Etude longitudinale d essais multilocaux apports du mod le mixte
Download
1 / 15

Etude longitudinale d’essais multilocaux: apports du modèle mixte - PowerPoint PPT Presentation


  • 122 Views
  • Uploaded on

Etude longitudinale d’essais multilocaux: apports du modèle mixte. Y. Brostaux Planification des essais en champs et méthodes d’analyse des résultats : regards et perspectives 25 avril 2007, FUSAGx. Plan de l ’exposé. Introduction Essais multilocaux et mesures répétées Exemple d’application

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Etude longitudinale d’essais multilocaux: apports du modèle mixte' - eden-best


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Etude longitudinale d essais multilocaux apports du mod le mixte

Etude longitudinale d’essais multilocaux: apports dumodèle mixte

Y. Brostaux

Planification des essais en champs et méthodes d’analyse des résultats : regards et perspectives

25 avril 2007, FUSAGx


Plan de l expos
Plan de l ’exposé

  • Introduction

  • Essais multilocaux et mesures répétées

  • Exemple d’application

  • Conclusions

Y. Brostaux


Introduction
Introduction

  • Définitions

    • Expérience multilocale

      • réplication de l’expérience en plusieurs lieux

    • Expérience longitudinale

      • observations des mêmes individus répétées dans le temps (« mesures répétées »)

Y. Brostaux


Exp rience multilocale en bac

Yijk : rendement de la parcelle du traitement i (i: 1,…;p), située dans le bloc k (k: 1,…,r) et dans le lieu j (j: 1,…,q)

m : moyenne générale,

ai : effet du traitement i,

Lj: effet du lieu j,

Bk/j : effet du bloc k dans le lieu j,

Xik/j : composante d’interaction traitement x blocs spécifique au lieu j.

Expérience multilocale en BAC

  • Composante spatiale

    • Approche classique par ANOVA

  • CA !!!

    • égalité des interactions traitement*blocs entre lieux

Y. Brostaux


Exp rience longitudinale
Expérience longitudinale

  • Composante temporelle

    • introduction d’un nouveau facteur ?

      • aléatoire ou fixe ?

        • aléatoire : expériences pérennes (années)

        • fixe : à l’échelle d’un cycle de végétation

      • !!!! résidus non indépendants !!!!

    • modélisation ?

      • courbes de croissance, etc.

        • paramètres aisément interprétables

        • modélisation indépendante et extraction des coefficients ? perte d’info sur variabilité initiale !

Y. Brostaux


Mod le mixte
Modèle mixte

  • Gestion de l’hétérosédasticité et de la dépendance des observations

Y. Brostaux


Mod le mixte1
Modèle mixte

  • Modélisation du facteur temps

    • temps  covariable

    • composante aléatoire sur les paramètres du modèle

Y. Brostaux


Mod le mixte2
Modèle mixte

  • Critère d’ajustement

    • moindres carrés

       maximum de vraisemblance

Y. Brostaux


Exemple d application
Exemple d’application

  • Incidence de la cercosporiose

    • 4 variétés de betteraves

    • 3 lieux

    • 19 blocs par lieu (hiérachisation)

    • 5 ou 6 observations à intervalle régulier (échelle de contamination à 9 degrés)

  • Etape 1 – choix du modèle fixe

    • examen des données

Y. Brostaux


Examen des donn es
Examen des données

A

B

C

Y. Brostaux


Exemple d application1
Exemple d’application

  • Modèle fixe linéaire

  • Modèle aléatoire

    • pas d’a priori  modèle saturé libre

    • composantes aléatoires

      • effets liés aux lieux et blocs à la fois sur b0 et b1

    • matrice de variance-covariance

      • matrice quelconque (sans structure)

    • !!! nombre d’observations pour estimation

Y. Brostaux


Exemple d application2
Exemple d’application

  • Validation du modèle aléatoire

    • test de la structure de var/cov

      • nouvelle estimation du modèle basée sur une matrice diagonale constante ( ANOVA)

      • pas de différence significative

         simplification de la structure

    • tests de signification des composantes aléatoires

      • pas d’effet des blocs sur la pente du modèle

         simplification du modèle aléatoire

Y. Brostaux


Exemple d application3
Exemple d’application

  • Interprétation modèle fixe

    • effet variété *** sur b0 et b1

Y. Brostaux


Exemple d application4
Exemple d’application

  • Interprétation modèle aléatoire

    • pas d’effet des blocs sur b1

       la vitesse d’évolution des symptômes dans les différents blocs d’un même lieu est constante

    • effet des lieux sur b0 et b1

       la sévérité moyenne et la vitesse d’évolution des symptômes varient d’un lieu à l’autre

Y. Brostaux


Conclusions
Conclusions

  • Modèle mixte

    • souplesse de la modélisation

    • paramètres du modèle aisément interprétables

    • conserve l’ensemble de l’information

    • avantages à la fois pour le statisticien et l’expérimentateur

      mais !!! construction du(des) modèle(s) !!!

Y. Brostaux


ad