งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

การวางแผนการ ทดลองทางสัตว์ รศ. ดร. มนต์ชัย ดวง จินดา ภาควิชาสัตวศาสตร์ คณะเกษตรศาสตร์ มหาวิทยาลัยขอนแก่น.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "การวางแผนการ ทดลองทางสัตว์ รศ. ดร. มนต์ชัย ดวง จินดา ภาควิชาสัตวศาสตร์ คณะเกษตรศาสตร์ มหาวิทยาลัยขอนแก่น."— ใบสำเนางานนำเสนอ:

1 การวางแผนการ ทดลองทางสัตว์ รศ. ดร. มนต์ชัย ดวง จินดา ภาควิชาสัตวศาสตร์ คณะเกษตรศาสตร์ มหาวิทยาลัยขอนแก่น

2 Planning Experiments Basic Experimental Design Frequently asked question Some useful technique for treatment analysis Example and SAS usage Specific question for different species Contents

3 ทำไมต้องทำการทดลอง ? ตอบข้อสงสัย ขยายขอบเขตทางวิชาการ ค้นหา วิธีการใหม่ ปรับวิธีการเก่าหรือ ทดสอบหรือเปรียบเทียบกับสิ่งใหม่ พิสูจน์ทฤษฏี เพื่อยืนยันหรือล้มล้าง

4 STEPS IN PLANNING EXPERIMENT กำหนดปัญหา ตั้งวัตถุประสงค์ ค้นคว้าเอกสาร กำหนดทรีทเมนต์ กำหนดขนาดงานทดลอง เลือกแผนการทดลอง ทำการทดลอง รวบรวมข้อมูล จัดเตรียมข้อมูล วิเคราะห์ทางสถิติ แปลผล เขียนรายงาน นำใช้

5 F: Furasimide P: เหง้าสับปะรด C: Control เพศพันธุ์อายุสารปัสสาวะ D10F260 B30F235 T100P115 D7C130 T120C200 B80P80 Ex งานทดลองหนึ่งผู้วิจัยต้องการทดสอบ สารออกฤทธิ์ ขับปัสสาวะ 2 ชนิดในสุนัข ดังนี้ ทำไมต้องวางแผน ? D=dulmation, B=boxer, T=Thai ค่าเฉ ลี่ย =25 0 =10 0 =16 0

6 หลีกเลี่ยงอิทธิพลพัวพัน เพื่อการสรุปผลที่ แม่นยำ น่าเชื่อถือ หลีกเลี่ยงอิทธิพลพัวพัน เพื่อการสรุปผลที่ แม่นยำ น่าเชื่อถือ เพื่อสะดวกในการจัดการ เพื่อสะดวกในการจัดการ ทำให้สามารถเข้าใจเป็นสากล ทำให้สามารถเข้าใจเป็นสากล เป็นการสร้างงานทดลองที่มีคุณภาพและมี มาตรฐาน เป็นการสร้างงานทดลองที่มีคุณภาพและมี มาตรฐาน ความสำคัญของการวางแผนการทดลอง

7 องค์ประกอบหลักของงาน ทดลอง หน่วยทดลอง (Experimental units) หน่วยทดลอง (Experimental units) ทรีทเมนต์ (Treatments) ทรีทเมนต์ (Treatments) ซ้ำ (Replications) ซ้ำ (Replications) การสุ่ม (Randomization) การสุ่ม (Randomization) การควบคุมความคลาดเคลื่อน งานทดลอง (Control of Experimental Error) การควบคุมความคลาดเคลื่อน งานทดลอง (Control of Experimental Error)

8 ค่าสังเกต อื่น ๆ ….. อัตราการหายใจ อัตราการเต้นของหัวใจ ทรีทเมนต์ ชนิดยา ทรีทเมนต์ สูตรอาหาร A,B,C ค่าสังเกต อื่น ๆ ….. FCR ADG หน่วยทดลอง แบบเดี่ยว แบบกลุ่ม

9 1) ทรีทเมนต์คุณภาพ (Qualitative Treatment) 1) ทรีทเมนต์คุณภาพ (Qualitative Treatment) - รูปแบบวิธีการ สูตรอาหาร สายพันธุ์จุลินทรีย์ สารเคมีชนิดต่างๆ ประเภทของทรีทเมนต์ 2) ทรีทเมนต์ปริมาณ (Quantitative Treatment) - ระดับยาปฏิชีวนะในสูตรอาหาร, อัตราเร็ว ของการให้น้ำเกลือ, ระยะเวลาในการเก็น น้ำเชื้อแช่แข็ง

10 1.Multiple comparisons 2.Orthogonal contrasts 3.Orthogonal polynomials การวิเคราะห์ค่าเฉลี่ยทรีทเมนต์

11 การเปรียบเทียบค่าเฉลี่ยแบบเป็นคู่ การเปรียบเทียบค่าเฉลี่ยแบบเป็นคู่ ไม่ควรใช้ หาก F-test จาก ANOVA ไม่พบนัยสำคัญ ไม่ควรใช้ หาก F-test จาก ANOVA ไม่พบนัยสำคัญ ตัวทดสอบแต่ละตัวให้ผลการ ทดสอบแตกต่างกันได้ ตัวทดสอบแต่ละตัวให้ผลการ ทดสอบแตกต่างกันได้ Multiple Comparisons LSDDUNCANSNKTUKEY SCHEFFE Smallest Critical Value Highest Critical Value Easy to Significant Easy to Non-Sig

12 ใช้ในกรณีที่ทรีทเมนต์สามารถ จัดเป็นกลุ่มในการ เปรียบเทียบได้ ใช้ในกรณีที่ทรีทเมนต์สามารถ จัดเป็นกลุ่มในการ เปรียบเทียบได้ เป็น Pre-Plan comparisons โดย ใช้ตัวสถิติ F เป็นตัวทดสอบ เป็น Pre-Plan comparisons โดย ใช้ตัวสถิติ F เป็นตัวทดสอบ ใน SAS ใช้ PROC GLM ใน SAS ใช้ PROC GLM Orthogonal Contrast

13 การเปรียบเทียบอาหารโคนม 4 สูตร การเปรียบเทียบอาหารโคนม 4 สูตร T1 = 16% CP (control) T2 = 16% CP + Monensin T3 = 16% CP + Virginiamycin T4 = 16% CP + Yeast Example T1T1 T2T2 T3T3 T4T4 T1 Vs T2,T3,T T2,T3 VS T T2 Vs T

14 Source DF Type III SS Mean Square F Value Pr > F PERIOD TRT ** Contrast DF Contrast SS Mean Square F Value Pr > F T1 VS T2,T3,T T3 VS T2,T ** T2 VS T **

15 ใช้ในกรณีที่ทรีทเมนต์เป็นค่า ตัวเลขแสดงปริมาณ ใช้ในกรณีที่ทรีทเมนต์เป็นค่า ตัวเลขแสดงปริมาณ การเปรียบเทียบค่าเฉลี่ยแบบเป็นคู่ ไม่สามารถสรุปแนวโน้มการ ตอบสนอง (trend) ได้ การเปรียบเทียบค่าเฉลี่ยแบบเป็นคู่ ไม่สามารถสรุปแนวโน้มการ ตอบสนอง (trend) ได้ ใน SAS ใช้ PROC GLM ใน SAS ใช้ PROC GLM Orthogonal Polynomials

16 การทดสอบการใช้ฮอร์โมน GnRH ต่อ ขนาดรังไข่ปลานิล การทดสอบการใช้ฮอร์โมน GnRH ต่อ ขนาดรังไข่ปลานิล T1 = 0 IU T2 = 10 IU T3 = 20 IU T4 = 30 IU Example นน. รังไข่

17 Source DF Type III SS Mean Square F Value Pr > F GNRH ** Contrast DF Contrast SS Mean Square F Value Pr > F Linear ** Quadratic ** Cubic

18 1) Single factor การศึกษาเพียงปัจจัยเดียว ในการทดลอง ลักษณะการจัดทรีท เมนต์ การใช้ embryo MEDIATCM199 Whittingham H&P ปัจจัย (Factor)T1T2 T3 การลด AflatoxinPropronate ผึ่งแดด Control การใช้ antibioticStreptomycin OxytocinTylosin การใช้วัคซีน rec-Vac con- VacControl

19 2) Multifactor การศึกษาหลายปัจจัยร่วมกันใน การทดลอง treatment ที่จะใช้จึงเป็น combination ของทุกปัจจัย กากถั่วเหลือง ปลาป่น (a1) (a2) (a1) (a2) แหล่งโปรตีน (Factor A) 0% 2% 4% (b1) (b2) (b3) การเสริม ไขมัน (Factor B)

20 Treatment Combination Factor AFactor BTreatment a1 b1a1b1= T1SB+ 0% FAT b2a1b2= T2SB+ 2% FAT b3a1b3= T3SB+ 4% FAT a2 b1a2b1= T4FM+ 0% FAT b2a2b2= T5FM+ 2% FAT b3a2b3= T6FM+ 4% FAT SB= กากถั่วเหลือง FM= ปลาป่น

21 Source DF Anova SS Mean Square F Value Pr > F PROT ** FAT PROT*FAT ** การอ่านผล factorial experiments Interaction significant ต้องแปลผล แยก เปรียบเทียบผลการเสริมไขมันแยกใน แต่ละแหล่งโปรตีน %Fat SB FM

22 Replications ความสำคัญของ replication ประเมิน MSE – หากไม่มี rep, DF error = 0 เพิ่ม precision ให้กับค่าเฉลี่ยทรีทเมนต์ – การเพิ่ม rep ช่วยทำให้ค่า SEM ลดลง ค่าเฉลี่ยที่ได้มีความ ถูกต้องมากขึ้น ช่วยควบคุมความคลาดเคลื่อนงานทดลอง – ในกรณีที่เพิ่ม block จะช่วยลด MS(block) ออกจาก MSE เพิ่ม power of test – เพิ่มประสิทธิภาพการทดสอบ

23 การประเมิน Replications 1 Steel &Terri ต้องการ DF error > 9

24 การประเมิน Replications 2 CV = coefficient of variation  = ความแตกต่างที่ต้องการ detect ได้ (% of mean 1-  = power of test  = ระดับนัยสำคัญ Starting step กำหนดค่า CV และ DF(ERR) เริ่มต้นสำหรับ t-alpha และ t-power of test Iterative step นำค่าซ้ำที่ได้มาประเมินค่า DF(ERR) จากนั้นคำนวณซ้ำอีกครั้ง ทำจนกระทั่งได้ค่าซ้ำคงที่

25 EX ต้องการสร้างงานทดลอง CRD 4 ทรีทเมนต์ กำหนดลักษณะมี Cv=10%, ต้องการทดสอบ พบความแตกต่างหาก ความแตกต่างมากกวา 20% Step1: ลองกำหนด DF(Err) = 9, t.025(9) = 2.69, t.80(9) = Step 2: DF(Err) = t(r-1) = 4*(5-1) = 16, t.025(16) = 2.47, t.80(16) = 0.256

26 EX (‘Cont) Step 2: DF(Err) = t(r-1) = 4*(4-1) = 12, t.025(12) = 2.59, t.80(12) = สรุปต้องใช้ rep เท่ากับ 4

27 Continuou s Trial Cross- over Trial Simple Cross-over, Latin Square CRD, RCBD Group t- TEST Paired t-TEST Two Groups Equal or Greater than Two Groups Basic Experimental Design Repeated Measurement Trial Split-plot in Time ANOVA

28 t- TES T ใช้กับการเปรียบเทียบ 2 ทรีท เมนต์ –Unrelated treatments => group t-TEST –Related treatments=> paired t-TEST การเลือกใช้ให้สังเกตว่า : –2 ทรีทเมนต์ ที่ศึกษาเป็นอิสระต่อกัน หรือมีความสัมพันธ์กัน

29 T1 T2 T1 T2 E.U. = 10 TRT = 2 (T1 = Drug1, T2 = Drug2) Rep = 5 ตัว /TRT T2 T1 Group t-TEST Drug1 และ Drug2 อิสระต่อกัน

30 E.U. = 5 TRT = 2 (T1 = Normal, T2 = Stress) Rep = 5 ค่าสังเกต /TRT Paired t-TEST ทำให้เครียด T1 สภาพปกติ T2 สภาพเครียด ค่าสังเกตจาก T1 และ T2 มาจากหน่วยทดลองเดียวกัน

31 CRD แผนงานทดลองแบบสุ่มสมบูรณ์ (Completely Randomized Design) ใช้กับการเปรียบเทียบตั้งแต่ 2 ทรีทเมนต์ขึ้นไป – หน่วยทดลองหรือสัตว์มีความ สม่ำเสมอกัน – จัดทรีทเมนต์ให้กับหน่วยทดลอง อย่างสุ่ม

32 T1 T2 T3 T1 T3 T1 T2 T3 E.U. = 9 TRT = 3 (T1 = สูตร 1, T2 = สูตร 2, T3 = สูตร 3) Rep = 3 ตัว /TRT T2 T1 CRD สูตร 1, สูตร 2 และ สูตร 3 อิสระต่อกัน T3

33 MODEL: Yij = µ + Ti + Eij SOVDF TRTt-1 ERRt(r-1) TOTALtr-1

34 RCB D แผนงานทดลองแบบบล็อก สมบูรณ์ (Randomized Complete Block Design) ใช้กับการเปรียบเทียบตั้งแต่ 2 ทรีทเมนต์ขึ้นไป – สัตว์ที่ใช้สามารถแยกปัจจัยผันแปร ได้ 1 อย่างที่สามารถจัดเป็นกลุ่มได้ ก่อนให้ทรีทเมนต์ – หน่วยทดลองต้องมีความสม่ำเสมอ ภายในบล็อก – จัดทรีทเมนต์ให้กับหน่วยทดลอง อย่างสุ่มภายในแต่ละบล็อก

35 T2T2 T3 T1 T3 T2 T1 T2 T3 E.U. = 9 TRT = 3 (T1 = Drug1, T2 = Drug2, T3 = Drug3) RCBD Drug1, Drug2 และ Drug 3 ถูกสุ่มภายในแต่ละบล็อก

36 MODEL: Yij = µ + BKi + Tj + Eij SOVDF BLOCKb-1 TRTt-1 ERR(t-1)(b-1) TOTALtb-1

37 Simple Cross- over Design แผนงานทดลองแบบเปลี่ยนสลับ อย่างง่าย ใช้กับการเปรียบเทียบ 2 ทรีท เมนต์ – สัตว์แต่ละตัวจะได้รับทั้ง 2 ทรีทเมนต์ โดยมีการเปลี่ยนสลับใน period ถัดไป – ดังนั้นจึงใช้เวลา 2 period

38 Period 2 E.U. = 6 TRT = 2 (T1 = Feed1, T2 = Feed2) Simple Cross-over ค่าสังเกตจาก T1 และ T2 มาจากหน่วยทดลองเดียวกัน Period 1 T1 T2 T1 T2 T1

39 Split-Plot Design แผนงานทดลองแบบสปลิทพลอท (Split plot Design) มี 2 ปัจจัย แต่มีการสุ่มทีละปัจจัย ให้กับหน่วยทดลอง

40 A1A1 A2A2 A3A3 A1A1 A3A3 A1A1 A2A2 A2A2 A3A3 E.U.(Main plot) = 9 A = 3 (A1 = สูตร 1, A2 = สูตร 2, A3 = สูตร 3) A2A2 A2A2 A2A2 A1A1 A1A1 A1A1 Split-Plot Main plot CRD A3A3A3A3 A3A3 B1 B2B1 B2 B2 B1 B1 B2 A1 B2 B1 B1 B2 A2 B1 B2B1 B2 B2 B1 B1 B2 A3 Subplot B = 2 (B1,B2)

41 MODEL: Yijk = µ + Ai + Err(a) +Bj + ABij + Eijk SOVDF Aa-1 ERR(a)a(r-1) Bb-1 AB(a-1)(b-1) ERR(b)ab*(r-1) TOTALabk-1

42 Repeated Measurement Design แผนงานทดลองที่มีการวัดซ้า เป็นการวางแผนแบบ CRD หรือ RCBD ตามปกติ แต่มีวัดค่าสังเกต ซ้ำเป็นระยะ เช่น ทุกสัปดาห์ ทุก เดือน ฯลฯ ใช้ข้อมูลทั้งหมดในการวิเคราะห์ ทำให้ทราบเพิ่มถึงการตอบสนอง ของแต่ละทรีทเมนต์เมื่อเวลา เปลี่ยนไป

43 Repeated Measurement T1 WK1 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 T2T2 WK2WK3WK4

44 Repeated measurement analysis Spherecity test for correlated error YES NO Multivariate Technique Wilk’s lambda statistics Split-plot in time Pseudo F adjusted by G-G or H-F method Regular Split-plot in time

45 Repeated Measurement WK1WK2WK3WK4 T1 T2

46 Prediction Categorical Data analysis Simple reg. Multiple reg. Regression Non-linear model, Time series model Other Statistical Analysis in Animal Research Survival analysis Chi- square Logistics model Censor data Probit analysis Cluster analysis, discriminant etc.

47


ดาวน์โหลด ppt การวางแผนการ ทดลองทางสัตว์ รศ. ดร. มนต์ชัย ดวง จินดา ภาควิชาสัตวศาสตร์ คณะเกษตรศาสตร์ มหาวิทยาลัยขอนแก่น.

งานนำเสนอที่คล้ายกัน


Ads by Google