揚聲器
|
成績單
|
| 保羅佩洛亞 |
你好，我叫保羅佩洛亞。 我是 Syngenta Crop Protection 拉丁美洲的數據分析負責人。 這個調查 |
| |
我要介紹的是關於甘蔗實驗中土壤害蟲子樣本大小的優化。 |
| |
在巴西，我們進行了很少的實驗來測試針對甘蔗土壤害蟲的產品，每個地塊的四個子樣本重複四次。 |
| |
在每個子樣本中，我們必須挖土以去除甘蔗的根部，然後評估這些土壤害蟲造成的損害。 好的，我們在 0.5 行米內完成。 |
| |
不幸的是，通過這種設計，這就是我們的問題，我們可以在僅考慮 5% 的 alpha 的情況下檢測到 40% 的治療之間的顯著差異。 好的。 |
| |
在我們的試驗中增加重複次數會顯著增加我們的實驗成本之前，我們決定首先評估我們收集的子樣本數量。 |
| |
眾所周知，子樣本數越多，實驗誤差越小。 眾所周知，這...實驗誤差的減少會隨著子樣本的數量而減少。 所以我們有一個非線性趨勢 |
| |
在某一時刻，這種實驗誤差的減少變得接近於零。 好的，出於這個原因，我們決定使用二次平台模型，我們將在幾秒鐘內討論該方法。 |
| |
所以，我說這項研究的目的是確定每個地塊的最佳子樣本數 |
| |
對於甘蔗上的土壤害蟲，至少有助於提高實驗過程的效率。 好的，現在讓我們談談我們使用的方法。 |
| |
嗯，我們開始這項研究......進行了兩個空白實驗，每個實驗有 11 個處理，四個區塊和八個子樣本。 還是八個，不是四個 |
| |
每個地塊的子樣本。 好的，有了這個……有了這兩個空白實驗的結果，我們應用它，這個……bootstrap 方法 |
| |
估計每個子樣本大小從 8 到 1 的平均標準誤差或實驗誤差。 之後，我們擬合二次高原模型。 現在讓我們來看看這種方法，即二次平台模型。 |
| |
好的，在左邊，我們有與這個模型相關的方程式，但我會關注右邊，在圖表上，好的。 |
| |
基本上，這個模型從一個二次模型開始，好吧，直到一個突破點……直到一個突破點，它變成了一個平台或一條水平線，好吧。 |
| |
在本研究的案例中，在 X 軸上，我們有子樣本……每個地塊的子樣本數，在 y 軸上，我們有均方根 |
| |
平方誤差，或者我們試驗的標準差，然後這個盈虧平衡點，好吧。 這個斷點被稱為最佳點。 在我們的例子中，這是 |
| |
每個地塊的最佳子樣本數，好的。 只是..只是一個額外的評論，如果你想在 JMP 中實現它， |
| |
頂部的這個公式變成了 JMP 幻燈片底部的這個公式，好的。 |
| |
然後你可以進入菜單分析，然後是專業建模，最後是非線性平台，好吧。 所以如果你想在 JMP 中這樣做，這就是......這是你必須遵循的方式。 讓我們回到第一張幻燈片。 |
| |
所以在這裡我們仍然在...在方法中，知道子樣本的最佳數量 |
| |
每個我們......我們使用二次高原模型確定的地塊，我們在下一季進行 |
| |
使用這個數量的子樣本進行三個真實試驗，然後我們再次應用引導程序方法來比較這些試驗必須檢測處理之間顯著差異的能力，如果它們是用四個子樣本進行的，我們以前的標準，好的。 |
| |
那麼讓我們來看看……結果。 首先在這裡與空白實驗相關的結果以確定最佳數量 |
| |
每個地塊的子樣本。 |
| |
所以在左邊，我們有一個……每個空白實驗一個圖表。 在 X 軸上，每個地塊的子樣本數量從 8 到 1。 在 y 軸上，我們有試驗的標準偏差，在這裡我們可以看到每個子樣本數有 1,000...1,000 個點。 |
| |
好的，在空白實驗 1 中，我們可以看到點的分佈非常對稱，這裡的紅點代表均值， |
| |
標準偏差。 在第二個空白實驗中，我們可以看到非對稱分佈。 實際上它是一個右偏分佈，好吧。 |
| |
再次出於這個原因，我認為使用多個空白實驗來估計這一點很重要，因為並非總是如此，我們有一個正態分佈，好吧。 |
| |
所以基本上這裡的紅點被轉移到...到屏幕右側的圖表。 然後我們提供二次高原模型。 正如我所說，我們從二次模型開始，然後 |
| |
在……在斷點處，它變成了一條水平線，好吧。 在這兩種情況下，我的意思是，在這兩個實驗的情況下，R 平方都非常好，97%，好的。 我們可以看到模型和 |
| |
數據很好，我的意思是它們......它們很接近，我們可以在這裡看到最佳的子樣本數量。 在第一個空白實驗的情況下，5.6，在第二個空白實驗的情況下，5.4，好的。 |
| |
好吧，因為每個地塊不可能有 5.5 個子樣本，所以我們採用了最佳數量，所以每個地塊有 6 個子樣本，這就是我們在下一季進行實際試驗時使用的數量，好吧。 |
| |
所以 |
| |
回到第一張幻燈片。 同樣，我們介紹了方法的第一部分，然後我們將驗證結果，我的意思是評估增加每個地塊的子樣本數量的好處，好的。 讓我們去那兒。 |
| |
所以，再次在屏幕的左側部分，我們在 y 軸上有治療的 p 值，在這裡，這條紅線代表我們的 alpha，5%。 所以實驗... |
| |
治療的 p 值低於這條紅線可以識別治療和值之間的顯著差異，但兩者都不能，好吧。 在頂部，我們有三個……三個不同的驗證實驗，在每個實驗中…… |
| |
左邊的每個實驗，我們有四個子樣本的實驗，在右邊，我們有六個子樣本，好的。 |
| |
我們可以清楚地看到低於 5% 或此規格上限的數據點數量高於四個子樣本，好吧。 我們可以清楚地看到這一點。 如果我們總結這些結果，我們有 |
| |
幾乎 41% 的試驗檢測到四種治療之間存在顯著差異 |
| |
子樣本。有了六個子樣本，我們的最佳數量，它幾乎變成了 54，好的。 這不是完美的，但是這裡有一個很好的增量，好的，13個百分點的增量。 讓我們回到第一張幻燈片。 |
| |
因此，正如我所說，要總結這項研究， |
| |
每個地塊從四個子樣本增加到六個子樣本增加了我們檢測處理之間 13 個百分點的顯著差異的能力。 |
| |
我們可以說二次高原模型效果很好，因為它們的 R 方很好，而且很容易確定最佳點，好的。 這很好。 |
| |
對於未來的研究，我們必須調查這種改進是否足夠，或者我們是否還需要增加重複次數。 要做到這一點，添加一些總是好的...... |
| |
一些價值，一些成本到這個模型來確定最佳實驗設計，好的。 嗯，這就是我必須...我必須給你看的。 我希望你喜歡它。 如果您有任何疑問，請隨時與我聯繫。 謝謝你，再見。 |
