| 揚聲器 |
文字稿 |
| 保羅·佩洛亞 |
您好，我叫保羅‧佩洛亞 (Paulo Peloia)，是先正達作物保護公司拉丁美洲的資料分析主管。 |
| |
我將要向大家介紹的是關於甘蔗土壤害蟲試驗中子樣本大小的最佳化。 |
| |
在巴西，我們進行了一些實驗，測試產品對甘蔗土壤害蟲的防治效果，每個地塊取四個子樣本，每個樣本重複四次。 |
| |
在每個子樣本中，我們都要挖開土壤，清除甘蔗的根系，然後評估這些土壤害蟲造成的損害。好的，我們以0.5行米為單位進行這項工作。 |
| |
不幸的是，採用這種設計，我們面臨的問題是，在顯著性水準為 5% 的情況下，我們只能在 40% 的病例中檢測到治療方案之間的顯著差異。好的。 |
| |
在增加試驗中的重複次數（這將大幅增加實驗成本）之前，我們決定先評估我們收集的子樣本數。 |
| |
已知子樣本數越多，實驗誤差越小。但也已知，實驗誤差的減少幅度會隨著子樣本數的增加而減少。因此，我們得到的是非線性趨勢。 |
| |
在某個臨界點，實驗誤差的減少量會接近零。因此，我們決定採用二次平台模型，也就是我們稍後要討論的方法。 |
| |
因此，我說過這項研究的目標是確定每個樣地最佳的子樣本數。 |
| |
對甘蔗土壤害蟲而言，什麼因素最有助於提高實驗效率？好的，現在我們來談談我們使用的方法。 |
| |
這項研究的開始是…我們進行了兩項空白實驗，共設定11個處理，4個區組，每個區組8個子樣本。注意是8個，不是4個。 |
| |
每個地塊的子樣本。好的，有了這些…有了這兩個空白實驗的結果，我們應用這個…自助法。 |
| |
為了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，我們擬合了二次平台模型。現在讓我們來看一下這種方法，即二次平台模型。 |
| |
好的，左邊是與這個模型相關的方程式，但我會專注於右邊的圖表，好的。 |
| |
基本上，這個模型從一個二次模型開始，直到…直到一個斷點，然後變成一個平台或一條水平線。 |
| |
在本研究中，X軸表示子樣本數量，即每個樣地中的子樣本數；Y軸表示均方根。 |
| |
平方誤差，或者說我們試驗的標準差，然後是這個損益平衡點，好的。這個臨界點稱為最優值點。在我們的例子中，這是 |
| |
每個圖的最佳子樣本數，好的。只是…只是補充一點，如果你想在 JMP 中實現它， |
| |
頂部這個公式在 JMP 中會變成幻燈片底部這個公式，好的。 |
| |
然後你可以依序點擊選單“分析”、“專業建模”和“非線性平台”，好的。所以如果你想在JMP中執行這些操作，這就是…這就是你必須遵循的步驟。我們回到第一張投影片。 |
| |
所以我們現在仍然處於…方法論層面，也就是確定最佳子樣本數。 |
| |
對於我們使用二次高原模型識別出的地塊，我們在接下來的季節進行了分析。 |
| |
我們使用這三個子樣本進行了三次真實試驗，然後再次應用 bootstrap 方法，比較這些試驗在檢測治療方法之間顯著差異方面的能力，並與使用四個子樣本（我們之前的標準）進行試驗的能力進行比較，好的。 |
| |
那麼，讓我們來看看結果。首先是空白實驗的結果，以確定最佳數量。 |
| |
每個地塊的子樣本。 |
| |
所以左邊這裡，我們看到每個空白實驗對應一張圖表。 X軸表示每個圖表中的子樣本數量，從8到1。 Y軸表示試驗的標準差，這裡我們可以看到，每個子樣本數量對應1000個數據點。 |
| |
好的，在空白實驗 1 中，我們可以看到點的分佈非常對稱，這裡的紅點代表平均值。 |
| |
標準差。在第二個空白實驗中，我們可以看到一個非對稱分佈。實際上，它是一個右偏分佈，好的。 |
| |
正因如此，我認為使用多個空白實驗來估計這一點很重要，因為我們並不總是能得到常態分佈，好嗎？ |
| |
所以基本上，這裡的紅點會被轉移到螢幕右側的圖表上。然後我們輸入二次平台模型。正如我所說，我們先從二次模型開始，然後 |
| |
在…在臨界點，它變成了一條水平線，好的。在這兩種情況下，我的意思是，在這兩個實驗中，R 平方值都非常好，97%，好的。我們可以看到模型和 |
| |
數據不錯，我的意思是，它們確實不錯……它們很接近，我們可以從中看出最佳子樣本數。第一個空白實驗的最佳子樣本數是 5.6，第二個空白實驗的最佳子樣本數是 5.4，可以。 |
| |
嗯，由於每個地塊不可能有 5.5 個子樣本，所以我們採用了最佳數量，即每個地塊 6 個子樣本，這也是我們在下一季進行實際試驗時使用的數量，好的。 |
| |
所以 |
| |
回到第一張投影片。我們已經講解了方法論的第一部分，接下來我們將驗證結果，也就是評估增加每個圖表中的子樣本數量所帶來的好處，好的。我們開始吧。 |
| |
所以，螢幕左側的y軸代表處理組的p值，這條紅線代表顯著水準α，5%。因此，實驗… |
| |
低於這條紅線的治療組的 ap 值可以識別出治療組之間的顯著差異，而兩者都不能，好的。在頂部，我們有三個…三個不同的驗證實驗，在每個實驗中… |
| |
左邊的每個實驗都有四個子樣本，右邊的實驗都有六個子樣本，好的。 |
| |
我們可以清楚地看到，低於 5%（即上限）的數據點數量比使用四個子樣本時要多，這一點很明顯。如果我們總結這些結果，我們會發現： |
| |
近 41% 的試驗檢測到四種治療方法之間存在顯著差異。 |
| |
子樣本。使用六個子樣本（我們的最佳數量），結果接近 54，好的。這並不完美，但這裡有一個不錯的提升，好的，提升了 13 個百分點。那我們回到第一張投影片。 |
| |
所以，總結這項研究，正如我所說， |
| |
每個樣地從四個子樣本增加到六個子樣本，使我們檢測處理間顯著差異的能力提高了 13 個百分點。 |
| |
我們可以說二次平台模型效果很好，因為它的R平方值很高，而且很容易確定最優解，很好。 |
| |
至於未來的研究，我們需要探究這種改進是否足夠，或是否需要增加重複實驗的次數。為此，添加一些……總是有益的。 |
| |
為了確定最佳實驗設計，這個模型需要付出一些價值和成本，好的。這就是我必須…必須向您展示的內容。希望您喜歡。如果您有任何問題，請隨時與我聯絡。謝謝，再見。 |
