Doświadczenia z ortogonalną strukturą blokową

Slides:



Advertisements
Podobne prezentacje
KORELACJA I REGRESJA WIELOWYMIAROWA
Advertisements

polski laser na swobodnych elektronach
Wstęp do programowania
mgr inż. Katarzyna Kaszuba Katedra Systemów Multimedialnych WETI PG
Zakład Mechaniki Teoretycznej
INŻYNIERIA PRODUKCJI Wydział Elektroniki Mikrosystemów i Fotoniki
Elementy Modelowania Matematycznego
Zachowania przedsiębiorstw w wymianie międzynarodowej prof. zw. dr hab
Specjalność Analiza danych 2009 Katedra Statystyki Instytut Zastosowań Matematyki.
Analiza korelacji.
Konstrukcje rozkładów poprzez składanie funkcji odwrotnych
Zofia Hanusz i Joanna Tarasińska Uniwersytet Przyrodniczy w Lublinie
mgr Paweł Noga Katedra Algorytmów i Modelowania Systemów. WETI PG
Modele (hipotezy) zagnieżdżone
Alfred Stach Instytut Geoekologii i Geoinformacji
Linear Methods of Classification
Gradacyjna analiza danych
Analiza wariancji ANOVA efekty główne
Wielowymiarowa analiza danych oparta na modelach gradacyjnych
Rozpoznawanie twarzy Wprowadzenie Algorytmy PCA ICA
Uniwersytet Przyrodniczy we Wrocławiu
Testowanie hipotez statystycznych
Ocena rozkładu na podstawie wykresów kwantylowych
Eco Data Miner System oceny jakości wyników danych pomiarowych z sieci monitorującej stan atmosfery przy wykorzystaniu metod ilościowych Skrótowy opis.
Giełda Tematów Prac Dyplomowych The Internet Exchange of Theses Topics Projekt Kadry dla Gospodarki współfinansowany ze środków Unii Europejskiej w ramach.
Piotr Mirosław Szulc*, Kazimierz Kubicki **
Elementy Rachunku Prawdopodobieństwa i Statystyki
Analiza dyskryminacji
Analiza wariancji ANOVA czynnikowa ANOVA
Planowanie badań i analiza wyników
Analiza wariancji ANOVA efekty główne. Analiza wariancji ANOVA ANOVA: ANalysis Of VAriance Nazwa: wywodzi się z faktu, że w celu testowania statystycznej.
Ekonometryczne modele nieliniowe
Wykonał i opracował: Prof. nzw. dr hab. Tadeusz Marcinkowski
Politechnika Poznańska, Wydział Inżynierii Zarządzania
Ekonometryczne modele nieliniowe
Ekonometryczne modele nieliniowe
Ekonometryczne modele nieliniowe
Język R zagadnienia wstępne
mgr inż. Michał Czubenko Katedra Systemów Decyzyjnych WETI PG
Program przedmiotu “Opracowywanie danych w chemii” 1.Wprowadzenie: przegląd rodzajów danych oraz metod ich opracowywania. 2.Podstawowe pojęcia rachunku.
Mgr inż. Adam Dziekoński Katedra Inżynierii Mikrofalowej i Antenowej. WETI PG Urodzony: r. Wykształcenie: studia na kierunku Elektronika,
Dane panelowe Model.
Metody OkreślaniA TOC na podstawie profilowań geofizyki otworowej
Względna efektywność układów mieszanych
Zbiory fraktalne I Ruchy browna.
Doświadczenia trójczynnikowe z krzyżową i zagnieżdżoną strukturą poziomów czynników Część I: Planowanie, modelowanie doświadczeń i analiza.
Badanie własności składnika losowego dr hab. Mieczysław Kowerski
Andrzej A. KONONOWICZ, Aleksandra J. STACHOŃ, „Adaptacja Istniejących Elektronicznych Zasobów Dydaktycznych Jako Szansa na Dynamiczny Rozwój E-Nauczania.
Monte Carlo, bootstrap, jacknife. 2 Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej :
Ekonometria stosowana Heteroskedastyczność składnika losowego Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Ile masz lat? This project has been funded with support from the European Commission. This document reflects the views only of the authors, and the Commission.
Metody Analizy Danych Doświadczalnych Wykład 9 ”Estymacja parametryczna”
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Co robisz jutro rano? This project has been funded with support from the European Commission. This document reflects the views only of the authors, and.
Co Pan robi? Kim Pani jest? This project has been funded with support from the European Commission. This document reflects the views only of the authors,
Dzień dobry! Cześć! This project has been funded with support from the European Commission. This document reflects the views only of the authors, and.
Metoda zmiennych instrumentalnych i uogólniona metoda momentów
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
Nadzór korporacyjny 1. WSTĘP.
Transformacja gospodarki w Europie Środkowo-Wschodniej
Alicja Faron Katedra Przetwórstwa i Chemii Surowców Roślinnych
KORELACJA I REGRESJA WIELOWYMIAROWA
Ekonometryczne modele nieliniowe
Ekonometria stosowana
Statistics for Innovation: Data Visualization and Risk Analysis
MNK – podejście algebraiczne
Funkcja reakcji na impuls w nieliniowych modelach VAR
Monte Carlo, bootstrap, jacknife
Ocena rozkładu na podstawie wykresów kwantylowych
Korelacja i regresja liniowa
Zapis prezentacji:

Doświadczenia z ortogonalną strukturą blokową Radosław Kala Katedra Metod Matematycznych i Statystycznych Uniwersytet Przyrodniczy w Poznaniu

Plan Wstęp Model jednowymiarowy Model wielowymiarowy Przykład Zakończenie

n liczba jednostek eksperymentalnych Wstęp Y  Rnp n liczba jednostek eksperymentalnych p liczba obserwowanych cech Jednostki Poletka Obiekty Replikacje Bloki Randomizacja Cechy Boręty Pomorskie, pszenica ozima, fungicydy Elatus Era p = 1  y  Rn wektor losowy

fj fj = fj = fj’ fj fi = 0, i  j, f0 + f1 +…+ ft = In Model jednowymiarowy E(y) = Xb X  Rnq macierz układu doświadczalnego b  Rq parametry obiektowe OBS ortogonalna struktura blokowa Nelder, 1965 D(y) = V = s0f0 + s1f1 + s2f2 + … + stft > 0 s0, …, st komponenty wariancji fj fj = fj = fj’ fj fi = 0, i  j, f0 + f1 +…+ ft = In Caliński and Kageyama, 2000, 2003;

PV = X(X’V-1X)-1X’V-1 operator BLUE Model jednowymiarowy Estymacja E(y) = Xb PV = X(X’V-1X)-1X’V-1 operator BLUE BLUE (Xb) = PVy R = I – PV operator reszt RV = VR’ R2 = R RX = 0 Estymacja komponentów wariancji y’R’fjR y = sjtr(fjR), j = 0, 1, …, t Nelder, 1968; Houtman and Speed, 1983 Caliński and Siatkowski, 2017, 2018

X  Rnq macierz układu doświadczalnego Model wielowymiarowy E(Y) = XB X  Rnq macierz układu doświadczalnego B  Rqp macierz parametrów obiektowych D(Y) ~ D(csY) = G  V G  Rpp macierz kowariancji cech V = s0f0 + s1f1 + s2f2 + … + stft > 0 E(csY) = cs(XB) = (IpX)csB Searle, 1978; Harville, 1997

Model wielowymiarowy Ip  PV operator BLUE (Ip  PV)csY = cs(PVY) BLUE (XB) = PVY Ipn – Ip  PV = Ip  R operator reszt (Ip  R)(G  V) = (G  RV) = (G  VR’) (Ip  R)2 = (Ip  R2) = (Ip  R) (Ip  R)(Ip  X) = (Ip  0) = 0pnpq

Model wielowymiarowy Q = (csY)’(IpR’)(G-1V-1)(IpR)(csY) = (csY)’(G-1R’V-1R)(csY) = (csY)’(G-1R’sj-1fj R)(csY) = sj-1(csY)’(G-1R’fj R)(csY) =  sj-1tr(Y’R’fj RYG-1) E(Q) = sj-1tr[(G-1R’fj R) E(csY)(csY)’] = sj-1tr{(G-1R’fj R)[(GV ) – (IpX)csB …)]} = sj-1tr(Ip R’fj RV) = psj-1tr(R’fj RV)

Model wielowymiarowy Q = sj-1tr(Y’R’fj RYG-1) E(Q) = psj-1tr(R’fj RV) tr(Y’R’fj RYG-1) = psj tr(fjR), j = 0, 1, …, t Ważna własność tr(Y’R’V-1RYG-1) = p tr(R) = p [n – rank(X)] Estymacja G G = tr(R)-1Y’R’V-1RY Uwaga s0 =…= st = 1  V = In  R’ = R  G = tr(R)-1Y’RY

Model wielowymiarowy Iteracja (0) s0 =…= st = 1  V = In  G = tr(R)-1Y’RY (1) tr(Y’R’fj RYG-1) = psj tr(fjR), j = 0, 1, …, t  V-1 = s0-1f0 + s1-1f1 + … + st-1ft  R = I – PV  G = tr(R)-1Y’R’V-1RY  (1)

Przykład Dane pochodzą z Centralnego Ośrodka Badania Roślin Uprawnych Dotyczą 18 odmian buraka cukrowego. q = 18 Doświadczenie było założone w układzie 8 bloków niekompletnych, każdy o pojemności 9 poletek. n = 72 Po zebraniu korzeni zmierzono: plon z poletka (plon), zawartość cukru, potasu, sodu i azotu, które to składniki pozwalają określić tzw. wydajność cukru technologicznego (cukier) p = 2

Przykład - Jeden blok Blok v plon cukier potas sód azot 1 18 95,9 19,0 35,1 1,2 7,3 2 4 92,8 18,4 42,8 1,6 9,0 3 93,0 36,7 7,8 7 99,7 18,8 39,7 2,1 7,2 5 13 100,2 37,9 8,5 6 97,8 19,1 39,3 1,3 8,6 9 95,6 41,3 1,4 7,7 8 15 101,9 18,9 40,7 11 93,9 38,1 1,8 W. cuk. 15,12 16,32 16,14 15,20 16,02 16,17 16,13 16,19 15,75 Wydajność cukru = cukier – 0,343 (potas+sód) – 0,094 azot – 0,29

Przykład - Plon V = sBPB+ sP(I - PB) V = I v plon 16 43,35 6 49,80 13 45,88 9 49,93 8 46,50 2 49,98 3 47,15 17 50,50 10 47,73 18 50,90 5 47,95 4 51,00 15 48,20 11 53,68 14 49,10 1 54,05 12 49,63 7 60,03 v plon 16 44,64 14 48,82 3 46,65 9 49,89 13 46,69 17 50,00 8 47,26 4 50,02 5 47,99 18 50,14 15 48,48 6 50,24 2 48,68 11 53,23 10 48,71 1 54,55 12 48,81 7 60,52 63,70 Blocks 6,59 Plots 9,67 Block/Plot s.d. 1,814 A. s.d. 1,596

Przykład - Cukier V = sBPB+ sP(I - PB) V = I v cuk. 18 15,14 15 15,94 7 15,46 17 15,99 14 9 16,06 11 15,56 13 16,20 12 15,65 5 16,27 1 15,72 10 16,32 2 15,80 8 16,45 6 15,82 3 16,68 4 15,88 16 16,83 v cuk. 18 15,24 2 15,96 7 15,38 13 16,01 11 15,55 9 16,04 14 15,60 17 16,06 1 15,64 10 16,28 15 15,80 5 16,30 6 15,83 8 16,34 12 15,84 16 16,68 4 15,92 3 16,76 4,66 Blocks 0,64 Plots 7,95 Block/Plot s.d. 0,215 A. s.d. 0,196

Przykład - Plon i Cukier V = I V = sBPB+ sP(I - PB) v plon cuk. 6 49,80 18 15,14 9 49,93 7 15,46 2 49,98 14 17 50,50 11 15,56 50,90 12 15,65 4 51,00 1 15,72 53,68 15,80 54,05 15,82 60,03 15,88 v plon cuk. 12 48,85 18 15,24 9 49,89 7 15,38 17 50,03 11 15,55 4 50,07 14 15,60 50,18 1 15,64 6 50,22 15 15,80 53,25 15,83 54,52 60,50 15,92 4,66 Blocks 0,64 Plots 7,28 Block/Plot s.d 1,814 0,215 s.d 1,556 0,195 -0,535 CORR -0,402 CORR

Plon technologiczny cukru = plon  wydajność/100 Zakończenie Plon technologiczny cukru = plon  wydajność/100 v Plon tech. 16 7,44 3 7,82 13 7,47 10 7,92 14 7,62 6 7,95 18 7,65 4 7,97 15 7,66 9 8,00 8 7,72 17 8,04 12 7,73 11 8,28 2 7,78 1 8,53 5 7 9,31

Some references Nelder J.A. (1965): The analysis of randomized experiments with orthogonal block structure. Proceedings of the Royal Society of London, Series A 283: 147–178. Nelder, J.A. (1968). The combination of information in generally balanced designs. J. Roy. Statist. Soc. Ser. B 30, 303-311. Searle S.R. (1978). A univariate formulation of the multivariate linear model. In: Contribution to Survey Sampling and Aplied Statistics. Ed. H.A. David. Acad. Press. New York. Houtman A.M. and T.P. Speed (1983). Balance in designed experiments with orthogonal block structure. Ann. Math. Statist. 11, 1069-1085. Harville D.A. (1997). Matrix Algebra From a Statistician’s Perspective. Springer. New York Caliński T., Kageyama S. (2000): Block Designs: A Randomization Approach, Vol. I: Analysis. Lecture Notes in Statistics 150, Springer, New York. Caliński T., Kageyama S. (2003): Block Designs: A Randomization Approach, Vol. II: Design. Lecture Notes in Statistics 170, Springer, New York. Caliński T., Siatkowski I. (2017): On a new approach to the analysis of variance for experiments with orthogonal block structure. I. Experiments in proper block designs. Biometrical Letters, 54, 91-122. Caliński T., Siatkowski I. (2018): On a new approach to the analysis of variance for experiments with orthogonal block structure. II. Experiments in nested block designs. Biometrical Letters, 55, 147-178. Kala, R. (201x). On the estimation in experiments with orthogonal block structure. In: Matrices, Statistics and Big Data, Proceedings of the IWMS-2016, Springer. New York.