Értekezés
Értekezés
Értekezés
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
3. fejezet Vizsgálatokról<br />
szárítást követıen kb. 35mm vastagságúak és kb. 100mm szélességőek lettek.<br />
Általánosságban elmondható, hogy a mechanikai vizsgálatok alapanyagai a geszt ill. érett fa<br />
részekbıl kerültek ki. A gombaállóság és szín meghatározása során a cser szijácsot is<br />
megvizsgáltam. Míg a próbatestek méretére az egyes vizsgálatok leírásánál térek ki, addig itt<br />
elmondható, hogy a mintaszámot a hıkezelési tömeg- és méretcsökkenés meghatározásának<br />
kivételével 25db-ban állapítottam meg. A nagymérető minták ugyancsak hozzájárultak a<br />
szórás csökkenéséhez. A vizsgálatoknak megfelelıen határoztam meg a szelvények<br />
mennyiségét és az egy ütemben hıkezelt faanyag köbtartalmát. Ez ugyancsak fontos<br />
szempont a hıkezelések összehasonlíthatósága miatt. A különféle kivágásokból származó<br />
szelvényárukat összekevertem ezzel is a biztosítva a minták nagyobb homogenitását. A<br />
kezdeti mintavételezés során a bekerült szelvények mindegyikébıl kontroll próbatesteket<br />
választottam le, de három sorozat kezelés után a sőrőségi, nedvességtartalmi és színbeli<br />
eltérések mértéke olyan csekélynek bizonyult minden fafaj esetében, hogy ezeket egy<br />
mintaátlaggal és szórással közelítettem. Az így kialakult kutatási terv adattömbje a három<br />
fafajra, két kezelési hımérsékletre, hımérsékletenként három különbözı menetrendi és egy<br />
kontrollcsoportra, tizenkét mért tulajdonság-paraméterre és a 25db-os mintákra vonatkoztatva<br />
7200 cellából áll. A mérési adatok statisztikai értékelését SPSS programmal végeztem. A<br />
minták szóráselemzés vizsgálatánál az ún. ANOVA esetén azt vizsgáljuk, hogy egy bizonyos<br />
faktornak (pl. hımérséklet és menetrend) van-e hatása a kimeneti változó, azaz a faanyag<br />
tulajdonságainak várható értékére. Esetünkben többváltozós ún. Multivariate ANOVA-ról<br />
azaz MANOVA-ról beszélhetünk, ahol a mért tulajdonságok egy mátrixot alkotnak. A<br />
vizsgálat nullhipotézise az, hogy a faktornak nincs hatása, azaz a várható értékek egyenlık,<br />
melyet a mérési adatok alapján megpróbálunk megcáfolni. A modell szerint a mért érték az<br />
elméleti érték és a megfigyelési zaj összegeként adódik, ahol a zaj független értékő, normális<br />
eloszlású. Az elméleti érték nem más, mint a kezeletlen alapsokaság várható értéke, melynek<br />
a becslése a kezeletlen próbatestek mintáiból történik.<br />
Y i,<br />
j,<br />
k = mi,<br />
j + ei,<br />
j,<br />
k<br />
H o : mi,<br />
j = m1,<br />
1 = m1,<br />
2 = .... m2,<br />
3 = m2,<br />
4<br />
ahol: Yi,j,k a mért értékek, fafajonként<br />
i- a kezelés hıfokkódja: 1-180, 2-200 o C;<br />
j- a kezelések fajtakódja: 1-kezeletlen, 2-1. , 3-2., és 4-3. menetrend;<br />
k- a mintaszámnak megfelelı mérési kód, 1-25-ig<br />
mi,j a minták várható értéke<br />
ei,j a ún. zaj, mely normális eloszlású és független értékő<br />
Ho nullhipotézis- feltesszük, hogy a várható értékek azonosak<br />
A nullhipotézis (Ho) elutasítása a szignifikáns eredmény, azaz ekkor a faktor hatása nem<br />
semleges a vizsgált tulajdonságra. A varianciaanalízis során megválasztott szignifikancia szint<br />
α=0,05.<br />
A kiértékelés során a vizsgált tulajdonságok egymáshoz viszonyított korrelációs együtthatóit<br />
is meghatároztam. A korreláció és a gyakorlat szempontjából releváns tulajdonság kapcsolatát<br />
lineáris regresszió segítségével modelleztem.<br />
34