Логотип Автор24реферат
Задать вопрос
Реферат на тему: Особенности статистической обработки данных полевого опыта
100%
Уникальность
Аа
23570 символов
Категория
Естествознание
Реферат

Особенности статистической обработки данных полевого опыта

Особенности статистической обработки данных полевого опыта .doc

Зарегистрируйся в два клика и получи неограниченный доступ к материалам,а также промокод Эмоджи на новый заказ в Автор24. Это бесплатно.

Введение

Сельское хозяйство является ведущей отраслью производства во всем мире, т.к. она обеспечивает продуктами питания все человечество. Поэтому для наращивания оборотов своего производства оно заинтересовано в эффективном использовании всех материальных ресурсов и получении максимальной отдачи от затраченных средств.
Полевой опыт призван путем практических исследований ускорить развитие сельского хозяйства. Однако проведение полевого опыта сопряжено с влиянием определенных природно- климатических условий. Для получения результатов и принятия оптимального решения по ним необходимо обработать большое количество информации. Это технологические, метеорологические, агрохимические данные и накопленный агрономический опыт. Существующая информация требует определенной систематизации.
Для систематизации полученной информации еще в 17 веке начали применять методы математической статистики. Однако, наука не стоит на месте и современное сельское хозяйство для своего успешного развития требует применение информационных технологий, в частности при статистической обработки данных. Это и обуславливает актуальность выбранной темы.
Объект исследования- статистическая обработка данных полевого опыта.
Предмет исследования- методы, применяемые для статистической обработки данных полевого опыта.
Цель работы- выявить особенности статистической обработки данных полевого опыта на современном этапе.
Задачи:
изучить исторические предпосылки возникновения биометрии, как науки применяющей методы математической статистики в биологии;
исследовать фундаментальные особенности статистической обработки данных полевого опыта;
рассмотреть современное состояние методики поведения статистической обработки опытных данных.
Теоретической основой исследования стали труды таких ученых, как В.Н. Дышко, Б.А. Доспехов, Т.В. Косякова, С.Н. Матейчик и др.
В ходе исследования применялись следующие методы: анализ, синтез, сравнение, исторический метод, метод сравнения.
Структура работы состоит из введения, трех глав, заключения и списка литературы.


1 Историческое становление математической статистики, как ведущего метода обработки опытных данных

Современная биология и сельскохозяйственная наука имеет тесную связь с математикой. Научные знания, связанные, например, с такими вопросами, как популяции, моделирование, биологические процессы разрабатываются исключительно с применением математических знаний. Такая же ситуация наблюдается в вопросах программирования урожайности культур, которое невозможно провести без использования методов множественной корреляции и регрессии.
Поэтому постоянные взаимодействия биологии и математики привели к возникновению на их стыки такой науки, как биометрии.
В.Н. Дышко называет биометрию- наукой о статистическом анализе групповых свойств в биологическом анализе групповых свойств в биологии. В свою очередь, статистический анализ связан с применением постулатов и методов теории вероятностей и математической статистики, применяемых к биологическим исследованиям [2, С. 8].
Стоит отметить тот факт, что математическая статистика и теория вероятностей, абстрактные и сугубо теоретические науки. Они изучают массовые явления, не учитывая специфику составляющих их элементов.
В то время, как биометрия представляет собой эмпирическую науку, точную, которая исследует эмпирические совокупности в биологических целях. Поэтому биометрия и математическая статистика, абсолютно неравнозначные науки.
Биометрия- это не простая математика или простая сумма биологии и математики. Это новая синтетическая наука, которая посредством применения математических методов в биологии решает сложные научные вопросы.
Обратимся к истории.
Развитие теория вероятностей берет свое начало в 17 веке, одновременно с научной деятельностью таких ученых, как Паскаль, Лаплас, Гаусс и Пуассон.
В это же время свое становление переживала и математическая статистика, которая являлась теоретической основой выборочного метода. Однако, в то время возникла необходимость разработки нового метода, который позволял бы по части наблюдений (выборке) судить о состоянии всей совокупности в целом. Все это и привело к созданию математической статистики, как нового направления в науке [9, С. 43].
Основоположником данной разработки является известный английский политический арифметик того времени Петти.
Интересный факт: теория вероятностей возникла на почве азартных игр, статистики- из потребностей государства, а биометрия- как следствие развития биологии- в ответ на социальный заказ капитального общества.
20 век ознаменовался появлением классических труб В. Госсета и Р.А. Фишера, а также других представителей английской школы биометриков.
В дальнейшем появилась теория малой выборки, под авторством Стьюдента, А Р. Фишер стал основоположником метода дисперсионного анализа, который применяется сегодня не только в биологии, но и в техники.
Также нельзя обойти вниманием таких ученых, как Пирсон, Романовский, Берштейн, Снедекор, Колмогоров, которые сыграли значимую роль в развитии математических методов, применяемых в биологии.
Сегодня биометрия дает возможность получать достоверные результаты теории на основе больших групп объектов. Однако, с помощью нее также возможно получить объективные результаты в ходе анализа малых групп объектов.
Современная биометрия различает следующие групповые свойства объектов:
средний уровень признака;
разнообразие признака (т.е. неодинаковость объекта по изучаемому признаку);
распределение признака, т.е. соотношение в количественных особей имеющих различную степень варьирования признака;
репрезентативность выборочных групп, дающая возможность на основе изучения относительно- небольшой выборки (группы) получить достаточно надежную характеристику большой группы объектов (генеральной совокупности) [2, С. 12].
Стоит также отметить, что нельзя преувеличивать роль статистических методов для биологии. Такие данные будут полезными только в случае анализа данных из правильно поставленного опыта

Зарегистрируйся, чтобы продолжить изучение работы

. Никакая статистическая обработка не исправит плохой опыт. Одновременно с этим, неправильное применение статистических методов может привести к заблуждениям.
Таким образом, на сегодняшний день биометрия представляет собой сравнительно новую прикладную науку, сущность которой заключается в применении математических методов статистического анализа массовых явления применительно к биологическим объектам. Биометрия стала связующим звеном между математикой и биологией.


2 Специфика статистической обработки данных полевого опыта
2.1 Особенности подготовки опытных данных к статистической обработке

Статистическая обработка опытных данных предполагает их предварительную подготовку. Такая подготовка включает следующее: округление, вычисление среднего арифметического по каждой опытной делянке и варианту, выбраковка сомнительных данных, восстановление выпавших данных, а также их преобразование.
Для округления полученных данных пользуются следующим правилом: для получения достаточно точных чисел необходимо иметь опытные данные с тремя значащими цифрами. Так, урожай следует записывать 0,187; 1,87; 18,7 т/га.
Для более тщательного округления используют уменьшенное в 4 раза стандартное отклонение определенного вариационного ряда. Если первой значащей цифрой для s/4 окажется целое число, то данные округляют до целого числа.
При расчете суммы квадратов берут дополнительную цифру, т. е. если исходные данные имеют десятые доли, то квадраты вычисляют до сотых. Если цифра за последней значащей цифрой больше 5 или после 5 следует цифра больше нуля, то последнюю значащую цифру увеличивают на единицу. Так, числа 84,67 и 84,651 округляют до 84,7. Если за последней значащей цифрой стоит 5, а затем нули, то последнюю значащую нечетную
цифру увеличивают на единицу: 84,550 = 84,6, а четная цифра остается неизменной: 84,450 = 84,4 [10, С. 134].
Для более тщательного округления используют уменьшенное в 4 раза стандартное отклонение определенного вариационного ряда. Если первой значащей цифрой для s/4 окажется целое число, то данные округляют до целого числа.
При расчете суммы квадратов берут дополнительную цифру, т. е. если исходные данные имеют десятые доли, то квадраты вычисляют до сотых. Если цифра за последней значащей цифрой больше 5 или после 5 следует цифра больше нуля, то последнюю значащую цифру увеличивают на единицу. Так, числа 84,67 и 84,651 округляют до 84,7. Если за последней значащей цифрой стоит 5, а затем нули, то последнюю значащую нечетную
цифру увеличивают на единицу: 84,550 = 84,6, а четная цифра остается неизменной: 84,450 = 84,4 [10, С. 135].
Кроме того, в процессе проведения полевого опыта могут возникать такие ситуации, в ходе которых на отдельных делянках невозможно получить результирующие показатели. В этом случае применяют метод восстановления потерянных данных, используя алгоритмы, учитывающие результаты, получаемые на соседних делянках опыта в пределах повторения или блока. Суть такого подхода заключается в однозначном предсказании того или иного уровня выходного показателя, гипотетически достигаемого в действительности. Этот метод дает адекватные результаты только при незначительной потери результатов.
Если полевой опыт имеет сложный и многофакторный характер, то восстановление его потерянных данных происходит с помощью использования информационной модели регрессивного анализа, основные этапы которого следующие:
подбор дробной реплики, в которую непосредственно входят данные с неподтвержденных делянок, из полной факториальной схемы;
проведение регрессивного анализа по каждой повторности опыта;
получение модели восстановленных данных восстановительным расчетным методом [7, С. 33].
Надежность этого метода доказана ни одним практическим исследование прошлого и настоящего.
Еще одним этапом подготовки данных для статистического анализа является выбраковка данных, которая также имеет математический характер. Любая субъективная выбраковка недопустима.
Основные этапы выбраковки данных полевого опыта:
ранжирование вариационного ряда в возрастающем порядке;
находят теоретические критерии;
проводят сравнение теоретических и практических критериев: если расчетные данные больше или равны теоретическим, то проверяемые данные сомнительны [8, С. 27].
Таким образом, перед тем, как исследователи приступают к статистической обработке результатов полевого опыта, они должны привести полученные результаты в соответствие для удобства их дальнейшего, а также восстановить потерянные данные и исключить сомнительные. Такая подготовка данных для дальнейшей обработки увеличивает правильность расчетов, а следовательно повышает эффективность поставленного полевого опыта.

2.2 Методические особенности статистической обработки данных полевого опыта

В агрохимических исследованиях редко приходится иметь дело с точными и определенными функциональными связями, когда каждому значению одной величины соответствует строго определенное значение другой величины.
Поэтому статистическая обработка таких вариативных значений имеет ряд особенностей, главной из которых является использование специальных параметрических способов обработки полученных опытных данных.
Чаще всего встречаются такие соотношения, где одному параметру соответствует сразу множество значений другого признака. Такие связи называются корреляционными. Они обнаруживатся в случае ассовости признака.
Корреляционный анализ заключается в возможности заключения вывода о степени статистической связи между признаками с помощью использования выборки [1, С. 164].
При изучении корреляционных связей возникают два основных вопроса – о тесноте связи и о форме связи. Для оценки тесноты (силы) связи используют коэффициенты корреляции корреляционное отношение, обозначаемые буквой r.
Он является безразмерной величиной, изменяющейся в области - 1< r < +1. При полных связях, когда корреляционная связь превращается в функциональную, значение коэффициента корреляции равно для положительных, или прямых, связей +1,0, для отрицательных или обратных
связей –1,0

50% реферата недоступно для прочтения

Закажи написание реферата по выбранной теме всего за пару кликов. Персональная работа в кратчайшее время!

Промокод действует 7 дней 🔥
Больше рефератов по естествознанию:

Создание внегалактической астрономии

34342 символов
Естествознание
Реферат
Уникальность

Естественнонаучная картина мира

41603 символов
Естествознание
Реферат
Уникальность

Гипотезы о возникновении жизни

17714 символов
Естествознание
Реферат
Уникальность
Все Рефераты по естествознанию
Закажи реферат

Наш проект является банком работ по всем школьным и студенческим предметам. Если вы не хотите тратить время на написание работ по ненужным предметам или ищете шаблон для своей работы — он есть у нас.