Γεωργικός Πειραματισμός

Διδάσκοντες: Γεώργιος Μενεξές, Λέκτορας, Ηλίας Ελευθεροχωρινός, Καθηγητής

Συνεργάτης Ανάπτυξης Περιεχομένου: Μαρία Αλεμπάκη

• Εισαγωγή στο γεωργικό πειραματισμό – Βασικές έννοιες και ορισμοί – Σκοπός του γεωργικού πειραματισμού – Συνθήκες γεωργού – Πειράματα στον αγρό, πειράματα στο θερμοκήπιο, πειράματα στο εργαστήριο.
• Μεθοδολογία εγκατάστασης γεωργικών πειραμάτων – Πρακτικές συμβουλές – Μέγεθος και σχήμα πειραματικών τεμαχίων – Μέγεθος και σχήμα ομάδων – Πλήθος επαναλήψεων -  Προκαταρκτικές αναλύσεις και έλεγχοι – Συσκοτισμένα πειράματα – Παραδείγματα.
• Εισαγωγή στην ανάλυση παραλλακτικότητας (ANOVA) – Βασικές έννοιες και ορισμοί – Στατιστικοί έλεγχοι σημαντικότητας – Πειραματικό σφάλμα – Ακρίβεια, ευαισθησία πειραματισμού. Παραδείγματα,  εφαρμογές.
• Εισαγωγή στα γενικά γραμμικά υποδείγματα – Υποδείγματα προκαθορισμένων, τυχαίων και μικτών επιδράσεων. Παραδείγματα,  εφαρμογές.
• Πλήρως τυχαιοποιημένο σχέδιο – Μεθοδολογία εγκατάστασης – Πλεονεκτήματα , μειονεκτήματα –Στατιστική  Ανάλυση – Ερμηνεία αποτελεσμάτων – Έλεγχοι προϋποθέσεων (κανονικότητα και ομοσκεδαστικότητα) – Συγκρίσεις μέσων όρων. Παραδείγματα,  εφαρμογές.
• Πλήρως τυχαιοποιημένο σχέδιο σε ομάδες  – Μεθοδολογία εγκατάστασης – Πλεονεκτήματα , μειονεκτήματα –Στατιστική  Ανάλυση – Ερμηνεία αποτελεσμάτων – Έλεγχοι προϋποθέσεων (κανονικότητα, αθροιστικότητα και ομοσκεδαστικότητα) – Συγκρίσεις μέσων όρων. Παραδείγματα,  εφαρμογές.
• Σχέδιο λατινικού τετραγώνου – Μεθοδολογία εγκατάστασης – Πλεονεκτήματα , μειονεκτήματα – Στατιστική  Ανάλυση – Ερμηνεία αποτελεσμάτων – Έλεγχοι προϋποθέσεων (κανονικότητα, προσθετικότητα  και ομοσκεδαστικότητα) – Συγκρίσεις μέσων όρων. Παραδείγματα,  εφαρμογές.
• Παραγοντικά πειράματα – Κύριες επιδράσεις και αλληλεπιδράσεις παραγόντων– Πλεονεκτήματα, μειονεκτήματα –Στατιστική  Ανάλυση – Ερμηνεία αποτελεσμάτων – Έλεγχοι προϋποθέσεων (κανονικότητα και ομοσκεδαστικότητα). Παραδείγματα,  εφαρμογές.
• Ανάλυση και ερμηνεία των αλληλεπιδράσεων-Ανάλυση απλών κύριων επιδράσεων -  Συγκρίσεις μέσων όρων. Παραδείγματα,  εφαρμογές.
• Εισαγωγή στη γραμμική συσχέτιση – Εισαγωγή στην ανάλυση παλινδρόμησης – Βασικές έννοιες και ορισμοί – Εκτίμηση παραμέτρων – Στατιστικοί έλεγχοι σημαντικότητας – Ερμηνεία αποτελεσμάτων. Παραδείγματα,  εφαρμογές.
• Έλεγχοι προϋποθέσεων (κανονικότητα και ομοσκεδαστικότητα, ακραίες τιμές) – Εισαγωγή στη μη γραμμική παλινδρόμηση. Παραδείγματα,  εφαρμογές.
• Μετασχηματισμοί δεδομένων - Παραδείγματα – Εφαρμογές – Προσομοίωση εξέτασης. Επίδειξη χρήσης στατιστικών πακέτων.

Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές θα έχουν:

1. Γνώσεις σχετικά με τις αποφάσεις που θα πρέπει να ληφθούν κατά τον σχεδιασμό και την εγκατάσταση ενός πειράματος.
2. Γνώσεις σχετικά με τις επιλογές και δυνατότητες που έχουν σχετικά με τη στατιστική ανάλυση των δεδομένων.
3. Πρακτικές ικανότητες και δεξιότητες στην πραγματοποίηση των στατιστικών αναλύσεων.
4. Κριτική σκέψη σχετικά με τη βιολογική σημαντικότητα και ερμηνεία των αποτελεσμάτων της στατιστικής ανάλυσης.
5. Ικανότητα για παρουσίαση των αποτελεσμάτων του πειράματος σε μορφή κατάλληλη για τη διάχυση των αποτελεσμάτων στην επιστημονική κοινότητα. 

Οι φοιτητές θα πρέπει να έχουν γνώσεις στατιστικής (Ν006Υ).

1. Φασούλας, Α. (2008). "Στοιχεία Πειραματικής Στατιστικής". Θεσσαλονίκη: Εκδόσεις Γαρταγάνη.

Επιπλέον συνιστώμενη βιβλιογραφία

1. Μενεξές, Γ. (2007). Μια Δομημένη Προσέγγιση στην Πολυμεταβλητή Στατιστική Ανάλυση Βιολογικών, Περιβαλλοντικών, Κοινωνικών και Οικονομικών Δεδομένων. Στο Φυσικοί Πόροι, Περιβάλλον και Ανάπτυξη (σσ. 519-534). Επιμέλεια: Γ. Αραμπατζής και Σ. Πολύζος. Θεσσαλονίκη: Εκδόσεις Τζιόλα.
   Η πολυπλοκότητα που χαρακτηρίζει τις σχέσεις μεταξύ των μεταβλητών, οι οποίες χρησιμοποιούνται για την περιγραφή και κατανόηση των περιβαλλοντικών, βιολογικών, οικονομικών και κοινωνικών φαινομένων, καθιστά επιβεβλημένη την εφαρμογή πολυμεταβλητών στατιστικών μεθόδων για την ανάλυση των αντίστοιχων πειραματικών ή δειγματοληπτικών δεδομένων. Ο καθορισμός των στατιστικών μεθόδων, οι οποίες θα εφαρμοστούν στα διαθέσιμα δεδομένα, απαιτεί γενικά την ένταξή τους σε μια τυπική μεθοδολογική πορεία, η οποία περιλαμβάνει έναν ορισμένο αριθμό φάσεων. Στο πλαίσιο τυποποίησης της όλης διαδικασίας, σε κάθε μία από αυτές τις φάσεις εκτελούνται συγκεκριμένες εργασίες και παράγεται αντίστοιχο υλικό τεκμηρίωσης, με βάση το οποίο θα εφαρμοστούν οι κατάλληλες στατιστικές μέθοδοι. Στην παρούσα εργασία προτείνουμε μια δομημένη κυκλική πορεία επτά συσχετιζόμενων φάσεων στο μεθοδολογικό σχεδιασμό εμπειρικών ερευνητικών μελετών, η οποία περιλαμβάνει στη Φάση 5 μια δομημένη προσέγγιση επτά σταδίων στην Πολυμεταβλητή Στατιστική Ανάλυση. Η προτεινόμενη μεθοδολογική πορεία δεν αποτελεί έναν εξαντλητικό κατάλογο ενεργειών αλλά περισσότερο ένα γενικό οδηγό – πλαίσιο, ο οποίος μπορεί να συμβάλλει στο σχεδιασμό της τυπικής ερευνητικής μεθοδολογίας και στην πρακτική εφαρμογή και αξιολόγηση των αποτελεσμάτων σχεδόν όλων των διαδεδομένων πολυμεταβλητών στατιστικών μεθόδων.
   
   
2. Μενεξές, Γ. & Οικονόμου, Α. (2002). Σφάλματα και Παρανοήσεις στους Στατιστικούς Ελέγχους Υποθέσεων: Υπέρβαση μέσω της Ανάλυσης Δεδομένων. Τετράδια Ανάλυσης Δεδομένων-Data Analysis Bulletin, 2, 52-64.
   Κατά παράδοση, ο έλεγχος υποθέσεων στην επιστημονική έρευνα έχει να επιδείξει μια σαφή προτίμηση στη χρησιμοποίηση της στατιστικής σημαντικότητας ως κριτηρίου ή προσέγγισης σχετικά με την απόρριψη ή όχι της μηδενικής υπόθεσης. Στο πλαίσιο αυτό η απόφαση του ερευνητή μπορεί να είναι σωστή ή λανθασμένη. Λανθασμένες αποφάσεις μπορούν να ληφθούν κάτω από την επίδραση στοχαστικών και λογικών σφαλμάτων καθώς και λόγω εσφαλμένων αντιλήψεων. Σχετικά με τη διαδικασία του ελέγχου της σημαντικότητας της μηδενικής υπόθεσης έχει ασκηθεί κριτική ήδη από τη δεκαετία του 60'  η οποία επαναλαμβάνεται περιοδικά από διάφορους επικριτές. Η διαδικασία αυτή μπορεί αλλά και δίνει λανθασμένες απαντήσεις. Στην εργασία παρουσιάζουμε μερικά ζητήματα που αφορούν στην αξιολόγηση των αποτελεσμάτων των στατιστικών ελέγχων υποθέσεων με σκοπό την αποφυγή του στατιστικού υπερκαταναλωτισμού (βλέπε p-value). Τα ζητήματα αυτά θέτουν τις βάσεις για μια επιστημολογική αναθεώρηση της πληροφορίας, με την έννοια της γνώσης, που παράγεται από τους στατιστικούς ελέγχους υποθέσεων. Προς την κατεύθυνση αυτή μπορεί να συμβάλει η Ανάλυση Δεδομένων με τις μεθόδους της.
   
   
3. Μενεξές, Γ. (2013). Οδηγός Ανάλυσης Παραλλακτικότητας Δεδομένων Γεωργικών Πειραμάτων με Στατιστικά Πακέτα. Εκπαιδευτικές Σημειώσεις. Τμήμα Γεωπονίας, ΑΠΘ.
   Ο οδηγός αυτός αποτελεί πρόσθετο βοήθημα για τους προπτυχιακούς και μεταπτυχιακούς φοιτητές της Γεωπονικής Σχολής του ΑΠΘ για τα μαθήματα “Γεωργικός Πειραματισμός” (προπτυχιακό μάθημα) και “Βιομετρία” (μεταπτυχιακό μάθημα). Δεν αποτελεί πλήρες εκπαιδευτικό βοήθημα και ούτε καλύπτει την ύλη των παραπάνω μαθημάτων. Συνεπώς, για να μπορέσει ο αναγνώστης να αξιοποιήσει την πληροφορία που παρέχεται στον οδηγό αυτό θα πρέπει να έχει γνώσεις Στατιστικής και Γεωργικού Πειραματισμού. Επίσης, θα πρέπει να κατέχει βασικές δεξιότητες χρήσης του στατιστικού πακέτου SPSS v.20.0. Έμφαση δίνεται στην κατασκευή του κατάλληλου πίνακα ανάλυσης παραλλακτικότητας (ANOVA table), σύμφωνα με τον τύπο του εκάστοτε γεωργικού πειράματος, και στις συγκρίσεις των παρατηρούμενων μέσων όρων των επεμβάσεων.  Οι στατιστικές αναλύσεις γίνονται με βάση το μεθοδολογικό πλαίσιο των Γενικών Γραμμικών και Γραμμικών Μεικτών Μοντέλων (General Linear Models, Linear Mixed Models) και αφορούν σε ισορροπημένα (balanced) πειράματα.
   Διαθέσιμο στη διεύθυνση: http://users.auth.gr/gmenexes
   
   
4. Φύλλα Εργασίας για Εκπαιδευτική Χρήση (GM-ANOVA LAB).
   Πρόκειται για εφαρμογή που αναπτύχθηκε στο περιβάλλον του EXCEL. Περιλαμβάνει φύλλα εργασίας που κατασκευάστηκαν ειδικά για εκπαιδευτική χρήση και καλύπτουν τις απαιτήσεις του προπτυχιακού μαθήματος “Γεωργικός Πειραματισμός” στο Τμήμα Γεωπονίας της Σχολής Γεωπονίας, Δασολογίας και Φυσικού Περιβάλλοντος του ΑΠΘ.
   Διαθέσιμο στην ιστοσελίδα με διεύθυνση: http://users.auth.gr/gmenexes
   
   Το λογισμικό έχει τα εξής διδακτικά πλεονεκτήματα:

• Βασίζεται στην ύλη του βιβλίου και στις παραδόσεις-διαλέξεις του μαθήματος του Γεωργικού Πειραματισμού.
• Δίνει τη δυνατότητα στο χρήστη να πειραματιστεί με δικά του αριθμητικά δεδομένα.
• Για καλύτερη κατανόηση και μεγαλύτερη εμβάθυνση, εκτός από τους αριθμητικούς υπολογισμούς, στις   περισσότερες περιπτώσεις, υπάρχει και διαγραμματική οπτικοποίηση των αντίστοιχων εννοιών και στατιστικών δεικτών.
• Η επεξεργασία των δεδομένων γίνεται δυναμικά. Μεταβολές στα κελιά εισόδου έχουν ως αποτέλεσμα τον άμεσο υπολογισμό και μεταβολή των αποτελεσμάτων στα κελιά εξόδου.
  
  Δίνεται η δυνατότητα στο χρήστη να κατανοήσει πολλές από τις δυνατότητες χειρισμού και εφαρμογής των τύπων και συναρτήσεων του EXCEL, ώστε να προγραμματίσει τα δικά του φύλλα εργασίας.