Variance and efficiency of the combined estimator in incomplete block designs of use in forest genetics: a numerical study
Notice bibliographique
Résumé
The efficiency of combined interblock-intrablock and intrablock analysis for the estimation of treatment contrasts in alpha designs is compared using Monte-Carlo simulation. The combined estimator considers treatments and replications as fixed effects and blocks as random effects, whereas the intrablock estimator considers treatments, replications, and blocks as fixed effects. The variances of the estimators are used as the criterion for comparison. The combined estimator yields more accurate estimates than the intrablock estimator when the ratio of the block to the error variance is small, especially for designs with the fewest degrees of freedom. The accuracy of both estimators is similar when the ratio of variances is large. The variance of the combined estimator is very close to that of the best linear unbiased estimator except for designs with small number of replicates and families or provenances. Approximations commonly used for the variance of the combined estimator when variances of the random effects are unknown are studied. The downward or negative bias in the estimates of the variance given by the standard approximation used in statistical packages is largest under the conditions in which the combined estimator is more efficient than the intrablock estimator. Estimates of the relative efficiency of combined estimators have an upward bias that can exceed 10% of the true value in small- and middle-sized designs with two or three replicates. In designs with four or more replicates, often used in forest genetics, the bias is negligible.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,071 | 0,224 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».