Értekezés

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