2.6. Data analysisThe non-intercept

2.6. Data analysis
The non-intercept sigmoid function as described in TableCurve® 2D (2002) was fitted on the cumulative germination/emergence percentage to determine the time to 50% germination/emergence (T50) (Jami Al-Ahmadi and Kafi, 2007): , where a is the maximum germination/emergence percentage, b is the turning point, c is slope of the line, x is the time (h) and y is the germination/emergence %. T50 germination/emergence was calculated and subjected to an appropriate analysis of variance (ANOVA) using SAS® statistical software version 9.2 (SAS, 1999).
The rate of germination/emergence was defined as the reciprocal of the time taken for half the population to germinate/emerge (1/T50). The optimum temperature (Topt) was determined by fitting a simple piece-wise linear model (broken-stick regression) using a non-linear (NLIN) procedure with SAS between temperature and rate of germination/emergence (1/T50) for each species separately. The rate of germination/emergence increased linearly with temperature from a minimum (Tmin) to a sharply defined optimum (Topt) beyond which the rate decreased linearly with temperature. The maximum temperature (Tmax) was taken as the highest temperature where 50% germination/emergence was reached.
Analysis of variance (ANOVA) was used to test for temperature and light treatment effects. Treatment means were separated using Fisher's protected least significant difference test at the 1% instead of the 5% level of significance (Snedecor and Cochran, 1980), because of heterogeneity of variances. For light experiment 2, treatment means were separated at the 5% level of significance. The data were analysed using the statistical program GenStat® (Payne et al., 2007).

ผลลัพธ์ (ไทย) 1:

2.6. ข้อมูลวิเคราะห์ฟังก์ชัน sigmoid-ตัดตามที่อธิบายไว้ใน TableCurve® 2D (2002) ถูกติดตั้งเปอร์เซ็นต์สะสมการงอก/เกิดเพื่อกำหนดเวลาถึง 50% การงอก/เกิด (T50) (Jami Al Ahmadi และ Kafi, 2007):, ที่มีเปอร์เซ็นต์การงอกสูงสุด/เกิด b เป็นจุดหมุน c คือ ความชันของเส้น x คือ เวลา (h) และ y คือ %การงอก/เกิด T50 การงอก/เกิดถูกคำนวณ และผ่านกระบวนการเหมาะสมวิเคราะห์ความแปรปรวน (ANOVA) โดยใช้ SAS® สถิติซอฟต์แวร์เวอร์ชั่น 9.2 (SAS, 1999)อัตราการงอก/เกิดถูกกำหนดเป็นส่วนกลับของเวลาที่ใช้ในครึ่งหนึ่งของประชากรจะงอกออก (1 T50) อุณหภูมิที่เหมาะสม (Topt) กำหนดโดยง่าย piece-wise เชิงเส้นรุ่น (ถดถอยเสียติด) ใช้กระบวนการ (NLIN) สมบัติกับ SAS ระหว่างอุณหภูมิและอัตราการงอก/เกิด (1 T50) สำหรับแต่ละสายพันธุ์แยกต่างหาก อัตราการงอก/เกิดเพิ่มขึ้นเป็นเชิงเส้นกับอุณหภูมิจากต่ำสุด (Tmin) เพื่อความชัดเจนสูงสุด (Topt) เกินซึ่งอัตราการลดลงเป็นเชิงเส้นกับอุณหภูมิ อุณหภูมิสูงสุด (Tmax) ถูกนำมาเป็นอุณหภูมิสูงสุดที่ 50% การงอก/เกิดขึ้นแล้ววิเคราะห์ความแปรปรวน (ANOVA) ใช้การทดสอบอุณหภูมิและผลการรักษาแสง หมายถึงรักษาแยกจากกันโดยใช้ Fisher ของป้องกันการทดสอบความแตกต่างสำคัญน้อย 1% แทน 5% ระดับนัยสำคัญ (Snedecor และ Cochran, 1980), เนื่องจาก heterogeneity ของผลต่าง สำหรับทดลองแสง 2 วิธีการรักษาที่คั่นที่นัยสำคัญระดับ 5% ข้อมูลได้มาวิเคราะห์โดยใช้โปรแกรมทางสถิติ GenStat® (Payne et al. 2007)

ผลลัพธ์ (ไทย) 2:

2.6 การวิเคราะห์ข้อมูล
ฟังก์ชัน sigmoid ไม่ใช่การสกัดกั้นตามที่อธิบายในTableCurve® 2D (2002) ได้รับการติดตั้งบนเปอร์เซ็นต์การงอก / การเกิดการสะสมในการกำหนดเวลาในการงอก 50% / การเกิด (T50) (Jami อัลมาห์มูดและ Kafi 2007) นี้: ซึ่งเป็นเปอร์เซ็นต์การงอก / การเกิดสูงสุด B เป็นจุดเปลี่ยน c คือความชันของเส้นที่ x คือเวลา (H) และ Y เป็นงอก / ภาวะฉุกเฉิน% T50 งอก / การเกิดขึ้นที่คำนวณได้และอยู่ภายใต้การวิเคราะห์ที่เหมาะสมของความแปรปรวน (ANOVA) โดยใช้ซอฟต์แวร์รุ่นSAS®สถิติ 9.2 (SAS, 1999).
อัตราการงอก / เกิดถูกกำหนดเป็นซึ่งกันและกันของเวลาที่ครึ่งหนึ่งของประชากรไป งอก / โผล่ออกมา (1 / T50) อุณหภูมิที่เหมาะสม (Topt) ถูกกำหนดโดยการปรับชิ้นฉลาดรูปแบบเชิงเส้นอย่างง่าย (เสียติดถดถอย) โดยใช้ขั้นตอนที่ไม่ใช่เชิงเส้น (NLIN) กับเอสเอระหว่างอุณหภูมิและอัตราการงอก / การเกิดขึ้น (1 / T50) สำหรับแต่ละสายพันธุ์ แยกต่างหาก อัตราการงอก / การเกิดเพิ่มขึ้นเป็นเส้นตรงกับอุณหภูมิต่ำสุด (Tmin) เพื่อกำหนดไว้อย่างชัดที่เหมาะสม (Topt) เกินกว่าที่อัตราการลดลงเป็นเส้นตรงกับอุณหภูมิ อุณหภูมิสูงสุด (Tmax) ถูกนำมาเป็นอุณหภูมิสูงสุดที่ 50% การงอก / การเกิดขึ้นก็มาถึง.
การวิเคราะห์ความแปรปรวน (ANOVA) ถูกนำมาใช้ในการทดสอบสำหรับอุณหภูมิและผลการรักษาแสง วิธีการรักษาที่ถูกแยกออกโดยใช้ฟิชเชอร์ได้รับการคุ้มครองการทดสอบความแตกต่างอย่างมีนัยสำคัญอย่างน้อย 1% แทนระดับ 5% อย่างมีนัยสำคัญ (Snedecor และ Cochran, 1980) เนื่องจากความแตกต่างของความแปรปรวน แสงทดลองที่ 2 หมายถึงการรักษาที่ถูกแยกออกในระดับ 5% อย่างมีนัยสำคัญ วิเคราะห์ข้อมูลโดยใช้โปรแกรมทางสถิติGenStat® (เพน et al., 2007)

ผลลัพธ์ (ไทย) 3:

2.6 การวิเคราะห์ข้อมูลไม่ตัดฟังก์ชันซิกมอยด์ตามที่อธิบายไว้ใน tablecurve ® 2D ( 2002 ) ถูกติดตั้งบนเปอร์เซ็นต์การงอก / สะสมกำหนดเวลาถึง 50% งอก / ไร่ ( t50 ) ( Jami อัลอะห์มาดี และ Kafi , 2007 ) : ที่เป็นเปอร์เซ็นต์การงอกสูงสุด / B เป็นจุดเปลี่ยน , ซี คือความชันของเส้น x เวลา ( H ) และ Y คือการงอก / ไร่บาท t50 งอก / การคำนวณได้ และต้องมีการวิเคราะห์ที่เหมาะสมของความแปรปรวน ( ANOVA ) โดยใช้สถิติ® SAS ( SAS ซอฟต์แวร์เวอร์ชั่น 9.2 , 1999 )อัตราการงอก / 2541 เป็นส่วนกลับของเวลาที่นำประชากรครึ่งงอก / อุบัติ ( 1 / t50 ) อุณหภูมิที่เหมาะสม ( topt ) ถูกกำหนดโดยการปรับชิ้นง่ายๆแบบเชิงปัญญา ( ความติดเสีย ) ใช้เส้น ( nlin ) ขั้นตอนกับ SAS ระหว่างอุณหภูมิ และอัตราการงอก / ไร่ ( 1 / t50 ) สำหรับแต่ละชนิดแยกจากกัน อัตราการงอก / งอกเพิ่มขึ้นตามอุณหภูมิต่ำสุด ( tmin ) การกำหนดอย่างรวดเร็ว ( เกินกว่าที่ topt ) ซึ่งลดลงตามอุณหภูมิ อุณหภูมิสูงสุด ( Tmax ) ถูกกล่าวหาว่าเป็นอุณหภูมิสูงสุดที่ 50 % การงอก / ครบการวิเคราะห์ความแปรปรวน ( ANOVA ) ถูกใช้เพื่อทดสอบอุณหภูมิ และผลการรักษาแสง หมายถึงการแยกโดยใช้ความแตกต่างของปลา ป้องกันน้อย ทดสอบที่ 1 % แทนที่จะเป็น 5% ระดับ ( snedecor แล้ว Cochran , 1980 ) , เพราะความหลากหลายของพฤติกรรม ทดลองแสง หมายถึง การแยกที่ 5 % ที่ระดับ . 05 วิเคราะห์ข้อมูลโดยใช้โปรแกรมสถิติ genstat ® ( เพน et al . , 2007 )