Проверка на достоверность существования сезонных вариаций

Проведенный в предыдущем параграфе анализ свидетельствует, что большая часть изучаемых параметров не подчиняется нормальному распределению. В то же время, как уже отмечалось, в книге Чибисова С. М., Овчинниковой Л. К. и Бреус Т. К. (1998) были выявлены выраженные сезонные эффекты в используемых здесь функциональных характерисиках кроликов линейными статистическими методами, фактически опирающимися на гипотезу о нормальности их распределения. Поэтому на первом этапе анализа в данной работе была осуществлена проверка наличия сезонных различий с помощью непараметрического рангового критерия Краскела — Уоллиса.

Было сделано предположение, что различия значений показателей, полученных в ходе эксперимента в разные сезоны, случайны, и данные являются выборками из непрерывного распределения с равными медианами. Таким образом, была сформулирована нулевая гипотеза для сезонных вариаций. Для всех переменных был вычислен Н-критерий Краскела-Уоллиса.

Таблица 6 Значения H-критерия Краскела Уоллиса при сравнении сезонных выборок.

Из Таблицы следует, что во всех случаях Н-критерий превышал критические значения (см. Главу 2), p< 0,001. Таким образом, гипотеза об отсутствии сезонных различий должна быть отклонена: у всех показателей имеются статистически значимые существенные сезонные различия. Отсюда можно было заключить, что наличие сезонных вариаций не является артефактом, вызванным применением в книге Чибисова С. М., Овчинниковой Л. К. и Бреус Т. К. (1998) параметрических методов, опирающихся на гипотезу о нормальности. Очевидно, что параметры характеризуются достаточно сильными связями, и качественные выводы, полученные в Главе 4 упомянутой книги, можно считать справедливыми, несмотря на ограниченность использованных авторами методов.

В данной работе для выявления сезонных различий в значениях функциональных показателей сердечно-сосудистой системы кроликов были применены непараметрические методы статистики. В целом применение непараметрических методов, основанных на рангах, незначительно загрубляет результаты, делая анализ менее чувствительным к выбросам. Тем не менее, такие методы успешно выделяют главные закономерности, а также вскрывают многофункциональные дополнительные связи, не выявляемые линейными методами.