Разработка компьютерных программ и вариационно-статистический анализ экспериментальных данных в плодоводстве

Фролова, Светлана Викторовна

Бесплатный автореферат и диссертация по сельскому хозяйству на тему
Разработка компьютерных программ и вариационно-статистический анализ экспериментальных данных в плодоводстве
ВАК РФ 06.01.07, Плодоводство, виноградарство

Автореферат диссертации по теме "Разработка компьютерных программ и вариационно-статистический анализ экспериментальных данных в плодоводстве"

На правах рукописи

Фролова Светлана Викторовна

РАЗРАБОТКА КОМПЬЮТЕРНЫХ ПРОГРАММ И ВАРИАЦИОННО-СТАТИСТИЧЕСКИЙ АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ В ПЛОДОВОДСТВЕ

Диссертации на соискание ученой степени кандидата сельскохозяйственных наук

МИЧУРИНСК - 2003

Диссертационная работа выполнена в Мичуринском государственном аграрном университете (МичГАУ)

Научные руководители:

доктор сельскохозяйственных наук, профессор, лауреат государственной премии Российской Федерации, заслуженный деятель науки Российской Федерации Потапов Виктор Александрович кандидат физико-математических наук, доцент Петрушин Владимир Николаевич

Ведущая организация:

Саратовский государственный аграрный университет им. Н.И.Вавилова.

Защита диссертации состоится 24 « декабря » 2003 г. в 13» на заседании диссертационного совета Д 220.041.01. при Мичуринском государственном аграрном университете (МичГАУ) по адресу: 393760, Тамбовская область, г. Мичуринск ул. Интернациональная, 101.

С диссертацией можно ознакомиться в библиотеке Мичуринского государственного аграрного университета.

Автореферат разослан 21 « ноября » 2003 г.

Отзывы на автореферат в двух экземплярах, заверенные и скреплённые гербовой печатью, просим направлять учёному секретарю диссертационного совета.

Учёный секретарь диссертационного совета Д220.041.01., кандидат сельскохозяйственных наук, старший научный сотрудник

Официальные оппоненты:

доктор сельскохозяйственных наук, профессор Бутенко Анатолий Иванович кандидат сельскохозяйственных наук -Щербенбв Геннадий Яковлевич

2.ое>?-А

~ТРГ

Общая характеристика работы

Актуальность работы

Важной задачей вариационной статистики, которая успешно решается при грамотном использовании ее методов, является оптимизация экспериментов, означающая получение максимально возможного количества информации при минимальных затратах труда, средств и времени на проведение исследований.

Математическая статистика позволяет оценить экспериментальные данные в отношении точности результатов и достоверности выводов, т.е. установить те допустимые пределы, в которых сделанные выводы являются определёнными и достаточно надежными. Большое значение статистические методы имеют для разыскивания связи, сопряженности, соотношения или корреляции между изучаемыми показателями.

Методы математической статистики не вскрывают сущности и причин явлений (хотя и значительно помогают этому), но описывают, формулируют количественную сторону этих явлений.

Знание современных методов статистической обработки необходимо не только для количественной характеристики наблюдений и полученных в опыте данных, но и на всех этапах эксперимента от планирования до интерпретации окончательных результатов.

На кафедре плодоводства Мичуринского государственного аграрного университета (МичГАУ, бывший Плодоовощной институт имени И.В.Мичурина) профессором Будаговским В.И. селекционным путем были получены морозостойкие и зимостойкие слаборослые клоновые подвои яблони. На их основе стало возможным создание и возделывание интенсивных высокопродуктивных слаборослых садов в средней полосе России и других регионах с суровыми климатическими условиями.

Исследования с этими подвоями по многим аспектам ведутся в ряде научных учреждений России и других стран, необходимость применения статистических методов в оценке различий, а также специфика опытов в плодоводстве и явились основанием для выполнения настоящей диссертационной работы. Цель и задачи исследований

Цель работы - разработка комплексной компьютерной программы вариационно-статистического анализа экспериментальных данных в плодоводстве. --------—

!РОС. НАЦИОНАЛЬНАЯ ] БИБЛИОТЕКА I

СП*тср4»Г|у7}А 2 3

Задачи - разработка, написание! тестирование (проверка правильности работы) программы на примерах различных плодовых объектов по разделам:

□ вычисление среднего арифметического, среднего квадратичного отклонения, ошибки среднего арифметического, коэффициента вариации, точности определения среднего арифметического; определение существенности различий между выборками;

и определение существенности различий между сопряженными выборками;

и определение % сопряженности и существенности различий при данной проценте сопряженности;

и определение необходимого числа повторностей;

и выбраковка сомнительных показателей;

□ оценка принадлежности выборки к нормальному распределению;

□ определение коэффициента корреляции, уравнение регрессии;

и дисперсионный анализ однофакторного опыта, заложенного по стандартной схеме;

о дисперсионный анализ однофакторного опыта, заложенного по методу рендомизированных повторений;

и дисперсионный анализ однофакторного опыта, заложенного по методу рендомизированных повторений, с восстановлением выпавших делянок;

и дисперсионный анализ двухфакторного опыта;

о схема определения существенности различий одночисловых данных по групповым средним.

Анализ и оценка полученных тестов для различных показателей роста и плодоношения яблони. Научная новизна и практическая ценность

Впервые был предложен системный программный подход к вариационно-статистическому анализу экспериментальных данных в плодоводстве. Разработанная программа содержит плотно взаимосвязанные между собой алгоритмы обработки данных, т.е. для одних и тех же выборок выводится к анализу комплекс различных характеристик, а также имеется сравнительная характеристика для различных генеральных совокупностей (одновременно можно сравнивать статистические характеристики или устанавливать существенность различия перебором попарно 100 выборок). Впервые предложена компьютерная программа определения существенности различий между сопряженными выборками, а также процента сопряженности и определения существенности различий при данном проценте сопряженности. Впервые предложена программа определения необходимого количества повторностей и выбраковки сомнительных показателей. Приведены алгоритмы определения принадлежности выборки нормальному распределению и построения уравнения линейной зависимости. Впервые предложено использование программного алгоритма проведения дисперсионного анализа с выпавшими во время опыта данными. Впервые

повторений. Впервые предложен компьютерный вариант схемы дисперсионного анализа с различным количеством повторностей. С теоретической точки зрения - приведён алгоритм использования теории больших уклонений для оценки объёма повторной выборки при отсутствии сведений о распределении генеральной совокупности, использование которого позволяет плодоводам корректно ставить опыты и эксперименты и правильно использовать для анализа полученных результатов алгоритмы вариационной статистики. Впервые предложена схема оценки существенности различий одночисловых данных по групповым средним. Апробация работы

Основные результаты исследований были доложены на заседаниях кафедры плодоводства МичГау; международных научно-методических конференциях «Методика исследований и вариационная статистика в научном плодоводстве» (Мичуринск, 1998), «Роль сортов и новых технологий в интенсивном садоводстве» (Орёл, 2003) Публикация результатов исследований

По материалам диссертации опубликовано 8 статей и методические рекомендации.

Объём и структура диссертации

Диссертация изложена на 150 страницах машинописного текста и включает обоснование, восемь глав, выводы и практические рекомендации; содержит 28 таблиц, 1 рисунок, список использованной литературы состоит из 148 источников, в том числе на иностранном языке -15. На защиту выносятся следующие основные положения:

1. Новые и усовершенствованные методики исследований плодовых объектов в вариационной статистике.

2. Обоснование применения теории больших уклонений для оценки объема повторной выборки при неизвестном распределении генеральной совокупности.

3. Применение алгоритмов обработки экспериментальных данных с использованием новых информационных технологий с саженцами плодовых деревьев.

Результаты исследований Во введении обоснована актуальность темы, определена научная новизна и практическая ценность. ГЛАВА 1. Обзор литературы

Осуществлен обзор публикаций и других литературных данных, касающийся исследований и достижений в вариационной статистике, а также в плодоводстве, в частности сведения о сорто-подвойных комбинациях и вариационно-статистических исследованиях непосредственно в плодоводстве.

ГЛАВА 2. Условия и объекты исследований Условия проведения исследований

Исследования проведены в 1998 - 2003 гг. при кафедре плодоводства Мичуринского государственного аграрного университета (МичГАУ) -

бывший Плодоовощной институт им. И.В. Мичурина (1931-1994 гг.) и Мичуринская государственная сельскохозяйственная академия (1994-1999), в питомнике учхоза "Комсомолец".

Объектами исследований, проведения первичных учетов, являлись данные кафедры плодоводства МичГАУ. Экспериментальные замеры, полученные автором в питомнике учхоза "Комсомолец" - конкретные формы подвоев, сортоподвойные комбинации (саженцы сортов: Уэлси, Северный Синап, Жигулёвское, Лобо на подвоях 54-118,62-396,69-6-217).

ГЛАВА 3. Средние величины и их характеристики

Описываются основные вариационно-статистические характеристики и алгоритмы, которые использованы при создании программы, а также теоретическое обоснование и примеры их использования по различным показателям плодовых культур (величины окружности штамбов саженцев, количество почек, высота стебля и др.). Для определения тех или иных величин в программе при обработке данных использовались следующие формулы.

Если сумму всех вариант (х, + х2 + ...+х„) обозначить через а число всех вариант через п, то формула для определения среднего

арифметического примет следующий вид: х = ^^

для вычисления дисперсии и среднего квадратичного отклонения

, 2 £(*-*)

используются формулы:ст =-- -----—

л-1

0=5 =

—5 х-отдельное наблюдение

—-- где х-среднее арифметическое выборки

п - объём выборки

Коэффициент вариации вычисляют по формуле: У _ X ^ х-среднее арифметическое выборки

х -среднее квадратичное отклонение выборки

Формула вычисления ошибки средней арифметической имеет вид:

т = , где т— ошибка выборочного среднего арифметического;

« — среднее квадратическое отклонение; п - число измерений, повторностей.

Точность среднего арифметического определяют по формуле:

р = Дг • 100, где т— ошибка выборочного среднего арифметического; х

х - среднее арифметическое выборки

Критерий существенности или достоверности разности:

д. ^Сг! (Л

I - ' ' =-, где й-разность средних арифметических

Ы+ГПг т<

та -ошибка этой разности

ГЛАВА 4. Показатели учётов

Важной задачей любого исследователя является вычисление объёма вторичной выборки для оценки числовых характеристик распределения любого количественного признака, являющегося одним из биологических показателей растения.

Объекты исследований приведены в таблице: 1. Длина окружности штамбов яблони сорта Пепин шафранный на третий год

10,6 11,9 11,5 11,5 12,1 12,2 10,2 12,4 12,1 10,4 11,7 12,1 12,7

ш 11,9 12,2 12,2 10,9 12,1 «2,7 11,5 9,7 11,9 10,9 143 143

143 113 11,6 12,9 12,5 12,5 13,5 10,9 П* ИЗ 12,7 11* 143

14,8 ил 14,6 14,1 12,9 12,0 12,0 10,7 12,2 10,6 10,7 12,9 12,1

10,6 12,2 13,4 ИЗ 12,4 12Д 12,7 13,6 13,7 из 12,7 12,2 14,1

11,6 ИЗ 10,7 10,9 14,0 12,1 12,7 ■ 1,2 12,2 13,0

Объём выборки п=75, размах варьирования я = Х^ ~ X,™ ~ 14,8-9,7 = 5,1(см), Среднее значение X = 1,23(аи), дисперсия а2=1,43.

Выборка репрезентативна (т.е. даёт устойчивые оценки числовых характеристик распределения генеральной совокупности), так как при 7=0,9964-0,894 размах выборки составляет 0,9+0,95 размаха генеральной совокупности. Проверка по критерию Пирсона показала, что с надёжностью у=0,99 у нас нет оснований отвергнуть гипотезу о нормальном распределении генеральной совокупности. Следовательно, можно считать, что выборочная средняя подчиняется ^распределению Стьюдента. Объём вторичной выборки при этом определяется по формуле:

Д3 '

где / - значение критерия Стьюдента для выбранной надёжности у объёма первичной выборки.

А - выборочная точность оценки среднего значения. При у=0,95; Д=0,5 см мы получили п=23.

Такой объём вторичной выборки дал результаты, которые наталкивают на мысль о неустойчивости оценок

X 11,8 12,3 12,5 12,3 12,2

<т2 0,72 1,73 2,0 1,87 1,08

Пять различных выборок объёмом 23 дают приемлемую оценку средней, но значения ст2 отличаются слишком значительно, чтобы их считать устойчивой оценкой.

Если же делать расчёт объёма выборки на основании эмпирических данных, используют теорию больших уклонений,

1п

где п - объём вторичной выборки, дающий лоиктервальную оценку средней с погрешностью А и надёжностью у

- ),где

Н(М ± Д) = ьир(М ± А - 1п

у - у

¿ -—:-кг"--нормированное наблюдаемое значеие окружности штамба

М =

ДГпич» ХгтигН

х- х

«<Уиия Н

Хта хН Хтп И

А = -

- ,р - абсолютная погрешность

ХтпН ХтпН

Объём вторичной выборки при тг^^б; А=0,5 см по эмпирическим данным равен 35.

По пяти различным выборкам этого объёма получены следующие

X 12,2 1 12,5 12,4 12,3 12,3

о2 1,58 1,56 1,73 1,39 1,77

По сравнению с вычислениями в предположении нормального распределения получены гораздо более устойчивые оценки числовых характеристик генеральной совокупности.

С учётом ошибки в оценке среднего квадратичного отклонения, объём вторичной выборки получаем из формулы

1)д(\±к)

При 7=0,95; п ^=30.

При таком объёме вторичной выборки получены (по пяти различным) следующие оценки числовых характеристик генеральной совокупности:_

X 12,0 12,3 12,5 12,4 12,3

02 1,48 1,62 2,05 1,41 1,31

Полученные оценки близки к эмпирическим, причём их изменчивость существенно ниже той, которая получается без учёта ошибки среднего квадратического отклонения.

Такая оценочная разница обусловлена рядом причин: критерий Пирсона является мягким критерием, т.к. оценивает плотность распределения вероятностей и слишком зависит от способа группировки данных; оценка объёма вторичной выборки по 1- распределению Стьюдента по идеально плавно меняющейся симметричной кривой без всяких ограничений на значение аргумента, что в природе встретить практически невозможно; числовые оценки, получаемые из первичной выборки, приближенны, и дают приближенное значение объёма вторичной выборки. Поэтому целесообразно

для расчёта объёма применять теорию больших уклонений, которая не

требует предварительной оценки распределения количественного признака,

пригодна как для непрерывных так и дискретных случайных величин, либо,

при применении каких-либо распределений, учитывать ошибки в оценках

параметров этих распределений по первичной выборке.

Формула для определения необходимой численности выборки (п):

^(1±к)-ст2

П - -, где

А*

Г - критерий ожидаемой вероятности результата

а1 - среднее квадратическое отклонение (определяют предварительно пробными выборками);

Л- допустимая погрешность при изучении конкретного показателя, определяется исследователем; к - коэффициент.

Уравнение кривой нормального распределения должно иметь такой вид: 1

Она представляет непрерывную, плавную, симметричную кривую, которая

называется нормальной вариационной кривой, где

Рх — плотность вероятности появления переменной х;

а—среднее квадратическое отклонение;

л— постоянное число, равное 3,14159...;

е — основание натуральных логарифмов, равное 2,71828...;

х— варьирующий признак.

Нормированное отклонение определяется формулой:

ГЛАВА 5. Оценка различий

Получаемые статистические характеристики необходимы не столько сами по себе, сколько для сравнения или сопоставления между собой пар выборок, для которых получены данные величины, так как порой очень важно оценить существование или отсутствие влияния изучаемого фактора на исследуемые величины.

Имеется много разных способов определения существенности различий между выборками. Одним из таковых является I -критерий существенности Сгьюдента. Существенность разности определяется по формуле:

_ рг» = 4

где с/ - разность средних, Б ¡/-ошибка этой разности.

Но I -критерий указывает на существенность различий лишь в том случае, когда они (различия) закономерны, неслучайны. А как быть, если эти различия незакономерны, но каждый элемент выборки (после воздействия на

опытные растения исследуемым фактором) превосходит (либо меньше) соответствующий ему элемент искомой выборки. Такие выборки выделены в

отдельный класс и называются сопряженными. Для выявления существенности различий между такими выборками имеется следующая формула:

где

Я г Ошибка разности средних арифметических. ¡1 - Разность между соответствующими парами выборок, п - Количество элементов, ха- средняя разность. Коэффициент корреляции вычисляется по формуле:

где хиу — значения величин наблюдаемых признаков.

г- Коэффициент линейной связи, близость его к 0 означает либо отсутствие связи либо - связь нелинейную.

Вычисление значений коэффициентов а и Ь в уравнении регрессии:

ГЛАВА 6. Стационарный опыт

Стационарные опыты при изучении различных технологических вопросов в садоводстве закладывают в основном трех видов, с размещением вариантов по той или иной схеме: стандартные (контрольные варианты чередуются через один, два или три варианта испытуемых), систематические (с одинаковой последовательностью размещения вариантов в повторениях) и опыты со случайным (рендомизированным) размещением вариантов в повторениях. Повторность опытов обычно применяют трех четырехкратную.

В данной главе подробно описаны алгоритмы однофакторного и двухфакторного дисперсионного анализа с одинаковым и различным числом повторностей, а также с восстановлением выпавших данных. Здесь же описан алгоритм анализа одночисловых данных, описанный ниже.

В статистической и научной литературе по разным специальностям, в журналах, статьях, авторефератах и других изданиях часто приводятся данные, не подтверждённые вариационно-статистическими показателями, что очень затрудняет, а скорее исключает надёжность их оценки и

п п

достоверность положительности или отрицательности вариантов и результатов.

Однако приведенные данные не дают оснований для достоверного определения наиболее урожайных сортов и существенности различий между конкретными сортами.

Для оценки достоверности превосходства урожайности того или иного сорта необходимо вычислить НСР по имеющимся данным.

Как уже было замечено ранее для вычисления НСР (проведения дисперсионного анализа) необходимо наличие значений нескольких вариантов по некоторым повторностям, а именно матрицы.

Для получения таковой матрицы мы значения одночисловых данных, считаем вторым столбцом, а первый и третий столбец получаем, прибавляя и отнимая соответственно допустимую 10% погрешность значений.

ГЛАВА 7. Руководство по пользованию компьютерной программой.

Данное руководство помогает использовать программу как людям, работающим с вычислительной техникой, так и мало знакомым с ней.

Для того чтобы запустить программу статистической обработки данных на выполнение, можно воспользоваться одним из любых имеющихся для этого способов, опишем наиболее простой из них, для пользователей мало связанных с вычислительной техникой, или совсем не работающих на ней. При включении компьютера на большинстве из современных машин, автоматически загружается системная программа, предназначенная для удобства общения между пользователем и компьютером, операционная оболочка (система) WINDOWS. При этом на экране появляется рабочий стол, на котором располагаются значки некоторых программ. Один из них - это значок необходимой нам программы, которая имеет имя - ASTRA (ASTRA.EXE).

Теперь для запуска программы, нам остаётся подвести указатель мышки к искомому значку и дважды (непрерывно) щелкнуть правой кнопкой мыши.

При запуске программы на экране появляется окно, изображенное на рисунке ниже, в котором имеются пронумерованные пункты меню возможной проработки программы, а также место для ввода цифры определяющей соответствующий ей пункт. Совсем не обязательно соблюдать последовательность ввода пунктов, так как все необходимые промежуточные величины будут вычисляться автоматически. После каждого выбираемого вами пункта меню вам будет предложено ввести величины, касающиеся вашего личного опыта. После проработки программы по выбранному пункту и получению результатов, вам предложат закончить работу (если вы вычислили всё, что хотели) или вернуться к пунктам главного меню. При возврате к меню, вы вновь можете выбрать один из предложенных пунктов, и вам будут выданы соответствующие результаты. Назад в меню можно возвращаться сколько угодно раз, обсчитывая те или иные параметры для введённых единожды выборок. Почти все вычисляемые величины могут

сразу вычисляться для нескольких выборок (не больше 100). Для получения результатов по новому опыту работу с программой необходимо закончить и запустить программу заново. Если при наборе данных была допущена ошибка, набранные данные можно стереть клавишей «-Backspace

Но нельзя вносить изменения после ввода данных, если уже нажималась клавиша J Enter

В этом случае, для новых данных, программу придется запускать заново. Таким образом, ввод данных всегда подразумевает нажатие клавиши J Enter ~j

Далее рассмотрим, как работает вышеупомянутая программа на примере данных, полученных в питомнике учхоза «Комсомолец», а также предоставленных научным руководителем В.А.ГТотаповым и другими сотрудниками МичГАУ.

Внешний вид главного меню программы:

1. Вычисление среднего Введите номер необходимого пункта:

арифметического, и нажмите клавишу Enter

среднего квадратичного

отклонения, Для выхода из программы

ошибки среднего Введите-0

арифметического,

коэффициента вариации, точности

определения среднего

арифметического.

2. Определение существенности

различий между выборками.

3. Определение существенности

различий между сопряженными

выборками.

4. Определение % сопряженности и

существенности различий при данном

проценте сопряженности.

5. Определение необходимого числа

повторностей.

6. Выбраковка сомнительных

показателей.

7. Оценка принадлежности выборки

к нормальному распределению.

8. Определение коэффициента

корреляции, уравнение регрессии.

Ляспепсионный анализ:

9. Однофакторного опыта.

10. Двухфакторного опыта.

11. Анализ одночисловых данных.

Вычисление статистических характеристик

Для вычисления статистических характеристик (среднего арифметического, среднего квадратичного отклонения, ошибки среднего арифметического, коэффициента вариации, точности определения среднего арифметического), нужно выбрать первый из пунктов предложенного меню и нажать цифру 1.

При выборе этого пункта (первично), вас попросят ввести количество повторностей для которых будут вычисляться данные величины. А затем будет необходимо ввести по одному элементы каждой обрабатываемой выборки.

Рассмотрим несколько примеров выборок и их вариационно-статистических характеристик по данным, полученным автором в питомнике учхоза «Комсомолец» в 1998 году. По мнению автора, исследования эти являются интересными потому, что в них рассматриваются не малые (п<30),а большие выборки.

Были сделаны замеры по двум сортам (Жигулёвское и Уэлси) на карликовом (62-396) и полукарликовом (54-118) подвое. По каждому сорту на отдельном подвое по 210 замеров (окружность штамбов саженцев, см). 1: Сорт - Жигулёвское, подвой 62-396 2: Сорт - Жигулевское, подвой 54-118 3: Сорт - Уэлси, подвой 62-396 4: Сорт - Уэлси, подвой 54-118

Полученные данные были обработаны с помощью написанной нами компьютерной программы по определению вариационно-статистических характеристик выборочных величин.

Для указанных выше выборок, результат работы программы был получен в следующем виде:

п N в М о м р% V %

1 210 136,6 0,65 0,16 0,01 2 25

2 210 1573 0,75 0,16 0,01 2 22

3 210 132,2 0,63 0,13 0,01 1 21

4 210 165,1 0,79 0,19 0,01 2 24

п - Номер выборки N - Количество элементов выборки $ - Сумма элементов выборки

М - Среднее арифметическое значение элементов выборки о - Среднее квадратичное отклонение т - Ошибка среднего арифметического Р% - Точность определения среднего арифметического \% -Коэффициент вариации

(При ручном подсчете нам бы пришлось просчитывать все эти величины по формулам, представленным в главе 3, данной работы).

Затем, нажатием одной клавиши, можно либо вернуться в меню и обработать данные выборки по другим пунктам, либо закончить работу с программой. Причём совсем не обязательно начинать с первого пункта, работать можно и с каждым пунктом независимо от других, если в каком-то из пунктов уже вводились обрабатываемые величины, то при вызове других пунктов запрашиваемые результаты будут выводиться сразу.

Определение существенности различий между выборками

Для определения существенности различий на компьютере, при вызове одноименного пункта меню нашей программы, после ввода данных выборок из таблицы 3:

3. Окружности штамбов саженцев (замеры получены автором в учхозе «Комсомолец» осенью 1998 г.) ___

Жигулёвское (62-396) 0,6 0,6 0,4 0,4 0,6 0,4 0,6 0,4 0,6 0,5 0,5 0,7 03 0,6

ЖнгулСвское (54-118) 0,9 а» 0,6 0,5 0,8 1,1 1,0 0,9 0,5 0,5 0,6 0,5 0,6 0,5

Уэлси (62-396) 0,7 0,5 0,3 0,4 0,7 0,5 0,6 0,5 0,6 0,6 0,6 0,5 0,9 0,3

Утл си (54-118) 0,7 0,9 0,5 0,7 0,8 0,8 0,7 0,8 1,0 0,6 1,1 1,0 0,8 0,6

программа выдаст следующий результат: ( -критерий 1-2 выборками 2.87 1 -критерий 1-3 выборками 0.57 (-критерий 1-4 выборками 5.04 I -критерий 2-3 выборками 2.12 t -критерий 2-4 выборками 1.18 t -критерий 3-4 выборками 3.77

Причём чуть ниже полученных данных высветятся необходимые для анализа табличные значения.

Примечание: в данном пункте программы допускается обработка выборок, как с одинаковым количеством элементов, так н с различным количеством, при этом количество предлагаемых программе выборок для обработки должно быть не меньше 2-х.

Определение существенности различий между сопряженными выборками

Рассмотрим работу программы по определению существенности различий между сопряженными выборками на примере количества почек (шт.) саженцев двухлеток сортов Лобо и Северный Синап на подвое 54-118 (замеры получены автором в учхозе Комсомолец осенью 1999 г.) Лобо: 47,38,52,49,49,41,46,52 Северный

Синап: 39,35,39,44,44,40,45,51

Запустим программу на выполнение. Выберем пункт меню 3.

Введём данные по запросу программы (количество выборок, количество

элементов в выборках, значения элементов выборок)

Получим следующий результат* -критерий 1-2 выборками - 3.11

1фа„ =3,11 (1факт =3,11> ^йл =2,31) и убеждаемся, что разница существенна (в пользу сорта Лобо).

Определение % сопряженности и существенности различий при данном проценте сопряженности

Часто при исследовании возникают выборки, в которых не 100%, а иной % сопряженности, т.е. в 70,80 случаях из 100 наглядно видны различия, но ни один из методов не укажет на существенность различий. Если отобрать сопряженные пары, и исследовать полученные совокупности как сопряжённые выборки, то выявляется существенность различий. Рассмотрим пример высот саженцев одного сорта на различных подвоях.

Данные для исследований получены автором работы в питомнике учхоза «Комсомолец» осенью 1999 года для саженцев двухлеток:

СЕВЕРНЫЙ СИНАП 54-118 50 60 70 90 99 120 73 108 109 128 90,7

СЕВЕРНЫЙ СИНАП 69-6-217 104 105 110 109 107 101 56 119 118 108 103,7

Если мы запустим пункт 4. программы обработки данных, компьютер выбракует не сопряженные пары (а их всего три из десяти имеющихся) и исследует полученные выборки как сопряженные, мы получим:

% сопряженности между 1-й—2-й выборками =70% 1- Критерий 1-2 выборками 3.65

1фа1<т = 3,65 > 1™бл = 2,23. Таким образом, мы получили, что при 70% сопряженности различия между выборками существенны с точки зрения высоты саженца, в пользу подвоя 69-6-217(хотя при других методах существенность различий не была выявлена).

Примечание: в данном пункте программы допускается обработка выборок, как с одинаковым количеством элементов, так и с различным количеством. При вводе выборок с разным количеством, лишние элементы больших выборок «обрубаются», именно для обработки данных по этому пункту, при работе с другими пунктами введённые выборки будут рассматриваться полностью. Определение необходимого числа повторностей

Естественно, что все исследователи работают с выборками, выборочными наблюдениями, замерами, анализами, вариационными рядами и т.д., стремясь приблизиться к максимально возможной оценке генеральной совокупности или, хотя бы достаточно большой популяции конкретных растений, в том числе и плодовых. Как уже отмечалось ранее, существуют правила, позволяющие получить максимально возможную информацию при минимальных объемах выборок и, следовательно, при минимальных затратах, а именно выяснилось, что объем выборки должен иметь границы, зависящие от желаемой и возможной точности наблюдений, а также уровня вероятности и вариабельности изучаемого показателя.

Рассмотрим работу программы по определению необходимого числа повторностей на примере выборки высоты саженцев яблони на подвое

54-118, сорт Л обо, данные собраны в питомнике учхоза «Комсомолец» осенью 1999 года.

После выбора соответствующего пункта меню программы и ввода следующих величин

1 82 | 54 | 99 1100 | 44 | 80 | 91.5 | 104 | 107 [ 103 1 54 | 135 | 75 | 102 [ 109 | ИЗ | Результатом программы получим: Необходимое число повторностей 0-19 п - Среднее =9.

Выбраковка сомнительных показателей

Для обработки данных по этому пункту меню вводим выборки, которые необходимо проверить на наличие сомнительных показателей. Результатом работы программы будут новые выборки, из которых уже выбракованы сомнительные элементы.

Рассмотрим пример обработки данных программой по этому пункту.

1. Запустим программу на выполнение.

2. При появлении на экране главного меню программы, выберем пункт 6.

3. При запросе о количестве обрабатываемых выборок, введём цифру 1.

4. При запросе о вводе элементов выборки введём данные замеров количества почек у саженцев двухлеток сорта Северный синап, подвой

54-118:

24 26 29 35 40 27 38 36 38

42 20 28 30 37 45 39 35 39

44 44 44 47 50 51 33 40 43

45 34 52 38 80 12 30 35

Ввод необходимо производить последовательно по одному элементу по мере запроса программы. В результате мы получим следующее: Выборки имеют вид:

До выбраковки_.

1:24262935 40 273836 38 42 20 2830 37 45 39 35 39 44 44 44 ' 47 50 51 33 40 43 45 34 92 38 80 12 30 35

После выбраковки_.

1: 24 26 29 35 40 27 38 36 38 42 20 28 30 37 45 39 35 39 44 44 44 47 50 51 33 40 43 45 34 92 38 12 30 35

Сомнительными в данной выборке на первый взгляд были 2 элемента -12 и 80, но выбракованным, в соответствии с вышеуказанной формулой, оказался лишь один - 80.

Нужно заметить, что после выбраковки сомнительных элементов, в программе происходит автоматический пересчёт всех статистических характеристик, и уже новые характеристики будут использованы при дальнейших исследованиях.

Оценка принадлежности выборки к нормальному распределению

При выборе данного пункта необходимо, как впрочем, и для вех остальных пунктов при первичном вызове, ввести количество обрабатываемых выборок, а затем и сами эти выборки. Программа по

данному пункту автоматически отбраковывает сомнительные элементы выборок. Разбивает выборки на классы и находит частоты по каждому классу, частоты фактические и теоретические и, если разница между частотами не больше 5% - признаётся, что выборка имеет нормальное ' распределение, в противном случае, что распределение не является нормальным.

Так, например, при обработке данным пунктом выборок штамбов (см) саженцев 2-х леток сорта Лобо (данные 1999 г.)

| 0.6 ) 0.4 1 0.6 I 1.0 1 0.9 1 1.0 | 0.8 ] 1.0 | 1.0 | 0.1 1 0.7 | 0.8 | 0.9 | 1.1 | 1.1 |

Результатом будет следующее сообщение: 1-я выборка:

0.6 0.4 0.6 1.0 0.9 1.0 0.8 1.0 1.0 0.1 0.7 0.8 0.9 1.1 1.1 Имеет нормальное распределение

(Примечание: Сообщение 1-я выдается потому, что одновременно в этом пункте могут обрабатываться несколько выборок)

(Примечание: все выше рассмотренные пункты программы взаимосвязаны меиеду собой, а именно при запуске программы можно выбрать один из них и затем закончить работу с программой или снова выбрать один из пунктов основного меню программы и получить необходимую информацию об уже введенных данных) Определение коэффициента корреляции и уравнение регрессии Рассмотрим пример работы программы по определению корреляционных

№ (Слоновые подвои Окужность штамба, см

На 7-й год в саду На 15-й год в саду

1 2-46-112 16 29

2 2-46-43 18 35

3 2-46-115 16 28

4 2-46-77 15 35

5 3-17-38 17 35

6 3-77-12 20 35

7 3-6-47 18 29

8 3-4-98 23 42

9 3-3-72 23 38

10 3-3-3 21 43

11 163-5-44 16 30

12 2-18-246 21 41

13 2-18-246 22 38

14 2-19-385 20 35

По запросу программы первоначально вводится количество обрабатываемых

выборок (их должно быть 2), а затем сами эти выборки (по запросу

программы выборки вводятся по одному элементу)

Коэффициент корреляции г=0.78

Уравнение регрессии имеет вид:

У=9.18 + 1«57х

Дисперсионный анализ однофакторного опыта

При выборе данного пункта программы на экране компьютера высвечивается новое меню, которое имеет следующий вид:_

1. Дисперсионный анализ Введите номер необходимого пункта:

однофакторного опыта, заложенного И нажмите клавишу Enter

по стандартной схеме.

2. Дисперсионный анализ Для выхода из программы

однофакторного опыта, Введите - 0

заложенного по методу

рекдомямрованиых

повторений.

3. Дисперсионный анализ

однофакторного опыт*,

заложенного по методу

рендомнзнро ванных

повторений,с

восстановлением выпавших

делянок.

и предоставляется возможность обработки данных по одному из предложенных алгоритмов:

Рассмотрим последовательно, как будет вестись обработка данных каждым из этих пунктов программы.

1. Дисперсионный анализ однофакторного опыта, заложенного по стандартной схеме

Рассмотрим на примере опыта по изучению сроков посева сидератов, заложенного по стандартной схеме (Потапов и др., 1990) в хозяйстве «Зелёный Гай» Мичуринского района. В опыте использовано 7 учётных рядов (посадка 8X4) деревьев Антоновки обыкновенной, каждый ряд (всего 116 посадочных мест) разделён на 3 равных повторения, в каждом по 30 учетных деревьев.

4. Длина окружности штамба 14-летних деревьев Антоновки обыкновенной при разных условиях содержания почвы в междурядьях сада (см) на 7-й год ведения опыта ___

Условное обозначение варианта Вариант Номер повториостн

I II III

Контроль 1 Черный пар 47,6 47,4 473

Весенние сидераты в каждом междурядье 48,1 493 483

2 Летние сидераты в каждом междурядье 50,0 473 483

Контроль 2 3 ЧСрный пар 47,3 473 47,4

Весенние сидераты через междурядье 48,5 493 493

4 Летние сидераты через междурядье 49,2 483 50,1

Контроль 3 Черный пар 47,7 48,6 48,7

Результатом работы данного пункта программы будет вычисление

фактического значения критерия Фишера._

Фактическое значение Критерия Фишера =1.26 Число степеней свободы =8

Необходимым условием вычисления НСР является превосходство найденного программой фактического значения критерия Фншера над табличным

1)Вычнслять НСР

2) Не вычислять НСР

Введите номер необходимого пункта ?□

а) при вводе цифры 1, программа вычислит НСР. НСР05 в сравнении с контролем = 1.36

НСРоз в сравнении со средним значением =0.99

б) при вводе цифры 2 программа закончит работу без вычислений.

2. Дисперсионный анализ однофакторного опыта, заложенного по методу рандомизированных повторений Рассмотрим работу программы на примере влияния глубины предпосадочной вспашки (Потапов и др., 1990) на некоторые ростовые показатели яблони.

5. Влияние глубины предпосадочной вспашки на площадь листьев 7-летних деревьев яблони сорта Северный Синап (мУтерево)

Глубина предпосадочной вспашки, см Номер повторности

1 2 3

25 18,6 17,9 17,2

40 26/1 213 23,1

60 293 273 25,9

Напомню, что для обработки данных по этому опыту:

1) Запускаем программу на выполнение

2) В главном меню программы выбираем пункт - Дисперсионный анализ однофакторного опыта

3) В предложенном далее меню выбираем пункт - Дисперсионный анализ однофакторного опыта, заложенного по методу рендомизированных повторений

После этого, на экране появляется новое меню, имеющее вид

Получаем запрос:_

1. Дисперсионный анализ для вариантов с одинаковой повторностью.

2. Дисперсионный анализ для вариантов с различной повторностью.

После набора числа нажмите клавишу Ео(ег

?□

Количество повторностей в данном опыте одинаково, поэтому мы вводим цифру 1.

Результатом работы данного пункта программы будет также вычисление фактического значения критерия Фишера._

Фактическое значение Критерия Фишера -45.41 Число степеней свободы =4

Необходимым условием вычисления НСР является превосходство найденного программой фактического значения критерия Фишера над табличным

1)Вычислять НСР

2) Не вычислять НСР

Введите номер необходимого пункта ?□

при вводе цифры 1, программа вычислит НСР, иначе закончит работу без вычислений.

При обработке данных по данному пункту программы, а именно: дисперсионный анализ однофакторного опыта, заложенного по методу рендомизированных повторений, допускается и дисперсионный анализ для вариантов с различной повторносгью.

Рассмотрим работу программы в этом направлении на примере опыта (Потапов и др. ,1990).

[ разной экспозиции

Л Склон Средняя длина окружности штамбов по рядам деревьев Число повторностей в -

1 Южный 29,5;29,8;31,1 ;31,9;30,0;31,4,31,2; 7

2 Северный 35,7;49,9;35,1;36,0;35,0; 5

3 Северозападный 36,1 ;35,4;35,2;36,2;35,7;35,3; 36,1 ;36,5;35,9;36,0; 10

2 22

Программа вычислит

Для 1-го и 2-го вариантов при п, = 7 и п2 = 5,

НСР,Л — 3,71см.

Для первого и третьего вариантов П) = 7 и п3 =10, НСРЮ = 3,12 см.

Для второго и третьего вариантов п? = 5 и пч =10, НСРт - 3,47см .

3. Дисперсионный анализ однофакторного опыта, заложенного по методу рендомизированных повторений с восстановлением выпавших делянок.

Обработка опытных данных этим пунктом программы аналогична обработке данных по пункту нашей программы - дисперсионный анализ для вариантов с одинаковой повторностью, за тем исключением, что вместо утерянных данных программа просит вас вводить 0. Допускается обработка опыта, в котором одно или два потерянных значения. Необходимые поправки при проведении дисперсионного анализа программа вычисляет автоматически.

(Потапов и др. ,1990). Изучали влияние предпосадочного удобрения и внесения азота на плантации земляники. Влияние предпосадочного удобрения (фактор А) изучали в следующих вариантах: 0-й - контроль (без удобрений), 1-й — внесение фосфорно-калийных удобрений из расчета РбоК№ и 2-й - внесение навоза по 30 т/га )• фосфор и калий Р«,К60- Влияние внесения азота на плантации земляники (фактор В) изучали в следующих вариантах: 1-й - контроль (азот не вносили), 2-й - - внесение N45 весной, 3-й -N41 после уборки урожая, 4-ый - N22.5 весной I N22.5 после уборки урожая и 5-й - N4, весной + N4^ после уборки урожая. Требуется установить наличие или отсутствие влияния предпосадочною удобрения и внесения азота на плантации, а также их взаимодействия на урожайность земляники.

7. Средняя (за 4 года) полеляночная урожайность {емляники (п/|а), хозяйс то «Зелёный Гай»

Фактор А, предпосадочное удобрение Фактор В, азотные удобрения Номер повторности ЕКлв X

1 2 3 4

0 1 79 80 86 72 317 79

2 88 88 89 92 357 89

3 89 93 103 92 377 94

4 92 89 98 95 374 94

5 96 106 105 104 411 103

1 1 72 84 92 77 325 81

2 85 90 100 88 363 91

3 103 97 102 91 393 98

4 91 109 91 93 384 96

5 89 99 100 96 384 96

2 1 70 94 95 90 349 87

2 87 87 100 97 371 93

3 88 92 102 95 377 94

4 88 108 104 95 395 99

5 91 104 ИЗ 91 399 100

1П 1308 1420 1480 1368 [5576 Х=93

При необходимости обработки данных по этому пункту, нужно будет ввести сначала количество вариантов по каждому из факторов (по соответственно числа 3 и 5), а затем количество повторностей (программа выдаёт запрос по вводу) - 4. После этого обработка ведётся аналогично обрабо1ке по однофакторному опыту, а именно, выдаются запросы о вводе данных, перебирая для каждого значения одного из факторов ¡начения фактора другого и соответствующей повторности. Результатом работы программы будет:

1. Значение НСР по 1 -му фактору.

2. Значение НСР по 2-му фактору.

3. Значение НСР по взаимодействию факторов.

4. Среднее значение НСР.

Анализ одночисловых данных

При выборе этого пункта программы для обработки данных необходимо будет ввести количество одночисловых данных, а затем сами эти числа. После ввода необходимого на экран высвечивается матрица обработки одночисловых данных, а также вычисляется НСР.

Выводы

1. Впервые была разработана комплексная программа, обеспечивающая обработку экспериментальных данных в плодоводстве.

2. Программирование представляет научный и практический интерес, как с точки зрения познания и применения процесса составления программ, так и ускорения анализа экспериментальных данных с плодовыми и другими культурами по количественным признакам, имеющим определённые размерности.

3. Разработаны одиннадцать программ по различным вариационно-статистическим алгоритмам.

4. Особый интерес представляют следующие программы обработки данных:

□ по определению необходимого количества повторностей;

□ по работе с экспериментальными данными, имеющими сопряженные показатели;

□ применения анализа неортогональных схем экспериментального материала;

□ по восстановлению утерянных данных;

и по проведению анализа по одночисловых данным.

5. Показано, что важное теоретическое значение имеет использование теории больших уклонений для оценки объёма экспериментальной выборки при отсутствии сведений о распределении генеральной совокупности.

6. Использование программы в десятки раз сокращает время обработки и анализа полученного экспериментального материала.

7. Точность и корректность получаемых результатов по разработанным программам отвечает современным требованиям высшей математики и вариационной статистики.

8. Применение разработанных программ позволяет проводить обработку экспериментальных данных исследователям различного уровня знаний в области вариационной статистики и новых информационных технологий.

Рекомендации науке и образованию

Рекомендовать использовать в научно-исследовательской работе в

различных научных организациях и учреждениях, где исследуются

экспериментальные данные по количественным признакам, имеющие

определённые размерности.

Список опубликованных работ:

1. Теоретическая оценка ассиметричных распределений биологических показателей.// Сборник докладов Международной научно-методической конференции 1998 г., т. 2, Мичуринск - с. 6-8 (в соавторстве).

2. Критерий Колмогорова-Смирнова.// Сборник докладов Международной научно-методической конференции 1998 г., т. 3, Мичуринск - с. 5-7 (в соавторстве).

3. Критерий ван ден Вардена.//Сборник докладов Международной научно-методической конференции 1998 г., т. 3, Мичуринск - с. 9-11 (в соавторстве).

4. Критерий знаков.// Сборник докладов Международной научно-методической конференции 1998 г., т. 3, Мичуринск - с. 11-13 (в соавторстве).

5. Критерий серий.// Сборник докладов Международной научно-методической конференции 1998 г., т. 3, Мичуринск - с. 13-16 (в соавторстве).

6. Оценка объёма вторичной выборки окружности штамба яблони.// Сборник докладов Международной научно-методической конференции 1998 г., т. 3, Мичуринск - с. 41-44 (в соавторстве).

7. Вычисление вариационно-статистических характеристик на компьютере.// Научно-производственный журнал «Вестник МичГАУ» серия плодоводство, цветоводство и овощеводство, 2001 г., т. 1 , МичГАУ - Мичуринск - с. 155-160 (в соавторстве).

8. К вопросу классификации слаборослых клоновых подвоев яблони.// Сборник докладов Международной научно-методической конференции 2003 г., т. 3, Орёл - с. 268-269 (в соавторстве).

9. Алгоритм оценки различий между одночисловыми экспериментальными данными.// Методические рекомендации 2003 г., МичГАУ - Мичуринск - с. 14 (в соавторстве).

Отпечатано в типографии МичГАУ Подписано в печать 20.11.03. г. Формат 60x84 '/16, Бумага офсетная № 1. Усл.печ.я. 1,33 Тираж 100 экз. Ризограф Заказ № 10733

Мичуринский государственный аграрный университет 393760, Тамбовская обл., г.Мичуринск, ул. Интернациональная, 101, тел. +7 (07545) 5-26-35 E-mail: mgau@m ich.ru

P1SS74

Содержание диссертации, кандидата сельскохозяйственных наук, Фролова, Светлана Викторовна

ВВЕДЕНИЕ

ГЛАВА 1. Биометрические показатели в исследованиях по плодоводству.

1.1.Вариационно-статистические характеристики подвоев и саженцев яблони.

1.2. Показатели учётов по росту и плодоношению плодовых деревьев.

1.3 Использование методик вариационной статистики в плодоводстве.

ГЛАВА 2. Условия, объекты, цель, программа, задачи и методика исследований.

2.1. Условия проведения исследований.

2.2. Объекты, цель, программа и задачи исследований.

2.3. Методика исследований.

ГЛАВА 3. Средние величины и их характеристики.

3.1. Среднее арифметическое.

3.2. Среднее квадратичное отклонение.

3.3. Коэффициент вариации.

3.4. Ошибка среднего арифметического.

3.5. Точность определения среднего арифметического.

3.6. Оценка существенности различий между двумя выборками.

ГЛАВА 4. Показатели учётов.

4.1. Определение необходимого числа повторностей.

4.1.1 Оценка объёма вторичной выборки.

4.2. Выбраковка сомнительных показателей.

4.3. Оценка принадлежности выборки к нормальному распределению.

I ГЛАВА 5. Оценка различий.

5.1. Определение существенности различий между сопряженными выборками

5.2. Корреляционный анализ.

5.3. Регрессионный анализ.

ГЛАВА б. Стационарный опыт.

6.1. Однофакторный опыт.

6.1.1. Однофакторный опыт, заложенный по стандартной схеме.

6.1.2. Однофакторный опыт, заложенный по методу рендомизированных повторений.

6.1.3. Однофакторный опыт, заложенный по методу рендомизированных повторений, с восстановлением выпавших данных.

6.2. Многофакторный опыт.

6.3. Анализ одночисловых данных.

ГЛАВА 7. Руководство по пользованию программой.

7.1. Вызов программы, завершение работы, внешний вид и принцип работы.

7.2. Вычисление статистических характеристик.

7.3. Определение существенности различий между выборками.

7.4. Определение существенности различий между сопряженными выборками.

7.5. Определение % сопряженности и существенности различий при данной процентности.

7.6. Определение необходимого числа повторностей.

7.7. Выбраковка сомнительных показателей.

7.8. Оценка принадлежности выборки к нормальному распределению.

7.9. Определение коэффициента корреляции, уравнение регрессии.

7.10. Дисперсионный анализ однофакторного опыта.

Ь 7.11. Дисперсионный анализ двухфакторного опыта.

7.12. Анализ одночисловых данных.

ГЛАВА 8 . Текст разработанной программы.

Выводы

Введение Диссертация по сельскому хозяйству, на тему "Разработка компьютерных программ и вариационно-статистический анализ экспериментальных данных в плодоводстве"

Математическая статистика один из разделов математики, который опирается на теорию вероятностей. Он посвящён математическим методам систематизации, обработки результатов экспериментов и наблюдений и используется для отыскания, анализа и обоснования закономерностей изучаемых величин.

В настоящее время невозможно представить себе какую-либо науку без использования методов математической статистики, а именно без планирования эксперимента и анализа полученных результатов. Но методы эти нельзя применять слепо, без глубокого понимания предмета исследования, тем более, если речь идёт о биологических факторах, т.к. почти все они характеризуются изменчивостью или вариабельностью показателей и жизненных проявлений. Поэтому в статистике выявился отдельный раздел - вариационная статистика, занимающийся вариационно-изменчивыми величинами.

При проведении какого-либо опыта или эксперимента экспериментатор обращается к вариационной статистике для решения трёх основных вопросов:

• как и в каком количестве выбрать объекты для исследований;

• как свести имеющуюся информацию к более простым показателям, не утратив при этом черты присущие первичным данным;

• как оценить достоверность полученных результатов, отделить случайное от существенного, как по части охарактеризовать целое с достаточной точностью.

Методы математической статистики не вскрывают сущности и причин явлений (хотя и значительно помогают этому), но записывают, формулируют количественную сторону этих явлений. Знание современных методов статистической обработки необходимо не только для количественной характеристики наблюдений и полученных в опыте данных, но и на всех этапах эксперимента от планирования до интерпретации окончательных результатов.

Но всем исследователям следует помнить о высказывании в этом направлении В.Ю. Урбаха: . математический анализ должен играть лишь подсобную роль - вопрос об однородности или неоднородности заданной статистической совокупности может быть решен окончательно только на основе биологического анализа исследуемого материала" (Урбах, 1964).И вывод П.Ф. Рокицкого о том, что " . биолог должен очень вдумчиво анализировать полученные эмпирические ряды распределения и, оценивая их математически, не забывать об их биологической природе, отнюдь не стремясь подогнать их к тому или иному виду теоретических кривых" (Рокицкий, 1973).

Основной недостаток существующей в настоящее время системы оценок биологических параметров является повсеместное применение нормального распределения, которое в природе наблюдается крайне редко. Центральная предельная теорема позволяет устранить этот недостаток. Следует помнить, что плодоводство -специфическая отрасль, т.к. культура влияет на системный подход оценок. Выделяют в плодоводстве два вида единиц измерения:

1. биологическая единица (самостоятельное растение)

2. статистическая единица (штамб-1 измерение, прирост-несколько измерений)

Статистические единицы для различных величин различны. Статистическая единица не может быть меньше биологической (либо больше, либо совпадает).

Исследования по слаборослым клоновым подвоям яблони и других культур, являясь неотложной необходимостью, становятся приоритетными для научных программ научно-исследовательских учреждений России в XXI веке, которые могут обеспечить решение целого комплекса вопросов на основе совершенствования методики опытного дела с использованием современного и нового аппарата алгоритмов вариационной статистики.

Математика издавна использовалась в разных науках, в том числе и в естественных.

Важнейшее значение в этом направлении имело открытие Я. Бернулли в XVII веке, связанное с тем, что при большом количестве измерений с определенного их объема средние арифметические величины не изменяются; затем Лаплас и позднее К. Гаусс установили кривую вероятности и нормального распределения. Фундаментальную роль для исследователей сыграла теория "малой выборки" В. Госсета (Стьюдента), предложенная и обоснованная в начале XX века. В последующие годы она была подтверждена учеными разных .математических школ и направлений. (Потапов, 1998).

К настоящему времени, по мнению профессора Потапова В.А. (1998) :"Выделилась новая наука -"вариационная статистика" . Эта наука — не математика, не высшая математика, не математическая статистика или биометрия и т.д., она базируется на этих науках, на законах, понятиях, символах, связана с ними. через интерпретацию смысловых заключений и выводов по результатам исследований, но это новая наука, со своей спецификой и методологией. Вариационная статистика.- это наука, изучающая варьирующие признаки и явления объектов живой и неживой природы!"; и далее - "Такое определение пригодно только для этой науки, а сложившиеся де-факто понятия, вошедшие в учебники и руководства: "математическая статистика", биометрия", "биологическая статистика", высшая математика и математическая статистика", "биометрические методы" . . . являются, в определенной мере, синонимами "вариационной статистики".

Применение методов вариационной статистики при изучении биологических объектов, характеризующихся конкретными показ ателями и числовыми величинами, изменяющимися под воздействием различных факторов, является обязательным условием в настоящее время для исследователей, в том числе в плодоводстве.

Установлено, что применение статистических методов позволяет определить необходимое количество основных показателей, которые относительно полно характеризовали бы конкретную совокупность, сформировать репрезентативные выборки из генеральных совокупностей, сделать надежные заключения о различиях, установить наличие или отсутствие связей между различными признаками. Эти основные, фундаментальные вопросы вариационной статистики не исчерпывают всех возможностей применения ее методов в исследованиях с биологическими объектами.

Многие исследователи отмечают, что методы вариационной статистики могут успешно и полезно применяться биологами, но лишь при серьезном, постоянном их изучении, понимании логических основ, применительно к конкретным экспериментальным данным, напоминают известное предупреждение Д. Финни о том, что отношение "к статистической науке, как к поваренной книге" приводит чаще всего "к совершенно неправильной обработке данных".

Систематическое изучение вариационной статистики, исследования с применением ее методов позволяют, нередко, вскрыть некоторые биологические и другие явления, которые оставались бы непознанными до конца, а нередко, сущность их была бы истолкована неправильно, искаженно.

В конечном счете, однако, считается, что окончательные выводы в сследованиях с биологическими объектами и явлениями может и должен сделать только сам исследователь, специалист-биолог, агроном, почвовед и т.д., владеющий методами вариационной статистики, которые играют при этом важную, но вспомогательную роль (Потапов, 1998).

П. Ф. Рокицкий аналогично предостерегает о том, что ". биолог должен очень вдумчиво анализировать полученные экспериментальные ряды распределения и, оценивая их математически, не забывать об их биологической природе, отнюдь не стремясь подогнать их к тому или иному виду теоретических кривых" (Рокицкий, 1973).

Необходимо подчеркнуть, что математический анализ должен играть лишь подсобную роль" -писал В.Ю. Урбах (Урбах, 1964) - "вопрос об однородности или неоднородности заданной статистической совокупности может быть решен окончательно только на основе биологического анализа исследуемого материала", т.е. специалистом-исследователем.

Специальных исследований по вопросам методики опытного дела, применения вариационной статистики в сельскохозяйственных науках в России проведено относительно небольшое количество.

В плодоводстве таких работ проведено еще меньше и в мировой практике, и в странах СНГ, включая и Россию.

Заслуживает большого внимания книга С.Пирса (перевод с английского А. Г. Кругликова, под ред. доктора с.-х. наук Б.А. Доспехова) "Полевые опыты с плодовыми деревьями и другими многолетними растениями" (Доспехов, 1969).

Крупной важной работой, написанной на основе многолетних исследований в этом направлении, является книга профессора

Перфильева В.Е. "Варьирование и взаимосвязь количественных признаков у плодовых растений" (Перфильев, 1994).

Заслуживает внимания работа профессора Потапова В. А. "Применение математической статистики в агротехнических исследованиях с плодовыми растениями" (Потапов, 1977).

Новой ценной работой в этом направлении явилась монография: "Методы обработки экспериментальных данных в плодоводстве". (ПотаповВ.А., Кашин В.И., Курсаков А.Г., 1997).

Исследования по методическим вопросам со слаборослыми клоновыми подвоями яблони в России практически не проводились, в то время как мировое направление развития садоводства идет с использованием именно этих подвоев.

Исследования с этими подвоями по многим аспектам ведутся в ряде научных учреждений России и других стран, однако, сведения о репрезентативности выборок, вариабельности показателей, необходимом количестве учетных единиц, применении статистических методов в оценке различий и другим методическим вопросам, как правило, отсутствуют, что и явилось основанием для выполнения настоящей диссертационной работы.

На защиту выносятся следующие основные положения:

1. Новые и усовершенствованные методики исследований плодовых объектов в вариационной статистике.

2. Применение теории больших уклонений для оценки объема повторной выборки при неизвестном распределении генеральной совокупности.

3. Применение алгоритмов обработки экспериментальных данных с использованием новых информационных технологий с плодовыми деревьями.

Заключение Диссертация по теме "Плодоводство, виноградарство", Фролова, Светлана Викторовна

Выводы

3. Разработаны одиннадцать программ по различным вариационно-статистическим алгоритмам.

4. Особый интерес представляют следующие программы обработки данных: по определению необходимого количества повторностей; по работе с экспериментальными данными, имеющими сопряженные показатели; применения анализа неортогональных схем экспериментального материала; по восстановлению утерянных данных; по проведению анализа по одночисловых данным.

Рекомендации науке и образованию

Рекомендовать использовать в научно-исследовательской работе в различных научных организациях и учреждениях, где исследуются экспериментальные данные по количественным признакам, имеющие определённые размерности.

Библиография Диссертация по сельскому хозяйству, кандидата сельскохозяйственных наук, Фролова, Светлана Викторовна, Мичуринск

1. Аксененко В.Ф. Перспективные сорто-подвойные комбинации яблони в Кабардино-Балкарии: Автореф. дис.канд.с.-х.наук / Мичуринск, 1989.-24 с.

2. Андрукович П.Ф. Применение метода главных компонент в практических исследованиях. М.: Изд-во МГУ, 1973. - 124 с.

3. Андрющенко Д.П. Производственный опыт и перспективы развития садоводства на слаборослых подвоях в Молдавии // Сады на карликовых подвоях. М.,1966. - с. 23 - 30.

4. Будаговский В.И. Взаимовлияние подвоя и привоя в карликовом плодоводстве // Изв. АН ССР, сер. биол. 1950. - N 2. - с. 38 - 50.

5. Будаговский В.И. Карликовые подвои для яблони. М., Сельхоз-гиз, 1959. - 350 с.

6. Будаговский В.И. Промышленная культура карликовых плодовых деревьев. М., Сельхозиздат, 1963.- 383 с.

7. Будаговский В.И. Слаборослые плодовые деревья и их значениев интенсификации плодоводства // С.-х.биология, 1970.- Т.5, N2.-с.266 - 274.

8. Будаговский В.И. Культура слаборослых плодовых деревьев. М., Колос, 1976.-304 с.

9. Бережной И.П. Скороплодные сады на Дону. Ростовское книжное изд-во, 1973. - с. 15-19.

10. Бите А.Е. Результаты исследования в Латвийской ССР клоновых подвоев яблони селекции Плодоовощного ин-та им. И.В. Мичурина // Сб.: Зимостойкие слаборослые клоновые подвои яблони. -Мичуринск, 1990.- с. 198 202.

11. Бобнев А.Д. Влияние садозащитных лесных насаждений на рост и плодоношение плодовых и ягодных культур в степной и лесостепной зонах Челябинской области : Автореф. дис.канд. с.-х.на-ук/Омск, 1954.-22 с.

12. Борисова А.А. Высокое качество посадочного материала основа успеха интенсивного плодоводства // Посадочный материал для интенсивных садов.- Варшава, 1994.- с.21 - 22.

13. Бумбу А.В., Семин B.C. Изучение фосфорного и азотного обмена у привитой яблони // Садоводство, виноградарство и виноделие Молдавии. 1965. - N11. - с. 12 -16.

14. Бурмистров А.Д. Культура яблони с промежуточной вставкой // Садоводство. 1968. - N4. - с. 23 -24.

15. Бутенко А.И. Выявление генотипических особенностей плодовых растений методами многомерного статистического анализа: Автореф. дис.канд. биол. наук / Москва, 1986. 22 с.

16. Васильченко Г.В. О засухоустойчивости сибирской яблони как подвоя // Физиология растений. 1960. - Т. 7, вып. 4.- с. 481 - 483.

17. Васюта В.М. Технология выращивания плодовых саженцев в теплицах : Автореф. дис.докт. с.-х. наук / Мичуринск, 1989,- 35 с.

18. Верзилин А.В. Выращивание яблони на острове Валаам : Автореф. дис.канд. с.-х. наук / Мичуринск, 1993. 24 с.

19. Вроно Д., Садовски А. Скороплодность некоторых сортов яблони на подвое М 9 // Посадочный материал для интенсивных садов. -Варшава, 1994.- с. 25 -26.

20. Гавришов Н.Н. Интенсивные яблоневые сады в Нижнем Поволжье // Сб.: Зимостойкие слаборослые клоновые подвои яблони.-Мичуринск, 1990. с ЛОЗ - 107.

21. Гронских И., Бите А. Опыт выращивания саженцев яблони для интенсивных садов в Латвии // Посадочный материал для интенсивных садов. Варшава, 1994. - с. 29 - 30.

22. Грязев В.А. Продолжительность образования корней у подвоя // Садоводство. 1977. - N10. - с. 26.

23. Грязев В.А. Изучение свойств подвоев в питомнике в условиях центральной зоны Ставропольского края // Труды Ставропольского НИИСХ. 1977. - Вып. 48. - с. 90 - 94.

24. Гулько И.П. Испытание клоновых подвоев яблони в маточниках и питомниках в условиях Черкасской области УССР. Канд. дис. -Млиев, 1981.- 187 с.

25. Гулько И.П., Гулько В.И. Карликовый подвой для яблони // Садоводство. 1985. - N1. - с. 3 - 11.

26. Гулько И.П., Гулько В.И. Урожайность и скороплодность яблони на разных подвоях // Садоводство. 1986. - N1. - с. 15.

27. Гулько И.П. Клоновые подвои яблони в интенсификации садоводства Центральной лесостепи Украины: Автореф. дис. докт. с.-х. наук / Мичуринск, 1986. 24 с.

28. Девятов А.С. Карликовые плодовые деревья на периодически переувлажненных землях Нижнего Поволжья // Культура карликовых деревьев яблони и груши в СССР. М., Изд-во МСХ СССР, 1959.-с. 194- 195.

29. Девятов А.С. Скороплодность плотных садовых конструкций яблони на слаборослых подвоях яблони при использовании саженцев, выращенных в контейнерах // Посадочный материал для интенсивных садов. Варшава, 1994. - с. 31 - 33.

30. Девятов А.С., Капичникова Н.Г. Оптимальный тип сада слаборослых сортов яблони на карликовом подвое вставка Будаговский 134// Посадочный материал для интенсивных садов . - Варшава, 1994.-с. 34-35.

31. Долгов В.Ф. Удобрение и окоренение отводков // Садоводство.1968.-N2.-с. 23.

32. Дорошенко Т.Н., Поспелова Ю.С. Морфологические особенности корневой системы различных по совместимости сорто-подвой-ных комбинаций яблони // Плодоовощное хозяйство. 1985. - N3.с. 43 45.

33. Дубров A.M. Обработка статистических данных методом главных компонент. М.: Статистика, 1978. - 135 с.

34. Дядченко O.K. Зимостойкие клоновые подвои яблони в Харьковской области //Сб.: Зимостойкие слаборослые клоновые подвои яблони. Мичуринск, 1990. - 157 - 162.

35. Жучков Н.Г., Ковалев А.П., Малиновский В.В., Великанова П.В. Плодоводство. Экономика и агротехника плодово-ягодных культур. М. - JL, Гос. изд-во колхозной и совхозной лит-ры, 1934.-с. 374 - 375.

36. Жучков Н.Г. Карликовое плодоводство на новых основах. М., Сельхозгиз, 1936. - 208 с.

37. Зевина А.И. Влияние садозащитных лесных полос на рост и урожай некоторых сортов яблони в условиях Волгоградской области. Канд. дис. Волгоград, 1973. - 160 с.

38. Иберла К. Факторный анализ.- М.: Статистика, 1980. 398 с.

39. Иванова И.А. Влияние подвоев различной силы роста на морфо-биологические показатели деревьев в саду : Автореф. дис. канд. с.-х. наук / Мичуринск, 1994. 22 с.

40. Иевлева Т.П. Сады на слаборослых подвоях в Воронежской области // Сб.: Зимостойкие слаборослые клоновые подвои яблони. Мичуринск, 1990. - с. 85 - 88.

41. Интенсивные маточники клоновых подвоев // Садоводство.1986.-N5.-с. 17-19.

42. Каблучко Г.А. Плодоводство Приднестровья Молдавии. Кишинев : Госиздат, 1955. - 224 с.

43. Карпенчук Г.К. Качество саженцев, рост и урожайность яблони // Посадочный материал для интенсивных садов. Варшава, 1994.-с. 43.

44. Карычев Н.Г. Клоновые подвои яблони в промышленном интенсивном садоводстве Казахстана // Сб. работ ВНИИС им. И.В. Мичурина .- Мичуринск, 1976. Вып. 23. - с. 46 - 49.

45. Карычев К.Г. Размножение посадочного материала яблони и груши на перспективных подвоях для интенсивных садов // Посадочный материал для интенсивных садов. Варшава, 1994.с. 44-45.

46. Карычев К.Г., Савеко И.П. Клоновые подвои яблони устойчивые кронообразователи в саду // Сб. науч. работ: Научные основы развития плодоводства и питомниководства. - Алматы, 1996. - с. 80.

47. Касьяненко А.И. Продуктивность сортов яблони, привитых на карликовые подвои // Агробиология. 1956. - N 6.- с. 83 - 89.

48. Квиклис А. Клоновые подвои яблони и их размножение в Литовской ССР // Канд. дис. Витенай, 1970. - 175 с.

49. Клочко П.В. Качество саженцев и урожайность насаждений яблони в условиях орошения юга Украины // Посадочный материалдля интенсивных садов. Варшава, 1994. - с. 46 - 47.

50. Котов Л.А. Изучение клоновых подвоев яблони на Среднем Урале // Сб. науч. работ : Зимостойкие слаборослые клоновые подвои яблони. Мичуринск, 1990. - с. 123 - 128.

51. Кодратьев К.Н. Экологические ресурсы и продуктивность яблони в Поволжье : Автореф. дис. докт. с.-х. наук / Мичуринск, 1990.- 35 с.

52. Лебедев В.М. Минеральное питание и биологическая продуктивность яблони : Автореф. дис. докт.с.-х. наук / Мичуринск, 1985.36 с.

53. Лусс А.И. Взаимоотношение подвоя и привоя // Теоретические основы селекции растений. М. - Л., 1935. - Т. 1.- с. 689 - 752.

54. Мазунин М.А. Естественностелющаяся яблоня в Уральском регионе : Автореф. дис. докт.с.-х. наук / Мичуринск, 1990. 36 с.

55. Марин Г.В. Продуктивность слаборослых деревьев яблони с вере-теновидными кронами в зависимости от схемы посадки, системы формирования и обрезки: Автореф. дис. канд.с.-х. наук / Кишинев, 1988.-22 с.

56. Марголин А.Ф. Карликовые подвои для яблони. Ростовское кн. изд-во, 1959.-30 с.

57. Марголин А.Ф. На вегетативно-размножаемых подвоях // Садоводство. 1982. - N2. - с. 16 - 17.

58. Медведев С.М. Рост, плодоношение и зимостойкость интенсивных яблоневых садов трех типов. Мичуринск, 1989. - 15 с.

59. Медведев С.М. Возделывание слаборослых яблоневых садов вп/х "Непецино" Московской области // Сб. науч. трудов : Зимостойкие слаборослые клоновые подвои яблони. Мичуринск, 1990. -с. 95 - 99.

60. Мережко И.М. Качество посадочного материала и продуктивность растений // Посадочный материал для интенсивных садов. Варшава, 1994. - с. 54.

61. Моисейченко В.Ф., Заверюха А.Х., Трифонова М.Ф. Основы научных исследований в плодоводстве, овощеводстве и виноградарстве. М.: Колос, 1994. - 383 с. - ( Учебники и учеб. пособия для студентов высш. уче. заведений ).

62. Муромцев И.А. Активная часть корневой системы плодовых растений. М.: Колос, 1969. - 245 с.

63. Нестеров В.Г. К вопросу о дифференциации деревьев в лесу // Докл. Тимирязев, с.-х. акад.- 1957. Вып. 31. - с. 249 - 273.

64. Нестеров В.Г., Мамаев А.С. Интенсивность роста сосны как показатель процесса развития // Докл. Тимирязев, с.-х. акад.- 1957. -Вып. 31.-с. 307-312.

65. Омельченко И.К. Модели интенсивных яблоневых садов в Украине // Посадочный материал для интенсивных садов. Варшава, 1994.-с. 57-58.

66. Переяслова Л.Б. Потенциальная продуктивность и особенностиее реализации у яблони в суперинтенсивном насаждении разного аозракста // Сб. науч. работ: Научные основы развития плодоводства и питомниководства. Алматы. 1996. - с. 120.

67. Перфильев В.Е. Особенности закладки плодоывх почек у карликовых деревьев // Садоводство. 1961. - N5.- с. 17 - 18.

68. Перфильев В.Е. О скороплодности карликовых деревьев яблони // Науч. докл. высш. школы. Биол. науки.- 1961.- N1- с. 195-197.

69. Перфильев В.Е. Влияние подвоя на соотношение веса коры и древесины у яблони // Агробиология. 1961. - N 2. - с. 301 - 305.

70. Перфильев В.Е. Связь между содержанием кальция в золе побегов яблони и способностью деревьев к закладке плодовых почек // Физиология растений. 1962. - Т. 9, вып. 3. - с. 371 - 372.

71. Перфильев В.Е. О причинах скороплодности карликовых деревьев яблони // Агробиология . 1962. - N4. - с. 619 - 622.

72. Перфильев В.Е. Разработка методических вопросов селекции плодовых растений на основе статистического анализа количественных признаков : Автореф. дис.докт. с.-х. наук / Мичуринск, 1988.-40 с.

73. Перфильев В.Е. Варьирование и взаимосвязь количественных признаков у плодовых растений. Мичуринск, 1994. - 188 с.

74. Петрушин В.Н. Статистическая модель зависимости продукционного процесса яблони от микроклимата сада. Канд. дис. Москва, 1988.- 130 с.

75. Пилипчинец Н.А. Оценка клоновых подвоев яблони на Юго-Западе Ураины: Автореф. дис. канд. с.-х. наук / Мичуринск, 1988.22 с.

76. Пилипчинец Н.А. Результаты изучения клоновых подвоев яблони в условиях Закарпатья // Сб. науч. трудов : Зимостойкие слаборослые клоновые подвои яблони. Мичуринск, 1990. - с. 175 -178.

77. Питомник плодовых, ягодных и орехоплодных культур / под ред. докт. с.-х. наук Попова В.Н. Краснодар, 1992. - 177 с.

78. Плодоводство и овощеводство / Учебник под ред. проф. Потапова В.А. М.: Колос, 1996. - 257 с.

79. Плохинский Н.А. Достаточная численность выборки // Сб. Биометрический анализ в биологии. Изд-во Московского ун-та, 1982.с. 152- 157.

80. Поликарпова Ф. Я. Совершенствование технологии ускоренного выращивания высококачественного посадочного материала плодовых и ягодных культур на основе зеленого черенкования: Автореф. дис. докт. с.-х. наук / Мичуринск, 1985. 44 с.

81. Помаранов С.Д. Сад под защитой леса. Горький, 1955. - 35 с.

82. Попов Б.А. Производственно-биологическая характеристика клоновых подвоев яблони в условиях Московской области// Сады на карликовых подвоях. М., 1966. - с. 215 - 236.

83. Попов А.Ф. Влияние карликового подвоя и обрезки на рост и плодоношение яблони // Сб. Научные достижения производству. -Мичуринск, 1967. с. 72 -75.

84. Попов Б.А. Культура слаборослых плодовых деревьев в Нечерноземной зоне РСФСР // Культура яблони на слаборослых подвоях. М.: Изд-во Наука, 1974. - с. 10-38.

85. Попов В.Н. Рост и плодоношение деревьев яблони и косточковых культур при выращивании на разных подвоях // Сб. работ по селекции и агротехнике плодовых и ягодных культур Россош. плод.-ягод. оп. ст.- Воронеж, 1962. Т. 2.- с. 103-141.

86. Попов В.Н. Особенности развития корневой системы подвоев яблони, привитых разными сортами // Сб. работ по селекции и агротехники плодовых и ягодных культур Россош. плод.-ягод.оп. ст. Воронеж, 1962. - Т. 2.- с.268 - 305.

87. Попов В.Н. Влияние подвоя на производственно- биологические свойства привитых плодовых растений // Питомник плод., ягод, и орехоплод. культур. Краснодар, 1992. - с. 8 - 14.

88. Посадочный материал для интенсивных садов // Резюме докл.-Варшава, 1994. 75 с.

89. Потапов В.А. Перспективы развития садоводства на зимостойких слаборослых подвоях // Сб. науч. работ : Зимостойкие слаборослые клоновые подвои яблони . Мичуринск, 1990. - с. 3-5.

90. Потапов В.А. Обработка экспериментальных данных по плодовым и ягодным культурам // Методические рекомендации в виде деловых игр. Мичуринск, 1990. - 81 с.

91. Потапов В.А., Ульянищев А.С., Гладышев Н.П., Бобрович Л.В. и др. Технология выращивания клоновых подвоев и саженцев яблони в открытом и закрытом грунте. М., 1995. - 28 с.

92. Применение корреляционного и регрессионного анализов для определения оптимального уровня обеспеченности растений минеральным питанием // Сады саратовские. Саратов, 1975.-с. 32 - 42.

93. Промышленная технология выращивания посадочного материала в пленочных теплицах // Садоводство. 1987. - N 4. -с. 19-20.

94. Пуцило А.И. Клоновые подвои яблони в Беларуссии // Сб. науч. работ: Зимостойкие слаборослые клоновые подвои яблони. -Мичуринск, 1990. с. 186 - 189.

95. Пчелинцев А.С. Размножение клоновых подвоев яблони одревесневшими черенками : Автореф. дис. канд. с.-х. наук / Мичуринск, 1993. 24 с.

96. Рао С.Р. Линейные статистические методы и их применение.1. М.: Наука, 1968. 547 с.

97. Рубин С.С. Влияние привоя на развитие корневой системы подвоя // Агробиология. 1955. - N 2. - с. 125 - 127.

98. Русинов В.Н. Промежуточная прививка парадизки IX на растущей яблоне // Садоводство, виноградарство и виноделие Молдавии. 1965. - N 4. - с. 36 - 39.

99. Рябушкин Ю.Б. Особенности выращивания саженцев яблони на клоновых подвоях в Саратовской облоасти : Автореф. дис. канд. с.-х. наук / Мичуринск, 1985. 24 с.

100. Савин Е.З. Слаборослые подвои яблони в садах Приуралья // Сб. науч. работ : Научные основы развития плодоводства и пи-томниководства . Алматы, 1996. - с. 93.

101. Садовски А., Врона Д. Рост и плодоношение яблони на подвое М 9 // Сб. науч. работ: Научные основы развития плодоводства и питомниководетва. Алматы, 1996 . - с. 18.

102. Садовски А., Чарнэцки Б., Дзиубан Р., Яблоньски М., Паевска А. Производство саженцев яблони разного типа в зависимости от диаметра подвоев // Посадочный материал для интенсивных садов. Варшава, 1994. - с. 61 - 62.

103. Садовски А. Ветвление и рост однолеток двух сортов яблони на разных подвоях и при разной высоте окулировки // Современные проблемы плодоводства. Самохваловичи, 1995. - 66 с.

104. Самусь В.А., Пуцило А.И., Лукуть Т.Ф. Клоновые подвои яблони для интенсивного сада // Науч. труды : Плодоводство. Минск, 1993.-Т. 8.-е. 15-25.

105. Самусь В.А. Итоги научных исследований по питомниководст-ву // Науч. труды : Плодоводство. Минск, 1995. - Т. 10.-е. 66-80.

106. Самусь В.А., Жабровский И.Е. Новые клоновые подвои яблони // Современные проблемы плодоводства. Самохваловичи, 1995.-60 с.

107. Семенов Г.С., Лукьянчук А.Ф. Размеры кварталов и структура садозащитных насаждений // Сад и огород . 1959. - N 1.- с. 15.

108. Сенин В.И. Продуктивность яблони на юге Украины. Днепропетровск: изд-во Проминь, 1978. - с.23 - 24.

109. Сенин В.И. Интенсивная культура яблони при орошении на юге Украины : Автореф. дис. докт. с.-х. наук / Мичуринск, 1986.-44 с.

110. Сенин В.И., Ковалева А.Ф. Продуктивность яблони на подвоях

111. В.И. Будаговского // Современные проблемы плодоводства. -Самохваловичи, 1995. 68 с.

112. Слаборослый интенсивный сад / В.А. Потапов, А.С. Ульянищев, Ю.В. Крысанов и др.; сост. В.А. Потапов. М.: Росагропромиз-дат, 1991. -219 с.

113. ИЗ. Статистические модели связи продуктивности сада с засолением почв // Почвоведение. 1986. - N 4. - с. 98 - 102.

114. Степанов С.Н. Плодовый питомник , М.: Сельхозиздат, 1963. -507

115. Степанов С.Н. Подвой и засухоустойчивость привитого дерева// Сб. работ НИИ садоводства им. И.В. Мичурина. 1965. - Вып.11. -с. 81 -84.

116. Тарасенко М.П. Испытания яблони и груши на слаборослых подвоях в Украинской ССР и перспективы промышленной культуры слаборослых плодовых деревьев // Сады на карликовых подвоях. М., 1966. - с. 37 - 49.

117. Татаринов А.Н., Лукьянов К.Д. Яблоня на сеянцовом подвое со вставкой слаборослого подвоя // Скороплодное садоводство. Симферополь, 1968. - с. 115 - 119.

118. Татаринов А.Н. Клоновые подвои косточковых культур // Методические указания. Москва, 1989. - 66 с.

119. Ташматов Э.Л. Биологические особенности и эффективность культуры яблони на слаборослых подвоях на юго-западе Узбекистана : Автореф. дис. канд.с.-х. наук / Мичуринск, 1988. 22с.

120. Теренько Г.Н. Повышение продуктивности плодовых культур на основе оптимизации их размещения // Дис. в форме науч. докл. докт. с.-х. наук. Мичуринск, 1996. - 38 с.

121. Технологии выращивания слаборослых клоновых подвоев и саженцев яблони в открытом и защищенном грунте // Рекоменд. под ред. докт. с.-х. наук, проф. Потапова В.А. Москва, 1995. -28 с.

122. Трусевич Г.В. Подвои плодовых пород. М.: Колос, 1964.- 495 с.

123. Трусевич Г.В. Культура яблон на слаборослых подвоях на Северном Кавказе // Сады на карликовых подвоях. М., 1966. -с. 93- 105.

124. Трусевич Г.В. Слаборослые сады в Нечерноземной зоне // Садоводство. 1978. - N 2. - с. 47.

125. Трусевич Г.В. Интенсивное садоводство. М.: изд-во Россель-хозиздат, 1978. - с. 35 - 96.

126. Умаров Н.Е. Совершенствование технологии обрезки маточников клоновых подвоев и сортов плодовых и ягодных культур в условиях средней зоны садоводства России: Автореф. дис. канд. с.-х. наук / Ашгабат, 1995. 22 с.

127. Федеральная программа возрождения садоводства России. -Москва, 1995.- 145 с.

128. Филиппова М.Л. Клоновые подвои яблони в отводочном маточнике : Автореф. дис.канд. с.-х. наук / Мичуринск, 1989. 22 с.

129. Хабаров Ю. И. Ускорение селекционного процесса яблони при помощи интеркалярных клоновых подвоев : Автореф. дис. канд. с.-х. наук / Мичуринск, 1993. 24 с.

130. Цаболов Р.Г. Размножение карликовых и полукарликовых подвоев яблони в условиях Дагестана. М.: Колос, 1966. - с. 150 -164.

131. Царев А.П. Сортоведение тополя. Воронеж: Изд-во Воронежского ун-та, 1985. - 152 с.

132. Циммерман К.Ф. Прилачането на варианцовата анализа и дру-ги статистически методи при полоските опити // Сельскостопан-ска мисъя. 1959. - Брой/.

133. Чендлер У.Х. Плодовый сад. М.: Сельхозиздат, 1960. - 621 с.

134. Awad М.М. and Kenworthy A.L. Clonal rootstock, csion variety and time of samplng influences in apple leaf composition. // Proc. Amer. soc. Hortic.Sc.- 1963.-Vol. 83.- p. 68 73.

135. Beakbane A.B. and Rogers W.S. Те relative importance of stem and root in determining rootstock influence in apples // J. Hortic. Sc. -1950, Vol. 31, N2.-p. 99- 110.

136. Blasco А. В., Jeckson J.E. Rootstock influence on cropping and fruit quality of apples // Proc. of the XIX intern, nortic. congress 1974, -Vol.1.-583 p.

137. Carlson P. F. The effekts and relationships of intermediate stem sections on growth and behavier of apple cultivars // Proc. Amer.Sok. Hortic. Sc. 1965.-Vol. 87.- p. 21 - 28.

138. Govinda Jyer. T. A. Replications in Field Experiments // Madrass agric. J. Coimb. 1958.

139. Hatton R. G. Apple rootstock studies effect of layered stocks upon the vigour and cropping of certain scions // J. Pomol. Hortic. Sc. 1935.-Vol.13, N 4.- p.293 - 350.

140. Moose B. A study of the bark-wood rilationship in apple stems // Ann. Rep. East Moiling Res. Stat. 1951 -1952, p. 70 -75.

141. Parreg M.S. and Rogers W. S. Dworfing interstocks their effect on the field perfomance and anchorange of apple trees // J. Hortic. Sc. -1968.-Vol. 43.- p.133- 146.

142. Pearce S.C. and Moore C.S. A study of cources of variation in apple tree experiments // J. Hortic. Sc. 1962.- Vol. 37, N 3.- p. 175 - 189.

143. Potter G.F., Sitton B.G. Experimentation with orcharrd trees // Somerville, New Jersey 1954.- 53 p.

144. Preston A. P. Apple rootstock studies flftein years resalts with Malling-Merton clones // J. Hortic.Sc. 1966.-Vol. 41, N 4.- p. 349 - 360.

145. Rogers W. S., Parry M. S. Effekts of deep planting on ancorage and performance of apple trees //J. Hortic.Sc.-1968.-Vol.43, N 1.- p.15-18.

146. Stark P. The interstem tree the compact of the future // Am. Fruit grower. 1972, p. 92.

147. Tubbs F.R. Precocity in relation to scion and to rootstock // Proc. of the XIX intern, hortic. congress, Warshava 1974, v. 1. - 583 p.

148. Tukey H.B. Dwofed fruit trees // New Jork 1964. - 251 p.

Информация о работе

Фролова, Светлана Викторовна
кандидата сельскохозяйственных наук
Мичуринск, 2003
ВАК 06.01.07

Диссертация

Разработка компьютерных программ и вариационно-статистический анализ экспериментальных данных в плодоводстве - тема диссертации по сельскому хозяйству, скачайте бесплатно

Автореферат

Похожие работы