de exemplu cazul, când datele experimentale sunt exprimate în
procente, deorece varianţa unor asemenea date este direct dependentă de mărimea
mediei. De aceea, mai ales când este vorba de procente care variază în limite largi,
varianţele acestora vor fi evident neomogene.
Acelaşi lucru se poate spune despre unele date cum ar fi: numărul de buruieni pe
parcelă în experienţele cu erbicide, la care o parte din variante au mediile apropiate de 0.
În astfel de cazuri o transformare corespunzătoare, adică exprimarea datelor la o
altă scară de măsură, pote face ca rezultatele să corespundă mai bine modelului teoretic.
Cele mai frecvent folosite sunt următoarele schibări de variabilă:
1. Transformarea arc sin √procent se foloseşte la prelucrarea statistică a datelor
exprimate în procente. Pentru aceasta se caută în tabele speciale (tab. anexă 5)
valorile unghiurilor al căror sinus este egală cu rădăcina pătrată din procentele
analizate. Aceste valori corespund bine modelului de analiză a varianţei şi pot
fi folosite ca atare.
2. Transformarea √X se foloseşte în cazul datelor, analoage cu numărul
buruienilor pe parcelă, numărul insectelor colectate în capcane etc. care

40
 prezintă medii mari şi cu varianţe foarte ridicate şi unele medii mici cu
varianţe reduse. Atunci când unele valori sunt apropiate de 0 sau chiar egale
cu 0 se foloseşte transformarea √X +1.
3. Transformarea logaritmică, adică folosirea pentru prelucrarea statistică a
logaritmilor datelor experimentale, se foloseşte în cazuri asemănătoare cu cele
de la punctul 2, atunci când variabilitatea în interiorul fiecărei variante este
proporţională cu mărimea mediei.
În cazul tuturor transformărilor, toate calculele, inclusiv stabilirea semnificaţiei se
face cu valorile transformate, folosind aceleaşi tabele (de exemplu tab. anexă 5) iar în
final, pentru prezentarea datelor aceste valori sunt retransformate în unităţile iniţiale
folosind aceleaşi tabele.

41
 CAP VII
Valorificarea experienţelor cu singur factor

VII. 1. Etapele generale ale valorificării rezultatelor experimentale. Valorificarea

rezultatelor experimentale trece în general prin următoarele etape principale:
- producţiile parcelelor experimentale se înscriu pe un plan, conform aşezării parcelelor
pe teren. Pentru uşurarea calculelor producţiile pot fi rotunjite de obicei până la trei cifre
semnificative. Excesul de precizie poate îngreuna inutil calculele.
- Pentru uşurarea calculelor, producţiile tuturor parcelelor experimentale pot fi
micşorate cu aceeaşi câtime D, care se adaugă apoi la sfârşitul calculelor.
- Se trece apoi la analiza varianţei calculându-se întâi scăzătorul după formula:
(ΣX)²
Scăzătorul = -----------
N
Se calculează apoi sumele pătratelor abaterilor şi gradele de libertate
corespunzătoare, potrivit dispozitivului experimental folosit. Pe baza acestora se
calculează varianţa s² pentru variante şi eroare şi se constată prin proba F dacă
deosebirile între variante au o probabilitate suficient de mare de a reflecta existenţa unor
deosebiri reale.
Dacă proba F dezvăluie neomogenitatea variantelor experimentate se poate trece
apoi la examinarea semnificaţiei statistice a diferenţelor dintre variante.
-Dacă pentru interpretarea şi prezentarea datelor ne interesează numai un număr
limitat de diferenţe, planificate la executarea experienţei cum ar fi de ex. diferenţele faţă
de o variantă martor sau faţă de media experienţei, se foloseşte proba t sau metoda
diferenţelor limită.
Pentru aceasta trebuie să calculăm eroarea diferenţelor, pe baza varianţei erorii cu
formula:

2s²E
sd‾ = √------------
n
Cu ajutorul acestei erori a diferenţelor se pot afla valorile t corespunzătoare
fiecărei diferenţe studiate (t=d/sd‾) şi apoi din tabel anexă corespunzător numărului de
grade de libertate (GL) ale erorii, probabilitatea ca aceste valori t să se fi obţinut numai
datorită fluctuaţiei întâmplătoare. Convenţional s-a stabilit că dacă această probabilitate a
apariţiei întâmplătoare este cuprinsă între 5 % şi 1 % diferenţele de producţie să fie
considerate semnificative iar dacă probabilitatea este mai mică decât 1% diferenţele să fie

42
considerate distinct semnificative. Uneori se mai foloseşte şi pragul de 0,1% adică
diferenţe foarte semnificative.
Când avem un număr mare de variante cu varianta martor sau cu media
variantelor se foloseşte metoda diferenţelor limită. Pentru aceasta se calculează cele mai
mici diferenţe care pot fi considerate semnificative, distinct semnificative sau foarte
semnificative înmulţind valorile t din tabelul anexă 3 corespunzătoare probabilităţilor de
5%, 1% sau 0,1% şi gradelor de libertate ale erorii, cu eroarea diferenţelor sd.
Se vor compara apoi diferenţele de producţie constatate în experienţă cu
diferenţele limită calculate, apreciind astfel gradul de semnificaţie al deosebirilor dintre
variante.
-Dacă în interpretarea şi prezentarea rezultatelor avem nevoie să executăm
compararea tuturor variantelor între ele, pentru stabilirea corectă a semnificaţiei
diferenţelor vom folosi metoda comparaţiilor multiple (testul Duncan).
Pentru aceasta se aşează variantele în ordinea producţiilor obţinute. Diferenţele
situate între variantele situate la depărtări în această clasificare se vor compara cu
diferenţele semnificative corespunzătoare, calculate prin înmulţirea erorii mediilor cu
valorile din tabelul anexă 4, care corespund numărului de GL ale erorii şi distanţei în
clasificare între variantele comparate.
VII. 2. Valorificarea experienţelor aşezate în blocuri randomizate. Aceasta
cuprinde următoarele etape:
-1 Se notează într-un tabel producţiile (rotunjite pentru uşurarea calculelor),
numărul curent al parcelei experimentale şi numărul variantei şi se va calcula suma
producţiilor tuturor parcelelor experimentale(Σ x). În cazul în care se foloseşte ca martor
producţia medie a experienţei se va calcula şi aceasta (xˉ).

-2 Se vor aşeza producţiile în variante şi repetiţii după următorul tabel

Tab. 8
Varianta Repetiţia V
1 2 3 4 5 6 n....
1
2
3
4
n....
R Σx=

Ca o verificare a însumărilor, suma producţiilor pe variante şi repetiţii, trebuie să

corespundă.

-3 cu ajutorul datelor din tabelul de mai sus se vor calcula:

(ΣX)²
a- Scăzătorul = ----------- unde N = n ·v
N

43
 (ΣX)²
b- SP total = ΣX² - -----------
N

ΣR² (ΣX)²
c - SP repetiţii = ----------- - -----------
v N

ΣV² (ΣX)²
d - SP variante = ----------- - -----------
n N

e - SP eroare = SP total – (SP repetiţii + SP variante)

-4 Se stabileşte numărul de grade de libertate cu ajutorul formulelor:

- GLT = N – 1 = v · n – 1
- GLR = n – 1
- GLV = v – 1
- GLE =( n – 1)(v – 1)

-5 Se va alcătui tabelul de analiză a varianţei

Tab. 9
s²
Cauza variabilităţii SP GL Proba F
(SP/GL)
TOTALĂ
Repetiţii
Variante
F=s²V / s²E
Eroare

Proba F ne indică neomogenitatea variantelor, deci existenţa sau absenţa unor

deosebiri reale între variantele experimentate. Valoarea probei F obţinută de noi va fi
comparată cu valoarea din tabelul anexă 2 corespunzătoare GL ale variantelor şi GL ale
erorii. Dacă valoarea obţinută de noi este mai mare decât cea din tabelul anexă atunci
între variantele noastre există diferenţe reale şi calculul analizei varianţei va continua.

-6 Se calculează producţia medie a fiecărei variante prin împărţirea producţiilor

totale V la numărul repetiţiilor.
Pentru aflarea semnificaţiei diferenţelor între variantele studiate şi varianta martor
se poate folosi fie proba t, fie mai frecvent prin diferenţele limită.
Pentru aceasta se calculează mai întâi eroarea diferenţelor folosind varianţa erorii
cu formula:

44
 2s²E
sd‾ = √------------
n

Pentru determinarea gradului de semnificaţie prin proba t se împarte fiecare

diferenţă (între fiecare variantă şi martor sau între fiecare variantă şi media variantelor)
prin eroarea diferenţelor sd‾. În acest prim caz vom calcula noi valoarea mărimii t.
În funcţie de numărul de grade de libertate al experienţei noastre se caută în
tabelul anexă 6 probabilitatea de transgresiune, corespunzătoare fiecărei diferenţe de
producţie. În funcţie de aceste probabilităţi se apreciază gradul de semnificaţie al
diferenţelor iar rezultatele se vor sintetiza într-un tabel.
Pentru determinarea gradului de semnificaţie cu ajutorul diferenţelor limită (DL)
se vor înmulţi valorile t din tabelul anexă 3, corespunzătoare numărului de grade de
libertate al experienţei noastre şi valorilor P% de 5%, 1% şi 0,1% cu valoarea sd‾. În
acest al doilea caz vom folosi valorile t calculate de Fisher, din tabelul anexă 3.

Sinteza rezultatelor la exp. aşezată în blocuri randomizate.

Variantele se vor înscrie în tabel în ordinea descrescătoare a producţiei sau
factorului studiat.
Tab. 10
Producţia Diferenţa
Prod.
Varianta t/ha(sau alt faţă de
Relativă t P% Semnificaţia
factor martor
(%)
studiat) (t/ha.)

Martorul (poate fi şi media

variantelor experimentate)

-7 Pentru a putea compara producţiile a două variante oarecare, vom folosi testul
Duncan adică metoda comparaţiilor multiple.
Mai întâi calculăm eroarea mediilor:

s²E
sX‾ = √------------
n

Pentru executarea tuturor comparaţiilor posibile se va alcătui un tabel de tipul:

45
Tab. 11
Clasificare Hibridul Producţia Diferenţa faţă de varianta de pe locul
n… IV III II
I
II
III
IV
n…
Cu ajutorul erorii mediilor calculăm diferenţele care pot fi considerate
semnificative la numărul de GL ale erorii şi la diferitele depărtări între variante în
clasificarea după producţie, prin înmulţirea cu valorile corespunzătoare din tabelul
anexă.
Astfel pentru variantele vecine vom avea n=2 şi corespunzător numărului nostru
de GL vom găsi în tabelul anexă o anumită valoare q. Pentru obţinerea valorii diferenţei
semnificative DS5 % vom înmulţi valoarea sX‾ cu valoarea q găsită în tabelul anexă.
După aceea vom compara valoarea DS5 % obţinută, cu diferenţele dintre variante
în fucţie de depărtarea dintre acestea.
VII. 2. Valorificarea experienţelor aşezate în pătrat latin. Valorificarea
experienţelor aşezate în pătrat latin se realizează asemănător cu experienţele aşezate în
blocuri randomizate numai se vor calcula şi SP respectiv GL şi pentru coloane. Vom
avea grijă ca la această aşezare numărul variantelor trebuie să fie egal cu numărul
repetiţiilor (blocurilor).
1-Se va întocmi un tabel care va indica poziţia fiecărei parcele experimentale din
teren. În fiecare pătrat ce reprezintă o parcelă experimentală se înscriu trei valori şi
anume: numărul curent al parcelei experimentale (stânga sus), numărul variantei (dreapta
sus) şi producţia sau factorul studiat în mijloc.
Tab. 12
Coloane
1 2 3 4 5 n... ΣB
Blocuri

n....
ΣL Σx

46
 Σ B – suma producţiilor parcelelor dintr-un bloc(repetiţie)
Σ L – suma producţiilor parcelelor dintr-o coloană.
Dacă avem ca martor producţia medie se va calcula şi această valoare (xˉ).
2- Se face suma producţiilor tuturor variantelor însumându-se valorile tuturor
parcelelor experimentale aferente fiecărei variante.
3- Se vor calcula scăzătorul şi sumele pătratelor abaterilor ca la aşezarea în
blocuri randomizate + valorile corespuzătoare coloanelor.
(ΣX)²
a- Scăzătorul = ----------- unde N = n ·v
N

(ΣX)²
b- SP total = ΣX² - -----------
N

ΣR² (ΣX)²
c - SP blocuri(repetiţii) = ----------- - -----------
v N

ΣL² (ΣX)²
d – SP coloane (L) = ----------- - -----------
v N

ΣV² (ΣX)²
e - SP variante = ----------- - -----------
n N

f - SP eroare = SP total – (SP repetiţii + SP variante+ SPcoloane)

4- Se stabileşte numărul de grade de libertate cu ajutorul formulelor:

- GLT = N – 1 = v · n – 1
- GLB = b – 1=n – 1
- GLL= l – 1=n – 1
- GLV = v – 1
- GLE = GLT – (GLB+ GLL+ GLV)

-5 Se va alcătui tabelul de analiză a varianţei pentru pătratul latin

Tab. 13

47
 s²
Cauza variabilităţii SP GL Proba F
(SP/GL)
TOTALĂ
Blocuri (repetiţi)i
Coloane
Variante
F=s²V / s²E
Eroare
În continuare modul de calcul este identic cu cel prezentat la aşezarea în blocuri
randomizate adică se vor calcula producţiile medii ale variantelor şi mai apoi eroarea
diferenţelor cu formula:

s²E
sX‾ = √------------
n

Valorile DL 5%, DL 1% şi DL 0,1% se obţin prin înmulţirea valorilor t(din

tabelul anexă 3) cu valoarea sX‾, în mod asemănător cu modelul prezentat la aşezarea în
blocuri randomizate.
De asemenea şi prezentarea sintezei rezultatelor experimentale se execută în
acelaşi mod.
Pentru a cunoaşte semnificaţia diferenţelor între toate variantele experimentate
putem folosi testul Duncan prin calcularea erorii mediilor cu formula

s²E
sX‾ = √------------ procedându-se în continuare ca la aşezerea în blocuri randomizate.
n

VII. 3. Valorificarea experienţelor aşezate în dreptunghi latin. Valorificarea

experienţelor aşezate în dreptunghi latin este asemănătoare cu aşezarea prezentată
anterior cu deosebirea că numărul blocurilor şi al coloanelor este mai mic decât numărul
variantelor.
Vom avea grijă că la această aşezare numărul variantelor trebuie să fie cu soţ
pentru a putea grupa variantele în câte două subcoloane aferente unei coloane. De aceea
la această aşezare, întotdeauna numărul coloanelor este egal cu jumătate din numărul
variantelor.
1 - Se va întocmi un tabel care va indica poziţia fiecărei parcele experimentale din
teren. În fiecare pătrat ce reprezintă o parcelă experimentală se înscriu trei valori şi
anume: numărul curent al parcelei experimentale (stânga sus), numărul variantei (dreapta
sus) şi producţia sau factorul studiat în mijloc. Se va avea grijă la gruparea în subcoloane.

Tab. 14
48
 Exemplu de tabel care curpinde o experienţă cu 10 variante aşezate în 5 coloane,
fiecare coloană cuprinzând 2 subcoloane.
coloana
1 2 3 4 5 B
blocul

L Σx

2- Se face suma producţiilor tuturor parcelelor care cuprind aceeaşi variantă folosind
următorul tabel; de exemplu pentru o experienţă cu 10 variante. Valorile se vor însuma
atât pe verticală cât şi pe orizontală.
Tab. 15
Varianta
1 2 3 4 5 6 7 8 9 10 B
Blocul
1
2
3
4
5
V Σx

3- Se vor calcula scăzătorul şi sumele pătratelor abaterilor ca la aşezarea în pătrat

latin. Vom fi atenţi la faptul că suma unei coloane este compusă din sumele sucoloanelor
ce compun coloana respectivă
(ΣX)²
a- Scăzătorul = ----------- unde N = n ·v
N

(ΣX)²
b- SP total = ΣX² - -----------
49
 N

ΣR² (ΣX)²
c - SP blocuri(repetiţii) = ----------- - -----------
v N

ΣL² (ΣX)²
d – SP coloane (L) = ----------- - -----------
v N

ΣV² (ΣX)²
e - SP variante = ----------- - -----------
n N

f - SP eroare = SP total – (SP repetiţii + SP variante+ SPcoloane)

4- Se stabileşte numărul de grade de libertate cu ajutorul formulelor:

- GLT = N – 1 = v · n – 1
- GLB = b – 1=n – 1
- GLL= l – 1=n – 1
- GLV = v – 1
- GLE = GLT – (GLB+ GLL+ GLV)

-5 Se va alcătui tabelul de analiză a varianţei pentru dreptunghiul latin.

Tab. 16
s²
Cauza variabilităţii SP GL Proba F
(SP/GL)
TOTALĂ
Blocuri (repetiţi)i
Coloane
Variante
F=s²V / s²E
Eroare

În continuare modul de calcul este identic cu cel prezentat la aşezarea în pătrat latin
adică se vor calcula producţiile medii ale variantelor şi mai apoi eroarea difernţelor cu
formula:

s²E

50
 s X‾ = √------------
n
Valorile DL 5%, DL 1% şi DL 0,1% se obţin prin înmulţirea valorilor t(din
tabelul anexă 3) cu valoarea sX‾, în mod asemănător cu modelul prezentat la aşezarea în
blocuri randomizate şi pătrat latin.
De asemenea şi prezentarea sintezei rezultatelor experimentale se execută în
acelaşi mod.
Pentru a cunoaşte semnificaţia diferenţelor între toate variantele experimentate
putem folosi testul Duncan prin calcularea erorii mediilor cu formula

s²E
sX‾ = √------------ procedându-se în continuare ca la aşezerea în blocuri randomizate şi
n
pătrat latin.

51
 CAP VIII
Valorificarea experienţelor polifactoriale.

VIII. 1. Noţiunea de interacţiune. În experienţele polifactoriale se poate studia atât

influenţa fiecărui factor în parte cât şi influenţa combinată a acestora asupra scopului
experienţei (producţie, procente de buruieni, grad de atac boli sau dăunători etc.).
Aplicarea combinată a doi sau mai mulţi factori experimentali poate să dea
rezultate diferite în funcţie de măsura în care acţiunile factorilor sunt independente.
1. Atunci când efectul aplicării fiecăruia dintre factori este acelaşi, indiferent de
graduările celorlalţi factori, nu avem interacţine între factorii experimentaţi. Să luăm spre
exemplificare influenţa azotului respectiv a fosforului asupra producţiei, după exemplele
de mai jos.
Tab. 17 Exempu de absenţă a inteacţiunii. (Săulescu N.A. Săulescu N.N).
N0 N1 Suma Media

P0 30 35 65 32,5
P1 32 37 69 34,5
Suma 62 72 134
Media 31 36

Se poate observa că sporul datorat aplicării azotului (+5) este acelaşi indiferent de
prezenţa sau absenţa îngrăşămintelor fosfatice. De asemenea aplicarea fosforului aduce
acelaşi spor (+2) şi în prezenţa sau absenţa azotului. Aceasta înseamnă că întreaga
variaţie a producţiilor variantelor este determinată de însumarea efectelor celor doi
factori.
2. Atunci când efectul aplicării unuia dintre factori depinde de graduările celorlalţi
factori vom avea interacţiune între factorii experimentaţi.
În cazul în care solul este sărac în fosfor efectul aplicării azotului va fi absent sau
foarte mic. Putem spune în acest caz că efectul aplicării azotului este condiţionat de
aplicarea fosforului după cum observăm în modelul de mai jos.
Tab. 18 Exempu de prezenţă a inteacţiunii. (Săulescu N.A. Săulescu N.N).
N0 N1 Suma Media

P0 30 30 60 30
P1 32 37 69 34,5
Suma 62 67 129
Media 31 33,5

Dacă vom experimenta mai multe soiuri de specii cultivate pe diferite agrofonduri
vom avea diferenţe între variante în funcţie de combinaţia soi/agrofond deoarece există
soiuri care folosesc mai eficient îngrăşămintele decât altele.

52
 Problema se pune asemănător şi atunci când avem o experienţă de protecţie în
care putem avea combinaţia soi/produs pesticid deoarece există diferenţe între soiuri în
ceea priveşte comportarea acestora la boli sau dăunători.

VIII. 2. Metoda generală de calcul. Valorificarea experienţelor polifactoriale se

realizează prin subdivizarea varianţei variantelor, corespunzător aportului fiecărui factor
şi de intreacţiunile dintre aceştia. Pentru acesta se realizează tabele bilaterale, ce vor
grupa producţiile variantelor pe factori ca în exemplele cu îngrăşăminte prezentate mai
sus.
Varianţa datelor din interiorul tabelului este varianţa tuturor combinaţiilor între
factori şi reprezintă varianţa variantelor.
În cazul în care nu avem interacţiune între factori, variabilitatea va fi reflectată de
sumele marginale, adică suma SP calculată pentru fiecare dintre factori va fi egală cu
suma SP a tuturor variantelor.
În acest caz pentru primul exemplu de mai sus vom avea:
1342
2 2
SP combinaţii N x P = (30 +.....37 ) - -------- = 29
4
652 + 692 1342
SPP = --------------- - -------- = 4
2 4

622 + 722 1342

SPN = -------------- - -------- = 25
2 4

SPP + SPN = 4 + 25 = 29

Deci SPp + SPN = SP combinaţii N x P

În cazul în care SP combinaţii va fi mai mare decât SP ale factorilor diferenţa va

fi dată de interacţiunea factorilor studiaţi cum este cazul prezentat la exemplul de la
punctul 2 din subcapitolul precedent.

1292
SP combinaţii N x P = (302 +.....372) - -------- = 33
4
602 + 692 1292
SPP = --------------- - -------- = 4
2 4

622 + 672 1292

SPN = -------------- - -------- = 25
2 4

53
 SPP + SPN = 20+6 = 26

Deci SP N x P = (SP combinaţii N x P) - (SPP + SPN) = 33 – 26 = 7

Atât varianţele factorilor, cât şi cele ale combinaţiilor vor fi testate prin proba F
faţă de varianţa erorii, pentru a ne da seama dacă valoarea acestora a fost doar rezultatul
întâmplării.
Atunci când variantele experienţelor polifactoriale sunt randomizate independent,
estimarea erorii se face ca şi la experienţele cu un singur factor.
În cazul în care variantele au fost aşezate grupat după unul din factori după
metoda parcelelor subdivizate, erorile corespunzătoare factorului principal şi secundar nu
mai sunt egale. În astfel de cazuri eroarea generală a experienţei va fi divizată în mai
multe părţi corespunzătoare subdivizării parcelelor experienţei noastre.

VIII. 3. Interpretarea şi prezentarea datelor. Experienţele polifactoriale sunt

de multe ori deosebit de intertersante şi trebuie valorificate la maximum şi bineînţeles
prezentate corespunzător într-un mod cât mai explicit. Cel mai important element în
aceste experienţe este prezenţa sau absenţa interacţiunii între factori.
În cazul în care există intreracţine între factori, efectul mediu al unui factor va
depinde de graduările celorlalţi factori din experienţă.
Procedeul de cel mai indicat de interpretare şi prezentare a datelor experimentale
în cazul în cazul existenţei unei interacţiuni între factori diferă de la caz la caz şi de
regulă nu se pot da indicaţii generale. În general se folosesc câteva modalităţi cum ar fi:
1. În cele mai multe dintre cazuri interacţiunea poate fi descrisă simplu şi poate
fi explicată ştiinţific. Aici putem avea de exemplu efectul aplicării îngrăşămintelor(tipuri,
doze etc.), a diferitelor densităţi la soiuri şi hibrizi diferiţi etc. În toate cazurile se va
analiza în primul rând variaţia provocată de factorul cel mai important.
2. Când interacţiunile au o manifestare dezordonată, se va renunţa la
interpretarea polifactorială a datelor, iar rezultatele vor fi prezentate separat, pentru
fiecare combinaţie de factori, asemănător unei experienţe monofactoriale.

VIII. 4. Valorificarea experienţelor polifactoriale aşezate în blocuri

randomizate. Atunci când parcelele ocupate de diferitele combinaţii de factori sunt
randomizate liber în repetiţiile culturii comparative, nefiind grupate factori, experienţele
polifactoriale se se valorifică asemănător experienţelor monofactoriale apoi se execută
subdivizarea varianţei variantelor prin tabelele bilaterale.

54
 Tab. 19 Exemplu de experienţă polifactorială de tipul 2x3 cu trei soiuri de grâu
experimentate pe două agrofonduri (Săulescu N.A. Săulescu N.N).
Repetiţia
I II III V
Combinaţii de factori
Agrofond 1/Soi1 32 24 23 79
Agrofond 1/Soi2 33 26 26 85
Agrofond 1/Soi3 27 19 20 66
Agrofond 2/Soi1 34 31 28 93
Agrofond 2/Soi2 41 42 37 120
Agrofond 2/Soi3 32 24 26 82
R 199 166 160 525=Σx

1. Se execută analiza varianţei în mod obişnuit ca şi la o experienţă monofactorială

aşezată în blocuri randomizate:

525²
Scăzătorul =------------ = 15312
18

525²
SPT=(32² + 24² +….+ 37² + 26²) - -------- = 739
18

199²+166²+160² 525²
SPR= ---------------------- - -------- = 147
6 18

79²+85²+.....+82² 525²
SPV = --------------------- - -------- = 553
3 18

SPV = 739 – (147 + 553) = 39

55
2. Se subdivizează SP a variantelor cu ajutorul unui tabel bilateral în care se vor include
sumele variantelor V grupate pe factori.

Tab. 20
Soiuri Agrofond 1 Agrofond 2 Sumă Soi
Soiul 1 79 93 172
Soiul 2 85 120 205
Soiul 3 66 82 148
Sume Agrofond 230 295 525

ΣAgrof.² (Σx)² 230² + 295² 525²

SPAgrofond = ----------------- - -------- = ---------------- - -------- = 235
n.soi N 3x3 18

Σsoi² (Σx)² 172² + 205² + 148² 525²

SPSoi = --------------- - ----------- = -------------------------- - --------- = 273
n.agrof N 3x2 18

SPAgrofond x Soi = SPV - (SPAgrofond + SPSoi) = 553 – (235 + 273) = 45

GL Agrofond = agrof. – 1 = 2

GL Soi = soi – 1 = 2

GL Agrofond x Soi = (agrof. – 1) (soi – 1) = (2 - 1)(3 – 1) = 2

Sau

GL Agrofond x Soi = GLV – (GL Agrofond + GL Soi)

56
3. Se întocmeşte tabelul de analiză a varianţei.
Tab.21
Cauza variabilităţii SP GL s² Proba F
TOTALĂ 739 17
Repetiţii 147 2
Agrofond 235 1 235,0** 60,2(4,96;10,0)
Soiuri 273 2 136,5** 35,0(4,10;7,56)
Interacţiunea Agrof. x Soi 45 2 22,5* 5,7(4,10;7,56)
Eroare 39 10 3,9

4. Deorece există interacţiune semnificativă vom prezenta rezultatele sub formă de tabel
bilateral.
Sinteza rezultatelor la experienţa polifactorială.
Tab. 22
Soiuri Agrofond 1 Agrofond 2 Media pe soiuri
Soiul 2 28,3 bc 40,0 a 34,1 A
Soiul 1(Mt) 26,3 c 31,0 b 28,6 B
Soiul 3 22,0 d 27,3 bc 24,6 C
Media pe agrofonduri 25,5 M 32,8 N
Producţiile sunt semnificativ diferite dacă nu sunt însoţite de aceeaşi literă.

5. Se poate folosi şi metoda diferenţelor limită dacă dorim să aflăm semnificaţia

diferenţelor faţă de un singur soi. Pentru aceasta vom folosi estimaţia unică a erorii (3,9).

2s²E 2 x 3,9
Sd¯=√ --------- = √ ----------- = 1,61
n 3

DL 5% = 1,61 x 2,23 = 3,59 q/ha

Se poate obseva că faţă de soiul martor 1, soiul 2 dă un spor nesemnificativ pe

agrofondul 1 dar semnificativ pe agrofondul 2 iar soiul 3 este semnificativ inferior pe
ambele agrofonduri.
Pentru stabilirea mediilor pe factori – mai ales când nu avem diferenţe între
factori – eroarea diferenţelor va fi mai mică , la numitor sub radical găsindu-se
întotdeauna numărul total al parcelelor din care se calculează mediile comparate. Pentru
compararea a două medii ale factorului soi avem:

2s²E 2 x 3,9
Sd¯=√ --------- = √ ----------- = 1,14
n. agrof 3x2

57
Pentru compararea mediilor factorului agrofond vom avea:

2s²E 2 x 3,9
Sd¯=√ --------- = √ ----------- = 0,93
n. soi 3x3

6. Atunci când dorim să facem şi mai multe comparaţii decât cele planificate, vom aplica
metoda comparaţiilor multiple (testul Duncan):

s²E 3,9
Sd¯=√ --------- = √ ----------- = 1,14
n. 3

VIII . 5. Valorificarea experienţelor cu doi factori aşezate în parcele subdivizate.

Ca model, putem considera datele de la exemplul precedent, dar provenind de la o

experienţă aşezată în parcele subdivizate. Factorul A este agrofondul cu două graduări (a
= 2) şi factorul secundar B va fi soiul cu trei graduări (b=3)(după Săulescu).
Tab. 23
Agrofondul Repetiţia
Soiul V
I II III
1 32 24 23 79
2 33 26 26 85
1 3 27 19 20 66
Total 92 69 69 230
1 34 31 28 93
2 41 42 37 120
2 3 32 24 26 82
Total 107 97 91 295
R 199 166 160 525=Σx

1. Se calculează SP întâi pentru parcele mari ocupate de factorul agrofond. Variabilitatea

totală a acestor parcele va fi determinată de factorul agrofond, de diferenţele dintre
repetiţii şi de fluctuaţia întîmplătoare.

n = numarul de repetiţii = 3

( Σx)2 525²
Scăzătorul = --------------- = ------------ = 15312
n∙b ∙a 18

58
 Σ(Totaluri parcele mari)2 ( Σx)2 922 + 692 +…….+ 912 5252
SPT Parcele mari = --------------------------------- - ---------- = ------------------------------ - -------
b n∙a∙b 3 18

= 396

ΣA2 (Σx)2 2302 + 2952 5252

SPA = ------------ - ---------- = ----------------- - --------- = 235
n∙b n∙a∙b 3x3 18

ΣB2 (Σx)2 199 2+ 166 2+ 160 2 5252

SPR = ----------- - ------------ = ------------------------------- - ---------- = 147
a∙b n∙a∙b 2x3 18

SPEroare (a) =SPT Parcele mari - (SPA + SPR) = 396 – (235 + 147) = 14

GL T Parcele mari = n ∙ a -1 = 5

GL A = a – 1 = 1

GL R = n – 1 = 2

GL Eroare (a) =(a -1)(n -1) = 2

2. Se va calcula variabilitatea totală a întregii experienţe, adică a parcelelor mici. Aceasta

va cuprinde atât variabilitatea parcelelor mari cât şi influenţa factorului secundar
B(factorul soi), a interacţiunii factorilor AxB şi a fluctuaţiei întâmplătoare (Eroarea b).
Calcularea SPB şi SPAxB, se va realiza după un tabel similar celui de la cazul precedent.
Tab. 24(Săulescu N.A. Săulescu N.N).
Soiuri Agrofond 1 Agrofond 2 Sumă Soi
Soiul 1 79 93 172
Soiul 2 85 120 205
Soiul 3 66 82 148
Sume Agrofond 230 295 525

5252
2 2 2 2
SPTParcele mici = (32 + 24 +……+ 24 + 26 ) - ------- = 739
18

59
 ΣB2 (Σx)2 1722+ 2052+ 1482 5252
SPB = ---------- - ---------- = ---------------------------- - ---------- = 273
n∙a n∙a∙b 3x2 18

ΣV2 (Σx)2 792 + 852+ .......+ 822 5252

SPV = SPCombinatii AxB = ---------- - ----------- = ---------------------------- - --------- = 553
n n∙a∙b 3 18

SPAxB = SPV - (SPA + SPB) = 553 – (235 + 273) = 45

SPEroare(b) = SPT Parcele mici - (SPT Parcele mari + SPB + SPAxB) =

= 739 – (396 + 273 + 45) = 45

GLTparcele mici = n ∙ a ∙ b – 1 = 17

GLB = b – 1 = 2

GLAxB = (a – 1)(b – 1) = 2

GLEroare(b) = a (n – 1)(b – 1) = 8

3. Se alcătuieşte tabelul de analiză a varianţei:

Tab. 25
Proba F
Cauza variabilităţii SP GL s2(SP/GL)
Parcele mari 396 5
Repetiţii 147 2
Agrofond (A) 235 1 235,0* 33,5 (18,5 ; 98,5)
Eroare (a) 14 2 7,0
Parcele mici 739 17
Soiuri (B) 273 2 136,5** 44,0 (4,26 ; 8,64)
Interacţiunea AxB 45 2 22,5* 7,2 (4,26 ; 8,64)
Eroare (b) 25 8 3,1
Proba F se face la factorul principal A faţă de eroarea (a) iar la factorul secundar
B şi la interacţiunea A x B faţă de eroarea (b).

60
4. Calcularea erorii diferenţelor se va face diferit în funcţie de comparaţia urmărită.
- pentru comparaţii între două medii A (mediile pe agrofonduri-ex a2 - a1):

2s2Ea 2x7
s-d =√------------- = √ -------------- = 1,24
n∙b 3x3

GL = 2 DL5% = 1,24 x 4,30 = 5,33 q/ha

- pentru comparaţii între două medii B (mediile pe soiuri-ex b2 –b1):

2s2Eb 2 x 3,1
s-d =√------------- = √ -------------- = 1,01
n∙a 3x2

GL = 8 DL5% = 1,01 x 2,31 = 2,33 q/ha

-pentru compararea a două medii B la aceeaşi graduare a lui A.(de ex a 1b2 – a1b1) adică
pentru compararea a două soiuri pe un agrofond.

2s2Eb 2 x 3,1
-
s =√------------- = √ -------------- = 1,43
d
n 3

GL = 8 DL5% = 1,43 x 2,31 = 3,30 q/ha

-pentru compararea a două medii A la aceeaşi graduare a lui B sau la graduări diferite ale
lui B (de ex. a2b1 - a1b1 sau a2b2 - a1b1) adică pentru a compara un singur soi pe două
agrofonduri sau două soiuri pe două agrofonduri diferite.

2[(b-1)s2Eb + s2Ea] 2[(3-1) x 3,1 + 7,0]

-
s =√--------------------------------- = √ ---------------------------- = 1,71
d
n∙b 3x3

Deoarece la calcuarea s-d se folosesc două varianţe ale erorii cu un număr diferit
de GL, valoarea t necesară pentru calcularea DL va trebui să fie o medie ponderată a
valorilor t corespunzătoare la GLEa şi GLEb:

61
 (b – 1)s2Eb ∙ tEb + s2Ea ∙ tEa (3 – 1) x 3,1 x 2,31 + 7,0 x 4,30
t = ------------------------------------------- = -------------------------------------------- = 3,36
(b – 1)s2Eb+ s2Ea (3 – 1) x 3,1 + 7,0

DL5% = 1,71 x 3,36 = 5,74 q/ha.

CAP IX
Valorificarea seriilor de
experienţe

62
 IX. 1. Introducere. O singură experienţă, indiferent cât de bine este executată nu
furnizează informaţii decât asupra comportării variantelor într-un singur loc şi într-un
singur an. De aceea, repetarea unui număr suficient de ani şi într-un număr suficient de
localităţi, este absolut necesară.
Atunci când experienţele sunt repetate mai mulţi ani în mai multe localităţi, vom
avea o interacţiune mai complexă adică interacţiunea Variante x Ani x Localităţi.
Condiţiile concrete al anilor şi localităţilor de experimentare constituie şi ele
factori determinatori ai producţiei şi de aceea valorificarea experienţelor în serie va fi
executată după modelul experienţelor polifactoriale cu doi factori (variante şi ani sau
variante şi localităţi).
La experienţele anuale, interacţiunea blocuri x variante, adică variaţia producţiilor
unei variante de la o repetiţie la alta, reprezintă fluctuaţia întâmplătoare, adică eroarea
experienţei. La o experienţă polifactorială anuală cu 2 factori (VI şi VII) eroarea va fi
alcătuită din interacţiunile (B x VI) şi (B x VII) şi (B x VI x VII).
La experienţele în serie însă, interacţiunea Blocuri x Ani sau Blocuri x
Localităţi), adică variaţia producţiilor blocurilor de la un an la altul, nu afectează precizia
concluziilor asupra variantelor şi deci nu face parte din eroare. Eroarea la exerienţele în
serie va fi compusă din interacţiunea Blocuri x Variante şi Blocuri x Variante x Ani. De
regulă interacţiunea Blocuri x Ani se va lăsa neseparată de acţiunea blocurilor.
Separarea acţiunii Blocuri x Ani în seriile de experienţe nu are justificare decât în
experienţele staţionare-adică experienţa se execută cu exactitate pe aceeaşi suprafaţă de
teren(de ex. experienţe cu specii perene sau cu diferite monoculturi) iar blocurile rămân
neschimbate ca poziţionare.
În general valorificarea experienţelor în serie se execută prin analiza varianţei,
cu deosebirea că pentru obţinerea abaterii standard a diferenţei sau eroarea diferenţei (s d-)
se calculează contribuţia factorilor (acţinea combinată).
Exemplu de mod de calcul prin analiza a unei experienţe cu 8 variante (8
hibrizi de sorg zaharat), aşezate în 4 repetiţii timp de 3 ani executată la S.D.E. Tâmbureşti
Dolj 1989-1991.(Preda A , Iancu S.)
Etapele valorificării experienţei au fost:

a) – Înscrierea în tabele a rezultatelor de producţie obţinute în cei trei ani de

experimentare şi calcularea mediilor pe variante.

Anul 1989

Repetiţia Varianta
1 2 3 4 5 6 7 8
I 33,0 8,8 45,3 9,1 46,0 50,0 39,9 30,1
II 39,1 9,0 46,2 8,9 50,7 50,3 43,7 33,2

63
 III 40,2 10,7 50,3 10,7 51,4 58,4 51,2 36,3
IV 42,3 11,2 48,0 12,0 53,8 59,0 51,2 30,7
Media 38,6 9,9 47,4 10,2 50,5 54,4 46,5 32,3
Anul 1990

Repetiţia Varianta
1 2 3 4 5 6 7 8
I 33,2 9,3 46,5 10,0 45,6 52,5 42,7 38,9
II 38,9 10,2 45,4 11,6 52,0 58,6 44,9 46,2
III 44,2 11,0 48,3 12,2 57,3 60,1 54,7 51,9
IV 45,7 12,0 51,7 11,7 55,5 61,3 53,0 43,0
Media 40,5 10,6 48,4 11,4 52,6 58,1 48,8 45,0
Anul 1991

Repetiţia Varianta
1 2 3 4 5 6 7 8
I 34,0 8,8 40,4 11,0 46,2 40,8 40,8 35,4
II 30,2 10,3 45,3 9,0 43,1 39,4 39,4 30,2
III 34,1 10,0 46,3 8,8 50,0 52,8 52,8 32,8
IV 35,7 10,5 43,8 10,2 49,4 47,9 47,9 30,0
Media 33,5 9,9 43,7 9,7 47,9 51,1 45,2 32,1
b) – Întcmirea unui tabel cu producţiile medii ale fiecărei variante în fiecare an de
experimentare.
Se observă că în loc de blocuri (repetiţii) se lucrează cu ani.

Varianta Σ variante
1989 1990 1991
V1(Mt) 38,6 40,5 33,5 112,6
V2 9,9 10,6 9,9 30,4
V3 47,4 48,0 43,7 139,1
V4 10,2 11,4 9,7 31,3
V5 50,5 52,6 47,9 151,0
V6 54,4 58,1 51,1 163,6
V7 46,5 48,8 45,2 140,5
V8 32,6 45,0 32,1 109,7
Σ ani 290,1 315,0 273,1 878,2
c) – Calcularea varianţei erorii pentru fiecare an de experimentare

Anul I – 1989: s2E = 4,953

Anul II – 1990: s2E = 7,371
Anul III – 1991: s2E = 8,641

Varianţa erorii pe trei ani reprezintă media aritmetică a valorilor erorilor anuale
s2E + s2E + s2E 4,953 + 7,371 + 8,641
2
s E-3 ani = --------------------- = ------------------------------- = 6,298
64
 3 3

d) – Se calculează scăzătorul

(Σx)2 878,22
scăz. = -------------- = ------------ = 32134,801 ( N = număr variante x ani)
N 8x3

e) calcularea sumei pătratelor abaterilor totale (SPT), variantelor (SPV), anilor (SPani) şi
acţinii combinate (ani x variante, (SPAV).

SPT = Σx2 - scăz. = 38,62 + 40,52 + 33,52 + ......+ 32,12 - 32134,801 = 6477,079

ΣV2 1122 + ....+ 109,72

SPV = -------- - scăz. = ----------------------- - 32134,801 = 6289,105 (na = nr. ani)
na 3

Σani 290,12 + 315,02 + 273,12

SPani = ------------ - scăz. = -------------------------------- - 32134,801 = 111,026
V 8

SPAV = SPT – (SPV + SPani) = 6477,079 – (6289,105 - 111,026) = 76,948

Suma pătratelor abaterilor erorii nu se calculează, deoarece varianţa erorii pe

mai mulţi ani reprezintă media aritmetică a varianţelor erorilor anuale (6,928)

f) calcularea gradelor de libertate (GL) pentru întreaga experienţă (GLT), pentru ani
(GLani), pentru variante (GLV) şi pentru acţiunea combinată ani , variante (GLAV)

GLT = N – 1 = v x ani – 1 = 8 x 3 – 1 = 23

GLV = v – 1 = 8 – 1 = 7

GLani = ani – 1 = 3 – 1 = 2

GL AV = GLT – (GLV + GLani) = 23 – (2 + 7) = 14

g) calcularea gradelor de libertate pe mai mulţi ani prin însumarea gradelor de libertate
ale erorilor anuale.

GLE 3 ani = 21+21+21 = 63

h) se întocmeşte tabelul varianţelor şi se calculează proba F

Cauza SP GL S2 Proba F

65
variabilităţii faţă de eroare Faţă de AV
calculat teoretic calculat teoretic
Totală
Ani
Variante
Ani x variante
Eroare

1. Atunci când numărul anilor sau localităţilor este mic, astfel încât seria de experienţe nu
poate fi considerată o probă reprezentativă pentru condiţiile medii ale zonei, testarea se
va face pe baza varianţei erorii experieţelor(s2E). În aceste cazuri se stabileşte
semnificaţia diferenţelor numai pentru seria respectivă de experienţe executate , fără să se
tragă concluzii asupra comportării probabile a variantelor în anii următori.
2. Atunci când dispunem de un număr mare de ani sau localităţi de experimentare care
pot fi considerate o probă reprezentativă, se poate executa testarea pe baza varianţei
interacţiunii variante x ani( s2V x A) sau variante x localităţi (s2V x L). În acest caz urmărim
probabilitatea de a obţine concluzii asemănătoare
la repetarea experienţei în anii viitori.

CAP. X
Interpretarea şi prezentarea
rezultatelor experimentale

66
 X. 1. Introducere. Analiza varianţei constituie doar începutul interpretării
rezultatelor. Aceasta are scopul să sistematizeze informaţia cuprinsă în experienţă, să
scoată în evidenţă aportul diferitelor surse ale variabilităţii. Totuşi analiza varianţei nu
trebuie să devină un înlocuitor al observaţiilor şi interpretării critice a rezultatelor.
Se va avea în vedere că nivelele de semnificaţie de 5% sau 1% sunt absolut
arbritare. Totuşi trebuie să acordăm o încredere diferită unor rezultate care au
probabilitatea de a se obţine întâmplător de 4,9% sau 5,1% considerându_l pe primul
semnificativ iar pe cel de al doilea nu.
Nu toate diferenţele semnificative merită să fie analizate, dacă importanţa lor
practică este redusă. În cazul în care avem diferenţe importante, dar eroarea experienţei
noastre are o probabilitate mai mare de 5% de a fi întâmplătoare, vom analiza cu mare
atenţie aceste diferenţe.
Atunci când testele de semnificaţie ne semnalează o probabilitate mai mare de
5% a erorii, vom analiza experienţa şi din punct de vedere a datelor existente sau a
experienţelor anterioare.
După stabilirea diferenţelor ce vor fi analizate, vom ţine cont că acestea sunt
valabile numai pentru populaţia statistică a condiţiilor experienţei noastre.
Deosebit de important este faptul ca experienţa să fie executată în condiţii
fitotehnice normale, cu respectarea strictă a elementelor de tehnologie(lucrări de calitate a
solului, epocă optimă de semănat etc.). De obicei, nivelul producţiilor parcelelor
experimentale trebuie să fie asemanător (de obicei este mai mare, deoarece se lucrează cu
parcele mici) cu nivelul producţiilor obţinute în cultura mare.
Explicarea diferenţelor obţinute, care trebuie să constituie partea principală a
interpretării, va avea la bază toate determinările şi observaţiile suplimentare executate în
acest scop. Diferenţele de dezvoltare vegetativă, de suprafaţă foliară, precocitate de grad
de atac a unor boli, dăunători şi în final diferenţele de producţie pot constitui cheia
explicării diferenţelor de producţie putând astfel înţelege esenţa fenomenelor ce se
produc în plante.
X. 2. Corelaţii folosite la interpretarea rezultatelor experimentale din
agricultură. Analiza corelaţiilor. Într-o experienţă analiza varianţei trebuie să fie
coroborată cu diferite observaţii şi determinări biometrice executate în timpul perioadei
de vegetaţie ca de exemplu: talia plantelor, precocitatea, rezistenţa la boli şi dăunători,
înfrăţirea, nr. de boabe în spic, procentul de zahăr din fructe etc.
Într-o experienţă variabilitatea este indusă atât de tratamentele
experimentale(doze de îngr. de erbicide, norme de udare, soiuri şi hibrizi etc.) cât şi de
fluctuaţiile întâmplătoare.
Testele de semnificaţie măsoară, dar nu elimină riscul obţinerii unor concluzii
incorecte în interpretarea rezultatelor experimentale.
Una din metodele moderne de studiu a relaţiei dintre variabile este corelaţia.
Cunoscând variaţia unei însuşiri putem trage concluzii asupra celorlalte însuşiri
de care aceasta este legată, fără a mai proceda la alte determinări care uneori sunt dificil
de executat.
Relaţia reciprocă dintre două variabile, x şi y, ale unei probe se numeşte
corelaţie simplă. Aceasta poate fi pozitivă, când valorile celor două variabile cresc sau
descresc în acelaşi sens şi negativă, când valorile variabilei x cresc, iar cele ale variabilei
y descresc sau invers.

67
 1-Exemple de corelaţii pozitive: producţia de grâu şi numărul de spice /m 2 sau
numărul de boabe în spic, rezistenţa grâului(orzului) şi conţinutul de zaharuri al plantelor
fermitatea fructelor de tomate şi rezistenţa la transport sau păstrare etc.
2- Exemple de corelaţii negative: conţinutul de humus şi densitatea solului,
rezistenţa la cădere a cerealelor şi talia lor, producţia de porumb şi procentul de plante
sterile, mărimea fructelor de castraveţi şi indicii de calitate etc.
Corelaţiile se prezintă sub formă de grafice de corelaţie şi tabele de corelaţie.
Graficul de corelaţie cuprinde două axe rectangulare pe care, începând de la
origine, se înscriu cele două variabile cercetate (x pe abscisă şi y pe ordonată) după care
perpendiculare de lungimea valorilor y din fiecare punct x de pe axa absciselor şi de
lungimea variabilelor x din fiecare punct y de pe axa ordonatelor. Locul de întâlnire a
celor două perpendiculare se notează cu un punct şi reprezintă imaginea grafică a
perechilor de valori respective.
Dacă aceste puncte se grupează pe una din diagonalele graficului, între
variabilele studiate există o legătură evidentă.
Tabelul de corelaţie se utilizează în locul reprezentării grafice atunci când
avem un număr mare de date. Acestea se grupează pe clase, notând numărul cazurilor
care prezintă perechi de valori cuprinse între limitele claselor respective. Gruparea
majorităţii cazurilor pe una din diagonalele tabelului de corelaţie indică, de asemenea,
existenţa unei variabile.
În cadrul tabelului coloanele corespund claselor x, iar rândurile claselor y.
Sumele coloanelor reprezintă distribuţia caracterului x, iar sumele rândurilor reprezintă
distribuţia caracterului y.

Exemplu de corelaţie între conţinutul de fibre(%) şi diametrul tulpinii la cânepă (mm),

Tab. 28(N. Ceapoiu, 1968 citat de A. Preda şi S. Iancu 1996).
y = conţinutul X = diametrul tulpinii(mm) Suma y
de fibre(%) 2 3 4 5 6 7 8
26 2 3 3 2 10
24 4 5 13 7 4 33
22 3 6 18 25 10 2 64
20 1 8 17 18 3 47
18 1 9 8 8 2 28
16 2 3 4 6 15
14 1 2 3
Suma x 9 15 43 62 43 18 10 200

Aşa cum am mai menţionat pentru caracterizarea fluctuaţiei unei variabile, se

utilizează mărimea varianţă , care se obţine prin raportarea sumei pătratelor abaterilor
individuale faţă de medie, la numărul de grade de libertate cu ajutorul formulei:

SPx Σ(x-x¯)2 SPy Σ(y-y¯)2

s2x = ------- = ---------------- respectiv s2y= ------- = ---------------- în cazul nostru.
GL GL GL GL

68
 În mod similar, pentru caracterizarea variabilităţii asociate sau concomitente a
două variabile se foloseşte mărimea statistică denumită covarianţă, care se obţine prin
raportarea sumei produselor abaterilor valorilor individuale ale fiecăreia dintre cele două
variabile faţă de mediile respective, la numărul gradelor de libertate cu ajutorul formulei:

SPxy Σ(x-x¯)(y-y¯)
s2xy = ------- = ---------------
GL GL

Mărimea covarianţei reprezintă intensitatea relaţiei dintre variabile. În funcţie

de sensul acestei relaţii covarianţa poate avea valori pozitive sau negative, faţă de
varianţă care poate avea doar valori pozitive.
Dacă vom raporta covarianţa la media geometrică a varianţelor celor două
variabile, se obţine o mărime relativă r care se numeşte coeficient de corelaţie.
Acesta este dat de formula:

s2xy s2xy
r = ---------- = ----------
√s2x∙ s2y sx∙ sy

Dacă vom simplifica cu GL în formula de mai sus vom obţine formula:

SPxy Σ(x-x¯)(y-y¯)
r = ------------- = ---------------------------
√SPx ∙ SPy √ Σ(x-x¯)2 ∙ Σ(y-y¯)2
Suma pătratelor abaterilor SPxy poate fi calculată mai comod cu formula :

Σx ∙ Σy
SPxy = Σxy - ----------
N
De asemenea pentru uşurarea calculelor putem înlocui SPxy SPx şi SPy cu
formulele corespunzătoare calculării SPTOTAL (asemănător exeperienţelor monofactoriale)
şi vom obţine următoarea formulă pentru coeficientul de corelaţie:
Σx ∙ Σy
Σxy - ------------
N
r = -------------------------------------
(Σx)2 (Σy)2
√(Σx2- --------)(Σy2- --------)
N N

(Σx)2

69
 Observăm că formula ---------- este formula scăzătorului de la analiza varianţei.
N

Coeficientul de corelaţie ,,r,, poate avea valori cuprinse între -1 şi +1. Valoarea
r = + 1 corespunde unei corelaţii absolute pozitive (când creşte x creşte şi y). Valoarea r =
0 exprimă absenţa oricărei legături între variabilitatea lui x şi y. Valoarea r = -1
corespunde unei corelaţii absolute negative(când creşte x scade y sau invers).
De regulă în cercetările din agricultură se întâlnesc valori intermediare.
Pentru exemplificare prezentăm o corelaţie pozitivă între conţinutul de humus
al psamosolului tipic de la S.D.E. Tâmbureşti – Dolj, nefertilizat şi producţia de iarbă de
Sudan-experienţă executată în casa de vegetaţie.(S. Iancu -1985).
Tab. 29
Nr. x = conţinut y=
crt. humus producţia x2 y2 xy
(%) g. s.u./vas
1 0,2 17,2 0,04 295,84 3,44
2 0,4 21,7 0,16 470,89 8,68
3 0.6 32,3 0,36 1043,29 19,38
4 0,8 45,8 0,64 2097,64 36,64
5 1,0 63,3 1,00 4006,89 63,30
6 1,2 78,9 1,44 6225,21 94,68
7 1,4 90,2 1,96 8136,04 126,28
8 1,6 98,5 2,56 9702,25 157,60
2 2
Σ x = 7,2 y = 447,9 x = 8,16 y = 31978,05 xy = 510

7,2 – 447,9
510 - -----------------
8 106,89 106,89
r = --------------------------------------------------------- = --------------------- = ---------- =
7,22 447,92 √1,68 ∙ 6901,249 107,676
√(8,16 - -------)(31978,05 - ------------
8 8
= 0,9927

În cazul prezentat, r = 0,9927, avem o corelaţie pozitivă deci când creşte

conţinutul în humus creşte şi producţia.

X. 3. Regresii folosite la interpretarea rezultatelor experimentale din

agricultură. Analiza regresiilor. Regresia este o funcţie matematică care exprimă
legătura dintre o variabilă independentă x şi o variabilă dependentă y , faţă de mărimea
lui x.
1- Regresia liniară simplă. Cea mai simplă legătură între două variabile este
dată de ecuaţia de gradul 1:

y = α + βx

70
 y

0 1 2 3 4 x

Fig. 2 - Regresie liniara

În prezentarea grafică de mai sus α este ordonata intersecţiei dreptei de regresie

cu axa 0y, adică valoarea y corespunzătoare la x = 0 (când y = α), iar β este panta dreptei
de regresie, adică este creşterea lui y când x se măreşte cu o unitate. Rezultă deci faptul
că graficul regresiei liniare este o dreaptă.
Valorile individuale nu se găsesc însă toate pe această linie, ci majoritatea sunt
împrăştiate (răspândite) de o parte şi de alta a ei.
Practic vom obţine o linie dreaptă faţă de care abaterile valorilor individuale
trebuie să fie minime.
Caracteristicile α şi β ale dreptei de regresie y pot fi estimate cu ajutorul
valorilor ,,b,,(coeficientul de regresie şi ,,a,,.
Calcularea coeficientului de regresie al variabilei y faţă de x (b y/x) se face prin
raportarea covarianţei datelor (s2xy) la varianţa variabilei ,,independente,, (s2x).

s2xy
by/x = --------
s2
Dacă vom simplifica acestă formulă cu numărul de GL(asemănător modelului
coeficientului de corelaţie) se va obţine coeficientul de regresie, prin raportarea sumei
produselor abaterilor celor două variabile faţă de mediile respective, la suma pătratelor
abaterilor de la medie a variabilei considerată ca independentă vom obţine:

∑x∙∑y
∑xy - ------------
SPxy ∑(x-x¯)(y-y¯) N
by/x = ------- = ------------------ = -------------------------
SPx ∑(x-x¯)2 (∑x)2
∑x2- ----------

71
 N

Regresia inversă, a variabilei x faţă de y este dată de:

SPxy
bx/y = ----------
SPxy

Calcularea mărimii ,,a,, se face cu ajutorul formulei:

a = y¯ - b ∙ x ¯
Pentru exemplificare putem folosi exemplul prezentat la subcapitolul corelaţii.

∑x∙∑y 7,2 ∙ 447,9

∑xy - ------------ 510 - --------------
N 8 106,89
by/x = --------------------- = ------------------------- = ----------- = 63,63
(∑x)2 7,22 1,68
2
∑x - ---------- 8,16 - --------
N 8

Pentru calcularea mărimii ,,a,, se află mai întâi mediile x¯ şi y¯.

∑x 7,2 ∑y 447,9
x¯ = ------ = ------ = 0,9 ; y¯ = ------ = --------- = 55,99
N 8 N 8

a = y¯ - b ∙ x¯ = 55,90 – 63,63 ∙ 0,9 = - 1,277

Deci regresia producţiei de iarbă de Sudan (g s.u. /vas) faţă de conţinutul de

humus va avea următoarea formulă:

y = a + b ∙ x deci y = -1,277 + 63,3 ∙ x

Cu ajutorul acestei formule s-ar putea prognostica producţia şi la alte
conţinuturi de humus intermediare, evitându-se astfel o interpretare prea largă.
Putem da diferite valori lui x(de la 0 la 1,6)în formula prezentată şi putem
obţine grafic dreapta care aproximează datele experimentale.
Tab. 30(S. Iancu -1985).
x 0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6
y -1,3 11,4 24,2 39,6 49,6 62,4 75,1 87,8 100,5

72
 Productia, g s.u./vas

120
110
100 100,5

90
87,8
80
75,1
70
60 62,4

50 49,6

40
36,2
30
24,2
20
11,4
10

0
-1,3

0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6

%humus
• Variabilitatea productiei de iarba de Sudan(g s.u. /vas)
• In functie de continutul de humus (%) la psamosolul tipic de la Tamburesti / Dolj (S. Iancu, 1985)

Fig. 3

2-Regresia pătratică. Deoarece regresia liniară nu aproximează în suficientă

măsură fenomenele biologice studiate şi pentru descrierea mai exactă a legăturii dintre
variabile frecvent se apelează şi la folosirea unei parabole, determinată de o funcţie de
gradul 2 de tipul:

y = a + b ∙ x + c ∙ x2

În cazul regresiei pătratice este necesar să calculăm valorile lui x, x 3, x3, x4, y,
xy, şi x2y.

Pentru exemplificare putem folosi datele experienţe asemănătoare prezentate

anterior dar cu alte valori ale producţiei de substanţă uscată
Tab. 31
x-conţinut x2 x3 x4 y= xy x2y
de producţia
humus g s.u.
%

73
 0,2 0,04 0,008 0.0016 78,6 15,72 3,144
0,4 0,16 0,064 0,0256 93,5 37,40 14,960
0.6 0,36 0,216 0,1296 110,2 66,12 39,672
0,8 0,64 0,521 0,4096 130,1 104,08 83,264
1,0 1,00 1,000 1,0000 153,4 153,40 153,400
1,2 1,44 1,728 2,0736 165,4 198,48 238,175
1,4 1,96 2,744 3,8416 172,5 241,50 338,100
1,6 2,56 4,096 6,5536 175,0 280,00 448,000
Σ x =7,2 Σx2= 8,16 Σ Σ Σy= Σ Σ
x3=10,368 x4=14,0352 1078,7 xy=1096,7 x2y
=1318,716

(Σ x)2 7,22
2
A = Σx - ------- =8,16 - ------ = 8,16 – 6,48 = 1,68
N 8

Σ x∙ Σx2 7,2 ∙ 8,16

3
B = Σx - ----------- = 10,368 - ------------- = 10,368 – 7,344 = 3,024
N 8

(Σx2)2 8,162
C = Σx4 - ----------- = 14,0352 - --------- = 14,0352 – 8,3232 = 5,712
N 8

Σ x∙ Σy 7,2 ∙1078,7
D =Σxy - ------------ = 1096,7 - --------------- = 1096,7 – 970,83 = 125,87
N 8

Σx2 ∙ Σy 8,16 ∙1078,7

2
E =Σ x y - ----------- = 1318,716 - ---------------- = 1318,716 – 1100,274 = 218,442
N 8

Coeficienţii regresiei pătratice se determină apoi cu ajutorul formulelor:

C∙D - B∙E 5,712 ∙125,87 – 3,024 ∙ 218,442 58,40084

b=-------------- = ------------------------------------------ = ------------- = 129,324
A∙ C- B2 1,68 ∙ 5,712 - 3,0242 0,451584

A∙E–B∙D 1,68 ∙218,442 - 3,024∙125,87 -13,6483

c= ------------------ = --------------------------------------- = ------------------- = - 30,223
A∙ C- B2 1,68 ∙ 5,712 - 3,0242 0,451584

74
 Σy Σx Σx2 1078,7 7,2 8,16
a = ------- - b--------- - c---------- = ---------- - 129,324-------- - (- 30,223)--------- = 49,273
N N N 8 8 8

Deci y = 49,273 + 129,324x - 30,223x2

Dacă vom da diferite valori lui x(de la 0 la 1,6) vom obţine valorile
corespunzătoare pentru y, cu ajutorul cărora vom reprezenta grafic parabola care
aproximează datele experienţei noastre.

X.4 Metode de exprimare grafică. Diferitele rezultate experimentale trebuie prezentate

într-o formă concisă, clară, accesibilă.
Se impune ca prin această prezentare să se asigure:
-concentrarea maximă a datelor experimentale, fără însă a se pierde
informaţiile esenţiale;
-evidenţierea şi formularea corectă a concluziilor mai importante şi utile;
-alegerea adecvată a metodei de prezentare grafică.
Cercetătorul după ce verifică şi prelucrează statistic datele experimentale
obţinute, le analizează, formulează concluziile cele mai importante din punct de vedere
teoretic şi practic, apoi stabileşte metoda de prezentare potrivită.
În majoritatea cazurilor, tabelele reprezintă mijlocul cel mai important de
prezentare a rezultatelor obţinute în cercetarea ştiinţifică.
În cazul experieţelor polifactoriale, cu interacţiune între factorii studiaţi, se
recomandă ca rezultatele experimentale să fie prezentate ca tabele bilaterale.
Pentru ca informaţiile furnizate de datele experimetale să fie cât mai expresiv
reliefate se obişnuieşte ca tabelele să fie însoţite de diverse reprezentări grafice, care ajută
la înţelegerea facilă a acestora.
Graficele au următoarele elemente de bază comune: titlul, scara de
reprezentare, reţeaua, figura propriu-zisă, legenda şi eventual unele note explicative.
Metoda de prezentare grafică a rezultatelor experimentale se alege în funcţie de
scopul urmărit de natura şi complexitatea datelor etc.
Frecvent, în cercetarea ştiinţifică din agricultură se utilizează următoarele tipuri
de exprimări grafice: diagrama prin coloane, diagrama prin benzi, diagrama prin figuri de
suprafaţă, diagrama de structură, diagrama de distribuţie (cu intervale egale, cu intervale
neegale, poligonul frecvenţelor), diagrama polară(radială şi sectorială), cronograma(cu
serie dinamică de momente şi cu serie dinamică de intervale), stereograma, cartograma,
cartodiagrama, grafice(prin figuri naturale şi prin figuri simbolice.
De asemenea foarte utile, sunt şi fotografiile.
CAP XI
Cercetări în casa de vegetaţie

75
 XI. 1. Metodica de cercetare în casa de vegetaţie. Aceasta prezintă
numeroase avantaje, dar şi unele aspecte negative, între care insuficienţa explicării
cauzelor rezultatelor obţinute. Această explicaţie este foarte necesară în vederea
perfecţionării tehnologiilor de cultivare a plantelor pentru sporirea cantitativă şi calitativă
a producţiei agricole.
Acest lucru ni-l oferă în mare măsură cercetăile efectuate în vase de vegetaţie,
unde factorii vieţii plantelor pot fi dirijaţi şi studiaţi individual, precum şi în
interdepedenţă.
În vasele de vegetaţie se pot cerceta o gamă foarte variată de probleme
referitoare la fertilitatea solurilor, gradul de utlizare a îngrăşămintelor, eficacitatea
diferitelor forme de îngrăşăminte, eficacitatea fertilizării faziale, stabilirea raporturilor
optime între macro şi microelemente, gradul de fixare a îngrăşămintelor în sol, necesarul
de apă al plantelor pe parcursul perioadei de vegetaţie, remanenţa erbicidelor rezistenţa la
secetă etc.
Rezultatele obţinute în urma cercetărilor efectuate în vase de vegetaţie
confirmă sau infirmă obţinute în câmpul de experienţă, ajută la o mai bună interpretare a
acestora din urmă.
XI. 2. Baza materială necesară pentru cercetările în vase de vegetaţie.
Pentru ca cercetările în vase de vegetaţie să se poată realiza în bune condiţii este necesară
următoarea bază materială:
-Casă de vegetaţie. Aceasta constă dintr_un complex de încăperi de tipul unor
sere construite din fier şi sticlă. Acest complex este împrejmuit cu gard de plasă de sârmă
şi cuprinde secţii pentru depozitarea probelor de sol, pentru cântărit şi pregătit solul care
se pune în vasele de vegetaţie, pentru păstrat probele de plante şi seminţe, o cameră de
lucru etc.
-Vagonete pentru transportat vasele de vegetaţie. Datorită faptului că vasele de
vegetaţie sunt grele, aceste vagonete sunt necesare pentru transportul acestora.
-Vase de vegetaţie. Se pot folosi mai multe tipuri de vase de vegetaţie. După
volumul lor sunt vase mici şi vase mari. După materialul din care sunt confecţionate
avem vase din tablă emailată şi vase din material plastic.
Pentru experienţele cu cereale păioase şi altele asemănătoare se folosesc vase
de vegetaţie cu înălţimea de 30 de cm şi înălţimea de 20 cm. La bază vasele au câte o
streaşină ce permite aşezarea vasului pe un colector.
Colectorul este confecţionat din tablă emailată şi pe el se aşează vasul de
vegetaţie şi are rolul de a colecta apa care se scurge din vasul de vegetaţie.
Fiecare vas de vegetaţie este numerotat pentru a putea fi identificat.
Pentru experienţele cu plante prăşitoare de talie mare se folosesc vase de
vegetaţie cu înălţimea de 50 cm şi diametrul de 30 cm.
-Cântare. Pentru cântărirea vaselor de vegetaţie sunt necesare cântare purtate
pe vagoneţi cu roţi sau cântare fixe.
-Alte materiale. Acestea sunt de regulă termometre, rigle, saci, pungi de hârtie,
rafturi etc.
XI. 3. –Semănatul, îngrijirea şi recoltarea plantelor din vasele de vegetaţie.
Pentru semănatul în vasele de vegetaţie se foloseşte sămânţă valoroasă şi tratată
împotriva bolilor şi dăunătoilor. Pentru o repartizare şi o adâncime uniformă a
seminţelor, se foloseşte un disc al cărui diametru corespunde cu cel al vasului şi care are
25 de cuie de lemn groase de 0.5 cm şi lungi de 1,5 cm.

76
 Prin apăsare pe suprafaţa solului, discul lasă 25 de orificii în care se pun câte 2
seminţe apoi se acoperă cu sol din vasele respective.
După semănat, vasele se acoperă cu colectorul pentru a se păstra umiditatea.
După răsărire, vasele se descoperă, se lasă prin rărire un număr egal de plante
în fiecare vas şi se udă zilnic pentru a se menţine solul la 50-55% din capacitatea pentru
apă, iar la creşterea intensă la 70% şi chiar la capacitatea totală pentru apă. Excesul de
apă care trece în colector se foloseşte pentru udarea în continuare a vasului respectiv. În
zilele călduroase şi însorite pot fi necesare două udări zilnice.
Când plantele sunt mici este necesar ca udarea să se facă cu atenţie deosebită,
deoarece plantele sunt sensibile şi pot fi uşor vătămate sau dezrădăcinate.
Apa de udat nu trebuie să conţină elemente nutritive. În experienţele cu
îngrăşăminte chimice şi de mare precizie se recomandă să se folosească apă distilată.
Întrucât nu se pot asigura condiţii uniforme pentru toate vasele, este indicat ca
acestea să fie mutate periodic atât în lungul şirului cât şi în lateral.
În timpul perioadei de vegetaţie în vase se vor face observaţii şi determinări
asupra plantelor cum ar fi de exemplu: înălţime plantelor, gradul de îmburuienare sau de
înfrăţire la cerealele păioase, procentul de plante atacate de boli şi dăunători etc.
Pe tot parcursul perioadei de vegetaţie a plantelor se va acorda o atenţie
deosebită aplicării lucrărilor de îngrijire cum ar fi: plivitul, tratamentele cu pesticide, şi
mai ales udatul la timp.
XI. 4.- Recoltarea plantelor din vasele de vegetaţie. Recoltarea plantelor se
poate face fie în fenofaza de dezvoltare vegetativă maximă (înflorit-începutul formării
boabelor), fie la maturitatea deplină.
Recoltarea în perioada de vegetaţie oferă posibilitatea ca rezultatele
experimentale să se exprime fie sub formă de masă vegetală proaspătă, fie sub formă de
subtanţă complet uscată.
Recoltarea la maturitatea fiziologică constă în recoltarea şi după aceea a
tulpinilor, sau se recoltează plantele integral şi după aceea se separă boabele. Recoltarea
se face prin tăierea de la suprafaţa solului a plantelor, după care se leagă în mănunchiuri
pentru fiecare vas, se etichetează şi se cântăresc în stare proaspătă şi după aceea se usucă
la etuvă, exprimându-se rezultatele cantitativ în substanţă complet uscată.
Recolta de boabe se cântăreşte separat pentru fiecare variantă şi repetiţie.
Seminţele se pun în cutii de carton sau pungi de hârtie numerotate şi etichetate.
Dacă tematica de cercetare o cere se pot separa şi rădăcinile care vor fi spălate
apoi uscate şi cântărite.
Datele obţinute la experienţele în vase de vegetaţie se valorifică şi se
interpretează ca şi în cazul experienţelor de câmp, prin analiza varianţei cu ajutorul erorii
diferenţelor (proba t) sau erorii mediilor(testul Duncan).

CAP XII
Lucrări, observaţii şi determinări efectuate în câmpul
de experienţă.

77
 XII. 1. Lucrările solului. În câmpul de experienţă se execută o gamă variată
de lucrări, care depind de natura temei de cercetare şi de baza materială a unităţii de
cercetare.
Se va acorda o atenţie maximă tuturor lucrărilor, deoarece orice abatere de la
principiile de bază ale tehnicii experimentale poate afecta rezultatele experimentale.
După operaţia de pichetare se vor aplica lucrările solului. Principalele lucrări
ale solului sunt: arătura, lucrări cu grapa cu discuri şi combinatorul pentru pregătirea
patului germinativ. Dacă avem culturi cu seminţe mici sau solul este uscat vom executa şi
tăvălugitul.
Lucrările solului se vor executa în funcţie de natura temei de cercetare. Astfel
în experienţele cu specii cu înrădăcinare superficială(de exemplu cereale păioase) vom
executa o arătură de 18 - 20 cm care să încorporeze bine îngrăşămintele care s_au aplicat
variantelor. La alte specii mai pretenţioase la adâncimea arăturii(cartof, sfeclă de zahăr,
diferite specii legumicole) adâncimea arăturii va fi de cel puţin 30 de cm. Dacă tema de
cercetare vizează eficacitatea adâncimii arăturilor, nu se vor mai scoate picheţii şi se
execută arătura la adâncimea cerută de fiecare variantă.
Deoarece o parte din îngrăşăminte se administrează după arătură vom executa
repichetarea, şi vom administra îngrăşămintele conform variantelor. Pentru a le incorpora
trebuie să scoatem picheţii şi să lucrăm solul cu grapa cu discuri iar apoi să repichetăm.
Prin lucrările solului se va urmări să se realizeze un teren uniform, bine nivelat,
fără coame au şanţuri.
XII. 2. Semănatul şi lucrările de îngrijire. Pentru semănatul în câmpul de
eperienţă s e folosesc maşini de semănat specifice culturilor din experienţa respectivă
cum ar fi modelele SUP 29 pentru păioase şi alte specii care se seamănă în rânduri
dese(mazăre de ex.). Pentru culturile prăşitoare se foloseşte modelul SPC de preferat cu 4
secţii. Reglajul maşinior de semănat este deosebit de important pentru uniformitatea
semănatului.
Cantitatea de sămânţă care se foloeşte la semănat se stabileşte în funcţie de
desimea de semănat, masa a 1000 de boabe, puritatea seminţei şi energia de germinaţie.

Suprafaţa variantei (m2) x norma obişnuită

a = --------------------------------------------------------
10000 m2
La experienţele executate cu îngrăşăminte sau cu diferite metode de cultură,
semănatul se va face în toate variantele cu aceeaşi cantitate de sămânţă.
În cazul experienţelor cu densităţi (acelaşi cultivar) cantitatea de sămânţă va fi
variabilă.
De multe ori, mai ales la experienţele cu plante prăşitoare, unde avem densităţi
diferite de experimentat, semănatul se execută manual. În aceste cazuri rândurile se vor
marca manual cu sfori sau sârme însemnate cu distanţele pe rând la care se distribuie
seminţele.
La parcele experiementale mai mari se poate folosi foarte bine semănătoarea
SPC cu 4 secţii după care se poate executa răritul (dacă este cazul) la densităţile cerute de
experienţa respectivă.

78
 La experienţele cu îngrăşăminte chimice, cantitatea de îngrăşăminte se va
calcula matematic pentru fiecare substanţă activă prevăzută în experienţă.
Doza de îngrăşământ care se aplică la o parcelă experimentală se calculează cu
formula:

bxc
a = ------------ în care :
100 x d

a-doza de îngrăşământ.
b-doza de substanţă activă
c-suprafaţa parcelei
d-cantitatea în substanţă activă a îngrăşământului, în procente.

Pentru aplicarea corectă a îngrăşămintelor chimice în experienţă, se înconjoară

cu sfoară fiecare variantă căreia i se administrează îngrăşăminte, pentru a nu se depăşi
marginile iar îngrăşămintele să cadă pe varianta vecină. Se pot folosi foarte bine şi cărări
ce pot delimita atât variantele cât şi repetiţiile. Acestea se pot executa cu sapa pe rânduri
marcate cu sfoara.
Lucrările de îngrijire se execută cu cea mai mare atenţie şi la momentul stabilit
prin planul tematic de cercetare.
La experienţele de protecţie a plantelor sau combatere a buruienilor prin
erbicide, tratamentele se vor executa în zile fără vânt cu vermorelul şi cu foarte mare
atenţie pentru ca produsele să nu depăşească cadrul parcelei respective şi să ajungă pe
varianta alăturată.
La experienţele cu plante prăşitoare se va evita pe cât posibil să nu se taie
plantele în timpul prăşitului şi să apară goluri.
Recoltatul se execută aproape la toate culturile la maturitatea deplină şi de
regulă se face manual. Când avem parcele mai mari sau în cazul loturilor demonstrative
se pot folosi combine de mici dimensiuni. În ambele situaţii vom face tot posibilul să
avem pierderi cât mai mici.
XII. 3. -Observaţii şi determinări în câmpul de experienţă la speciile
păioase(şi alte specii semănate în rânduri dese) şi prăşitoare. În câmpul de experienţă
se fac observaţii şi determinări privind data răsăririi plantelor, completarea golurilor,
desimea plantelor, gradul de înfrăţire, înălţimea plantelor, gradul de îmburuienare,
dinamica formării inflorescenţelor etc.
Experienţe cu plante păioase:
- Desimea plantelor – reprezintă numărul plantelor la m 2. Se face o dată toamna şi o
dată primăvara, cu ajutorul ramei pătrate cu latura de 1 m. Aceasta se aşează în
mijlocul variantei într-un loc reprezentativ pentru întreaga parcelă experimentală,
aproximativ în mijlocul variantei, apoi se numără plantele. Operaţia se repetă în toate
blocurile (repetiţiile) şi se face media aritmetică pentru fiecare variantă în parte.
- Gradul de înfrăţire. Din suprafaţa recoltabilă se smulg câte 10 plante din fiecare
variantă şi se numără fraţii, exceptând planta mamă. Se execută apoi media
aritmetică ţinând cont câte plante au fost fără fraţi, câte cu unul, câte cu doi etc.
Se execută atât toamna cât şi primăvara.

79
- Înălţimea plantelor. Se execută primăvara la intervale de cca. 15 zile. Se măsoară cu
o riglă înălţimea la câte 10 plante din fiecare variantă şi repetiţie. Apoi se execută
media aritmetică. Se exprimă în centimetri. Plantele alese pentru măsurat trebuie să
fie pe cât posibil reprezentatitive pentru parcela experimentală respectivă. Se
măsoară practic tulpina inclusiv frunza cea mai lungă. Rezultă o măsurătoare
biometrică în dinamică.
- Gradul de îmburuienare. Se face numeric(nr. de burieni/m 2) gravimetric, în stare
proaspătă şi uscată(grame/m2), eventual pe specii de buruieni.
Ambele sunt determinări cantitative ce se fac cu ajutorul ramei metrice cu latura
de
1 m , pe fiecare variantă şi repetiţie.
Această determinare se face înainte de recoltare.
Când plantele au ajuns la maturitatea fiziologică se fac următoarele determinări:
- Numărul de spice pe m2 . Se determină cu ajutorul ramei metrice, în fiecare variantă
şi repetiţie, numărând spicele din interioriul ramei metrice, care se recomandă să aibă
numai trei laturi, pentru a pătrunde uşor în lan.
- Numărul de boabe în spic. Se iau 10 spice (mici, mijlocii şi mari) din suprafaţa
recoltabilă şi se numără boabele din fiecare spic, în toate variantele şi repetiţiile. Se
face media pe variante.
- Numărul de plante bolnave/atacate de dăunători. Se execută obligatoriu în
experienţele de protecţie, sau in cele cu soiuri în care urmărim rezistenţa/toleranţa
acestora la agenţi patogeni sau/şi dăunători.
Experienţe cu plante prăşitoare.
La experienţele cu plante prăşitoare de ex. porumbul se fac următoarele
determinări:
- Înălţimea plantelor. Se fac 3-5 determinări, în dinamică, în timpul perioadei de
vegetaţie, la intervale de 15-20 zile, cu ajutorul unei rigle gradate de 3 m lungime. Pe
rândul din mijloc(acelaşi de fiecare dată) se lasă nemăsurate primele 3 plante şi
măsoară înălţimea la următoarele 10 plante luate la rând, până la nivelul ultimei
frunze bine întinse.
Se face apoi media pe repetiţii, apoi media pe variante. Rezultatele se exprimă în
cm.
Dacă rândul din mijloc nu este reprezentativ pentru parcela respectivă se alege alt
rând.
- Gradul de îmburuienare se face numeric (nr. buruieni/m2) şi gravimetric, atât în stare
proaspătă cât şi uscată (kg/m2), eventual pe specii de buruieni.
Determinările se fac înaintea praşilelor, cu ajutorul ramei metrice, pe fiecare
variantă, în toate repetiţiile, mai ales la experienţele de combatere a buruienilor prin
erbicidare.
- Dinamica formării inflorescecenţelor . Pe rândul din mijloc (dacă este reprezentativ)
se determină mai întâi numărul total de plante. Apoi, prin două, trei determinări, se
numără toate plantele cu panicul şi separat cele la care au apărut stigmatele(mătasea)
pe rândul respectiv. Operaţia se execută identic la toate variantele şi repetiţiile.

CAP XIII.
Experienţe în domeniul horticol
80
 XIII. 1. Experienţe în pomicultură. Datorită importanţei în alimentaţie a
fructelor obţinute prin cultivarea pomilor, se acordă o atenţie deosebită extinderii
cercetărilor şi în domeniul pomiculturii.
Sunt multe probleme care îşi aşteaptă rezolvarea prim cercetare ştiinţifică, cum
ar fi:
- zonarea celor mai bune specii şi soiuri de pomi în funcţie de condiţiile de climă şi
sol;
- ameliorarea tehnologiilor de cultură(lucrări de pregătire a solului, de îngrijire a
plantaţiilor, fertilizare, irigare etc.);
- obţinerea materialului săditor, lucrări specifice pepinierelor pomicole;
- identificarea celor mai buni portaltoi pentru fiecare specie, soi şi zonă pomicolă;
- testarea celor mai bune insecto-fungicide, substanţe stimulatoare, de creştere la
înrădăcinarea pomilor etc.
La amplasarea experienţelor în câmp este necesar să se acorde o atenţie
deosebită alegerii terenului, deoarece experienţele cu pomi fiind staţionare, terenul nu se
poate schimba de la un an la altul.
La alegerea terenului se fac în prealabil studii pedologice, analize agrochimice,
acordă o atenţie deosebită nivelului apei freatice.
Cerinţele în privinţa uniformităţii terenului sunt: mai mari la pomii cu talie
înaltă, plantaţi la distanţe mari, şi mai mici la arbuştii fructiferi şi culturile de căpşuni.
La experienţele din pomicultură se deosebesc următoarele particularităţi:
1- Blocurile să fie cât mai mici şi mai compacte. Forma parcelei şi a experienţei în
ansamblu să fie pătrată.
2- Se recomandă parcele lungi şi înguste ca şi la experienţele cu plante de câmp.
3- Parcelele experimentale trebuie să fie suficient de mari pentru a rămâne pomi
suficienţi, chiar la eventualele pierderi inevitabile la anumite specii în pomicultură.
Se recomandă să fie 6 – 8 pomi recoltabili/parcelă la prun şi cireş, 4-5 la măr, păr şi
gutui.
4- Mărimea parcelelor experimentale depinde şi de metoda de aşezare a experienţelor.
Metodele de aşezare a experienţelor în pomicultră sunt blocurile randomizate,
pătratul latin şi parcelele subdivizate. Metoda cea mai utilizată este pătratul latin mai ales
în situaţiile în care diferite influenţe creează mari neuniformităţi în parcele.
Randomizarea variantelor este obligatorie, mai ales că datorită ei se micşorează
eroarea sistematică determinată de neuniformitatea solului, destul de frecvent întâlnită în
plantaţiile pomicole.
La executarea experienţelor pomicole este necesar să se ţină seama de
particularităţile pe care le au pomii în comparaţie cu plantele de câmp. Astfel la pomii cu
o durată mai mare a vieţii au un habitus mai mare, observaţiile şi determinările se fac pe
fiecare pom separat.
Materialul săditor s e alege cu foarte mare grijă. Pomii aleşi trebuie să fie
uniform dezvoltaţi, să prezinte ramuri uniforme şi un sistem radicular cât mai
asemănător. Se are în vedere că unii pomi tineri, pot avea boli incipiente, care pe măsură
ce vor avansa, pot produce goluri în experienţă .

81
 Plantarea pomilor se face după tehnologia specifică soiurilor sau cerinţelor
prevăzute în planul tematic de cercetare(aplicarea tratamentelor variantelor, efectuarea
observaţiilor şi determinărilor la pomi etc.).
Observaţiile şi determinările în timpul perioadei de vegetaţie pentru plantaţiile
pomicole sunt: rezistenţa la ger, data înfloritului, dimensiunile coroanei, grosimea
trunchiului, creşterea lăstarilor, rezistenţa la boli şi dăunători, fructe căzute înainte de
recoltare, data maturităţii şi rezultatele de producţie interpretate statistic.
La recoltare se va ţine seama de influenţa factorilor deformatori ai producţiei
(infiuenţa drumurilor, a marginilor, a vecinilor). Se fac eliminările respective la margini
şi frontal care constau în separarea pomilor de la capete de rânduri şi pomii dintre
variante.
Producţia de fructe din fiecare variantă se cântăreşte, inclusiv cele căzute
înainte de recoltare. Se exprimă în kg/pom.
Se fac aprecieri asupra fructelor(culoare, dimensiuni, formă, greutate
individuală, atac de boli şi dăunători etc.). se determină procentual fructele mari, mijlocii
şi mici/pom. Durata medie a unei experienţe este de trei ani normali din punct de vedere
climatic. Experienţele de ameliorare durează 5 ani.
XIII. 2. Experienţe în viticultură. Obiectivele urmărite prin cercetarea în
domeniul viticulturii pot fi:
- crearea de soiuri valoroase de struguri de masă sau pentru vin prin identificarea şi
alegerea celor mai bune clone dotate cu o capacitate de producţie superioară
cantitativ şi calitativ, adaptate la variatele condiţii de climă şi sol, relief, expoziţie şi
amenajări în terase;
- se stabilesc tehnologii privind cultura viţei de vie, măsuri agrofitotehnice, fertilizare,
irigare etc.;
- se studiază metodele de tăiere în uscat şi operaţii în verde care să conducă la
obţinerea unor producţii mari şi constante;
- aplicarea unor tratamente împotriva bolilor şi dăunătorilor precum şi combaterea
buruienilor.
Alegerea terenului pentru amplasarea experienţelor este dificilă deoarece
plantaţiile viticole sunt pe pante cu relief frământat. Se fac analize la sol şi se respectă
toate criteriile prevăzute la experienţele cu plante de câmp.
Pentru experienţele în pepinieră se aleg terenuri cât mai plane şi cu sol uniform
ca fertilitate.
Experienţele în viticultură se aşează după metoda dreptunghiului latin cu
parcelele dreptunghiulare sau pătratul latin. Mărimea parcelei experimentale trebuie să fie
de 25 – 30 butuci la experienţele cu soiuri şi clone, iar pentru experienţele cu
îngrăşăminte şi tratamente fitosanitare 70 butuci ; diferenţa o constituie eliminările
frontale şi laterale.
În timpul experimentării se fac observaţii şi determinări la butucii viţei de vie
cum ar fi:
- ritmul de pornire în vegetaţie primăvara;
- starea culturii de două ori – primăvara la trei săptămâni după pornirea în vegetaţie şi
apoi la înflorit;
- data înfloritului, eventual dinamica înfloriitului;
- rezistenţa la ger şi la iernare;
- rezistenţa la boli şi dăunători.

82
 Recoltarea se face la maturitatea tehnică fiecărui soi. Se fac în prealabil
eliminările frontale şi laterale. La experienţele cu soiuri şi clone nu se fac eliminări
întrucât distanţele între rânduri sunt mari şi nu se observă influenţa vecinilor.
La recoltare se cântăreşte producţia de struguri de la fiecare butuc şi se
determină extractul şi aciditatea, după care se determină calitatea vinului.
Durata experienţelor cu îngrăşăminte, metode culturale şi tratamente
fitosanitare este de obicei de trei ani, iar a celor cu soiuri şi clone este de 5-6 ani normali
din punct de vedere climatic.
XIII. 3. Experienţe în legumicultură. Cercetarea în domeniul legumicol are
următoarele obiective:
- cunoaşterea celor mai valoroase specii, soiuri şi hibrizi, adaptate diferitelor condiţii
de climă şi sol;
- indicarea dozelor optime de îngrăşăminte chimice şi organice;
- se fac cercetări atât la legumele din câmp cât şi la cele din sere şi solarii;
- cercetări în domeniul metodelor de semănat, plantat, lucrări de îngrijire a culturilor
etc.;
- metode mecanizare a lucrărilor specifice legumiculurii;
- folosirea celor mai eficiente insecticide, fungicide şi erbicide etc.

O atenţie deosebită trebuie să se acorde alegerii terenului pentru amplasarea

experienţelor. Acesta trebuie să îndeplinească aceleaşi condiţii ca şi pentru experienţele
cu plante de câmp.
Metodele de aşezare ale experienţelor indicate sunt dreptunghiul latin şi
pătratul. Se poate folosi foarte bine şi blocul randomizat, dacă diferenţele aşteptate pot fi
mai mari. Mărimea parcelelor oscilează între 20-30 m2, uneori poate fi mai mică.
Obsevaţiile şi determinările în timpul perioadei de vegetaţie constau în
următoarele:
- data răsăritului;
- data înfloritului;
- data începutului şi apariţiei fructelor;
- data maturităţii fructelor;
- înălţimea plantelor, grosimea tulpinilor la mai multe intervale de timp;
- rezistenţa la ger(de ex. spanac şi salată etc.) la boli şi dăunăori;
- rezistenţa la secetă şi stabilirea momentului optim de udare.
Starea culturii se apreciază de mai multe ori( obligatoriu la 3 săptămâni după
răsărire sau plantare, la înflorit şi înainte de recoltare.
Recoltarea începe cu eliminarea influenţelor frontale şi marginale. Se face la
unele specii la maturitatea fiziologică iar la altele la maturitatea de consum. În afară de
stabilirea prin cântărire a producţiei pe variante şi repetiţii se mai determină calitatea
producţiei în câmp şi laborator ( culoare, % de substanţă uscată, formă, rezistenţă la
transport şi păstrare etc.).

83
Varianta Repetiţia ΣV
1 2 3
1- Titus- Martor 19,5 20,0 18,5 58,0
2- Joker F1 22,4 18,8 21,6 62,8 EXEMPLE
3- Tornado F1 19,8 21,0 20,7 61,5 DIVERSE:
4- Ananas F1 14,3 13,8 15,6 43,7
5- Yellow Canari 20,3 19,0 19,4 58,7 -Modalităţi de
ΣR 96,3 92,6 95,8 Σ x = 284,7 calcul;
-Metode de aşezare
-Prezentări grafice de rezultate experimentale

I - Exemplu de interpretare statistică, prin analiza varianţei, a rezultatelor unei

experienţe cu 5 soiuri şi hibrizi de pepeni galbeni testaţi în anul 2003.
Experienţa a fost aşezată în blocuri randomizate - 5 variante/3 repetiţii
Tab. 32

Etapa 1 – calcularea valorii (Σ x)2 şi a valorii Σx2

(Σ x)2 = 284,7 2 = 81054,09

Σx2 = 19,5 2 + 20,0 2 + ...... + 19,4 2 = 5493,7

Etapa 2 – calcularea valorii scăzătorului.

(Σ x)2 81054,09
Scăzător = --------- = ------------- = 5403,60
N 15

Etapa 3 – calcularea sumelor pătratelor: totale SPT, corespunzătoare blocurilor sau

repetiţiilor SPR(B), variantelor SPV şi erorii SPE cu ajutorul sumelor ΣR şi din ΣV din tabel
şi cu ajutorul valorii Σx2 de la etapa 1 şi valorii scăzătorului de la etapa a 2-a.

(Σ x)2
SPT = Σ x2 - ---------- = 5493,7 - 5403,60 = 90,1
N

Σ R2 (Σ x)2 96,3 2 + 92,6 2 + 95,8 2

SPR(B) = ---------- - ----------- = ----------------------------- - 5403,60 = 1,62
v N 5

84
 Σ V2 (Σ x)2 58,0 2 + 62,8 2 + 61,5 2 + 43,7 2 + 58,7 2
SPV = --------- - ----------- = ------------------------------------------------ - 5403,60 = 78,23
R N 3

SPE = SPT – (SPR + SPV) = 90,1 – (1,62 + 78,23) = 10,25

Etapa 4 – calcularea valorilor gradelor de libertate (GL) cu ajutorul formulelor:

GLT = N – 1 = v ∙ n – 1 = 15 – 1 = 5 ∙ 3 – 1 = 14

GLR = n – 1 = 3 – 1 = 2

GLV = v – 1 = 5 – 1 = 4

GLE = (n – 1)(v – 1) = 2 ∙ 4 = 8

Etapa 5 Alcătuirea tabelului de analiză a varianţei şi compararea valorii F

obţinută de noi cu valoarea F din tabelul anexă 2 corespunzătoare valorilor noastre ale
GL pentru s²E şi GL pentru s²V.
Tab. 33

Proba F=
s²
Cauza variabilităţii SP GL s²V / s²E
(SP/GL)

TOTALĂ 90,1 14
Repetiţii 1,62 2
Variante 19,55 / 1,28 = =
78,23 4 19,55
15,27
Eroare 10,25 8 1,28

Proba F (15,27) ne indică faptul că există diferenţe reale semnificative între

variantele experimentate, deoarece după consultarea tabelului anexă 2 la 8 GL pentru s²E
şi 4 GL pentru s²V avem valoarea 3,84.

Etapa 6 Calcularea erorii diferenţelor (Sd-) folosind varianţa erorii(sE 2).

2 ∙ sE 2 2 ∙ 1,28
-
Sd = √ ----------- = √ ------------- = 0,92
n 3

85
Etapa 7 Determinarea gradului de semnificaţie. Pentru determinarea gradului de
semnificaţie vom folosi metoda diferenţelor limită. Această metodă este ceva mai uşor de
aplicat decât metoda deteminării gradului de semnificaţie prin calcularea valorilor t
(proba t). În acest caz vom folosi valorile t care au probabilitatea P-5%, P-1% şi P-0,1%
de a fi depăşite datorită fluctuaţiei întâmplătoare valori ce au fost calculate de Fisher
acestea fiind prezentate în tabelul anexă 3.
În cazul nostru vom căuta în tabelul anexă 3 valorile t corespunzătoare 8 GL ale
erorii pentru P-5%, P-1% şi P-0,1% pe care le vom înmulţi cu valoarea S d- adică 1,28
după cum urmează:

DL 5% = 2,31 x 0,92 = 2,12

DL 1% = 3,36 x 0,92 = 3,09
DL 0,1% = 5,04 x 0,92 = 4,63

Putem prezenta diferenţele obţinute cu ajutorul unui tabel după modelul de mai
jos. După aceea vom interpreta şi cauzele pe care le considerăm noi că stau la baza
acestor diferenţe.

Tab. 34
Producţia Diferenţa
Prod.
Varianta t/ha(sau alt faţă de
Relativă Semnificaţia
factor martor
(%)
studiat) (t/ha)
Joker F1 20,9 107,73 1,5
Tornado F1 20,5 105,67 1,1
Yellow Canary 19,6 101,03 0,2
Titus Martor 19,4 100,00 -
Ananas F1 14,6 75,25 -4,8 000

Rezultatele experienţei noastre arată cu certitudine faptul că hibridul Ananas F1 s-

a dovedit foarte distinct semnificativ inferior martorului.
Între martor şi celelalte variante experimentate diferenţele obţinute, sunt între
limitele erorii experimentale şi nu putem afirma că aceste diferenţe sunt reale.

86
 Dacă dorim să cunoaştem semnificaţia diferenţelor între oricare dintre variantele
experimentate vom folosi metoda comparaţiilor multiple – testul Duncan prin calcularea
erorii mediilor Sx- o valoare de √ 2 mai mică decât eroarea diferenţelor Sd-.

SE 2 1,28
-
Sx = √ -------- = √ ----------- = 0,65
n 3

Calcularea diferenţelor semnificative teoretice pentru compararea variantelor

aflate la diferite intervale de clasificare se face înmulţind eroarea mediilor S x- cu valorile
q din tabelul anexă 4.
Valorile q se găsesc în tabelul anexă 4 la întretăierea rândului corespunzător la numărul
de GL ale erorii – în cazul nostru 8 cu coloana corespunzătoare numărului de variante
cuprinse între limitele comparaţiei. Astfel, pentru compararea variantelor vecine în
clasificare, valoarea q se caută în prima coloană (n=2) la numărul nostru corespunzător
de GL al erorii – în cazul nostru 8 vom avea 3,26. Pentru compararea variantelor aflate în
clasificare pe locurile 1 şi 3, 2 şi 4, 3 şi 5 etc. se folosesc valorile din coloana a doua (n =
3) deci 3,40, pentru compararea variantelor aflate pe locurile 1 şi 4, 2 şi 5, se folosec
valorile din coloana a treia (n = 4) deci vom avea 3,48 şi în sfârşit pentru compararea
variantelor aflate pe locul 1 şi 5 vom avea valorile din coloana a patra (n=5) în exemplul
nostru 3,52.
Vom înmulţi valorile q găsite în tabelul anexă 4 cu eroarea mediilor Sx- după cum
urmează:

DS 5% - n2 = 0,65 x 3,26 = 2,11

- n3 = 0,65 x 3,40 = 2,21
- n4 = 0,65 x 3,48 = 2,26
- n5 = 0,65 x 3,52 = 2,28

Pentru efectuarea tuturor comparaţiilor posibile în experienţa noastră folosim ca

model tabelul de mai jos.
Tab. 35
Diferenţa faţă de varianta de pe locul
Prod.
Clas. Varianta V IV III II
T/ha
n5 n4 n3 n2
I 6,3* 1,5 1,3 0,4
Joker F1 20,9
(2,28) (2,26) (2,21) (2,11)
II 5,9* 1,1 0,9
Tornado F1 20,5 -
(2,26) (2,21) (2,11)
III Yellow 5,0* 0,2
19,6 - -
Canary (2,21) (2,11)
IV 4,8*
Titus 19,4 - - -
(2,11)

87
V
Ananas F1 14,6 - - - -

Pentru uşurarea prezentării rezultatelor vom nota cu aceeaşi literă (de ex. ,,a’’în
cazul nostru) variantele între care nu există diferenţe şi cu altă literă (de ex. ,,b’’) varianta
sau variantele între care există diferenţe semnificative, în cazul nostru hibridul Ananas
F1.

Tab. 36

Prod.
Clas. Varianta Semnificaţia
T/ha
I Joker F1 20,9 A
II Tornado F1 20,5 A
III Yellow Canary 19,6 A
IV Titus 19,4 A
V Ananas F1 14,6 B

Din analiza comparaţiilor tuturor variantelor experimentate, putem afirma cu

certitudine că în experienţa noastră hibridul Ananas F1 s-a dovedit inferior tuturor
celorlalte cultivare experimentate.
În cazul experienţelor cu soiuri/hibrizi este foarte indicat să se folosească metoda
comparaţiilor multiple – Testul Duncan, deoarece ne permite compararea tuturor
variantelor între ele, în funcţie de depărtarea lor între mediile comparate.
Diferenţele limită(DL 5%, 1%, 0,1%) ne permit numai compararea variantelor faţă
de o anumită variantă (varianta martor) sau faţă de media variantelor experimentate.
II - Exemplu de interpretare statistică, prin analiza varianţei, a rezultatelor unei
experienţe de Pro la pepenele galben cu 8 variante(7 produse fungicide + 1 martor
netratat) unde au fost utilizate valori procentuale.
Experienţa a avut drept scop testarea eficacităţii produselor respective în
combaterea manei cucurbitaceelor prin exprimarea valorilor gradului de atac al
patogenului la variantele tratate comparativ cu martorul netratat.
Analiza varianţei se execută asemănător experienţelor unde avem valori
cantitative (producţia obţinută) dar este necesar să executăm o transformare a valorilor
noastre exprimate în procente cu ajutorul transformării arc sin √procent conform tabelului
anexă 5 şi apoi să executăm analiza varianţei.
La sfârşit vom interpreta rezultatele cu valorile retransformate în procente
folosind acelaşi tabel anexă 5
Tab. 37
Repetiţia
Varianta
1 2 3
1- Martor netratat 29,1 % 20,0 % 15,9 %
2- Manoxin Total 60 P U – 0,25 % 4,8 % 3,1 % 4,7 %
3- Exp. 11047 A – 0,20 % 3,4 % 2,5 % 1,7 %
4- Kif W.D.G. – 0,15 % 2,9 % 2,2 % 1,8 %

88
 5- Electis 75 WG – 0,20 % 3,2 % 2,7 % 1,8 %
6- Quadris – 0,08 % 3,4 % 3,6 % 4,4 %
7- Bravo 500 SC – 0,20 % 4,5 % 3,9 % 2,2 %
8- Melody Duo 66,8 WP – 0,30% 4,7 % 4,9 % 5,0 %

Transf. arc sin √procent conform tabelului anexă 5

Tab. 38
Repetiţia
Varianta ΣV
1 2 3
1-Martor 32,58 26,56 23,58 82,72
2 12,92 9.98 12,92 35,82
3 9,98 9,98 8,13 28,09
4 9,98 8,13 8,13 26,24
5 9,98 9,98 8,13 28,09
6 9,98 11,54 11,54 33,06
7 12,92 11,54 8,13 32,59
8 12,92 12,92 12,92 38,76
ΣR 111, 26 100,63 93,48 305,87

(Σ x)2 = 305,372 = 93250,83

Σ x2 = 32,58 2 + 26,56 2 + 23, 58 2 + 12,92 2 +.... +12,92 2 = 4751,60

(Σ x)2 93250,83
Scăzător = --------- = -------------- = 3885,45
N 24

(Σ x)2
2
SPT = Σ x - ---------- = 4751,60 - 3885,45 = 866,15
N

ΣR (Σ x)2 111, 26 2 + 100,63 2 + 93,48 2

SPR(B) = ---------- - ----------- = --------------------------------------- - 3885,45 = 20,01
v N 8

ΣV (Σ x)2 82,72 2 + 35,82 2 +......+ 38,762

SPV = ---------- - ----------- = ----------------------------------------- - 3885,45 = 797,75
R N

SPE = SPT – (SPR + SPV) = 866,15 – (20,01 + 797,75) = 48,3

89
GLT = N – 1 = v ∙ n – 1 = 8 ∙ 3 – 1 = 23

GLR = n – 1 = 3 – 1 = 2

GLV = v – 1 = 8 – 1 = 7

GLE = (n – 1)(v – 1) = 2 ∙ 7 = 14

Tab. 40
Proba F=
s² s²V / s²E
Cauza variabilităţii SP GL
(SP/GL)

TOTALĂ 866,15 23
Repetiţii 20,01 2
Variante 113,96 / 3,45=
797,75 7 113,96
33,03
Eroare 48,3 14 3,45

Proba F (33, 03) ne indică faptul că există diferenţe reale semnificative între
variante, după consultarea tabelului anexă 2 unde la 14 GL pentru s²E şi 7 GL pentru s²V
avem valoarea 2,76.

Vom calcula diferenţele limită pentru GA %, după care vom executa

retransformarea arc sin √procent,(folsind acelaşi tabel anexă 5), pentru stabilirea
semnificaţiei.

2 ∙ sE 2 2 ∙ 3,45
-
Sd = √ ----------- = √-------------- = 1,51
n 3

Sd- = 1,51
DL 5 % = 1,51 x 2,15 = 3,24 = 0,3%- *
DL 1 % = 1,51 x 2,98 = 4,50 = 0,6%- **
Tab. 41
Nr Dif. faţă de martor
Produsul G.A% Eficacitatea %
crt. (%)
1 Martor netratat 21,66 - -
2 Melody Duo 66,8 WP – 0,30% 4,86 16,80** 77,6
3 Manoxin Total 60 P U – 0,25 % 4,20 17,46** 80,6
4 Quadris – 0,08 % 3,80 17,86** 82,5
5 Bravo 500 SC – 0,20 % 3,53 18,13** 83,7

90
6 Electis 75 WG – 0,20 % 2,56 19,10** 88,2
7 Exp. 11047 A – 0,20 % 2,53 19,13** 88,3
8 Kif W.D.G. – 0,15 % 2,30 19,36** 89,4

Din analiza rezultatelor experimentale observăm că toate variantele tratate cu

produsele fungicide respective s-au dovedit distinct semnificativ eficace faţă de varianta
martor netratată în ceea ce priveşte gradul de atac (G.A%), al manei cucurbitaceelor.
Dacă ni se cere să comparăm eficacitatea produselor între ele, putem apela şi la
metoda comparaţiilor multiple (testul Duncan).
Procedăm asemănător exemplului prezentat, în toate cazurile când suntem nevoiţi
să lucrăm cu valori procentuale cum ar fi experienţele de combatere a buruienilor prin
erbicide, de combatere a insectelor şi acarienilor unde trebuie să determinăm eficacitatea
produselor respective în anumite condiţii. La fel procedăm şi în experienţele în care
trebuie să determinăm procente de germinaţie a seminţelor, răsărire a plantelor precum şi
procente de zahăr, proteine, substanţă uscată din fructe seminţe etc. atât în case de
vegetaţie cât şi laborator sau câmp.
Este indicat ca interpretarea statistică a valorilor procentuale să fie completată,
acolo unde este cazul, şi de interpretarea statistică a valorilor cantitative ale producţiei.

Foto. 1 Exemplu de experienţă cu soiuri şi hibrizi de pepeni galbeni aşezată în blocuri randomizate 7
variante/3 repetiţii.- august 2005. Între cultivarele experimentate,
apar diferenţe clare în ceea ce priveşte sensibilitatea respectiv toleranţa sau rezistenţa

91
 la diferite specii de agenţi patogeni (original).

Foto. 2 Diferenţă clară între martorul netratat (V1) şi o variantă cu tratament (V5) din repetiţia (R) 2.
Experienţă de Protecţia Plantelor-Fitopatologie- executată în scopul stabilirii eficacităţii unor produse de uz
fitosanitar aşezată în blocuri randomizate -5 variante /3 repetiţii- (original).

Foto. 3 Exemplu de experienţă de Protecţia Plantelor- Fitopatologie cu produse fitosanitare-iunie

2005-la pepeni galbeni aşezată în blocuri randomizate - 8 variante/3 repetiţii.(original).

92
Foto. 4 Recoltarea pe variante şi repetiţii într-o experienţă de Protecţia Plantelor-Fitopatologie - testare a
eficacităţii unor produse fungicide, aşezată
în blocuri randomizate - 8 variante /3 repetiţii. Recoltarea parcelelor experimentale se va executa cu cea
mai mare atenţie, de această lucrare depinzând foarte mult exactitatea unei experienţe (original).

Foto 5. Exemplu de experienţă de Protecţia Plantelor - Fitopatologie cu produse fitosanitare la

pepenii verzi aşezată în blocuri randomizate - 5 variante/3 repetiţii.(original). În acest caz, între
martorul netratat şi variantele tratate nu există nici o diferenţă, datorită rezistenţei foarte bune la

93
 boli a soiului pe care s-au testat produsele. Este indicat ca la testarea produselor fungicide să fie
utilizate cultivare mai sensibile la agenţii patogeni specifici culturii studiate, pentru a putea obţine
diferenţe.

BIBLIOGRAFIE

1-Jităreanu G. -Tehnică experimentală Xerografia Institutului Agronomic şi de

Medicină Veterinară ,,Ion Ionescu de la Brad,, Iaşi, 1994.
2-Jităreanu G. -Tehnică experimentală Editura Universităţii de Ştiinţe Agricole
şi de Medicină Veterinară,,Ion Ionescu de la Brad,, Iaşi, 1999.
3-Preda A., Iancu S. -Tehnică experimentală agricolă, Reprografia Univ.
Craiova- 1991
4-Săulescu N.A. Săulescu N.N. – Câmpul de experienţă, ediţia a II a Editura
Agrosilvică ,Bucureşti, 1967.
5-Sin Gh.– Curs de tehnică experimentală agricolă, Universitatea Ecologică,
Facultatea de Inginerie Agricolă, Bucureşti, 1992.
6-Velichi E.– Contribuţii la îmbunătăţirea tehnologiei de prevenire şi combatere
integrată a agenţilor patogeni ai pepenilor verzi şi pepenilor galbeni în cadrul
Câmpiei Bărăganului (Zona Brăilei)-Teză de Doctorat, Universitatea de Ştiinţe
Agricole şi Medicină Veterinară Iaşi 2006.

94
95