लैटिन वर्ग अभिकल्पना (Latin Square Design - LSD)
व्याख्यान 17 (Lecture 17)
लैटिन वर्ग अभिकल्पना - विवरण (Description) - लेआउट (Layout) - प्रसरण विश्लेषण (Analysis of Variance) - लाभ (Advantages) तथा हानियां (Disadvantages)
लैटिन वर्ग अभिकल्पना (Latin Square Design - LSD)
जब प्रायोगिक क्षेत्र में मृदा उर्वरता प्रवणता दो परस्पर लंबवत दिशाओं (Two Mutually Perpendicular Directions - जैसे उत्तर से दक्षिण तथा पूर्व से पश्चिम) में फैली हो, तो प्रायोगिक सामग्री को पंक्तियों (Rows) और स्तंभों (Columns) के रूप में दोतरफा खंडों में विभाजित किया जाता है।
उपचारों को इस प्रकार आवंटित किया जाता है कि प्रत्येक उपचार प्रत्येक पंक्ति में केवल एक बार और प्रत्येक स्तंभ में भी केवल एक बार ही आए। इस व्यवस्था को लैटिन वर्ग अभिकल्पना (LSD) कहा जाता है। इसमें स्थानीय नियंत्रण का सिद्धांत दो दिशाओं में लागू होता है, जिसे दोहरा समूहीकरण (Double Grouping) कहते हैं।
LSD में उपचारों की संख्या (\( t \)), पंक्तियों की संख्या (\( r \)) तथा स्तंभों की संख्या (\( c \)) सदैव एक-दूसरे के बराबर होती हैं (\( t = r = c \))। कुल प्रायोगिक प्लॉटों की संख्या \( t \times t = t^2 \) होती है। उपचारों को सामान्यतः लैटिन वर्णमाला के बड़े अक्षरों जैसे \( A, B, C, D, E \) द्वारा दर्शाया जाता है।
\( 5 \times 5 \) लैटिन वर्ग अभिकल्पना के लेआउट के तीन संभावित विन्यास निम्नलिखित हैं:
वर्ग 1 (Square 1)
| A | B | C | D | E |
| B | A | E | C | D |
| C | D | A | E | B |
| D | E | B | A | C |
| E | C | D | B | A |
वर्ग 2 (Square 2)
| B | C | D | E | A |
| D | E | C | A | B |
| C | A | E | B | D |
| E | B | A | D | C |
| A | D | B | C | E |
वर्ग 3 (Square 3)
| A | B | C | D | E |
| B | C | D | E | A |
| C | D | E | A | B |
| D | E | A | B | C |
| E | A | B | C | D |
प्रसरण विश्लेषण (Analysis of Variance)
LSD के लिए त्रि-मार्गी वर्गीकरण सांख्यिकीय मॉडल निम्नलिखित है:
$$ Y_{ijk} = \mu + r_i + c_j + t_k + e_{ijk} $$
जहाँ:
- \( Y_{ijk} = \) \( i \)-वीं पंक्ति और \( j \)-वें स्तंभ में स्थित \( k \)-वें उपचार से प्राप्त प्रेक्षण
- \( \mu = \) समग्र सामान्य माध्य प्रभाव (Overall Mean Effect)
- \( r_i = \) \( i \)-वीं पंक्ति का प्रभाव (\( i = 1, 2, \dots, t \)), जहाँ \( \sum r_i = 0 \)
- \( c_j = \) \( j \)-वें स्तंभ का प्रभाव (\( j = 1, 2, \dots, t \)), जहाँ \( \sum c_j = 0 \)
- \( t_k = \) \( k \)-वें उपचार का प्रभाव (\( k = 1, 2, \dots, t \)), जहाँ \( \sum t_k = 0 \)
- \( e_{ijk} = \) यादृच्छिक प्रायोगिक त्रुटि पद, जहाँ \( e_{ijk} \sim NID(0, \sigma_e^2) \)
प्रसरण विश्लेषण के विभिन्न वर्गों के योग (Sum of Squares) की गणना के चरण:
1. संशोधन गुणांक (Correction Factor - CF):
$$ CF = \frac{(GT)^2}{t^2} $$
2. कुल वर्गों का योग (Total Sum of Squares - TSS):
$$ TSS = \sum_{i=1}^{t} \sum_{j=1}^{t} y_{ij}^2 - CF $$
3. पंक्ति वर्गों का योग (Row Sum of Squares - RSS):
$$ RSS = \frac{\sum R_i^2}{t} - CF $$
4. स्तंभ वर्गों का योग (Column Sum of Squares - CSS):
$$ CSS = \frac{\sum C_j^2}{t} - CF $$
5. उपचार वर्गों का योग (Treatment Sum of Squares - TrSS):
$$ TrSS = \frac{\sum T_k^2}{t} - CF $$
6. प्रायोगिक त्रुटि वर्गों का योग (Error Sum of Squares - ESS):
$$ ESS = TSS - RSS - CSS - TrSS $$
LSD हेतु प्रसरण विश्लेषण (ANOVA) तालिका:
| प्रसरण के स्रोत (Sources of Variation) |
स्वतंत्रता की कोटि (d.f.) |
वर्गों का योग (SS) |
माध्य वर्ग योग (MSS) |
F-अनुपात (परिकलित) |
| पंक्तियाँ (Rows) |
\( t - 1 \) |
\( RSS \) |
\( RMS = \frac{RSS}{t-1} \) |
\( \frac{RMS}{EMS} \) |
| स्तंभ (Columns) |
\( t - 1 \) |
\( CSS \) |
\( CMS = \frac{CSS}{t-1} \) |
\( \frac{CMS}{EMS} \) |
| उपचार (Treatments) |
\( t - 1 \) |
\( TrSS \) |
\( TrMS = \frac{TrSS}{t-1} \) |
\( \frac{TrMS}{EMS} \) |
| प्रायोगिक त्रुटि (Error) |
\( (t - 1)(t - 2) \) |
\( ESS \) |
\( EMS = \frac{ESS}{(t-1)(t-2)} \) |
|
| कुल (Total) |
\( t^2 - 1 \) |
\( TSS \) |
|
|
F सारणी मान (F Table Value):
उपचारों के लिए 5% या 1% सार्थकता स्तर पर \( (t-1) \) और \( (t-1)(t-2) \) स्वतंत्रता की कोटि पर सारणीकृत F-मान देखा जाता है।
मानक त्रुटि तथा क्रांतिक अंतर (CD) की गणना:
उपचार माध्य की मानक त्रुटि: \( SE = \sqrt{\frac{EMS}{t}} \)
दो उपचार माध्यों के अंतर की मानक त्रुटि (\( SE_d \)):
$$ SE_d = \sqrt{\frac{2 \times EMS}{t}} $$
क्रांतिक अंतर (Critical Difference - CD):
$$ CD = SE_d \times t_{\alpha} $$
जहाँ \( t_{\alpha} \) त्रुटि की स्वतंत्रता की कोटि \( (t-1)(t-2) \) पर 5% या 1% स्तर पर \( t \) का सारणीकृत मान है।
LSD के लाभ (Advantages of LSD)
- सर्वाधिक दक्षता: LSD, RBD या CRD दोनों की तुलना में अधिक दक्ष एवं परिशुद्ध (More Efficient & Precise) है। पंक्तियों और स्तंभों के रूप में दोतरफा समूहीकरण करने से प्रायोगिक त्रुटि अत्यधिक घट जाती है।
- लुप्त प्लॉट तकनीक: यदि कोई प्रेक्षण छूट या नष्ट हो जाए, तो लुप्त प्लॉट तकनीक द्वारा उसका अनुमान लगाकर विश्लेषण संभव है।
LSD की हानियां / सीमाएं (Disadvantages of LSD)
- कम लचीलापन: यह अभिकल्पना RBD जितनी लचीली नहीं है, क्योंकि इसमें उपचारों, पंक्तियों और स्तंभों की संख्या समान होना अनिवार्य है।
- उपचार संख्या की सीमा: LSD केवल 5 से 12 उपचारों के लिए ही उपयुक्त है। यदि उपचार 5 से कम हों (जैसे \( 3 \times 3 \) या \( 4 \times 4 \)), तो त्रुटि की स्वतंत्रता की कोटि बहुत कम (\( 2 \) या \( 6 \)) रह जाती है जिससे परीक्षण अप्रभावी हो जाता है। यदि उपचार 12 से अधिक हों, तो वर्ग बहुत बड़ा हो जाता है और समरूपता बनाए रखना संभव नहीं होता।
- क्षेत्र की वर्गाकार आकृति की आवश्यकता के कारण सामान्य कृषि प्रयोगों में इसका उपयोग RBD की तुलना में कम होता है।
तुलनात्मक बिंदु: प्रसरण के स्रोतों (Sources of Variation) की संख्या CRD में दो (उपचार, त्रुटि), RBD में तीन (खंड, उपचार, त्रुटि) तथा LSD में चार (पंक्तियाँ, स्तंभ, उपचार, त्रुटि) होती है।
प्रश्न (Questions)
-
लैटिन वर्ग अभिकल्पना में पंक्तियों की संख्या किसके बराबर होती है:
(a) स्तंभों की संख्या
(b) उपचारों की संख्या
(c) पुनरावृत्तियों की संख्या
(d) स्तंभों की संख्या और उपचारों की संख्या दोनों
उत्तर (Ans): (d) स्तंभों की संख्या और उपचारों की संख्या दोनों
-
5 उपचारों वाली लैटिन वर्ग अभिकल्पना में प्रायोगिक इकाइयों (प्लॉटों) की कुल संख्या होगी:
(a) 25
(b) 20
(c) 24
(d) 36
उत्तर (Ans): (a) 25
- यदि LSD में प्रायोगिक इकाइयों की संख्या 36 है, तो पंक्तियों की संख्या 6 होगी। सत्य (True)
- \( t \) उपचारों के साथ LSD में त्रुटि की स्वतंत्रता की कोटि \( (t-1)(t-2) \) होगी। सत्य (True)
- यदि प्रायोगिक सामग्री पूर्णतः समरूप है, तो LSD को अपनाया जाना चाहिए। असत्य (False) (समरूप सामग्री के लिए CRD उपयुक्त है)
- LSD में प्रत्येक उपचार प्रत्येक पंक्ति और प्रत्येक स्तंभ में ठीक एक बार आना चाहिए। सत्य (True)
- LSD के लिए प्रसरण विश्लेषण का सांख्यिकीय मॉडल प्रस्तुत कीजिए।
- लैटिन वर्ग अभिकल्पना (LSD) क्या है और इसमें दोहरा समूहीकरण (Double Grouping) कैसे किया जाता है?
- LSD के प्रमुख लाभों एवं सीमाओं की व्याख्या कीजिए।
- LSD की प्रसरण विश्लेषण तालिका तथा गणनात्मक प्रक्रिया को समझाइए।
🔄 संस्करण 2.0 अद्यतन (Version 2.0 Update)
अंतिम अद्यतन (Last Updated): 7 सितंबर 2026
अस्वीकरण (Disclaimer):
यह स्टडी मटेरियल ICAR के मूल कंटेंट का हिंदी अनुवाद है। हम इसकी पूर्ण सटीकता के लिए उत्तरदायी नहीं हैं। यह फाइल अभी केवल
सुधार और परीक्षण (Improvement Purpose) के लिए यहाँ उपलब्ध कराई गई है। बहुत जल्द हम इसे डाउनलोड करने के लिए PDF फॉर्मेट में अपडेट करेंगे।
तब तक, कृपया इसे पढ़ें और अपना बहुमूल्य
फीडबैक (Feedback) या कमेंट नीचे दिए गए लिंक पर सबमिट करें ताकि हम इसमें आवश्यक सुधार करके इसे सभी छात्रों के लिए बेहतरीन बना सकें:
👉
https://agrigyan.in/feedback/