Dokument_1.pdf - KLUEDO - Universität Kaiserslautern
Dokument_1.pdf - KLUEDO - Universität Kaiserslautern
Dokument_1.pdf - KLUEDO - Universität Kaiserslautern
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
No of obs<br />
20<br />
18<br />
16<br />
14<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
SHIKIMIS; Group:<br />
sacch<br />
Chi-Square: 31,718, df = 9, p = ,0002<br />
-0,01 0,01 0,03 0,05 0,07 0,09 0,11 0,13<br />
0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14<br />
Category (upper limits)<br />
Material und Methoden 31<br />
Expected<br />
Normal<br />
Abbildung 3.6 Darstellung der Anzahl Messwerte im jeweiligen Bereich gegen die Shikimisäuregehalte<br />
aller Saccharosevarianten (links Absolutgehalte [g/L], rechts nach Transformation, relativ<br />
zum Mittelwert der jeweiligen Versuchsreihe).<br />
Aus diesem Grund wurde eine Transformation durchgeführt, die alle abhängigen Variablen<br />
(Analysewerte) und alle unabhängigen Variablen (Varianten) vergleichbar machte. Dazu wurde für<br />
jeden Analyseparameter innerhalb einer Versuchsreihe der Mittelwert gebildet und jeder Analysewert<br />
der einzelnen Varianten wurde durch diesen Mittelwert dividiert. Auf diese Art und Weise konnte die<br />
Normalverteilung sichergestellt werden (siehe Abbildung 3.6). Außerdem wurden Versuchsvarianten,<br />
die nicht so häufig durchgeführt wurden und damit einer starken Rebsortendiskriminierung<br />
unterlagen, mit allen anderen Varianten vergleichbar.<br />
Die Varianzanalyse untersucht, wie sich die Varianz (Summe der Abweichungsquadrate) einzelner<br />
Faktoren (z.B. Konzentrierungsverfahren) bei der Gesamtvarianz einer untersuchten Messreihe<br />
bemerkbar macht. Die Varianz, die nicht mit diesen Faktoren erklärt werden kann, wird als<br />
Versuchsfehler zusammengefasst.<br />
Den Quotienten aus dem mittleren Abweichungsquadrat, das von einem untersuchten Faktor herrührt<br />
(MFQFa) und dem mittleren Abweichungsquadrat des ungeklärten Fehlers (MFQFe) nennt man<br />
F-Wert:<br />
F-Wert = MFQFa / MFQFe<br />
SHIKIMIS; Group:<br />
sacch<br />
Chi-Square: 32,916, df = 6, p = ,0000<br />
Category (upper limits)<br />
Ein Vergleich des F-Wertes mit statistischen Tabellen kann Aussagen darüber treffen, ob ein Effekt<br />
signifikant zur Gesamtvarianz beiträgt. Das für den F-Wert ermittelte Signifikanzniveau p gibt an, mit<br />
welcher Wahrscheinlichkeit die Nullhypothese (,‚es bestehen keine Unterschiede“) zutreffen kann,<br />
obwohl sie abgelehnt wurde, weil stattdessen die alternative Hypothese (,‚es bestehen Unterschiede“)<br />
angenommen wurde.<br />
Beispiel: p < 0,05 (signifikant = *) bedeutet, dass die alternative Hypothese mit 95%iger Sicherheit<br />
getroffen werden kann, während die Wahrscheinlichkeit, dass die Nullhypothese dennoch zutrifft, bei<br />
5% liegt.<br />
No of obs<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
0,65 0,70 0,75 0,80 0,85 0,90 0,95 1,00 1,05 1,10 1,15 1,20 1,25 1,30 1,35<br />
Expected<br />
Normal