Le présent travail illustre par l’exemple l’importance de l’utilisation des modèles des « plus proches voisins » pour réduire l’erreur expérimentale en expérimentation agronomique sur champ où les dispositifs expérimentaux classiques ne peuvent en général que contrôler partiellement l’hétérogénéité du terrain. Cette erreur expérimentale est considérée comme le facteur explicatif principal de la puissance d’une expérience. Les résultats obtenus ont montré que :
- l’effet des itérations du modèle des plus proches voisins (MPPV) utilisé sur la réduction de l’erreur expérimentale est très positif,
- l’analyse des données brutes selon un dispositif en blocs aléatoires complets a permis de réduire le carré moyen résiduel de 38% par comparaison à une analyse des mêmes données selon un dispositif complètement aléatoire,
- l’analyse des données ajustées à l’effet terrain à laide du MPPV selon un dispositif complètement aléatoire a permis de réduire le carré moyen résiduel de 77% par comparaison à une analyse des données brutes selon le même dispositif et de 63% par comparaison à une analyse des mêmes données brutes selon un dispositif en blocs aléatoires complets,
- la prise en considération de la structure des blocs n’a aucun effet sur la réduction du carré moyen résiduel, une fois les données ajustées à l’effet terrain à l’aide du MPPV utilisé.
The present work illustrates the importance of the nearest neighbors’ models to control the experimental error on field experiments where the classical experimental designs can control only partially this experimental error, regarded as the principal explanatory factor of the power of an experiment. The obtained results showed:
- The positive effect of the iterations of the used nearest neighbors model to reduce the experimental error,
- Analyses of the original data according to a randomized complete blocks design reduced the mean square error with 38% by comparison to the analyses of the same original data according to a completely randomized design,
- The one way analyses of variance computed on the adjusted data with the nearest neighbors model reduced the mean square error with 77% and 63% by comparison to one and two way analyses of variance computed on the original data respectively.
- After correction of the data to the ground heterogeneity by using the developed nearest neighbors’ model, taking into the account of blocks does not have any effect on the reduction of the experimental error.
Keywords: Experimentation, ground heterogeneity, experimental design, experimental error, nearest neighbors model
@article{JSFS_2018__159_1_112_0,
author = {Tahar, Sghaier},
title = {Aptitude des mod\`eles des plus proches voisins \`a la r\'eduction de l{\textquoteright}erreur exp\'erimentale en exp\'erimentation agronomique sur champ~: {Une} illustration},
journal = {Journal de la soci\'et\'e fran\c{c}aise de statistique},
pages = {112--137},
year = {2018},
publisher = {Soci\'et\'e fran\c{c}aise de statistique},
volume = {159},
number = {1},
zbl = {1403.62218},
language = {fr},
url = {http://geodesic.mathdoc.fr/item/JSFS_2018__159_1_112_0/}
}
TY - JOUR AU - Tahar, Sghaier TI - Aptitude des modèles des plus proches voisins à la réduction de l’erreur expérimentale en expérimentation agronomique sur champ : Une illustration JO - Journal de la société française de statistique PY - 2018 SP - 112 EP - 137 VL - 159 IS - 1 PB - Société française de statistique UR - http://geodesic.mathdoc.fr/item/JSFS_2018__159_1_112_0/ LA - fr ID - JSFS_2018__159_1_112_0 ER -
%0 Journal Article %A Tahar, Sghaier %T Aptitude des modèles des plus proches voisins à la réduction de l’erreur expérimentale en expérimentation agronomique sur champ : Une illustration %J Journal de la société française de statistique %D 2018 %P 112-137 %V 159 %N 1 %I Société française de statistique %U http://geodesic.mathdoc.fr/item/JSFS_2018__159_1_112_0/ %G fr %F JSFS_2018__159_1_112_0
Tahar, Sghaier. Aptitude des modèles des plus proches voisins à la réduction de l’erreur expérimentale en expérimentation agronomique sur champ : Une illustration. Journal de la société française de statistique, Tome 159 (2018) no. 1, pp. 112-137. http://geodesic.mathdoc.fr/item/JSFS_2018__159_1_112_0/