CC BY
19
10. Opsomer G., Grohn Y.T., Hertl J. et al. Risk factors for post partum ovarian dysfunction in high producing dairy cows in Belgium: a field study // Theriogenology. - 2000. - Vol. 53. - No. 4. - P. 841-857.
11. Shrestha H.K., Nakao T., Suzuki T. et al. Effects of abnormal ovarian cycles during pre-service period postpartum on subsequent reproductive performance of high-producing Holstein cows // Theriogenology. - 2004.
- Vol. 61. - No. 7-8. - P. 1559-1571.
12. Lussier J.G., Matton P., Dufour J.J. Growth rates of follicles in the ovary of the cow // J. Reprod. Fertil. -1987. - Vol. 81. - No. 2. - P. 301-307.
List of sources used
1. Dobson H., Smith R.F., Royal M.D. et al. The high producing dairy cow and its reproductive performance // Reprod. Domest. Anim. - 2007. - Vol. 42 - No. 2. - P. 17-23.
2. Wathes D.C. Mechanisms linking metabolic status and disease with reproductive outcome in the dairy cow // Reprod. Domest. Anim. - 2012. - Vol. 47. - Suppl. 4. - P. 304-312.
3. Hare E., Norman H.D., Wright J.R. Survival rates and productive herd life of dairy cattle in the United States // J. Dairy Sci. - 2006. - Vol. 89. - No. 9. - P. 3713-3720.
4. Brickell J.S., Wathes D.C. A descriptive study of the survival of Holstein-Friesian heifers through to third calving on English dairy farms // J. Dairy Sci. - 2011. - Vol. 94. - No. 4. - P. 1831-1838.
5. Chagas L.M., Bass J.J., Blache D. et al. Invited review: New perspectives on the roles of nutrition and metabolic priorities in the subfertility of high-producing dairy cows // J. Dairy Sci. - 2007. - Vol. 90. - No. 9. - P. 4022-4032.
6. Vernon R.G., Denis R.G., Sorensen A. Leptin and the adaptations of lactation in rodents and ruminants // Horm. Metab. Res. - 2002. - Vol. 34. - No. 11-12. - P. 678-685.
7. Wathes D.C., Clempson A.M., Pollott G.E. Associations between lipid metabolism and fertility in the dairy cow // Reprod. Fertil. Dev. - 2012. - Vol. 25. - No. 1. - P. 48-61.
8. Bisinotto R.S., Greco L.F., Ribeiro E.S. et al. Influences of nutrition and metabolism on fertility of dairy cows // Anim. Reprod. - 2012. - Vol. 9. - No. 3. - P. 260-272.
9. Solomakhin A.A., Mityashova O.S., Gusev I.V., Lebedeva I.Yu. Metabolism and hormonal status during the first trimester of lactation of first-calf cows with long barrenness // Dostizheniya nauki I tekhniki APK. - 2016. -Vol. 30. - No. 10. - P. 105-108.
10. Opsomer G., Grohn Y.T., Hertl J. et al. Risk factors for post partum ovarian dysfunction in high producing dairy cows in Belgium: a field study // Theriogenology. - 2000. - Vol. 53. - No. 4. - P. 841-857.
11. Shrestha H.K., Nakao T., Suzuki T. et al. Effects of abnormal ovarian cycles during pre-service period postpartum on subsequent reproductive performance of high-producing Holstein cows // Theriogenology. - 2004.
- Vol. 61. - No. 7-8. - P. 1559-1571.
12. Lussier J.G., Matton P., Dufour J.J. Growth rates of follicles in the ovary of the cow // J. Reprod. Fertil. -1987. - Vol. 81. - No. 2. - P. 301-307.
УДК 633.2/3 (1-924.85)
ОБОСНОВАНИЕ МЕТОДИКИ ОПТИМИЗАЦИИ ДАННЫХ НАУЧНОГО ЭКСПЕРИМЕНТА С ТОЧКИ ЗРЕНИЯ СТАНДАРТИЗАЦИИ
ВОЛКОВА С.Н.,
доктор сельскохозяйственных наук, профессор, заведующий кафедрой физико-математических дисциплин и информатики, ФГБОУ ВО Курская ГСХА, e-mail: volkova_47@mail.ru.
СИВАК ЕЕ.,
доктор сельскохозяйственных наук, профессор кафедры стандартизации и оборудования перерабатывающих производств, ФГБОУ ВО Курская ГСХА, elenasivak77@mail.ru.
ПИКАЛОВА МБ.,
кандидат экономических наук, доцент кафедры товароведения, технологии и экспертизы товаров, ФГБОУ ВО Юго-Западный государственный университет.
ОВЧИННИКОВА Е.В.,
кандидат экономических наук, доцент кафедры товароведно-технологических дисциплин Курского института кооперации (филиал БУКЭП).
КОБЧЕНКО С.Н.,
кандидат технических наук, доцент кафедры физико-математических дисциплин и информатики, ФГБОУ ВО Курская ГСХА.
Реферат. В работе дано научное обоснование необходимого объема выборки для получения достоверной информации после обработки экспериментальных данных по новым кормовым культурам. Для оценки необходимого объема выборки рассмотрены случаи, когда доля выборки для эксперимента или частоты известна и когда неизвестна. Рассмотрены вопросы оценки объема выборки, исходя из доверительного интервала, а также из ряда предпочтительных чисел по ГОСТ 8032-84. Расчетные данные по объемам выборки представлены в удобной для практического применения форме в виде таблиц. Одновременно со сложностью систем и комплексом мероприятий связанных с перспективами использования малораспространенных новых кормовых культур возрастает трудоёмкость, стоимость и сроки проведения экспериментальных исследований. Существующие диспропорции между методикой самого расчета и методикой построения достоверных расчётных схем, проведения реальных мероприятий по внедрению новых кормовых культур в производство продукции животноводства для получения кормов высокого качества существенно снижают надёжность численных исследований. Поэтому на современном этапе развития информационных технологий, когда требуется снижение затрат труда и материальных ресурсов, разработанная методика по оптимизации выборки для постановки научного эксперимента в решении вопросов создания в кратчайшие сроки условий для внедрения малораспространенных и новых кормовых культур вносит существенный вклад в создание комплексных методов исследований, а также обработки результатов эксперимента, позволяющих за счет ускорения испытаний и повышения информативности и достоверности результатов внедрять новые эффективные методики. Следует решать возникшие проблемы, связанные с переработкой и перспективами использования новых кормовых культур постепенно заполняющих возникшие ниши на рынке.
Ключевые слова: объем выборки, числовые характеристики, случайная величина, вероятность, интервальная оценка, интегральная функция Лапласа, земледелие, продуктивность, колумбова трава, эффективность, зеленый конвейер, биологизация, стандартизация.
JUSTIFICATION OF THE TECHNIQUE OF OPTIMIZATION OF THE DATA OF THE SCIENTIFIC EXPERIMENT FROM THE POINT OF VIEW OF STANDARDIZATION
VOLKOVА S.N.,
doctor of agricultural Sciences, Professor, head. the Department of physical and mathematical Sciences and Informatics of the Kursk state agricultural Academy, e-mail: volkova_47@mail.ru.
SIVAK E. E.,
doctor of agricultural Sciences, Professor of the Department of standardization and equipment of processing enterprises of the Kursk state agricultural Academy, elenasivak77@mail.ru.
PIKALOVA MB.,
Candidate of Economic Sciences, Associate Professor at the Department of Merchandising, Technology and Commodity Examination, South-West State University.
OVCHINNIKOVA E.V.,
Candidate of Economic Sciences, Associate Professor at the Department of Goods-Technological Disciplines of the Kursk Institute of Cooperation (branch of the Central Executive Committee).
KOBCHENKO S.N.,
Candidate of Technical Sciences, Associate Professor of the Department of physical and mathematical Sciences and Informatics of the Kursk state agricultural Academy.
Essay. The paper provides a scientific justification for the required sample size for obtaining reliable information after processing experimental data on new feed crops. To estimate the required sample size, cases are considered when the sample fraction for an experiment or frequency is known and when it is unknown. The issues of estimating the sample size, based on the confidence interval, as well as from a number of preferred numbers according to GOST 8032-84, are considered. Calculated data on sample sizes are presented in a convenient for practical use in the form of tables. Simultaneously with the complexity of the systems and the complex of measures connected with the prospects for the use of the rarely spread new forage crops, the laborious-ness, the cost and the timing of the experimental studies increase. The existing disproportions between the method of calculation itself and the method of constructing reliable design schemes, the implementation of real
measures for the introduction of new fodder crops in animal production to obtain high quality feed significantly reduce the reliability of numerical studies. Therefore, at the present stage of development of information technologies, when it is necessary to reduce labor and material resources, the developed methodology for optimizing the sample for setting up a scientific experiment in solving the issues of creating the conditions for the introduction of less common and new forage crops in the shortest possible time makes a significant contribution to as well as processing the results of the experiment, which at the expense of accelerating the tests and increasing the information content and reliability of the results To introduce new effective techniques. It is necessary to solve the problems associated with processing and the prospects for the use of new forage crops gradually filling the emerging niches in the market.
Key words: sample size, numerical characteristics, random variable, probability, interval estimation, Laplace integral function, agriculture, productivity, Columbian grass, efficiency, green conveyor, biologization, standardization.
Введение. Целью нашего исследования является разработка методики повышающей надёжность численных исследований. Современное сельское хозяйство больше чем другие отрасли нуждается в инновациях. Здесь необходимым условием является прогрессивное мышление руководства. В условиях ограниченной конкуренции, при большом потенциале имеющихся земельных угодий, а также возможностях в сфере кредитно-финансовой поддержки, перспектива выхода из кризиса осуществима. Приоритетным направлением может являться как усовершенствование существующих технологий, так и выращивание совершенно новых, не возделываемых прежде культур.
Возможность выращивания и технология возделывания колумбовой травы в условиях Курской области разработана в соответствии с планом НИР кафедры растениеводства ФГБОУ ВО Курская ГСХА, что соответствует разработке эффективных технологий возделывания, уборки полевых культур и первичной переработки продукции.
Для проведения выборочного наблюдения и постановки достоверного опыта в животноводстве с применением новых кормовых культур важно правильно установить объем выборки п, который в значительной степени определяет необходимые при этом временные, трудовые и стоимостные затраты. По надёжности оценки доверительной вероятности и точности определяем объем выборки [1-3].
Материал и методика исследования. Подробнее остановимся на задаче, связанной с определением объема выборки п, когда по заданной доверительной вероятности Р=2Ф(^) находим ве-
т
личину t. Если при этом частота — известна, то
п
из равенства (1):
s
•Jn
P = 2Ф(е — )
' pq
t = £
находим величину n:
n
pq
(1)
(2)
= t
(3)
л m m(1--)
_n_
n
Но практический смысл этой задачи заключается в том, чтобы найти объем выборки п, который обеспечит определение неизвестной доли р с погрешностью, не превышающей е, и с заданной степенью гарантии Р.
Поэтому если нет оснований для ориентиро-
т
ванного задания величины —, то приходится ис-
п
ходить из наименее благоприятного ее значения, при котором необходимый объем выборки окажется наибольшим.
Для решения поставленных задач используем известные приемы нахождения экстремума функции, точечные оценки числовых характеристик случайной величины, построение доверительных интервалов, а также ГОСТ 8032-84 (СТ СЭВ 396183) Предпочтительные числа и ряды предпочтительных чисел. Для примеров оценки необходимого объема выборки служат бычки красной степной породы. В Курской области исследования по колумбовой траве начались в 2000 году, после того, как был сделан анализ обзора научных исследований ученых, работавших за рубежом [5-7] и южных районов нашей страны, включая Белгородскую область. Первые публикации на эту тему появились в 2003 году [8-9], продолжаются по настоящее время.
Результаты исследования. Целью нашей работы является показать , каким образом определяется необходимый объем выборки на практике для постановки достоверного опыта в животноводстве
[1-4].
При известной доли выборки, расчеты ведутся по формуле (3). В случае если доля неизвестна, то из формулы (2) видно, что при данном t наибольшее значение п будет тогда, когда корень, а, следовательно, и подкоренное выражение принимают наибольшие значения.
Исследуем выражение
л т т(1--)
п
на экстре-
п
мум, приравняв производную от него к нулю:
(
\т(1 - т) п
п
"V
=0. В результате преобразований по-
п
лучим: т = — . Из этого результата следует, что
максимальное значение конкретного выражения
1 т 1
равно — , когда — = — . Подставляя это значение
в равенство (2) и разрешая его относительно искомого п, получаем:
п
= г; и „„ =
г2
4е2
(4)
2Ф(е
п
— ) = Р
РЧ
Пусть необходимо определить объем выборки, чтобы с вероятностью Р гарантировать ошибку выборки не более величины е, при известной доли признака р. Определим q=1-p. Вначале находим функцию Лапласа Ф(1;) по таблице, решая обратную задачу, т.е. соответствующий аргумент 1:
\~п Р
г = ел п ; Ф(1)=^т.
\РЧ 2
Например, Р=0,95; тогда по таблице имеем 0,95
Ф(1;)=^— = 0,475, откуда 1 =1,96. Затем приравниваем и находим искомую величину п.
Пусть р=0,8; , п г
I— = — получим:
е
q=1-0,8=0,2; 8=0,1, тогда из и в нашем случае
г 2 РЧ
1,962 • 0,8 • 0,2
п = ■
0,12
= 61,4656 = 62 . Итак п=62 -
Результат совпадает с формулой (3) при т 1 п 2 .
В таблице 1 находится необходимый объем выборок, обеспечивающий степень гарантии 95 % верхняя строка и 99 % нижняя строка, который обеспечит определение неизвестной доли р с погрешностью не превышающей 8.
т
Таким образом, на пересечении доли —, если
п
она известна, и отклонении 8 находим п объем выборки в верхней (Р=0,95) или нижней (Р=0,99) строке таблицы 1. Если доля неизвестна, то птах с соответствующей гарантией находят в последнем столбце таблицы.
Приведем пример расчета и удобства таблицы, используя соотношение:
объем необходимой выборки для гарантированной достоверности. Пользуясь таблицей 1, сразу находим это значение на пересечении соответствую-
т
щей строки 8=0,1 и столбца — =0,8.
п
Анализируя данные, полученные в таблице 1 по количеству голов, видим, что существует ГОСТ 8032-84, который устанавливает стандартные значения предпочтительных чисел в диапазоне от 0 до да на основе фиксированных значений предпочтительных чисел, включенных в десятичный интервал от 0 до 10, применим и в нашем случае . То лько р ечь будет идти о дополнительном ряде предпочтительных чисел Я160 со знаменателем прогрессии 16У10 = 1,015 « 1,02. Поскольку именно этот ряд включает все необходимые объемы выборок для планируемого эксперимента, а именно, для 0<п<10 - десятичный интервал Я160 при к=0; 10<п<100 - десятичный интервал для к=1; свыше 100 голов для к=2 и т.д.. Переход в любой другой десятичный интервал определяется умножением этих чисел на 10 к, где к - целое число, показывающее отдаление десятичного интервала в ту или другую сторону от заданного, принятого за нулевой (к=0).
При к=1 числа переходят в интервал (10; 100], при к=2 - в интервал (100; 1000] и т.д.
Если взять ряд Я40, то выпадают такие значения, как 29, 39, 41, 44, 46,...,99, т.е. всего 42 значения, аналогично и в остальных рядах чего-то не хватает. Поэтому предпочтительно воспользоваться дополнительным рядом Я160, а рядом Я40 для п<29 [4].
Используя таблицу 1, определим необходимый объем выборки, который гарантировал бы ошибку выборки, не превышающую 0,1, т.е. 8=0,1 с вероятностью Р=0,99. Ориентировочно известно, что
т
— =0,9. п
т
По условию 8=0,1; Р=0,99; —=0,9. Требуется
п
определить п.
По таблице 1 на пересечении столбцов е=0,1 и т
доли — =0,9 находим значение равное 60, соот-п
ветствующее нижней строке указанной гарантии Р=0,99, что соответствует 32 строке ряда предпочтительных чисел Я40 при к=1.
е
Таблица 1 - Объем выборки (n) в зависимости от погрешности ¡8) и доли признака (m)
"N. m 0,95 0,90 0,85 0,80 0,75 0,70 0,65 0,60 0,55 0,50
и 8
0,01 1825 3457 4898 6147 7203 8068 8740 9220 9508 9604
3162 5991 8487 10650 12481 13978 15143 15975 16475 16641
0,02 456 865 1225 1537 1801 2017 2185 2305 2377 2401
790 1498 2122 2663 3120 3495 3786 3994 4119 4160
0,03 203 385 544 683 800 897 971 1025 1056 1068
351 666 943 1183 1387 1553 1683 1775 1831 1849
0,04 114 217 306 385 450 505 546 577 594 601
198 374 530 666 780 874 947 999 1030 1040
0,05 73 139 196 246 288 323 350 369 380 385
127 240 340 426 499 559 606 639 659 666
0,06 51 97 136 171 200 225 243 257 264 267
88 166 236 296 345 388 421 444 458 462
0,07 37 71 100 126 147 165 179 189 194 196
65 122 173 217 255 285 309 326 336 340
0,08 29 55 77 97 113 127 137 145 149 151
49 94 133 166 195 217 237 250 257 260
0,09 23 43 61 76 89 100 108 114 117 119
39 74 105 132 154 173 187 197 203 205
0,10 18 35 49 62 72 81 87 93 95 97
32 60 85 107 125 140 151 160 165 166
0,11 15 29 41 51 60 67 72 76 79 79
26 50 70 88 103 116 125 132 136 138
0,12 13 24 34 43 50 56 61 64 66 67
22 42 59 74 87 97 105 111 114 116
0,13 11 20 29 36 43 48 52 55 56 57
19 35 50 63 74 83 90 95 98 99
0,14 9 18 25 31 37 41 45 47 49 49
16 31 43 54 64 71 77 82 84 85
0,15 8 16 22 28 32 36 39 41 42 43
14 27 38 47 56 62 67 71 73 74
0,20 5 7 12 16 18 21 22 24 24 25
8 15 21 27 31 35 38 40 41 42
0,25 3 6 8 10 12 13 14 15 15 16
5 10 14 17 20 22 24 26 26 27
0,30 2 4 5 7 8 9 10 11 11 11
4 7 9 12 14 16 17 18 18 19
0,35 2 3 4 6 6 7 7 8 8 8
3 5 7 9 10 11 12 13 13 14
0,40 1 3 3 4 4 6 6 6 6 7
2 4 5 7 8 9 9 10 10 10
0,45 1 2 2 4 4 4 4 5 5 5
2 3 4 6 6 7 7 8 8 8
0,50 1 2 2 3 3 4 4 4 4 4
1 2 3 5 5 6 6 6 7 7
t2 p(1 - p) t2
Примечание: значение n =--- и итах =—-, где Р=0,95 - верхняя строка, t=1,96; Р=0,99
4е2
нижняя строка, t=2,58
S
Для определения бычков мясной породы первым сортом в партии (доля признака р) производится случайная повторная выборка объемом в 100 единиц (п=100). В выборке установлено, что бычков первого сорта т=80. Определить достоверные границы для процента бычков мясной породы первого сорта во всей партии, которые могут быть гарантированы с достоверной вероятностью Р=0,99.
т
По условию п=100; —=0,85; Р=0,95. Требует-п
ся определить е, а, следовательно, границы т - е и
п
т
— + е. п
Воспользуемся таблицей 1. Найдем столбец с долей 0,85 и значение п в нем равное 100, соответствующее е=0,07.
Следовательно, доверительные границы будут
т т
т - е=0,85-0,07=0,78 и — + е=0,85+0,07=0,92. п п
Таким образом, от 78 % до 92 % бычков мясной породы являются первым сортом во всей партии с гарантией 95 %.
Границы доверительных интервалов позволяют найти возможный максимум, в нашем случае 0,92, т.е. 92 % и гарантированный минимум 0,78, т.е. 78 %.
Часто на практике теоретические значения параметров распределения неизвестны, а имеется лишь возможность получить из выборки их точечные оценки х и Ь , то доверительный интервал в этом случае имеет вид:
(Х 4р ; X + ), л/п л/и
т.е. х 4р< х < X + (5)
•Ш 4п
где величины ^ при заданной надежности Р определяются с помощью таблицы: 1р= 1(Р, п), где Р=0,95; 0,99, п - объем выборки.
Если найдем объем повторной выборки п, то объем соответствующей бесповторной выборки п' определяется по формуле:
пМ
п + N
(6)
Так как
N
п + N
<1, то при одних и тех же точ-
ностях и надежности оценок, объем бесповторной выборки п' всегда меньше объема повторной выборки п.
Аналогично могут быть найдены и другие формулы объема выборки (таблица 2).
Этим и объясняется тот факт, что на практике в основном используется бесповторная выборка.
Их.п,-
Ё(х- - х) "
Б*2 =
(7)
(8)
п-1
где X - средняя выборки; Ь*2 - исправленная дисперсия (несмещенная).
Пусть необходимо определить:
- точечные оценки среднего веса бычков в генеральной совокупности, а также генеральной дисперсии и среднего квадратического отклонения;
- доверительный интервал для генеральной средней с вероятностью 0,95;
- вероятность, что ошибка выборочной средней не превысит 3 кг;
- необходимый объем выборки, чтобы с вероятностью 0,95 гарантировать ошибку выборки не более 3 кг.
В качестве точечной оценки генеральной средней необходимо положить выборочную среднюю, которая является состоятельной, несмещенной и эффективной оценкой генеральной средней:
= 327 (кг)
_ 325 + 337 + 319 + 330 + 327 + 328 + 332 + 320 + 318 + 334
х ~ х =-
10
Рассчитаем выборочную дисперсию:
Ь2= (325 - 327)2 + (337 - 327)2 + (319 - 327)2 + (330 - 327)2 + (327 - 327)2 +
10
+(328 - 327)2 + (332 - 327)2 + (320 - 327)2 + (318 - 327)2 + (334 - 327)2 10
= 38,2
Выборочная дисперсия является смещенной оценкой генеральной дисперсии.
"-Б2 =10 • 38,2 « 42,4
Б *2 =-
п -1
Б* = у/42,4 » 6,5 (кг)
Воспользуемся схемой последовательных приближений. Определим сначала 1 из таблицы функции Лапласа (по заданной вероятности Р=0,95). Находим 1=1,96. Затем найдем п1, используя данные (таблица 2): п1«18. По таблице функции Стьюдента и по Р=0,95, при п1-1=17 находим значение 1^=2,11. вычисляем п2«21. По Р=0,95 и при п 2- 1 =2 1 -1=2 0 находим 1.2=2 , 0 9 . Вычисляем
2,092 • 42,4
пз=
9
-— « 21. Поскольку п3 ~ п2, то необ-
ходимый объем выборки устанавливается п=21 (голов). В таблице 1 это соответствует доли
— =0,7 и е=0,2 с гарантией 95 % или — =0,85 и п п
е=0,2 с гарантией 99 %, что соответствует 14 строке предпочтительных чисел Я40 при к=1 ГОСТ 8032-84.
— (=1 х = —
п
п =
Таблица 2 - Формулы объема выборки [2. - C. 316]
Оцениваемый параметр Повторная выборка Бесповторная выборка
Генеральная средняя t р2 S *2 П = г2 / Nt;s- П tp 2 S *2 + Ne2
Генеральная доля t2 pq П = г2 / Nt2 pq П = 7 7 t pq + Ne
Если для решения ваших задач недостаточно пользуя для нахождения t таблицу tp= t(P, n). Из
данных таблицы 1, то по изложенной в работе ме- таблицы значений по заданной надежности
тодике расчетов и формул (1)-(3), (таблица 2) Р=0,95; 0,99; 0,999 и первичному объему выборки
можно рассчитать необходимый для ваших иссле- находят величину t.
дований объем выборки и оценить погрешность Действуя по схеме последовательных прибли-
по величине исследуемой выборки по формулам жений, уточняют необходимый объем выборки.
(5) и (таблица 2). 3. Для решения вопросов в перечисленных Выводы. 1. Определение объема выборки для выше случаях в работе представлена расчетная
постановки научного эксперимента в животновод- таблица, в которой можно по двум величинам най-
стве находятся по формулам (3), если известна до- ти интересующую третью величину, например,
m объем выборки по доле и отклонению. Если доля
ля или частость — и по формулам (4Х если доля неизвестна, то взяв ее значение 0,5, найти объем
П 5 5 5
для соответствующей надежности или гарантии. неизвестна. Для нахождения величины t - аргу- " J *
-L ту лч/w с - Для принятия окончательного решения по необхо-
мента функции Лапласа Ф^) пользуются таблицей ^ г f
димому для эксперимента объему выборки следу-
по заданной доверительной вероятности, используя соотношение Муавра-Лапласа: Р=2Фф. ет применить ГОСТ 8032-84, соответствующий
2. Если о генеральной выборке вообще ничего дополнительному ряду предпочтительных чисел
* г. F , R160, начиная с n>29 и R40 для 0<n<29.
неизвестно, то объем выборки находят по формуле
(6) при заданном стандарте S и отклонении s, ис-
Список использованных источников
1. Волкова С.Н., Муха Д.В. Прогнозирование и числовые характеристики непрерывных циклических процессов экосистемы // Доклады Российской академии сельскохозяйственных наук. - 1996. - № 1. - С.17.
2. Кремер Н.Ш. Теория вероятностей и математическая статистика. - М.: Юнити-Дана, 2012. - 551 с.
3. Сивак Е.Е. Перспективы распространения колумбовой травы в мире и ЦФО России // Вестник Курской государственной сельскохозяйственной академии. - 2015. - № 9.- С. 72-77.
4. ГОСТ 8034-84 (СТ СЭВ 3961-83) Предпочтительные числа и ряды предпочтительных чисел.
5. Янкелевич Р.К., Юровский Р.Ф.Сравнительная продуктивность сорго при одноукосном и двуукос-ном использовании: материалы Международной научно-практической конференции: Актуальни проблеми сучасного землеробства. - Луганськ, 2003.- С. 389-393.
6.Утеуш Ю. А. Новые перспективные кормовые культуры. - Киев: Наукова думка, 1991. -С. 120.
7. Колчанов Р.А., Ткаченко И. К., Колчанов А.Ф. Колумбова трава - нетрадиционная кормовая культура в условиях Белгородской области // Труды первой всероссийской конференции по ботаническому ре-сурсоведению. - СПб., 1996. - С. 173.
8. Картамышев Н.И., Волкова Е.Е. Колумбова трава в Курской области // Земледелие. - 2003. - № 1. -С. 29.
9. Сивак Е.Е. Новые нетрадиционные культуры - перспектива развития сельского хозяйства // Аграрная наука. - 2006. - № 7. - С. 9-10.
List of used sources
1. Volkova S.N., Mukha D.V. Prediction and numerical characteristics of continuous cyclic processes of the ecosystem // Reports of the Russian Academy of Agricultural Sciences. - 1996. - № 1. - С.17.
2. Kremer N.Sh. Theory of Probability and Mathematical Statistics. - M.: Unity-Dana, 2012. - 551 p.
3. Sivak E.E. Prospects for the spread of columbian grass in the world and the Central Federal District of Russia // Bulletin of the Kursk State Agricultural Academy. - 2015. - № 9. - P. 72-77.
4. GOST 8034-84 (ST SEV 3961-83) Preferred numbers and series of preferred numbers.
5. Yankelevich R.K., Yurovsky R.F. Comparative productivity of sorghum with single-axis and double-axle use: materials of the International Scientific-Practical Conference: Actual problems of successful soil-farming. -Lugansk, 2003.- P. 389-393.
6. Uteush Yu. A. New promising forage crops. - Kiev: Naukova Dumka, 1991. - P. 120.
7. Kolchanov R.A., Tkachenko I.K., Kolchanov A.F. Columbian grass - an unconventional fodder crop in the conditions of the Belgorod region // Proceedings of the first All-Russian conference on botanical resource science. - SPb., 1996. - P. 173.
8. Kartamyshev N.I., Volkova E.E. Columbian grass in the Kursk region // Agriculture. - 2003. - № 1. - P. 29.
9. Sivak E.E. New non-traditional cultures - the prospect of agricultural development // Agrarian Science. -2006. - № 7. - P. 9-10.
УДК 632.931:574:636
ЭФФЕКТИВНОСТЬ ИСПОЛЬЗОВАНИЯ ФИТОПРЕПАРАТОВ В ЖИВОТНОВОДСТВЕ КАК РЕЗЕРВ СОВРЕМЕННОЙ ЭКОЛОГИЗАЦИИ ОТРАСЛИ
СЕРГАЧЕВ А.А.,
кандидат экономических наук, доцент, ФГБОУ ВО Орловский ГАУ. ВЛАСОВ ВВ.,
аспирант, ФГБОУ ВО Орловский ГАУ.
Реферат. В статье показана актуальность экологизации сельскохозяйственного производства и возможность использования фитопрепаратов на основе местного растительного сырья для повышения эффективности молочного скотоводства. Эксперимент проводили в «комплексе по производству молока Сабурово» Орловской области. Были сформированы 2 группы коров по 10 голов в каждой. Животным 1-й (контрольной группы) скармливали основной рацион (ОР) хозяйства; 2-й - ОР + 20 % настой лопуха войлочного (ЛВ) в дозировке 60мл на 100 кг веса. Представлена динамика показателей молочной продуктивности коров в условиях промышленного комплекса на фоне применения лопуха войлочного. В опытной группе, получавшей добавку, к концу эксперимента прирост молочной продуктивности по данным хозяйства составил 0,43 кг на голову, тогда как в контрольной группе среднесуточные удои не изменились Экономическая эффективность составила в виде дополнительной прибыли на 1 рубль затрат от 11 % до 13 %.
Ключевые слова: экологизация, сельскохозяйственное производство, органическое животноводство, фитопрепараты, лопух войлочный, arcticum lappa, стресс, свободно-радикальное окисление, молочная продуктивность.
EFFECTIVE APPLICATION OF PHYTOPREPARATIONS IN ANIMAL BREEDING AS RESERVE OF MODERN ECOLOGIZATION OF THE INDUSTRY
SERGACHEV A.A.,
economic science PhD, associate professor Orel State Agrarian University named after N.V. Parakhin. VLASOV V.V.,
biochemistry postgraduate student Orel State Agrarian University named after N.V. Parakhin.
Essay. The article shows the relevance of agricultural production ecologization and the possibility of using herbal remedies based on local plant raw materials to increase the efficiency of dairy livestock. The experiment was carried out in the "Saburovo milk production complex" of the Oryol region. 2 groups of cows were formed, 10 animals each. The animals of the 1st (control group) were fed the main diet (MD) of the farm; 2nd - MD + 20 % infusion of arcticum lappa (AL) in a dosage of 60 ml per 100 kg of weight. The dynamics of milk production indices of cows in the conditions of the industrial complex on the background of arcticum lappa use is presented. In the experimental group receiving the supplement, by the end of the experiment, milk production increased by 0.43 kg per head, whereas in the control group the average daily milk yield did not change. Economic efficiency amounted from 11 % to 13 % of additional profit for 1 ruble (unit) of expenditures.
Keywords: ecologization, agricultural production, organic livestock, phytopreparations, arcticum lappa, stress, free radical oxidation, milk productivity.
