Apostila de E. Experimental No SISVAR

UNIVERSIDADE FEDERAL DE LAVRAS/MG
DEPARTAMENTO DE CINCIAS EXATAS/DEX

PROGRAMA DE PS-GRADUAO EM CINCIAS AGRRIAS
Curso Bsico de Estatstica Experimental
Uso do SISVAR na Anlise de

Experimentos
Roberta Bessa Veloso Silva

Doutoranda em Estatstica e Experimentao Agropecuria
Patos de Minas, MG
Agosto de 2007
NDICE
Pgina
1. INTRODUO ................................................................................................................................... 01
2. CONCEITOS BSICOS...................................................................................................................... 01
2.1 PRINCPIOS BSICOS DA EXPERIMENTAO......................................................................02
2.1.1 REPETIO.................................................................................................................................02
2.1.2 CASUALIZAO........................................................................................................................03
2.1.3 CONTROLE LOCAL...................................................................................................................03
3. PRESSUPOSIES DA ANLISE DE VARINCIA.......................................................................03
3.1ADITIVIDADE.................................................................................................................................03
3.2 INDEPENDNCIA..........................................................................................................................03
3.3 NORMALIDADE............................................................................................................................03
3.4 HOMOGENEIDADE DE VARINCIAS.......................................................................................03
4. ARQUIVO DE DADOS ...................................................................................................................... 04
5. DELINEAMENTO INTEIRAMENTE CASUALIZADO .................................................................. 04
6. ALGUMAS CONSIDERAES SOBRE A ESCOLHA DO TESTE ADEQUADO........................13
6.1 PRINCIPAIS TESTES DE COMPARAO DE MDIAS...........................................................14
7. DELINEAMENTO EM BLOCOS CASUALIZADOS ..................................... ..................................16
8. DELINEAMENTO EM QUADRADO LATINO.................................................................................24
9. REGRESSO NA ANLISE DE VARINCIA.................................................................................29
10. EXPERIMENTOS FATORIAIS........................................................................................................ 36
11. EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS.................................................................... 45
12. REFERNCIAS BIBLIOGRFICAS ............................................................................................... 58
13. CONTATOS....................................................................................................................................... 59
1. INTRODUO
Nas ltimas dcadas, os clculos estatsticos foram muito facilitados pelo uso de
aplicativos computacionais. Isso permitiu que mtodos complexos e demorados fossem
rotineiramente aplicados. Entretanto, muitos pesquisadores substituram esses aplicativos por
uma consulta a um profissional da rea de estatstica. O que se observa hoje so anlises de
experimentos mal realizadas e resultados erroneamente interpretados. Tal fato justifica a
participao de um tcnico com conhecimento em tcnicas experimentais e mtodos
quantitativos em todas as fases do experimento, desde o planejamento, conduo, coleta de
dados, at a fase de anlise dos dados e interpretao dos resultados.
Diversos pacotes estatsticos para anlise de experimentos esto disponveis,
podendo-se citar programas como o SAS Statistical Analysis System (Sas Institute Inc.,
2000), que , em geral, um dos programas mais utilizados em todo o mundo para anlise de
dados da rea agronmica, biolgica e social, o STATGRAPHICS Statistical Graphics
System (Statgraphics, 1999), o STATISTICA for Windows (Statistica, 2002), dentre outros.
Podem-se encontrar programas nacionais em que o leitor poder ter acesso com maior
facilidade, dentre eles: o SANEST Sistema de Anlise Estatstica para Microcomputadores
da Universidade Federal de Pelotas (Zonta & Machado, 1991); o SISVAR Sistema de
Anlise de Varincia da Universidade Federal de Lavras (Ferreira, 2000a); o SAEG
Sistema para Anlises Estatsticas (Ribeiro Jnior, 2001) e o GENES Aplicativo
computacional em Gentica e Estatstica (Cruz, 2001), ambos da Universidade Federal de
Viosa.
Este curso tem por objetivo apresentar alguns sistemas computacionais com aplicaes
diversas na anlise estatstica de experimentos com destaque ao SISVAR, pela facilidade de
acesso e utilizao.
2. CONCEITOS BSICOS
Esse item tem por objetivo apresentar alguns conceitos bsicos necessrios a uma
eficiente utilizao dos programas estatsticos a serem vistos no curso. Maiores detalhes poder
ser vistos em Banzatto & Kronka (1995), Ferreira (2000b), Pimentel Gomes (2000) e
Pimentel Gomes e Garcia (2002).
a) Experimentao: uma atividade que tem por objetivo estudar os experimentos, ou seja,
seu planejamento, conduo, coleta e anlise dos dados e interpretao dos resultados.
b) Experimentador: o indivduo responsvel pela conduo dos experimentos com a

maior preciso possvel.
c) Estatstica: Conjunto de tcnicas que se ocupam com a coleta, organizao, anlise e
interpretao de dados, tendo um modelo por referncia.
d) Estatstico: o indivduo especialista em estatstica experimental. Contribui com os
pesquisadores na tomada de deciso nas diversas fases dos experimentos.
e) Experimento: um trabalho planejado, que segue determinados princpios bsicos, com
o objetivo de se fazer comparaes dos efeitos dos tratamentos.
f)
Tratamento: a condio imposta parcela experimental, cujo efeito deseja-se medir ou

comparar em um experimento.
g) Parcela experimental: a menor unidade de um experimento em que se aplica o

tratamento ou a combinao deste. Denomina-se de parcela til a unidade na qual os
tratamento so avaliados e onde so coletadas as variveis respostas.
h) Bordadura: uma rea de proteo utilizada para evitar que uma parcela seja afetada
pelo tratamento da parcela vizinha.
i)
Delineamento experimental: a forma de distribuio dos tratamentos na rea

experimental. Os principais delineamentos experimentais utilizados so: inteiramente
casualizado, blocos casualizados e quadrado latino.
j)
Esquemas experimentais: so formas de arranjos dos tratamentos nos experimentos em

que so estudados, ao mesmo tempo, os efeitos de dois ou mais tipos de tratamentos ou
fatores. Os principais esquemas experimentais so fatorial, parcela subdividida e
experimentos em faixa.
k) Anlise de varincia: uma tcnica que permite decompor a variao total observada
nos dados experimentais em causas conhecidas e no conhecidas.
l)
Erro experimental: variao devida ao efeito dos fatores no controlados ou que ocorre
ao acaso, de forma aleatria. Ramalho et al. (2000) definem o erro experimental como as
variaes aleatrias entre parcelas que receberam o mesmo tratamento.
2.1 PRINCPIOS BSICOS DA EXPERIMENTAO

So princpios que devem ser atendidos para que um experimento fornea dados que
possam ser analisados atravs de procedimentos estatsticos. Os princpios bsicos da
experimentao so: repetio, casualizao e controle local.
2.1.1 Repetio: consiste no nmero de vezes em que o tratamento aparece no
experimento. Tem por finalidade permitir a obteno da estimativa do erro
2
experimental, aumentar a preciso das estimativas e aumentar o poder dos

testes estatsticos.
2.1.2 Casualizao: consiste em propiciar aos tratamentos a
mesma
probabilidade de serem designados a qualquer uma das parcelas

experimentais. Tm por finalidade dar validade s estimativas calculadas
com os dados observados e aos testes de hipteses realizados.
2.1.3
Controle local: sua funo diminuir o erro experimental. usado quando

uma rea experimental heterognea. Tem por finalidade dividir uma rea
heterognea em reas menores e homogneas, chamadas de blocos.
3. PRESSUPOSIES DA ANLISE DE VARINCIA

Para a realizao de uma anlise de varincia devem-se aceitar algumas
pressuposies bsicas:
3.1 Aditividade: os efeitos de tratamento e erro devem ser aditivos;
3.2 Independncia: os erros devem ser independentes, ou seja, a probabilidade de que o
erro de uma observao qualquer tenha um determinado valor no deve depender dos
valores dos outros erros;
3.3 Normalidade: os erros devem ser normalmente distribudos;
3.4 Homogeneidade:
os
erros
devem
apresentar
varincias
comuns
(homogeneidade=homocedasticidade de varincias).
Estas pressuposies visam facilitar a interpretao dos resultados e testar a
significncia nos testes de hipteses. Na prtica, o que pode ocorrer a validade aproximada e
no exata de alguma (s) dessas pressuposies; nesse caso, o pesquisador no perderia tanto
com a aproximao visto que os testes aplicados na anlise de varincia so robustos quanto a
isso. A homogeneidade de varincia que, na maioria das vezes, necessria pois, caso no
seja verificada, o teste F e de comparaes mltiplas podero ser alterados.
Quanto alguma (s) das pressuposies da anlise no se verificam (m), existem
alternativas que podem ser usadas, entre elas a transformao de dados com a posterior
anlise de varincia destes dados transformados ou a utilizao dos recursos da estatstica no
paramtrica.
Feitas as consideraes iniciais necessrias para o entendimento dos prximos
assuntos, iniciaremos agora os conceitos e exemplos dos delineamentos mais usuais.
4. ARQUIVO DE DADOS
O Microsoft Excel, alm de ser uma planilha eletrnica que possui poderosos recursos,
apresenta alta compatibilidade com os principais programas estatsticos. Alm disso, tem a
grande vantagem de facilidade de acesso e de interao com o usurio. Independente de se
utilizar o SAS ou o SISVAR, as planilhas com os dados dos experimentos a serem analisados,
sero feitas utilizando-se o Excel.
Na Tabela 3 est apresentado um exemplo de planilha criada utilizando-se o Excel.
Observe que nas colunas so especificados os tratamentos, blocos e variveis a serem
analisadas, e nas linhas esto s observaes referentes s parcelas experimentais. Devemos
utilizar sempre o ponto (.) ao invs da vrgula (,) como separador decimal. Se o tratamento for
qualitativo devemos codific-los por meio das letras (A, B, C,...), caso seja quantitativo,
devemos informar as quantidades estudadas.
5. DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
No delineamento inteiramente casualizado necessrio a completa homogeneidade
das condies ambientais e do material experimental (como por exemplo, quanto fertilidade
do solo, distribuio uniforme de gua, etc) sendo os tratamentos distribudos nas parcelas de
forma inteiramente casual (aleatria). O DIC possui apenas os princpios da casualizao e da
repetio, no possuindo controle local e, portanto, as repeties no so organizadas em
blocos.
VANTAGENS
Possui grande flexibilidade quanto ao nmero de tratamentos e repeties, sendo

dependente, entretanto, da quantidade de material e rea experimental disponveis;
Pode-se ter DIC no balanceado, ou seja, com nmeros de repeties diferentes entre
tratamentos, o que leva a grandes alteraes na anlise de varincia; mas os testes de
comparaes mltiplas passam a ser aproximados e no mais exatos. O ideal que os
tratamentos sejam igualmente repetidos;
Considerando o mesmo nmero de parcelas e tratamentos avaliados, o delineamento

que possibilita o maior grau de liberdade do erro.
DESVANTAGEM
Exige homogeneidade das condies experimentais. Se as condies no forem

uniformes, como se esperava antes da instalao do experimento, toda variao
(exceto a devida a tratamentos) ir para o erro, aumentando sua estimativa e
reduzindo, portanto, a preciso do experimento.
O modelo estatstico para o delineamento inteiramente casualizado dado por:
yij = + i + eij
em que:
yij
i
ij
o valor observado na parcela experimental que recebeu o i -simo tratamento

na j -sima repetio ( j = 1,..., r ) ;
representa uma constante geral associada e esta varivel aleatria
o efeito do tratamento i ( i = 1, 2,..., t ) ;
o erro experimental associado a observao yij , suposto ter distribuio normal

com mdia zero e varincia comum.
Na Tabela 1 apresentado o esquema da anlise de varincia para os experimentos
instalados no delineamento inteiramente casualizado.

Tabela 1. Esquema da anlise de varincia para experimentos instalados no delineamento
inteiramente casualizado.
FV
GL
SQ
QM
F
Tratamento
SQ Trat
QM Trat
QM Trat / QM Erro
t 1
t
r
1
Erro
( )
SQ Erro
QM Erro
Total
SQ Total
tr 1
Um exemplo de um experimento em que sero avaliadas 5 tratamentos (T1, T2, T3,
T4 e T5), instalado no delineamento inteiramente casualizado, com 4 repeties (R1, R2, R3 e
R4), apresentado a seguir:
T4 R3
T1 R2
T2 R3
T4 R1
T3 R2
T1 R3
T2 R4
T5 R1
T5 R3
T2 R1
T4 R2
T3 R1
T3 R4
T3 R3
T4 R4
T5 R4
T1 R4
T2 R2
T5 R2
T1 R1
Observa-se que no h qualquer restrio casualizao, podendo um determinado

tratamento ocupar qualquer posio na rea experimental.
Para exemplificar, ser utilizado parte dos dados obtidos por uma empresa que avalia
famlias de Eucaliptos camaldulensis. Os dados so referentes ao volume de madeira por
rvore, em m3x104. So apresentados os dados de 5 famlias avaliadas em um delineamento
inteiramente casualizado (DIC) com 6 repeties.
Tabela 2. Volume de madeira por rvore, em m3x104, de 5 famlias de Eucaliptos
camaldulensis.
Repeties
Famlias
II
III
IV
VI
212
206
224
289
324
219
108
194
163
111
236
146
63
77
100
99
68
76
175
239
100
104
256
267
133
106
185
136
147
210
Delineamento Inteiramente Casualizado Balanceado (SISVAR)
Sejam os dados apresentados na Tabela 2 referentes a um experimento instalado no

delineamento inteiramente casualizado com 5 tratamentos e 6 repeties, em que foi avaliado
o efeito das famlias de Eucaliptos camaldulensis sobre o volume de madeira, em m3x104.
Sero listados abaixo os procedimentos para se efetuar a anlise de varincia utilizando o
programa SISVAR.
Para gerar arquivos do Excel do tipo dbase para ser usado diretamente no Sisvar, sem
a necessidade de importar necessrio executar uma srie de procedimentos. Esses
procedimentos so descritos na seqncia para servir de referncia para o usurio do Sisvar.
conveniente salientar que para que o Excel gere adequadamente os arquivos *.dbf
necessrio seguir estritamente os passos a seguir.
a) ir no painel de controle do computador e escolher configuraes regionais. Na opo
trocar os formatos de nmeros, datas e horrios escolher a aba opes regionais e
modificar. Escolher a aba nmeros e marcar somente a caixa smbolo decimal com .
no lugar de ,. Confirmar a opo clicando em Ok, duas vezes e pronto.
b) Abra o Excel e se o arquivo estiver pronto s abri-lo. Caso contrrio digite o arquivo
na seguinte estrutura:
Primeira linha com o cabealho das variveis;
Demais linhas com os valores de cada parcela cada coluna deve ser uma
varivel;
No deixe clulas vazias.
Formatar cada coluna do seguinte tipo: se por exemplo, a primeira coluna for do tipo
qualitativa (texto), ento marque a coluna A e escolha formatar clulas e escolher a opo
texto; se a segunda for numrica, marcar a segunda coluna e escolher formatar clulas
nmero. Escolher o nmero de casas decimais correspondente ao maior nmero de casas
decimais observado para essa coluna e marcar obrigatoriamente a caixa escrita usar separador
de 1000 (.). Isso importantssimo, pois o Excel possui problemas de eliminar o separador de
decimais no arquivo exportado, formando nmeros onde a parte inteira e a decimal no foram
separadas uma da outra. Repetir para as demais colunas esse procedimento. possvel marcar
vrias colunas do mesmo tipo ao mesmo tempo para serem formatadas conjuntamente. No
caso numrico deve-se escolher o nmero de casas decimais do valor observado que apresente
um maior nmero de casas decimais para que o arquivo final no seja truncado em uma
preciso no pretendida.
Aps necessrio marcar toda a rea de dados, inclusive a primeira linha com os
nomes das variveis. importante no marcar clulas vazias aps o final da digitao dos
dados no meio do arquivo, pois o Sisvar no suporta esse tipo de dados. Foi feito pra trabalhar
com dados balanceados.
Escolher a opo arquivo salvar como e a sub-opo salvar como tipo dbase 3 ou
dbase 4, digitar o nome para o arquivo e confirmar. O Excel d uma mensagem que o arquivo
no suporta mltiplas planilhas e que pode ser perdidos os dados. Confirmar essa mensagem e
pronto, o arquivo j <nome.dbf>, pronto pra ser utilizado pelo Sisvar (no precisa importar).
Existem alguns cuidados que devem ser tomados para esse processo:
Salve antes de qualquer coisa o arquivo Excel para poder recorrer ao mesmo,
caso d problemas na exportao para dbase;
Abra o arquivo no editor de dados do Sisvar para checar se tudo est certo,
principalmente se as casas decimais no foram coladas a parte inteira dos
dados (problema do Excel e no do Sisvar);
Lembre-se de sair do Excel antes de abrir o arquivo no Sisvar para no gerar

conflitos de compartilhamento.
Aps todo esse procedimento voc ter o seu arquivo na extenso dbf pronto para ser
utilizado pelo Sisvar. O Sisvar est com algum problema para identificar um caminho ou
nome de arquivos em que sinais de acentuao de portugus foram utilizados. Assim
recomenda-se nomes de pastas e arquivos sem acentos, principalmente se o usurio estiver
utilizando o Windows XP em ingls.
Tabela 3. Os dados so referentes ao volume de madeira por rvore, em m3x104. So
apresentados os dados de 5 famlias de Eucaliptos camaldulensis avaliadas em um
delineamento inteiramente casualizado (DIC) com 6 repeties.
Famlia
Repetio
Volume (m3x104)
A
A
A
A
A
A
B
B
B
B
B
B
C
C
C
C
C
C
D
D
D
D
D
D
E
E
E
E
E
E
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
212
206
224
289
324
219
108
194
163
111
236
146
63
77
100
99
68
76
175
239
100
104
256
267
133
106
185
136
147
210
c) Efetuar a anlise de varincia
Abrir o SISVAR e ir para Anlise\Anava;
Abrir arquivo exemplo1 DIC.dbf (no quadro variveis do arquivo deve aparecer as
variveis do arquivo a ser analisado);
Informar as Fontes de Variao. (no DIC, ver Tabela 1 TRAT, Erro e Total. No
necessrio informar Erro e Total);Clicar em FAMILIA, adicionar e Fim;
Clicar em Yes para encerrar o quadro de anlise de varincia;
Clicar em FAMILIA no Quadro Opes do quadro da anlise de varincia;
Escolher a opo Teste de Tukey e/ou de Scott-Knott (Deve-se pedir cada teste
individualmente, clicar em FAMILIA, teste escolhido, OK);
No quadro, Variveis a serem analisadas, selecionar varivel para analisar, no nosso

exemplo volume;
Clicar em Finalizar\Finalizar.
d) Sada dos resultados
Salvar relatrio como exemplo1 DIC.doc
RESULTADOS
Arquivo analisado:
C:\Documents and Settings\Bessa\Meus documentos\Roberta\Curso de estatstica
experimental\exemplo pag 4.DB
-------------------------------------------------------------------------------Varivel analisada: volume
Opo de transformao: Varivel sem transformao ( Y )
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------FAMILIA
4
86725.533333
21681.383333
8.890 0.0001
erro
25
60973.833333
2438.953333
-------------------------------------------------------------------------------Total corrigido
29
147699.366667
-------------------------------------------------------------------------------CV (%) =
29.79
Mdia geral:
165.7666667
Nmero de observaes:
30
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Tukey para a FV FAMILIA
-------------------------------------------------------------------------------DMS: 83.7649609862759 NMS: 0.05
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 6
Erro padro: 20.1616522691525
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
80.500000 a1
E
152.833333 a1 a2
B
159.666667 a1 a2
D
190.166667
a2 a3
A
245.666667
a3
--------------------------------------------------------------------------------
-------------------------------------------------------------------------------Teste Scott-Knott (1974) para a FV FAMILIA

-------------------------------------------------------------------------------NMS: 0.05
Erro padro: 20.1616522691525
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
80.500000 a1
E
152.833333 a2
B
159.666667 a2
D
190.166667 a2
A
245.666667 a3
--------------------------------------------------------------------------------
APRESENTAO DOS RESULTADOS
Tabela 4. Valores mdios (erro padro) de volume de madeira, em m3x104, de 5 famlias de

Eucaliptos camaldulensis.
1
Famlias
Mdias (erro padro)
A
246 a (20,2)
160 b (20,2)
81 c (20,2)
190 b (20,2)
153 b (20,2)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, considerando o valor nominal
de 5% de significncia.
Interpretao dos resultados
Os resultados experimentais nos permitem concluir que houve efeito significativo das
famlias de Eucaliptos camaldulensis (p=0,0001) sobre o volume de madeira, em m3x104. O
volume de madeira produzido pela famlia A foi estatisticamente superior ao volume de
madeira produzido pelas demais famlias, sendo que as famlias B, D e E foram
estatisticamente iguais quanto ao volume produzido. A famlia C foi estatisticamente inferior
a todas as demais quanto ao volume produzido pelo teste de Scott-Knott ao nvel nominal de
5% de significncia.
Exemplo 2 de DIC
10
Em um estudo da influncia do recipiente no desenvolvimento de mudas de Eucaliptos

camaldulensis spp, empregou-se os seguintes tratamentos: A Laminado de madeira; B
Torro paulista, C Saco plstico; D Tubo de papel e E Frtil pote. Cada tratamento foi
repetido 6 vezes. No final do primeiro ano foram medidas as alturas das mudas, em metros,
encontrando-se os seguintes resultados.
Tabela 5. Altura, em metros, de mudas de Eucaliptos ssp., segundo os tipos de recipientes
estudados.
Tipos de Recipientes
Repeties
1,5
1,4
1,0
1,1
1,4
1,4
1,4
1,1
1,3
1,3
1,6
1,3
0,9
1,0
1,3
1,7
1,2
1,0
1,2
1,2
1,8
1,3
1,1
1,1
1,0
1,9
1,2
1,2
1,1
1,0
RESULTADOS
Arquivo analisado:
experimental\exemplo pag 5.DB
-------------------------------------------------------------------------------Varivel analisada: Altura
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Recipientes
4
1.303333
0.325833
17.581 0.0000
erro
25
0.463333
0.018533
-------------------------------------------------------------------------------Total corrigido
29
1.766667
-------------------------------------------------------------------------------CV (%) =
10.75
Mdia geral:
1.2666667
Nmero de observaes:
30
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Tukey para a FV Recipientes
-------------------------------------------------------------------------------DMS: 0.230907167377472 NMS: 0.05
Erro padro: 0.0555777733351102
11
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
1.050000 a1
D
1.133333 a1 a2
E
1.200000 a1 a2
B
1.300000
a2
A
1.650000
a3
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Scott-Knott (1974) para a FV Recipientes
-------------------------------------------------------------------------------NMS: 0.05
Erro padro: 0.0555777733351102
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
1.050000 a1
D
1.133333 a1
E
1.200000 a2
B
1.300000 a2
A
1.650000 a3
--------------------------------------------------------------------------------
Tabela 6. Altura mdia (erro padro) de mudas de Eucaliptos ssp, em metros, em funo dos
tipos de recipientes estudados.
1
Tipos de recipientes
Mdias (erro padro)
A
1,65 a (0,05)
1,30 b (0,05)
1,05 c (0,05)
1,13 c (0,05)
1,23 b (0,05)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, considerando o valor nominal
de 5% de significncia.
Os resultados experimentais nos permitem concluir que houve efeito significativo dos
tipos de recipientes (p<0,0001) sobre a altura das mudas de Eucaliptos ssp. As mudas
desenvolvidas no recipiente de laminado de madeira (recipiente A) foram estatisticamente
superiores em altura do que as mudas desenvolvidas nos demais tipos de recipientes. Os
recipientes, torro paulista e frtil pote (recipientes B e E respectivamente) produziram mudas
de alturas estatisticamente semelhantes. Os recipientes do tipo saco plstico e tubo de papel
(recipientes C e D respectivamente) produziram mudas com alturas estatisticamente
semelhante entre si e inferiores as alturas das mudas desenvolvidas nos demais recipientes,
pelo teste de Scott-Knott ao nvel de 5% de probabilidade.
12
6. ALGUMAS CONSIDERAES SOBRE A ESCOLHA DO TESTE ADEQUADO
Em um projeto, a hiptese a proposio testvel que normalmente envolve a soluo

de determinado problema. Ela de natureza criativa. Muitas vezes, o pesquisador no escreve
sua hiptese, mas ela est em sua mente. O ideal que seja escrita, para que o pesquisador
possa raciocinar em cima do que est sendo redigido e analisar todas as opes possveis para
testar convenientemente essas hipteses com os recursos disponveis.
A hiptese que ser testada no experimento frequentemente chamada de hiptese
nula (H0) e, geralmente, preconiza a igualdade de efeitos ou igualdade de mdias de
tratamentos. A outra nica possibilidade que a hiptese nula seja falsa. A hiptese que
afirma a hiptese nula falsa chamada de hiptese alternativa (Ha).
claro que gostaramos de fazer o julgamento correto sobre a nossa hiptese nula.
Podemos estar corretos de duas maneiras: no rejeitando a hiptese quando ela verdadeira,
ou rejeitando-a quando ela falsa. Mas isso significa que h tambm duas possibilidades de
estarmos errados: rejeitando a hiptese quando ela verdadeira, ou no a rejeitando quando
ela falsa. O primeiro tipo de erro chamado erro tipo I e a probabilidade de incorrer nesse
tipo de erro representada por , o segundo o erro tipo II e a probabilidade de cometer
esse erro representada por .
Quando aumentamos a regio de no rejeio da hiptese nula estamos diminuindo a
chance de cometer um erro tipo I. Entretanto, se ampliarmos a regio de no rejeio, estamos
aumentando o risco de no rejeitar a hiptese nula mesmo quando ela falsa, cometendo um
erro tipo II.
A outra estratgia consiste em estreitar a zona de no rejeio. Assim, procedendo,
menos provvel cometermos um erro tipo II, mas corremos um risco muito maior de cometer
um erro tipo I (rejeitar a hiptese nula quando ela verdadeira).
Se decidirmos pela rejeio da hiptese nula, isso significa que temos quase certeza de
que ela no verdadeira. Mais especificamente, costumamos planejar nosso teste de modo
que haja apenas 5% de chance de rejeitarmos a hiptese nula quando ela , de fato,
verdadeira. Se, entretanto, decidirmos no rejeitarmos a hiptese nula, isto no significa que
ela seja verdadeira e, sim, que no temos evidncias suficientes pra rejeit-la.
6.1 PRINCIPAIS TESTES DE COMPARAO DE MDIAS
O TESTE T DE STUDENT
13
Duas mdias A e B, obtidas de rA e rB repeties respectivamente, podem ser

comparadas pela relao:
t=
A B
QME QME
rA rB
em que: QME o quadrado mdio do erro, estimado pela anlise de varincia.

As mdias comparadas por esse teste sero diferentes estatisticamente se o valor
calculado de t for maior que aquele tabelado segundo os graus de liberdade do erro.
O valor da diferena mnima significativa (DMS) dada por:
QME QME
DMS (Student) = tgl do erro
+
rA rB
OBS: t > ttabelado , o teste significativo e rejeitamos a hiptese H0 (H0: mdia populacional do
tratamento A=mdia populacional do tratamento B)
TESTE DE STUDENT NEWMAN KEULS (SNK)
Em uma relao decrescente de t mdias (A, B, C, D, E), duas delas (A e F)

apresentaro diferena significativa se:
| A F |
QME
qi
em que: A e F so as mdias; QME o quadrado mdio do erro, estimado pela anlise de

varincia e qi o valor obtido em funo da distncia entre as mdias e dos graus de
liberdade do erro.
A diferena mnima significativa entre duas mdias com distncia i entre elas dada
por:
QME
DMS(SNK) = qi
TESTE DE TUKEY
A opo proposta por Tukey, em 1953, de apenas um valor de diferena mnima

significativa, a despeito da existncia de vrias mdias, caracterizou-se o teste como
extremamente rigoroso, que embora controlasse muito bem o erro tipo I, permitia o
aparecimento do erro tipo II.
14
A diferena mnima significativa proposta por Tukey dada por:

QME
DMS(Tukey) = q
em que: q o valor tabelado por Tukey em funo do nmero de tratamentos e dos graus de
liberdade do erro.
TESTE DE SCHEFF
A flexibilidade proposta por Scheff (1953), para comparar qualquer contraste entre
mdias e permitindo nmeros de observaes por tratamento definiu um teste um pouco mais
rigoroso que aquele de Tukey, merecendo, portanto, os mesmos comentrios com relao ao
perigoso aumento do erro tipo II.
A diferena mnima significativa para qualquer contraste dada por:
DMS (Scheff) = (t 1) F1 , 2 var(contraste)
em que: t o nmero de tratamentos; F1 , 2 o valor tabelado de F com 1 (graus de

liberdade de tratamento) e 2 (graus de liberdade do erro).
A var(contraste) dada por:
var(contraste)=QME
2
i
ri
em que: ci o coeficiente do tratamento i com ri repeties.

TESTE DE DUNCAN
O teste de Duncan utiliza a mesma argumentao do teste SNK porm as DMS para
comparao de mdias mais afastadas foi reduzida reduzindo ento as chances de cometer o
erro tipo II.
QME
DMS (Duncan) = qi
r
em que: QME o quadrado mdio do erro, estimado pela anlise de varincia e qi o valor
tabelado por Duncan obtido da distncia entre as mdias e dos graus de liberdade do erro. Os
valores de qi no sobem to rapidamente quanto aqueles do teste SNK.
TESTE DE DUNNETT
15
Para as comparaes mltiplas onde apenas um tratamento serve de referncia

(testemunha) para os demais, ou seja, deseja-se comparar todos com apenas um, Dunnett
sugeriu a seguinte diferena mnima significativa (DMS):
QME t 2
DMS(Dunnett) = D
ci
r i =1
em que: D o valor encontrado na tabela de Dunnett proposta em funo dos ( t 1) graus de
liberdade de tratamento e graus de liberdade do erro, ci o coeficiente utilizado no contraste
para o tratamento i .
DESDOBRAMENTO DOS GRAUS DE LIBERDADE DE TRATAMENTOS
De acordo com Banzatto e Kronka (1995), quando aplicamos o teste F numa anlise
de varincia para tratamentos com mais de 1 grau de liberdade, podemos obter apenas
informaes muito gerais, relacionadas com o comportamento mdio dos tratamentos, pois
representa um teste mdio de diversas comparaes independentes. Ento, se apenas uma das
comparaes envolve uma diferena marcante e as outras no, um teste F mdio pode falhar
para evidenciar a diferena existente.
Por essa razo, devemos planejar comparaes objetivas, fazendo-se o desdobramento
ou decomposio dos graus de liberdade de tratamentos para obter informaes mais
especficas, relacionadas com o comportamento de cada um dos componentes do
desdobramento.
Alm disso, aps a decomposio dos graus de liberdade, podemos aplicar o teste F a
cada um dos componentes do desdobramento. A cada comparao atribumos 1 grau de
liberdade e, portanto, para I tratamentos podemos estabelecer (I-1) comparaes
independentes. Essa tcnica se baseia na utilizao de contrastes, sendo necessrio que cada
componente seja explicado por um contraste e que todos os contrastes sejam ortogonais entre
si, para que as comparaes sejam independentes.
Normalmente, trabalhamos com contrastes de mdias de tratamentos, e o caso mais
comum aquele onde todos os tratamentos tm o mesmo nmero, r, de repeties.
Nessas condies, uma funo linear do tipo:
Y = c1m1 + c2 m2 + ... + cI mI
denominada contrastes de mdias de tratamentos, se:
16
c1 + c2 + ... + cI = 0
ci = 0
i =1
onde: c1 + c2 + ... + cI , so os coeficientes das mdias de tratamentos m1 + m2 + ... + mI ,

respectivamente. Assim, por exemplo:
Y1 = m1 m2
Y2 = m1 + m2 2m3
Y3 = m1 + m2 m3 m4
so contrastes de mdias de tratamentos, pois as somas dos coeficientes so:
Y1 1 + ( 1) = 0
Y2 1 + 1 + ( 2 ) = 0
Y3 1 + 1 + ( 1) + ( 1) = 0
Se Y um contraste de mdias de tratamentos, a soma de quadrados para a

comparao feita em Y, dada por:
S .Q.Y =
Y 2
Y 2
r
ou
S
.
Q
.
=
r
Y
I
(c12 + c22 + ... + cI2
2
ci
i =1
onde: Y - a estimativa do contraste, calculada substituindo em Y os mi pelos valores

obtidos no experimento;
r - o nmero de parcelas (repeties) somadas para obter cada mdia de tratamentos
( mi )
que entra no contraste.

Esta soma de quadrados uma parte da S.Q.Tratamentos e a ela atribui 1 grau de
liberdade.
Dois contrastes so ortogonais entre si quando a soma dos produtos dos coeficientes
das mdias correspondentes for nula.
Assim:
Y1 = c1m1 + c2 m2 + ... + cI mI
ci = 0
i =1
17
bi = 0
i =1
Y2 = b1m1 + b2 m2 + ... + bI mI
so contrastes ortogonais se:
ci bi = 0
i =1
c1b1 + c2b2 + ... + cI bI
Ento, S .Q.Y2 uma parte extrada da diferena entre:

S .Q.Trat S .Q.Y1
Da mesma forma, para uma comparao Y3 (ortogonal a Y2 e Y1, S .Q.Y3 uma parte extrada
da diferena entre:
S .Q.Trat S .Q.Y1 S .Q.Y2
Dessa maneira, se: Y1, Y2,...,Y(I-1) so mutuamente ortogonais, isto , cada par ortogonal,
ento:
S .Q.Trat = S .Q.Y1 + S .Q.Y2 + ... + S .Q.Y( I 1)

ou
S .Q.Trat =
Y12
I
c
i =1
2
1
r +
Y22
I
r + ... +
2
2
i =1
Y( 2I 1)
I
c
i =1
2
( I 1)
Esta expresso identifica a partio da S.Q.Trat (que tem (I-1) g.l.), em (I-1)
componentes, cada um representando um nico grau de liberdade.
Exemplo 3 Delineamento Inteiramente Casualizado usando Contrastes
Vamos considerar os dados adaptados do trabalho Aplicao da vermiculita em

alfobres (Dias, 1973), realizado no delineamento inteiramente casualizado, com 4 repeties.
Foram comparados os efeitos de 5 tratamentos em relao ao crescimento de mudas de
Pinus oocarpa, 60 dias aps a semeadura.
Os tratamentos utilizados foram:
1. Solo de cerrado (SC)
2. Solo de cerrado + esterco (SC + E)
3. Solo de cerrado + esterco + NPK (SC + E + NPK)
4. Solo de cerrado + vermiculita (SC + V)
18
5. Solo de cerrado + vermiculita + NPK (SC + V + NPK)

Os resultados obtidos para as alturas mdias de Pinus oocarpa sob aqueles
tratamentos, em cm, aos 60 dias aps a semeadura so apresentados na Tabela 7.
Tabela 7. Alturas mdias de Pinus oocarpa, aos 60 dias aps a semeadura, em cm.
Repeties
Tratamentos
1 SC
4,6
5,1
5,8
5,5
2 SC + E
6,0
7,1
7,2
6,8
3 SC + E + SPK
5,8
7,2
6,9
6,7
4 SC + V
5,6
4,9
5,9
5,7
5 SC + V + SPK
5,8
6,4
6,6
6,8
Examinando os tratamentos, uma comparao que pode interessar :

1) Solo cerrado somente vs demais
Dentre os demais, temos tratamentos: com esterco e com vermiculita. Podemos
comparar:
2) Com esterco versus com vermiculita
Dentre os tratamentos com esterco temos: com NPK e sem NPK, podemos comparar:
3) Esterco sem NPK versus esterco com NPK
Com vermiculita podemos comparar:
4) Vermiculita sem NPK versus vermiculita com NPK
Y1 = 4m1 m2 m3 m4 m5
Y2 =
m2 + m3 m4 m5
Y3 =
m2 m3
Y3 =
m4 m5
Estes contrastes so ortogonais entre si, j que so ortogonais dois a dois (ver Banzatto
e Kronka, 1995).
19
Algumas observaes sobre a estrutura dos tratamentos:
Solo cerrado ou solo cerrado com esterco ou vermiculita?

SC
SC + E ou SC + V
versus
Solo cerrado com esterco ou solo cerrado com vermiculita?

SC + E
SC + V
versus
Esterco sem NPK ou Esterco com NPK?

E NPK
E+NPK
versus
Vermiculita sem NPK ou vermiculita com NPK?

V - NPK
versus
V + NPK
RESULTADOS
Arquivo analisado:
experimental\analise DIC contraste.DB
-------------------------------------------------------------------------------Varivel analisada: Alturas
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Tratamentos
4
7.597000
1.899250
7.277 0.0018
erro
15
3.915000
0.261000
-------------------------------------------------------------------------------Total corrigido
19
11.512000
-------------------------------------------------------------------------------CV (%) =
8.35
Mdia geral:
6.1200000
Nmero de observaes:
20
--------------------------------------------------------------------------------------------------------------------------------------------------------------Contraste para a FV Tratamentos
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 1
--------------------------------------------------------------------------------------------------------------------------------------------------------------O contraste testado est apresentado a seguir:
-------------------------------------------------------------------------------Nvel dessa Fonte de Variao
Coeficientes
-------------------------------------------------------------------------------1
4.0000
2
-1.0000
3
-1.0000
4
-1.0000
5
-1.0000
-------------------------------------------------------------------------------Obs. Valores dos coeficientes positivos foram divididos por
20
4 e os negativos por 4
-------------------------------------------------------------------------------Estimativa
:
-1.08750000
DMS Scheff
:
0.99843489
NMS:
: 0.05
Varincia
:
0.08156250
Erro padro
:
0.28559149
t para H0: Y = 0 :
-3.808
Pr>|t|
:
0.002
F para H0: Y = 0 :
14.500
Pr>F
:
0.002
Pr exata Scheff :
0.029
CONTRASTE NMERO 2
Coeficientes
-------------------------------------------------------------------------------1
0.0000
2
1.0000
3
1.0000
4
-1.0000
5
-1.0000
-------------------------------------------------------------------------------Estimativa
:
0.75000000
DMS Scheff
:
0.89302732
NMS:
: 0.05
Varincia
:
0.06525000
Erro padro
:
0.25544080
t para H0: Y = 0 :
2.936
Pr>|t|
:
0.010
F para H0: Y = 0 :
8.621
Pr>F
:
0.010
Pr exata Scheff :
0.124
CONTRASTE NMERO 3
Coeficientes
-------------------------------------------------------------------------------1
0.0000
2
1.0000
3
-1.0000
-------------------------------------------------------------------------------Estimativa
:
0.12500000
DMS Scheff
:
1.26293134
NMS:
: 0.05
Varincia
:
0.13050000
Erro padro
:
0.36124784
t para H0: Y = 0 :
0.346
Pr>|t|
:
0.734
F para H0: Y = 0 :
0.120
Pr>F
:
0.734
21
Pr exata Scheff :
0.998
CONTRASTE NMERO 4
Coeficientes
-------------------------------------------------------------------------------1
0.0000
2
0.0000
3
0.0000
4
1.0000
5
-1.0000
-------------------------------------------------------------------------------Estimativa
:
-0.87500000
DMS Scheff
:
1.26293134
NMS:
: 0.05
Varincia
:
0.13050000
Erro padro
:
0.36124784
t para H0: Y = 0 :
-2.422
Pr>|t|
:
0.029
F para H0: Y = 0 :
5.867
Pr>F
:
0.029
Pr exata Scheff :
0.261
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA DOS CONTRASTES
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Contraste
1
1
3.784500
3.784500
14.500 0.0017
Contraste
2
1
2.250000
2.250000
8.621 0.0102
Contraste
3
1
0.031250
0.031250
0.120 0.7341
Contraste
4
1
1.531250
1.531250
5.867 0.0286
Resduo
15
3.915000
0.261000
--------------------------------------------------------------------------------
22
Tabela 8. Coeficientes e estimativa dos contrastes com suas respectivas significativas.

Tratamentos (mdias)
Estimativa do
Contraste
Contrastes
SC
SC+E SC+E+NPK SC+V SC+V+NPK
5,25 6,775
6,65
5,525
6,4
Coeficientes dos contrastes

Cerrado ou os demais
-1
-1
-1
-1
-1,0875
Esterco ou vermiculita
-1
-1
0,750
Esterco sem NPK ou
-1
0,125
esterco com NPK

Vermiculita sem NPK
ou
vermiculita
-1
-0,875
com
NPK
Da anlise de varincia, conclumos que:

1) Solo cerrado somente vs demais
Os efeitos sobre a altura de mudas de Pinus oocarpa so diferentes (P<0,01) e, pelos

resultados das parcelas, verificamos que interessante a utilizao de esterco ou vermiculita.
2) Esterco vs vermiculita
Os efeitos sobre a altura de mudas de Pinus oocarpa so diferentes (P<0,05) e, pelos

resultados, verificamos que com esterco melhor.
3) Esterco sem NPK vs esterco + NPK
Os efeitos no diferem (P<0,05) e, portanto se usar esterco, colocar ou no NPK no

altera os resultados de altura das mudas.
4) Vermiculita sem NPK vs vermiculita + NPK
Se adicionarmos vermiculita, colocando-se NPK, as alturas das mudas sero diferentes

(P<0,05) do que no se colocando NPK.
23
7. DELINEAMENTO EM BLOCOS CASUALIZADOS
O delineamento em blocos casualizados utilizado quando as condies experimentais

no so homogneas.
A rea heterognea subdividida em blocos, de forma que, cada bloco seja o mais
homogneo possvel. A exigncia de homogeneidade dentro de cada bloco pode limitar o
nmero de tratamentos a serem testados.
Considerando um experimento em que sero avaliados 5 tratamentos (T1, T2, T3, T4 e
T5) em uma rea heterognea, instalado no delineamento em blocos casualizados com 4
blocos, um possvel plano experimental a ser utilizado consta de:
bloco 1
T3
T1
T2
T5
T4
bloco 2
T1
T4
T3
T5
T2
bloco 3
T5
T3
T1
T2
T4
bloco 4
T4
T5
T3
T2
T1
Observa-se que em cada bloco, tem-se uma repetio de cada tratamento. Os

tratamentos so casualizados dentro de cada bloco. A disposio dos blocos vai depender das
condies de heterogeneidade da rea experimental. No esquema indicado, como a
heterogeneidade no sentido vertical, os blocos devem ser dispostos no sentido horizontal, ou
seja, tem-se que em cada bloco todos os tratamentos sero avaliados sob a mesma condio.
De maneira geral, o bloco deve ser o mais homogneo possvel, podendo haver diferenas
marcantes de um bloco para o outro.
VANTAGENS
Controla diferenas nas condies ambientais de um bloco para outro;
Leva a uma estimativa mais exata da varincia residual, uma vez que a variao
ambiental entre blocos isolada.
24
DESVANTAGENS
H uma reduo no nmero de graus de liberdade do erro pois o DBC utiliza o

princpio do controle local;
O nmero de tratamentos a ser utilizado limitado pela exigncia de homogeneidade

dentro dos blocos, no podendo ser muito elevado.
O modelo estatstico do delineamento em blocos casualizados dado por:
yij = + i + j + eij
em que:
yij
j
i
ij
o valor observado na parcela experimental que recebeu o tratamento i no bloco

j;
representa uma constante geral associada a esta varivel aleatria;
o efeito do bloco j ( j = 1, 2,..., b ) ;
o erro experimental.
Na Tabela 7 apresentado o esquema da anlise de varincia para experimentos
instalados no delineamento em blocos casualizados.

Tabela 9. Esquema da anlise de varincia para experimentos instalados no delineamento em
blocos casualizados.
FV
GL
SQ
QM
F
SQ Bloco
QM Bloco
QM Bloco / QM Erro
Bloco
b 1
Tratamento
SQ Trat
QM Trat
QM Trat / QM Erro
t 1
Erro
SQ Erro
QM Erro
( b 1)( t 1)
Total
tb 1
SQ Total
Exemplo 1 de DBC
Em 5 bosques distintos, fizeram-se estudos referentes ao crescimento em altura de 4

espcies de lamo Americano. A distribuio dos tratamentos por blocos foi a seguinte:
D
Bosque 1
Bosque 2
Bosque 3
Bosque 4
Bosque 5
Cada parcela constituiu de uma plantao de 100 gemas dos clones. Quando o
experimento estava com 5 anos idade, se mediu a altura de todas as rvores sobreviventes e se
calculou uma mdia por parcela.
25
Tabela 10. Altura mdia, em metros, por clones e por bosques das plantas cultivadas.
Clones
Bosques
5,47
4,26
3,65
4,86
4,56
4,56
4,87
3,95
4,87
4,56
2,43
4,56
4,26
3,65
3,04
3,65
3,65
4,26
2,74
4,26
Delineamento em Blocos Casualizados Balanceado (SISVAR)
Sejam os dados da Tabela 10 referentes a um experimento instalado no delineamento

em blocos casualizados para avaliar a altura de quatro espcies de lamo Americano em
cinco bosques distintos.
a.3) Efetuar a anlise de varincia
Abrir arquivo exemplo1 DBC.dbf (no quadro variveis do arquivo deve aparecer as
Informar as Fontes de Variao. (No DBC, ver Tabela 7 BLOCOS (BOSQUES),

CLONES, Erro e Total. No necessrio informar Erro e Total);Clicar em BLOCO,
adicionar, CLONES, adicionar e Fim;
Clicar em CLONES no Quadro Opes do quadro da anlise de varincia;
individualmente, clicar em CLONES, teste escolhido, Ok);

exemplo altura;
a.4) Sada dos resultados
Salvar relatrio como exemplo1 DBC.doc
26
Tabela 11. Dados de um experimento instalado no delineamento em blocos casualizados para

avaliar a altura, em metros, de quatro espcies de lamo Americano plantados em
cinco bosques distintos.
Clones
Blocos
Altura
5,47
A
1
4,56
A
2
4,87
A
3
4,26
A
4
3,65
A
5
4,26
B
1
4,56
B
2
4,56
B
3
3,65
B
4
4,26
B
5
3,65
C
1
4,87
C
2
2,43
C
3
3,04
C
4
2,74
C
5
4,56
D
1
3,95
D
2
4,56
D
3
3,65
D
4
4,26
D
5
RESULTADOS
Arquivo analisado:
experimental\exemplo 1de DBC.DB
-------------------------------------------------------------------------------Varivel analisada: ALTURA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Clones
3
4.155695
1.385232
3.936 0.0362
Blocos
4
2.803820
0.700955
1.992 0.1600
erro
12
4.223580
0.351965
-------------------------------------------------------------------------------Total corrigido
19
11.183095
-------------------------------------------------------------------------------CV (%) =
14.45
Mdia geral:
4.1055000
Nmero de observaes:
20
Teste Tukey para a FV Clones
-------------------------------------------------------------------------------DMS: 1.11437416745546 NMS: 0.05
--------------------------------------------------------------------------------
27
Mdia harmonica do nmero de repeties (r): 5

Erro padro: 0.265316791779186
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
3.346000 a1
D
4.256000 a1 a2
B
4.258000 a1 a2
A
4.562000
a2
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste SNK para a FV Clones
Mdias
DMS
NMS: 0.05
-------------------------------------------------------------------------------4
1.11437416745546
3
1.00152091822158
2
0.817522501282244
Erro padro: 0.265316791779186
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
3.346000 a1
D
4.256000 a1 a2
B
4.258000 a1 a2
A
4.562000
a2
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Scott-Knott (1974) para a FV Clones
-------------------------------------------------------------------------------NMS: 0.05
Erro padro: 0.265316791779186
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
3.346000 a1
D
4.256000 a2
B
4.258000 a2
A
4.562000 a2
--------------------------------------------------------------------------------
Tabela 12. Altura mdia (erro padro) de clones de lamo Americano, em metros.
Clones
Mdias (erro padro)
4,56 a (0,26)
4,26 a (0,26)
3,35 b (0,26)
4,26 a (0,26)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, para o valor nominal de 5% de
significncia.
28
Os resultados experimentais nos permitem concluir que houve efeito significativo dos
diferentes dos diferentes clones de lamo Americano (p=0,0362) sobre a altura das plantas.
No houve efeito significativo do controle local exercido pelos diferentes bosques (p=0,1600)
sobre a altura das rvores. As rvores dos clones A, B e D apresentaram alturas
estatisticamente iguais e superiores quando comparadas a rvore do clone C pelo teste de
Scott-Knott considerando o valor nominal de 5% de significncia.
Exemplo 2 de DBC
Os dados da tabela 13, que se referem a um experimento de adubao de milho feito

pelos engenheiros Agrnomos Glauco Pinto Viegas e Erik Smith, em blocos ao acaso, permite
exemplificar a aplicao da teoria. Os tratamentos constaram de adubao com 0, 25, 50, 75, e
100 kg/ha de P2O5.
Tabela 13. Produes de milho, em kg/parcela, de um experimento de adubao de milho.
Tratamentos
0
25
50
75
100
Totais de Blocos
3,38
7,15
10,07
9,55
9,14
39,29
5,77
9,78
9,73
8,95
10,17
44,40
4,90
9,99
7,92
10,24
9,75
42,80
4,54
10,10
9,48
8,66
9,50
42,28
18,59
37,02
37,20
37,40
38,56
168,77
RESULTADOS
Arquivo analisado:
C:\Arquivos de programas\Sisvar\Exemplos\Pimen230.DB
-------------------------------------------------------------------------------Varivel analisada: Produo de milho
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Blocos
3
2.734855
0.911618
1.002 0.4252
Adubao kg/parcela
4
72.219880
18.054970
19.853 0.0000
29
erro
12
10.913320
0.909443
-------------------------------------------------------------------------------Total corrigido
19
85.868055
-------------------------------------------------------------------------------CV (%) =
11.30
Mdia geral:
8.4385000
Nmero de observaes:
20
--------------------------------------------------------------------------------------------------------------------------------------------------------------Regresso para a FV Adubao kg/parcela
-------------------------------------------------------------------------------b1 : X
b2 : X^2
b3 : X^3
Modelos reduzidos sequenciais
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
6.422500
0.36934604
17.389
0.0000
b1
0.040320
0.00603140
6.685
0.0000
-------------------------------------------------------------------------------R^2 = 56.28%
--------------------------------------------------------------------------------------------------------------------------------------------------------------Valores da varivel
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------0.000000
4.647500
6.422500
25.000000
9.255000
7.430500
50.000000
9.300000
8.438500
75.000000
9.350000
9.446500
100.000000
9.640000
10.454500
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
5.189643
0.44875020
11.565
0.0000
b1
0.138949
0.02126319
6.535
0.0000
b2
-0.000986
0.00020390
-4.837
0.0004
-------------------------------------------------------------------------------R^2 = 85.74%
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------0.000000
4.647500
5.189643
25.000000
9.255000
8.046929
50.000000
9.300000
9.671357
75.000000
9.350000
10.062929
100.000000
9.640000
9.221643
-------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
4.709393
0.47340556
9.948
0.0000
b1
0.276620
0.04817182
5.742
0.0001
b2
-0.004828
0.00122339
-3.947
0.0019
b3
0.000026
0.00000804
3.185
0.0078
-------------------------------------------------------------------------------R^2 = 98.51%
independente
Mdias observadas
Mdias estimadas
--------------------------------------------------------------------------------
30
0.000000
4.647500
4.709393
25.000000
9.255000
9.007429
50.000000
9.300000
9.671357
75.000000
9.350000
9.102429
100.000000
9.640000
9.701893
-------------------------------------------------------------------------------Somas de quadrados seqenciais - Tipo I (Type I)
-------------------------------------------------------------------------------Causas de Variao G.L.
S.Q.
Q.M.
Fc
Prob.<F
-------------------------------------------------------------------------------b1
1
40.642560
40.642560
44.689
0.000
b2
1
21.279114
21.279114
23.398
0.000
b3
1
9.225603
9.225603
10.144
0.008
Desvio
1
1.072603
1.072603
1.179
0.299
Resduo
12
10.913320
0.909443
--------------------------------------------------------------------------------
Em primeiro lugar, devemos observar os graus de liberdade referentes a tratamentos

(Adubao) que sero decompostos em componentes individuais a fim de estudar
separadamente os efeitos da regresso de 10 grau (linear), de 20 grau (quadrtica), 30 grau
(cbica) e Desvios de Regresso que o teste de ajustamento da equao de regresso.
O quadro de Anlise da Varincia pode ser reescrito da seguinte maneira:
Fonte de Variao
gl
Adubao
Soma de Quadrados
Quadrado Mdio (p-valor)
(4)
72,22
18,055 (p=0,000)
Regresso Linear
40,64
40,64 (p=0,000)
Regresso quadrtica
21,28
21,28 (p=0,000)
Regresso cbica
9,23
9,23 (p=0,008)
Desvio de Regresso
1,072
1,072 (0,299)
Bloco
2,73
0,91 (p=0,4252)
Erro
12
10,92
0,910
Os resultados experimentais nos mostram que existe um efeito significativo das

adubaes (p=0,000) sobre a sua produo. Verificamos tambm que uma regresso cbica
(p=0,008) a que melhor se ajusta aos dados de produo.
8. DELINEAMENTOS EM QUADRADO LATINO (DQL)
CARACTERSTICAS
A casualizao para quadrados latinos seguem algumas particularidades. Esse

delineamento possui trs princpios bsicos da experimentao: casualizao, repetio e
31
controle local, diferindo do delineamento em blocos casualizados por apresentar controle

local em duas direes.
O DQL um delineamento bastante utilizado em condies de campo onde 2 fontes
principais de variao esto presentes e que precisam ser controladas. Cada tratamento
aparece uma nica vez em cada linha (ou bloco horizontal) e em cada coluna (bloco vertical).
A exigncia principal do quadrado latino que o nmero de repeties seja igual ao nmero
de tratamentos.
Os delineamentos em quadrado latino recebem este nome porque o nmero de parcelas
totais do experimento corresponde ao quadrado do nmero de tratamentos ( n = t 2 ) e por
terem sido, originalmente, representados por letras latinas.
VANTAGENS
Controla diferenas nas condies ambientais de um bloco para outro em duas

direes;
Leva a uma estimativa mais exata da varincia residual, uma vez que a variao
ambiental entre blocos, em duas direes, isolada.
DESVANTAGENS
H uma reduo no nmero dos graus de liberdade do erro, pois o DQL, utiliza o
princpio do controle local em duas direes;
O nmero de tratamentos a ser utilizado limitado pela exigncia de homogeneidade

dentro dos blocos, no podendo ser muito elevado, geralmente o tamanho mximo de
quadrados latinos 8x8.
O modelo estatstico do delineamento em quadrado latino dado a seguir:

yijk = + i + j + k + eijk
em que:
yijk
representa a observao do i -simo tratamento na j -sima coluna e na k -sima

linha;
representa uma constante geral associada a esta varivel aleatria;

o efeito da j -sima coluna; ( j = 1, 2,..., t ) ;
o efeito da k -sima linha; ( k = 1, 2,..., t ) ;
32
representa o erro experimental associado a observao

distribuio normal com mdia zero e varincia comum.
ijk
yijk , suposto ter
Tabela 14. Esquema da anlise de varincia para experimentos instalados no delineamento

em quadrado latino.
FV
GL
SQ
QM
F
Tratamento
SQ Trat
QM Trat
QM Trat / QM Erro
t 1
Linha
SQ Linhas QM Linhas
t 1
Coluna
SQ Colunas QM Colunas
t 1
SQ Erro
QM Erro
Erro
( t 1)( t 2 )
Total
SQ Total
t 2 1
em que, t o nmero de tratamentos.
CASUALIZAO
A casualizao para delineamentos em quadrados latinos com 2, 3 ou 4 tratamentos

processada como segue:
tome o quadrado padro (sistematizado);
casualize todas as linhas, exceto a primeira;
casualize todas as colunas.

Como exemplo, suponha que voc deseja casualizar um quadrado latino com 4
tratamentos: A, B, C e D. Procedemos como segue:

O quadrado sistematizado o seguinte:
Coluna 1
Coluna 2
Coluna 3
Coluna 4
Linha 1
Linha 2
Linha 3
Linha 4
Com o sorteio das linhas, exceto a primeira, obtemos o seguinte quadrado;

Coluna 1
Coluna 2
Coluna 3
Coluna 4
Linha 1
Linha 4
Linha 2
Linha 3
Com o sorteio de todas as colunas, obtemos o quadrado casualizado pronto para a

execuo e acompanhamento no campo.
33
Coluna 2
Coluna 3
Coluna 4
Coluna 1
Linha 1
Linha 4
Linha 2
Linha 3
A casualizao para quadrados latinos com 5 ou mais tratamentos semelhante ao

procedimento apresentado anteriormente. Para este sorteio no necessrio, no momento de
sortear as linhas, fixar a primeira.
Exemplo de Quadrado Latino
Num experimento de competio de variedades de cana forrageira foram usadas 5

variedades: A= Co 290; B= Co 294; C= Co 297; D= Co 299 e E= Co 295, dispostas em um
quadrado latino 5 x 5. O controle feito atravs de blocos horizontais (linhas) e blocos verticais
(colunas) teve por objetivo eliminar influncias devida a diferenas de fertilidade em 2
direes. As produes, em kg por parcela, foram as seguintes:
Tabela 15. Produo, em kg por parcela, de 5 variedades de cana forrageira.
Colunas
Linhas
D (432)
A (518)
B (458)
C (583)
E (331)
C (724)
E (478)
A (524)
B (550)
D (400)
E (489)
B (384)
C (556)
D (297)
A (420)
B (494)
D (500)
E(313)
A (486)
C (501)
A (515)
C (660)
D (438)
E (394)
B (318)
Delineamento em Quadrado Latino (SISVAR)
Sejam os dados da Tabela 15 referentes a um experimento instalado no delineamento

em quadrado latino para avaliar a produo, em kg, de cinco variedades de cana forrageira.
34
Abrir arquivo exemplo DQL.dbf (no quadro variveis do arquivo deve aparecer as
Informar as Fontes de Variao. (No DQL, ver Tabela 12 Tratamentos, Linhas,

Colunas, Erro e Total. No necessrio informar Erro e Total);Clicar em Tratamentos,
adicionar, Linhas, adicionar, Colunas e Fim;
Clicar em tratamentos no quadro Opes do quadro da anlise de varincia;
individualmente, clicar em tratamentos, teste escolhido, Ok);

exemplo PRODUO;
a.4) Sada dos resultados
Salvar relatrio como exemplo DQL.doc
RESULTADOS
Arquivo analisado:
experimental\exemplo DQL.DB
-------------------------------------------------------------------------------Varivel analisada: PRODUO
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Tratamentos
4
137488.240000
34372.060000
12.091 0.0004
Linhas
4
30480.640000
7620.160000
2.680 0.0831
Colunas
4
55640.640000
13910.160000
4.893 0.0142
erro
12
34114.720000
2842.893333
-------------------------------------------------------------------------------Total corrigido
24
257724.240000
-------------------------------------------------------------------------------CV (%) =
11.33
Mdia geral:
470.5200000
Nmero de observaes:
25
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Tukey para a FV Tratamentos
-------------------------------------------------------------------------------DMS: 107.521299732566 NMS: 0.05
35
Erro padro: 23.8448876421481

-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------E
401.000000 a1
D
413.400000 a1
B
440.800000 a1
A
492.600000 a1
C
604.800000
a2
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste SNK para a FV Tratamentos
Mdias
DMS
NMS: 0.05
-------------------------------------------------------------------------------5
107.521299732566
4
100.152450344729
3
90.0099598148694
2
73.4734204242411
Erro padro: 23.8448876421481
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------E
401.000000 a1
D
413.400000 a1
B
440.800000 a1
A
492.600000 a1
C
604.800000
a2
--------------------------------------------------------------------------------
Tabela 16. Produo mdia (erro padro) de variedades de cana forrageira, em kg por parcela.
Variedades
Mdias (erro padro)
493 b (23,8)
441 b (23,8)
605 a (23,8)
413 b (23,8)
401 b (23,8)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de SNK, para o valor nominal de 5% de
significncia.
Os resultados experimentais nos permitem concluir que houve efeito significativo das
diferentes variedades de cana forrageira (p=0,0004) sobre a produo em kg por parcela das
plantas. No houve efeito significativo do controle local exercido por linhas (p=0,0831) e
houve efeito significativo do controle exercido pelas colunas (p=0,0142), sobre a produo de
cana forrageira. O melhor desempenho das variedades nesta competio foi alcanado pela
36
variedade de cana forrageira Co 297 que superou todas as demais. No se constatou

diferenas significativas entre Co 290, Co 294, Co 299 e Co 295 pelo teste de SNK
considerando um valor nominal de 5% de probabilidade.
9. REGRESSO NA ANLISE DE VARINCIA
Regresso linear simples
A regresso tem por objetivo estudar a relao entre 2 ou mais variveis visando
descobrir uma curva que a descreva, utilizando-se esta para fins de estimativa ou predio de
uma das variveis. Como por exemplo, podemos citar:
rendimento de culturas e quantidade de chuva cada;
produo de culturas e densidade de plantio;
temperatura e ataque de insetos, etc.
A equao de regresso
Considere uma amostra de n pares ( xi , yi ) de duas variveis e suponha que exista

uma relao funcional linear entre elas, que pode ser descrita pelo modelo:
yi = 0 + 1 xi + i ,
( i = 1,..., n )
em que:
yi :
a varivel dependente;
o coeficiente linear;
o coeficiente de regresso;
xi
a varivel independente;
o erro do modelo de regresso.

O objetivo de uma anlise de regresso estimar os parmetros 0 e 1 do modelo.
Um exemplo de Regresso Linear Simples
Um experimento foi conduzido com o objetivo de estudar a toxidade do Alumnio

(Al+ + +) para certa variedade de planta. Os resultados foram:
X
0,9
1,1
1,2
1,5
1,6
1,8
2,0
1,0
0,9
0,8
0,9
0,6
0,5
0,5
37
em que: X o teor de Al+ + + no solo em me/100cc de solo; Y a produtividade de cultura em

t/ha.
RESULTADOS
Varivel analisada: valores de Y
--------------------------------------------------------------------------Variveis do modelo e codificao usada
-------------------------------------------------------------------------b( 1): valores de X
--------------------------------------------------------------------------Anlise de varincia
--------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
--------------------------------------------------------------------------Modelo
1
0.209277003
0.20927700
21.8608 0.0055
Erro
5
0.047865854
0.00957317
--------------------------------------------------------------------------Total cor
6
0.257142857
Mdia
0.74285714
Raiz do QME
0.09784258
R^2
0.81385501
R^2 ajustado
0.77662602
C.V.(%)
13.17111672
--------------------------------------------------------------------------Anlise de varincia seqencial (Tipo I)
--------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
--------------------------------------------------------------------------b ( 1)
1
0.209277003
0.20927700
21.8608 0.0055
--------------------------------------------------------------------------Anlise de varincia parcial (Tipo II)
--------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
--------------------------------------------------------------------------b
( 1)
1
0.209277003
0.20927700
21.8608 0.0055
---------------------------------------------------------------------------------------------------------------------------------------------------Estimativas dos parmetros
--------------------------------------------------------------------------Estimativa dos
t para H0:
Varivel
GL
parmetros
EP
parmetro = 0
Pr>|t|
--------------------------------------------------------------------------b
( 0) 1
1.42469512195
0.150446428
9.469783625
0.0002
b
( 1) 1
-0.47256097561
0.101070637 -4.675551575
0.0055
--------------------------------------------------------------------------Obs
Valor observado
Valor predito
valor predito
Resduos
--------------------------------------------------------------------------1
2
3
4
5
1.00000
0.90000
0.80000
0.90000
0.60000
0.99939
0.90488
0.85762
0.71585
0.66860
38
0.06617
0.05068
0.04439
0.03743
0.04025
0.00061
-0.00488
-0.05762
0.18415
-0.06860
6
7
0.50000
0.57409
0.05168
-0.07409
0.50000
0.47957
0.06737
0.02043
LI 95% para
LS 95% para
Erro padro
Resduos
Obs
o valor predito
o valor predito
dos resduos estudentizados
--------------------------------------------------------------------------1
0.8292904
1.16949
0.07208
0.00846
2
0.7745915
1.03516
0.08369
-0.05828
3
0.7435155
0.97173
0.08720
-0.66084
4
0.6196306
0.81208
0.09040
2.03701
5
0.5651298
0.77207
0.08918
-0.76919
6
0.4412331
0.70694
0.08308
-0.89171
7
0.3063829
0.65276
0.07096
0.28788
--------------------------------------------------------------------------
Produtividade (t/ha)
1.2
1
0.8
0.6
0.4
0.2
Y=1,4247-0,472x
R2=0,7766
0
0.9
1.1
1.2
1.5
1.6
1.8
Teores de Alumnio (mE/100cc de solo)

valores de observados
valores preditos
Figura 1. Produtividade, em t/ha, em funo dos teores de Al+ + +, em mE/100cc,

no solo.
A equao de regresso apresentada nos mostra que podemos esperar, em mdia, um

decrscimo de 0,4726 t/ha na produtividade da cultura para cada aumento de 1 mE/100cc no
teor de Al+ + + do solo.
Regresso por Polinmios Ortogonais
Muitos experimentos so planejados com o objetivo de descobrir uma curva de

regresso que se ajuste aos dados e usar esta curva para fins de estimativa e predio. Isto
pode ser feito quando os tratamentos em estudo so nveis crescentes de um fator. Para os
casos mais simples (experimentos sem repeties com carter de levantamento), a anlise
anteriormente estudada pode ser utilizada. Contudo, nos casos mais complexos, o mtodo do
polinmio ortogonal desenvolvido por Fisher parece ser mais conveniente.
39
Um exemplo de regresso por Polinmios Ortogonais
O Uso de polinmios ortogonais na anlise de varincia ser ilustrado com um

experimento conduzido para avaliar o efeito de 5 idades de corte, sobre a produtividade de
massa verde de determinado capim. O delineamento experimental foi em blocos casualizados
com 4 repeties e as produes em t/ha, esto apresentadas no quadro que se segue.
Tabela 17. Produtividade de massa verde de determinado capim, em t/ha.
Idade de Corte (dias)
Blocos
30
60
90
120
150
12,4
45,0
23,4
45,0
31,5
13,0
28,0
38,0
28,0
22,9
10,0
32,0
32,0
32,0
19,0
11,0
34,0
63,0
35,0
11,0
RESULTADOS
Arquivo analisado:
experimental\exemplo reg. por polinomios ortog.DB
-------------------------------------------------------------------------------Varivel analisada: produo
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Idade de Corte
4
2135.448000
533.862000
5.138 0.0120
blocos
3
162.538000
54.179333
0.521 0.6756
erro
12
1246.872000
103.906000
-------------------------------------------------------------------------------Total corrigido
19
3544.858000
-------------------------------------------------------------------------------CV (%) =
36.01
Mdia geral:
28.3100000
Nmero de observaes:
20
--------------------------------------------------------------------------------------------------------------------------------------------------------------Regresso para a FV Idade de Corte
-------------------------------------------------------------------------------b1 : X
b2 : X^2
b3 : X^3
-------------------------------------------------------------------------------Modelos reduzidos sequenciais
--------------------------------------------------------------------------------
40
t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
22.535000
5.34547940
4.216
0.0012
b1
0.064167
0.05372409
1.194
0.2554
-------------------------------------------------------------------------------R^2 = 6.94%
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------30.000000
11.600000
24.460000
60.000000
34.750000
26.385000
90.000000
39.100000
28.310000
120.000000
35.000000
30.235000
150.000000
21.100000
32.160000
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
-18.740000
10.93123506
-1.714
0.1122
b1
1.243452
0.27767760
4.478
0.0008
b2
-0.006552
0.00151350
-4.329
0.0010
-------------------------------------------------------------------------------R^2 = 98.12%
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------30.000000
11.600000
12.667143
60.000000
34.750000
32.281429
90.000000
39.100000
40.102857
120.000000
35.000000
36.131429
150.000000
21.100000
20.367143
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
-31.340000
25.07252081
-1.250
0.2351
b1
1.833452
1.09245272
1.678
0.1191
b2
-0.014052
0.01351603
-1.040
0.3190
b3
0.000028
0.00004974
0.558
0.5868
-------------------------------------------------------------------------------R^2 = 99.63%
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------30.000000
11.600000
11.767143
60.000000
34.750000
34.081429
90.000000
39.100000
40.102857
120.000000
35.000000
34.331429
150.000000
21.100000
21.267143
-------------------------------------------------------------------------------Somas de quadrados seqenciais - Tipo I (Type I)
-------------------------------------------------------------------------------Causas de Variao G.L.
S.Q.
Q.M.
Fc
Prob.<F
-------------------------------------------------------------------------------b1
1
148.225000
148.225000
1.427
0.255
b2
1
1947.000714
1947.000714
18.738
0.001
b3
1
32.400000
32.400000
0.312
0.587
Desvio
1
7.822286
7.822286
0.075
0.788
Resduo
12
1246.872000
103.906000
------------------------------------------------------------------------------------------------------
41
Em primeiro lugar, devemos observar os graus de liberdade referentes a tratamentos

(idade de corte) que sero decompostos em componentes individuais a fim de estudar
separadamente os efeitos da regresso de 10 grau (linear), de 20 grau (quadrtica), 30 grau
(cbica) e Desvios de Regresso que o teste de ajustamento da equao de regresso.
O quadro de Anlise da Varincia pode ser reescrito da seguinte maneira:
Fonte de Variao
Idade de Corte
gl
Soma de Quadrados
Quadrado Mdio (p-valor)
(4)
2135,4480
533,8620 (p=0,0120)
Regresso Linear
148,2250
148,2250 (p=0,2550)
Regresso quadrtica
1947,0007
1947,0007 (p=0,0010)
Regresso cbica
32,4000
32,4000 (p=0,5870)
Desvio de Regresso
7,8222
7,8222 (0,7880)
Bloco
162,5380
54,1793 (p=0,6756)
Erro
12
1246,8720
103,9060
Os resultados experimentais nos mostram que existe um efeito significativo das idades
de corte do capim (p=0,0120) sobre a sua produtividade. Verificamos tambm que uma
Produtividade (t/ha)
regresso quadrtica (p=0,0010) a que melhor se ajusta aos dados de produtividade.

45
40
35
30
25
20
15
10
5
0
30
60
90
120
150
Idades de Corte
Mdias observadas
Mdias estimadas
Figura 2. Produtividade mdia do capim, em t/ha, em funo das idades de corte

estudadas.
Os resultados na Figura 2 indicam que o incremento nas produes do capim ocorre
at o corte aos 90 dias, onde atingem um mximo e a partir desta idade tendem a diminuir.
42
O coeficiente de determinao (R2) mostra a qualidade do ajustamento do modelo de

regresso aos valores mdios dos tratamentos. Quanto mais prximos os valores observados
estiverem da curva de ajustamento, mais alto ser o coeficiente de determinao (R2).
10. EXPERIMENTOS FATORIAIS
CARACTERSTICAS
So experimentos em que so estudados, ao mesmo tempo, os efeitos de dois ou mais

tipos de tratamentos ou fatores. Estes fatores podem ser quantitativos (doses, pocas,
temperaturas etc.) ou qualitativos (variedades, mtodos, equipamentos etc.). Por exemplo, em
um fatorial 4 3, quatro tempos de armazenamento (T1, T2, T3 e T4) e trs cultivares de
laranja (C1, C2 e C3), teremos 12 combinaes ou tratamentos possveis:
T1 C1
T2 C1
T3 C1
T4 C1
T1 C2
T2 C2
T3 C2
T4 C2
T1 C3
T2 C3
T3 C3
T4 C3
Vale lembrar que os experimentos fatoriais no so delineamentos e sim um esquema

de desdobramento dos graus de liberdade de tratamentos e, podem ser instalados em
quaisquer dos delineamentos experimentais, delineamento inteiramente casualizado ou no
delineamento em blocos casualizados.
VANTAGEM
Permite estudar os efeitos principais dos fatores e os efeitos das interaes entre eles.
DESVANTAGEM
Como os tratamentos correspondem a todas as combinaes possveis entre os nveis

dos fatores, o nmero de tratamentos a serem avaliados pode aumentar muito, no podendo
ser distribudos em blocos completos casualizados devido a exigncia de homogeneidade das
parcelas dentro de cada bloco. Isso pode levar a complicaes na anlise, sendo preciso lanar
mo de algumas tcnicas alternativas (como por exemplo, o uso de blocos incompletos).
A anlise estatstica e a interpretao dos resultados podem tornar-se um pouco mais
complicadas que nos experimentos simples.
43
Nos experimentos fatoriais o modelo estatstico varia de um experimento para outro

por causa do nmero de fatores testados.
Para um experimento fatorial no delineamento inteiramente casualizado com dois
fatores i e i , o modelo estatstico dado por:
yijk = + i + j + ij + ijk
em que:
o valor observado na parcela experimental que recebeu o nvel i do fator
e o nvel j do fator na repetio k ;
representa uma constante geral;
o efeito do nvel i do fator ( i = 1, 2,..., a ) ;
yijk :
i
ij
o efeito do nvel j do fator ( j = 1, 2,..., g ) ;

o efeito da interao entre o nvel i do fator e o nvel j do fator ;
ijk
O esquema da anlise de varincia para um experimento fatorial instalado no

delineamento inteiramente casualizado apresentado na Tabela 18.
Tabela 18. Esquema da anlise de varincia para experimento fatorial instalado no
delineamento inteiramente casualizado.
FV
GL
SQ
QM
F
Fator A
SQ A
QM A
QM A / QM Erro
a 1
Fator G
SQ G
QM G
QM G / QM Erro
g 1
AG
QM A G
QM A G / QM Erro
( a 1) ( g 1) SQ A G
Erro
ag ( r 1)
SQ Erro
Total
agr 1
SQ Total
QM Erro
Para um experimento fatorial em blocos casualizados com dois fatores i e i , o

modelo estatstico dado por:
yijk = + k + i + j + ij + ijk
em que:
yijk

e o nvel j do fator no bloco k ;
o efeito do bloco k ( k = 1, 2,..., b ) ;
j
ij

ijk
44
O esquema da anlise de varincia para um experimento fatorial instalado no

delineamento em blocos casualizados apresentado na Tabela 19.
Tabela 19. Esquema da anlise de varincia para experimento fatorial instalado no
delineamento em blocos casualizados.
FV
GL
SQ
QM
F
Bloco
SQ Bloco
QM Bloco
QM Bloco / QM Erro
b 1
Fator A
SQ A
QM A
QM A / QM Erro
a 1
SQ G
QM G
QM G / QM Erro
Fator G
g 1
AG
QM A G
QM A G / QM Erro
( a 1) ( g 1) SQ A GC
Erro
( ag 1) ( b 1)
SQ Erro
QM Erro
Total
abg 1
SQ Total
Um exemplo de Ensaio Fatorial
Vamos considerar os dados de um experimento inteiramente casualizado, no esquema

fatorial 3 x 2, para testar os efeitos de 3 recipientes para produo de mudas e 2 espcies de
eucaliptos, quanto ao desenvolvimento das mudas. Os recipientes e as espcies testadas
foram:
- R1 = saco plstico pequeno
- R2 = saco plstico grande
- R3 = laminado
- E1 = Eucaliptos citriodora
- E2 = Eucaliptos grandis
As alturas mdias das mudas, em cm, aos 80 dias de idade, so apresentadas na tabela 17.
Tabela 20. Alturas mdias das mudas, em cm, aos 80 dias de idade.
Repeties
Tratamentos
Totais
1 R1E1
26,2
26,0
25,0
25,4
102,6
2 R1E2
24,8
24,6
26,7
25,2
101,3
3 R2E1
25,7
26,3
25,1
26,4
103,5
4 R2E2
19,6
21,1
19,0
18,6
78,3
5 R3E1
22,8
19,4
18,8
19,2
80,2
6 R3E2
19,8
21,4
22,8
21,3
85,3
45
Experimentos Fatoriais no SISVAR
Sejam os dados da Tabela 20 referentes a um delineamento inteiramente casualizado

num esquema fatorial 3 x 2, para avaliar as alturas mdias, em cm, de mudas.
a.1) Criar arquivo de dados no excel (exemplo ensaio fatorial em dic.xls);
a.2) Salvar arquivo excel (exemplo Fatorial.xls) como arquivo tipo DBF 4 - dbase IV
(exemplo2.dbf);
Ir para Anlise\Anava;
Abrir arquivo;
Digitar as Fontes de Variao (ver Tabela 17);
Clicar em recipientes, espcies, recipientes*espcies e Fim;
Clicar em Ok.
Escolher a opo contraste para a varivel recipientes e teste T de Student para

espcies
com
finalidade
de
mostrar
as
mdias,
caso
interao
(recipientes*espcies) seja significativa. Caso contrrio, interao no significativa,

deve-se pedir cada teste individualmente para estudar os efeitos principais. Clicar em
recipientes e escolher a opo contrastes, clicar em Ok e para espcies, teste t de
Student, Ok;
No quadro Variveis a serem analisadas, selecionar varivel para analisar, no nosso

exemplo altura;
Clicar em Finalizar\Finalizar;
Na aba coeficientes digitar os coeficientes dos contrastes e se houver mais de um

contraste de interesse pedir novo contraste.
Algumas observaes sobre a estrutura dos tratamentos:
Recipientes (sacos plsticos, 1 e 2) ou laminado (3)?

1
versus
Saco plstico grande ou pequeno?

1
versus
46
Quando os tratamentos so estruturados o ideal que sejam comparados grupos de

mdias ao invs de comparaes duas a duas. Este procedimento pode ser realizado pelo teste
de Scheff.
RESULTADOS
Arquivo analisado:
experimental\exemplo ensaio fatorial em DIC.DB
-------------------------------------------------------------------------------Varivel analisada: ALTURAS
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------RECIPIENTE
2
92.860833
46.430417
36.195 0.0000
ESPECIES
1
19.081667
19.081667
14.875 0.0012
RECIPIENTE*ESPECIES
2
63.760833
31.880417
24.853 0.0000
erro
18
23.090000
1.282778
-------------------------------------------------------------------------------Total corrigido
23
198.793333
-------------------------------------------------------------------------------CV (%) =
4.93
Mdia geral:
22.9666667
Nmero de observaes:
24
---------------------------------------------------------------------------------------------------------------------------------------------------------------
Anlise do desdobramento de RECIPIENTE dentro de cada nvel de:

ESPECIES
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------RECIPIENTE
/1
2
87.121667
43.560833
33.958 0.0000
RECIPIENTE
/2
2
69.500000
34.750000
27.090 0.0000
Resduo
18
23.090000
1.282778
-------------------------------------------------------------------------------Codificao usada para o desdobramento
cod. ESPECIES
1 = 1
2 = 2
Contraste entre mdias para o desdobramento de RECIPIENTE dentro da codificao: 1

Obs. Identifique a codificao conforme valores apresentados anteriormente
-------------------------------------------------------------------------------Contraste para a FV RECIPIENTE
CONTRASTE NMERO 1
-------------------------------------------------------------------------------O contraste testado est apresentado a seguir:
--------------------------------------------------------------------------------
47
Nvel dessa Fonte de Variao

Coeficientes
-------------------------------------------------------------------------------1
1.0000
2
1.0000
3
-2.0000
-------------------------------------------------------------------------------Estimativa
:
5.71250000
DMS Scheff
:
1.84926477
NMS Scheff
: 0.05
Varincia
:
0.48104167
Erro padro
:
0.69357167
t para H0: Y = 0 :
8.236
Pr>|t|
:
0.000
F para H0: Y = 0 :
67.837
Pr>F
:
0.000
Pr exata Scheff :
0.000
--------------------------------------------------------------------------------------------------------------------------------------------------------------Contraste para a FV RECIPIENTE
CONTRASTE NMERO 2
Coeficientes
-------------------------------------------------------------------------------1
1.0000
2
-1.0000
-------------------------------------------------------------------------------Estimativa
:
-0.22500000
DMS Scheff
:
2.13534702
NMS Scheff
: 0.05
Varincia
:
0.64138889
Erro padro
:
0.80086759
t para H0: Y = 0 :
-0.281
Pr>|t|
:
0.782
F para H0: Y = 0 :
0.079
Pr>F
:
0.782
Pr exata Scheff :
0.962
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Contraste
1
1
87.020417
87.020417
67.837 0.0000
Contraste
2
1
0.101250
0.101250
0.079 0.7820
Resduo
18
23.090000
1.282778
--------------------------------------------------------------------------------
Contraste entre mdias para o desdobramento de RECIPIENTE dentro da codificao: 2

CONTRASTE NMERO 1
--------------------------------------------------------------------------------
48
Nvel dessa Fonte de Variao

Coeficientes
-------------------------------------------------------------------------------1
1.0000
2
1.0000
3
-2.0000
-------------------------------------------------------------------------------Estimativa
:
1.12500000
DMS Scheff
:
1.84926477
NMS Scheff
: 0.05
Varincia
:
0.48104167
Erro padro
:
0.69357167
t para H0: Y = 0 :
1.622
Pr>|t|
:
0.122
F para H0: Y = 0 :
2.631
Pr>F
:
0.122
Pr exata Scheff :
0.293
CONTRASTE NMERO 2
Coeficientes
-------------------------------------------------------------------------------1
1.0000
2
-1.0000
-------------------------------------------------------------------------------Estimativa
:
5.75000000
DMS Scheff
:
2.13534702
NMS Scheff
: 0.05
Varincia
:
0.64138889
Erro padro
:
0.80086759
t para H0: Y = 0 :
7.180
Pr>|t|
:
0.000
F para H0: Y = 0 :
51.548
Pr>F
:
0.000
Pr exata Scheff :
0.000
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Contraste
1
1
3.375000
3.375000
2.631 0.1222
Contraste
2
1
66.125000
66.125000
51.548 0.0000
Resduo
18
23.090000
1.282778
---------------------------------------------------------------------------------------------------------------------------------------------------------------
Anlise do desdobramento de ESPECIES dentro de cada nvel de:

RECIPIENTE
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------ESPECIES
/1
1
0.211250
0.211250
0.165 0.6897
ESPECIES
/2
1
79.380000
79.380000
61.881 0.0000
ESPECIES
/3
1
3.251250
3.251250
2.535 0.1288
Resduo
18
23.090000
1.282778
--------------------------------------------------------------------------------
49
Codificao usada para o desdobramento

cod. RECIPIENTE
1 = 1
2 = 2
3 = 3
Teste de t de Student (LSD) para o desdobramento de ESPECIES dentro da codificao: 1

-------------------------------------------------------------------------------Teste t (LSD) para a FV ESPECIES
-------------------------------------------------------------------------------DMS: 1.68256037747996 NMS: 0.05
Erro padro: 0.566298900267734
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------2
25.325000 a1
1
25.650000 a1
--------------------------------------------------------------------------------

-------------------------------------------------------------------------------DMS: 1.68256037747996 NMS: 0.05
Erro padro: 0.566298900267734
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------2
19.575000 a1
1
25.875000
a2
--------------------------------------------------------------------------------

-------------------------------------------------------------------------------DMS: 1.68256037747996 NMS: 0.05
Erro padro: 0.566298900267734
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------1
20.050000 a1
2
21.325000 a1
--------------------------------------------------------------------------------
50
APRESENTAO DE RESULTADOS
Tabela 21. Coeficientes e estimativa dos contrastes com suas respectivas significativas.
Tratamentos (mdias)
Contrastes
R1
R2
R3
(25,49)
(22,72)
(20,69)
Estimativa do Contraste
Coeficientes dos contrastes

Sacos plsticos ou laminado (E1)
-2
11,4
Saco plstico grande ou pequeno (E1)
-1
5,7
Sacos plsticos ou laminado (E2)
-2
2,2
Saco plstico grande ou pequeno (E2)
-1
11,5

Desdobramento de recipientes dentro de cada espcie: (contrastes)
Na anlise de contrastes entre as mdias, necessrio chamar a ateno para a

estimativa resultante do SISVAR quando o teste escolhido para a comparao das mdias o
de Scheff. Essa estimativa obtida baseada em contrastes formulados com coeficientes
fracionrios, logo quando esses coeficientes so nmeros inteiros (pela facilidade de clculo)
deve-se multiplic-los pela estimativa do SISVAR. A soma de quadrados dos contrastes no
alterada ao considerar coeficientes inteiros ou fracionrios (observar as estimativas na Tabela
19).
O primeiro contraste testado refere-se comparao dos recipientes de sacos plsticos
com o laminado. Logo, o contraste de interesse Y1 = m1 + m2 2m3 . A hiptese nula
H 0 : Y = 0 contra a hiptese alternativa que aquela que afirma o contrrio.

Verificamos que o contraste significativo considerando o valor de 1% de
probabilidade e conclumos que os recipientes (saco plstico pequeno e saco plstico grande)
apresentam em mdia, uma altura de 11,4 cm superior mdia do laminado para a espcie
Eucaliptos citriodora (E1). Ao considerar o contraste Y2 = m1 m2 para a (E1) no existe

diferena significativa entre os sacos plsticos com o valor nominal de 5% probabilidade.
Para a espcie Eucaliptos grandis (E2), o contraste Y1 , no foi significativo
considerando o valor nominal de 5% de probabilidade e conclumos que os recipientes, saco
plstico pequeno e saco plstico grande no diferem do laminado quanto a altura dessa
51
espcie. O contraste Y2 para essa mesma espcie foi significativo considerando o valor
nominal de 1% de significncia, ou seja, o recipiente de saco plstico pequeno proporciona,
em mdia, 11,5 cm de altura a mais do que plantada no saco plstico grande.
Desdobramento de espcies dentro de cada recipiente: (teste de t Student)
a) quando se utiliza o recipiente: saco plstico pequeno (R1), no h diferena

significativa (P>0,05) para o desenvolvimento das mudas das 2 espcies;
b) quando se utiliza o recipiente: saco plstico grande (R2), h diferena
significativa (P<0,01) no desenvolvimento das mudas das 2 espcies, sendo a
melhor para Eucaliptos citriodora (E1).
c) quando se utiliza o recipiente: laminado (R3) no h diferena significativa
(P>0,05) para o desenvolvimento das mudas das 2 espcies;
11. EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
CARACTERSTICAS
Estes experimentos, tambm conhecidos por "split plot", so utilizados quando se tm

dois ou trs fatores e h um grau de importncia de um sobre o outro, ou sobre os outros.
Neste tipo de experimento aparecem dois resduos em sua anlise da varincia: o primeiro,
denominado erro a, servir para testar o fator que se encontra na parcela maior e de menor
importncia; e o segundo, erro b, que testar o fator da parcela menor (subparcela) e de maior
importncia.
Aps a deciso do fator das parcelas, estas podero ser dispostas no delineamento
inteiramente casualizado ou de blocos casualizados. O outro fator ser sorteado nas
subparcelas. H experimentos em que esta subparcela ainda dividida, testando-se um
terceiro fator; neste caso, o experimento em parcela subsubdividida, com trs resduos
distintos: erro a, relacionado s parcelas; erro b, s subparcelas; e erro c, s subsubparcelas.
Em algumas situaes, o pesquisador utilizar o esquema de parcela subdividida, em
detrimento ao esquema fatorial, pela facilidade de instalao do experimento na rea
experimental em funo dos tipos de tratamentos a serem estudados. Por exemplo, em um
estudo com dois tipos de tratamentos qumicos (T1 e T2) e com trs cultivares de citros (C1,
C2 e C3), instalado no delineamento em blocos casualizados, no esquema fatorial, um
provvel sorteio para um bloco pode resultar em:
T1 C3
T2 C3
T2 C1
T1 C2
52
T2 C2
T1 C1
Nesse caso, uma determinada parcela deve receber o tratamento qumico T1 e uma
parcela vizinha o tratamento qumico T2, situao, s vezes, invivel em termos prticos.
Dessa forma, ao se utilizar o esquema de parcela subdividida, deve-se dividir o bloco em duas
parcelas, onde sero sorteados os tratamentos qumicos, sendo que dentro de cada parcela, h
uma subdiviso em subparcelas, com sorteio das cultivares. Um provvel sorteio pode ser
visualizado a seguir:
C3
C1
C2
C2
T2
C3
C1
T1
Observa-se que, nesse estudo, em funo do tipo de tratamento, o esquema de parcela

subdividida mais adequado que o esquema fatorial, por propiciar uma maior facilidade
prtica na instalao do experimento na rea experimental.
VANTAGENS
Os experimentos em parcelas subdivididas apresentam uma grande utilidade na

pesquisa agropecuria, alm de outras diversas reas. Tais experimentos so teis em
situaes como:
a) Quando os nveis dos fatores exigem grandes quantidades de material
experimental (por exemplo, nveis de irrigao), devendo ser casualizados nas
parcelas;
b) Quando informaes prvias asseguram que as diferenas entre os nveis de
um dos fatores so maiores que as do outro fator;
c) Quando se deseja maior preciso para comparaes entre os nveis de um dos
fatores;
d) Quando existe um fator de maior importncia (que dever se casualizado na
subparcela) e outro de importncia secundria, sendo este includo para
aumentar a extenso dos resultados;
e) Nas situaes prticas, onde difcil a instalao do experimento no esquema
fatorial.
53
DESVANTAGEM
H uma reduo do nmero de graus de liberdade do erro, comparativamente ao

esquema fatorial, reduo esta decorrente da existncia de dois erros, o erro (a) referente s
parcelas e o erro (b), correspondente s subparcelas dentro das parcelas
O modelo estatstico para o experimento em parcela subdividida, com dois fatores
e , no delineamento inteiramente casualizado o seguinte:

yijk = + i + (i ) j + j + ( )ij + ijk
em que:
yijk

a e o nvel j do fator g na repetio k ;
representa uma constante geral associada a varivel aleatria;
o efeito do nvel i do fator ( i = 1, 2,.., a ) ;
(i) j
o efeito do nvel i do fator na repetio k (erro a);
( )ij

o efeito da interao entre o nvel i do fator a e o nvel j do fator g ;
ijk
o erro experimental (erro b).

O esquema da anlise de varincia para experimento no esquema de parcela
subdividida, instalado no delineamento inteiramente casualizado, apresentado na Tabela 22.

Tabela 22. Esquema da anlise de varincia para experimento em parcela subdividida
instalado no delineamento inteiramente casualizado.
FV
GL
SQ
QM
F
SQ A
QM A
QM A / QM Erro a
Fator A
a 1
Erro a = rep (Fator A)
SQ Erro a QM Erro a
a ( r 1)
Fator G
AG
Erro b
Total
g 1
( a 1) ( g 1)
a ( g 1) ( r 1)
SQ G
SQ A G
QM G
QM G / QM Erro b
QM A G QM AG / QM Erro b
SQ Erro b
QM Erro b
SQ Total
agr 1
O modelo estatstico para o experimento em parcela subdividida, com dois fatores
e , no delineamento em blocos casualizados o seguinte:

yijk = + k + i + ( )ik + j + ( )ij + ijk
em que:
yijk

e o nvel j do fator no bloco k ;
o efeito do bloco k ( k = 1, 2,..., b ) ;
54

o efeito da interao entre o nvel i do fator e o bloco k (erro a);
( )ik

( )ij
o erro experimental (erro b).
ijk
O esquema da anlise de varincia para experimento no esquema de parcela

subdividida, instalado no delineamento em blocos casualizados, apresentado na Tabela 23.
Tabela 23. Esquema da anlise de varincia para experimento em parcela subdividida
instalado no delineamento em blocos casualizados.
FV
GL
SQ
QM
F
Bloco
SQ Bloco QM Bloco QM Bloc / QM Erro a
b 1
Fator A
SQ A
QM A
QM A / QM Erro a
a 1
Erro a = Bloco x A
SQ
Erro
a
QM
Erro
a
( b 1) ( a 1)
SQ G
SQ A G
Fator G
AG
( a 1) ( g 1)
Erro b
a ( b 1) ( g 1 SQ Erro b
Total
g 1
abg 1
QM G
QM G / QM Erro b
QM A G QM AG / QM Erro b
QM Erro b
SQ Total
Diretrizes para anlise de varincia
As instrues apresentadas nos delineamentos bsicos prevalecem. As comparaes entre

mdias so feitas para os tratamentos das parcelas, das subparcelas e para os efeitos da interao.
Existem 4 casos a serem considerados: os 2 primeiros so indicados para as interaes no
significativas e os 2 ltimos, para as interaes significativas.
1) Interaes no significativas
10 caso: Comparao das mdias de tratamentos das parcelas. A DMS pelo teste de Tukey :
QME ( a )
DMS(Tukey) = q( a ,n1 )
br
em que: a o nmero de tratamentos da parcela; n1 o nmero de graus de liberdade do erro (a)

da anlise de varincia; b o nmero de tratamentos da subparcela e r o nmero de repeties.
55
20 caso: Comparao de mdias de tratamentos das subparcelas. A DMS pelo teste de Tukey
QME ( b )
DMS(Tukey) = q(b ,n2 )
ar
2) Interaes significativas
30 caso: Comparao das mdias de tratamentos das subparcelas em cada nvel dos
tratamentos da parcela. A DMS pelo teste de Tukey :
QME ( b )
DMS(Tukey) = q(b ,n2 )
em que: b o nmero de tratamentos da subparcela; n2 o nmero de graus de liberdade do erro

(b) da anlise de varincia; r o nmero de repeties.
40 caso: Comparao das mdias de tratamentos das parcelas em cada nvel dos tratamentos
das subparcelas. Ser necessria a composio de um novo quadrado mdio do erro, composto dos
erros a e b da anlise de varincia da seguinte maneira:
QME * =
QME ( a ) + ( b 1) QME ( b )
b
Os graus de liberdade correspondente so dados por:

2
QME ( a ) + ( b 1) QME ( b )
n =
2
2
QME ( a )
( b 1) QME ( b )
+
n1
n2
*
A DMS pelo teste de Tukey :
DMS(Tukey) = q a ,n*
QME *
) r
em que: a o nmero de tratamentos da parcela; n* o nmeros de graus de liberdade e r o

nmero de repeties.
56
Um exemplo de Parcela Subdividida
Em um experimento em blocos casualizados, foram testadas 5 espcies de Eucaliptos ssp.

(tratamento de subparcela) plantadas cada uma em trs espaamentos (2mx2m; 2,5mx2,5m e
3mx3m tratamento de parcela), repetidas 3 vezes. Os dados que seguem so referentes s
produes volumtricas, em m3, aos 7 anos de idade.
Espaamentos
Espcies
A
Blocos
2x2
2,5 x 2,5
3x3
80
75
68
66
70
68
65
80
78
110
100
120
115
110
120
98
100
99
76
78
110
66
90
110
70
98
110
82
86
100
70
98
110
76
90
105
80
84
103
73
94
108
69
88
103
Experimentos em parcelas subdivididas no Sisvar
Sejam os dados acima referentes a um experimento instalado no delineamento em

blocos casualizados num esquema de parcela subdividida para avaliar as produes
volumtricas, em m3, de cinco espcies de Eucaliptos ssp.
a.1) Criar arquivo de dados no excel (exemplo PARCSUB.xls)
a.2) Salvar arquivo excel (exemplo PARCSUB.xls) como arquivo tipo DBF 4 - dbase IV
(exemplo PARCSUB.dbf)
57
Ir para Anlise\Anava
Abrir arquivo
Digitar as Fonte de Variao (ver Tabela 23)
Clicar em BLOCO e adicionar
Clicar em ESPAAMENTO e adicionar
Clicar em Erro = BLOCO * ESPAAMENTO e adicionar (No caso do delineamento

inteiramente casualizado clicar em REP (ESPAAMENTO) ver Tabela 22)
Clicar em ESPCIES e adicionar
Clicar em ESPCIES * ESPAAMENTOS e adicionar
Clicar em Fim.
a.4) Testes de comparaes de mdias
Escolher a opo Teste de Tukey para ESPCIES e ESPAAMENTOS caso a

interao no seja significativa;
Caso a interao seja significativa escolher Teste de Tukey para ESPECIES

(ESPAAMENTO) e Teste de Tukey para ESPAAMENTO (ESPCIES);
Para o desdobramento de ESPCIES (ESPAAMENTOS) utilizar varincia

complexa ( b = k 1 ; k o nmero de nveis do fator da subparcela (ESPCIES), no
nosso
exemplo
k =5,
os
quadrados
QMEa = 1; QMEb = 2 .
58
mdios
dos
erros
so:
Tabela 24. Dados de um experimento instalado no delineamento em blocos casualizados em

esquema de parcela subdividida para avaliar o efeito de 5 espcies de Eucaliptos
ssp (subparcelas) plantadas cada uma em trs espaamentos (parcela) em 3 blocos,
em que se avaliou as produes pluviomtricas, em m3.
ESPECIES
A
A
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
C
C
C
C
C
C
C
C
C
D
D
D
D
D
D
D
D
D
E
E
E
E
E
E
E
E
E
ESPAAMENTOS
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
BLOCO
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
PRODUES
80
66
65
75
70
80
68
68
78
110
115
98
100
110
100
120
120
99
76
66
70
78
90
98
110
110
110
82
70
76
86
98
90
100
110
105
80
73
69
84
94
88
103
108
103
RESULTADOS
Arquivo analisado:
experimental\exemplo PARCSUB.DB
59
-------------------------------------------------------------------------------Varivel analisada: PRODUES

TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------BLOCO
2
51.244444
25.622222
0.231 0.8039
ESPAAMENTO
2
3336.044444
1668.022222
15.011 0.0138
erro 1
4
444.488889
111.122222
ESPECIES
4
5773.422222
1443.355556
40.550 0.0000
ESPECIES*ESPAAMENTO
8
1841.511111
230.188889
6.467 0.0002
erro 2
24
854.266667
35.594444
-------------------------------------------------------------------------------Total corrigido
44
12300.977778
-------------------------------------------------------------------------------CV 1 (%) =
11.72
CV 2 (%) =
6.63
Mdia geral:
89.9777778
Nmero de observaes:
45
---------------------------------------------------------------------------------------------------------------------------------------------------------------
Anlise do desdobramento de ESPECIES dentro de cada nvel de: ESPAAMENTO

-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------ESPECIES
/1
4
2992.933333
748.233333
21.021 0.0000
ESPECIES
/2
4
1218.933333
304.733333
8.561 0.0002
ESPECIES
/3
4
3403.066667
850.766667
23.902 0.0000
Resduo
24
854.266667
35.594444
cod. ESPAAMENTO
1 = 1
2 = 2
3 = 3
Teste de Tukey para o desdobramento de ESPECIES dentro da codificao: 1 (2 x 2)

-------------------------------------------------------------------------------Teste Tukey para a FV ESPECIES
-------------------------------------------------------------------------------DMS: 14.355597926012 NMS: 0.05
Erro padro: 3.44453404901371
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------A
70.333333 a1
C
70.666667 a1
E
74.000000 a1
D
76.000000 a1
B
107.666667
a2
--------------------------------------------------------------------------------
Teste de Tukey para o desdobramento de ESPECIES dentro da codificao: 2 (2,5 x 2,5)

--------------------------------------------------------------------------------
60
DMS: 14.355597926012 NMS: 0.05

Erro padro: 3.44453404901371
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------A
75.000000 a1
E
88.666667 a1 a2
C
88.666667 a1 a2
D
91.333333
a2 a3
B
103.333333
a3
-------------------------------------------------------------------------------Teste de Scott-Knott (1974) para o
desdobramento de ESPECIES dentro da codificao:
2
NMS: 0.05
Erro padro: 4.11096095821889
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------A
75.000000 a1
E
88.666667 a2
C
88.666667 a2
D
91.333333 a2
B
103.333333 a3
--------------------------------------------------------------------------------
Teste de Tukey para o desdobramento de ESPECIES dentro da codificao: 3 (3 x 3)

-------------------------------------------------------------------------------DMS: 14.355597926012 NMS: 0.05
Erro padro: 3.44453404901371
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------A
71.333333 a1
E
104.666667
a2
D
105.000000
a2
C
110.000000
a2
B
113.000000
a2
---------------------------------------------------------------------------------------------------------------------------------------------------------------
Anlise do desdobramento de ESPAAMENTO dentro de cada nvel de:

ESPECIES
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------ESPAAMENTO
/1
2
36.222222
18.111111
0.357 0.7029
ESPAAMENTO
/2
2
140.666667
70.333333
1.387 0.2736
61
ESPAAMENTO
/3
2
2326.222222
1163.111111
22.941 0.0000
ESPAAMENTO
/4
2
1262.888889
631.444444
12.455 0.0005
ESPAAMENTO
/5
2
1411.555556
705.777778
13.921 0.0003
Resduo
16
811.200000
50.700000
cod. ESPECIES
1 = A
2 = B
3 = C
4 = D
5 = E
Teste de Tukey para o desdobramento de ESPAAMENTO dentro da codificao: 1 (A)

-------------------------------------------------------------------------------Teste Tukey para a FV ESPAAMENTO
-------------------------------------------------------------------------------DMS: 15.0091086260254 NMS: 0.05
Erro padro: 4.11096095821889
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------1
70.333333 a1
3
71.333333 a1
2
75.000000 a1
--------------------------------------------------------------------------------
Teste de Tukey para o desdobramento de ESPAAMENTO dentro da codificao: 2 (B)

-------------------------------------------------------------------------------DMS: 15.0091086260254 NMS: 0.05
Erro padro: 4.11096095821889
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------2
103.333333 a1
1
107.666667 a1
3
113.000000 a1
--------------------------------------------------------------------------------
Teste de Tukey para o desdobramento de ESPAAMENTO dentro da codificao: 3 (C)

-------------------------------------------------------------------------------DMS: 15.0091086260254 NMS: 0.05
Erro padro: 4.11096095821889
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------1
70.666667 a1
2
88.666667
a2
3
110.000000
a3
--------------------------------------------------------------------------------
62
Teste de Tukey para o desdobramento de ESPAAMENTO dentro da codificao: 4 (D)

-------------------------------------------------------------------------------DMS: 15.0091086260254 NMS: 0.05
Erro padro: 4.11096095821889
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------1
76.000000 a1
2
91.333333
a2
3
105.000000
a2
--------------------------------------------------------------------------------
Teste de Tukey para o desdobramento de ESPAAMENTO dentro da codificao: 5 (E)

-------------------------------------------------------------------------------DMS: 15.0091086260254 NMS: 0.05
Erro padro: 4.11096095821889
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------1
74.000000 a1
2
88.666667 a1
3
104.666667
a2
--------------------------------------------------------------------------------

30 caso: Comparao das mdias de tratamentos das subparcelas (espcies) em cada nvel dos
tratamentos da parcela (espaamentos) usou o erro (b) da anlise de varincia na

comparao.
Anlise do desdobramento de ESPECIES dentro de cada nvel de: ESPAAMENTOS
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------ESPECIES
/1
4
2992.933333
748.233333
21.021 0.0000
ESPECIES
/2
4
1218.933333
304.733333
8.561 0.0002
ESPECIES
/3
4
3403.066667
850.766667
23.902 0.0000
Resduo
24
854.266667
35.594444
cod. ESPAAMENTO
1 = 1
2 = 2
3 = 3
63
40 caso: Comparao das mdias de tratamentos das parcelas (espaamentos) em cada nvel
dos tratamentos da subparcela (espcies) usou o erro * e gl *.

Anlise do desdobramento de ESPAAMENTOS dentro de cada nvel de: ESPCIES
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------ESPAAMENTO
/1
2
36.222222
18.111111
0.357 0.7029
ESPAAMENTO
/2
2
140.666667
70.333333
1.387 0.2736
ESPAAMENTO
/3
2
2326.222222
1163.111111
22.941 0.0000
ESPAAMENTO
/4
2
1262.888889
631.444444
12.455 0.0005
ESPAAMENTO
/5
2
1411.555556
705.777778
13.921 0.0003
Resduo
16
811.200000
50.700000
cod. ESPECIES
1 = A
2 = B
3 = C
4 = D
5 = E
Tabela 25. Valores mdios (erro padro) de produo de madeira, em m3, de 5 espcies de
Eucaliptos ssp.
Espaamentos1
Espcies2
2m x 2m
2,5m x 2,5m
3m x 3m
Mdias
70 (3,4) b A
75 (3,4) c A
71 (3,4) b A
72 (2,0) c
108 (3,4) a A
103 (3,4) a A
113 (3,4) a A
108 (2,0) a
71 (3,4) b C
89 (3,4) bc B
110 (3,4) b A
90 (2,0) b
76 (3,4) b B
91 (3,4) ab A
105 (3,4) b A
91 (2,0) b
74 (3,4) b B
89 (3,4) bc B
105 (3,4) b A
89 (2,0) b
80 (2,7) B
89 (2,7) AB
101 (2,7) A
Mdias
1
Mdias seguidas de mesma letra maiscula, na linha no diferem entre si pelo teste de Tukey considerando o valor nominal
de significncia de 5%; 2 Mdias seguidas de mesma letra minscula, na coluna, no diferem entre si pelo teste de Tukey
com o valor nominal de 5% de probabilidade.
Os resultados experimentais mostram que a produo de madeira, em m3, para as

espcies A e B foram estatisticamente iguais sob os diferentes espaamentos estudados. Para
as espcies C e E a produo de madeira foi estatisticamente superior as demais quando
cultivada sob espaamento 3m x 3m. Para a espcie D, o volume de madeira produzido sob os
espaamentos 3m x 3m e 2,5m x 2,5m no diferiram entre si pelo teste de Tukey
considerando o valor nominal de 5% de significncia. Para os espaamentos 2m x 2m e 3m x
3m, a espcie B superou as demais em produo de madeira, sendo as demais estatisticamente
64
iguais entre si pelo teste de Tukey com o valor nominal de 5% de significncia. Para o
espaamento 2,5m x 2,5m as espcies B e D foram estatisticamente semelhantes quanto
produo de madeira, em m3, e superiores as demais espcies em estudo, sendo que a espcie
D no diferiu estatisticamente das espcies C e E pelo teste de Tukey considerando o valor
nominal de 5% de significncia.
12. REFERNCIAS BIBLIOGRFICAS
ALTHAUS, R.A., CANTERI, M.G., GIGLIOTI, E.A. Tecnologia da informao aplicada

ao agronegcio e cincias ambientais: sistema para anlise e separao de mdias pelos
mtodos de Duncan, Tukey e Scott-Knott. Anais do X Encontro Anual de Iniciao
Cientfica, Parte 1, Ponta Grossa, p.280-281, 2001.
BANZATTO, D. V.; KRONKA, S. do N. Experimentao agrcola. Jaboticabal:
FCAV/UNESP, 1995. 247 p.
CRUZ, C. D. Programa Genes: verso Windows; aplicativo computacional em gentica e
estatstica. Viosa: UFV. 2001. 648 p.
FERREIRA, D. F. Anlises estatsticas por meio do Sisvar para Windows verso 4.0. In:
Reunio Anual da Regio Brasileira da Sociedade internacional de Biometria, 45., 2000a, So
Carlos, Programa e resumos... So Carlos: UFSCar, 2000a, p. 255-258.
FERREIRA, P. V. Estatstica experimental aplicada agronomia. 3. ed. Macei:
EDUFAL, 2000b. 422 p.
PIMENTEL GOMES, F. Curso de estatstica experimental. 14. ed., Piracicaba: Nobel,
2000. 477 p.
PIMENTEL GOMES, F.; GARCIA, C.H. Estatstica aplicada a experimentos agronmicos
e florestais: exposio com exemplos e orientaes para uso de aplicativos. Piracicaba:
FEALQ, 2002.
RIBEIRO JNIOR, J. I. Anlises estatsticas no SAEG. Viosa: UFV, 2001. 301 p.
STATGRAPHICS. Statgraphics Plus for Windows v. 4.0: User manual. Illinois:
Manugistics Inc., 1999.
STATISTICA. Statistica for Windows v. 6.0: Computer program manual. Tulsa, OK:
StatSoft Inc., 2002.
ZONTA, E. P.; MACHADO, A. A. Manual do SANEST: Sistema de anlise estatstica para
microcomputadores. Pelotas: UFPEL, 1991. 102 p.
65
13. CONTATOS
Roberta Bessa Veloso Silva

Doutoramento em Estatstica e Experimentao Agropecuria
Universidade Federal de Lavras/UFLA
Departamento de Cincias Exatas/DEX
Tel: (35) 3829 1369
e-mail: bessaveloso@yahoo.com.br
Cep: 37200-000
Lavras, MG
66

Apostila de E. Experimental No SISVAR

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila de E. Experimental No SISVAR

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE LAVRAS/MG

DEPARTAMENTO DE CINCIAS EXATAS/DEX

Curso Bsico de Estatstica Experimental

Uso do SISVAR na Anlise de

Roberta Bessa Veloso Silva

b) Experimentador: o indivduo responsvel pela conduo dos experimentos com a

Tratamento: a condio imposta parcela experimental, cujo efeito deseja-se medir ou

g) Parcela experimental: a menor unidade de um experimento em que se aplica o

Delineamento experimental: a forma de distribuio dos tratamentos na rea

Esquemas experimentais: so formas de arranjos dos tratamentos nos experimentos em

2.1 PRINCPIOS BSICOS DA EXPERIMENTAO

experimental, aumentar a preciso das estimativas e aumentar o poder dos

probabilidade de serem designados a qualquer uma das parcelas

Controle local: sua funo diminuir o erro experimental. usado quando

3. PRESSUPOSIES DA ANLISE DE VARINCIA

Possui grande flexibilidade quanto ao nmero de tratamentos e repeties, sendo

Considerando o mesmo nmero de parcelas e tratamentos avaliados, o delineamento

Exige homogeneidade das condies experimentais. Se as condies no forem

o valor observado na parcela experimental que recebeu o i -simo tratamento

o erro experimental associado a observao yij , suposto ter distribuio normal

instalados no delineamento inteiramente casualizado.

Observa-se que no h qualquer restrio casualizao, podendo um determinado

Delineamento Inteiramente Casualizado Balanceado (SISVAR)

Sejam os dados apresentados na Tabela 2 referentes a um experimento instalado no

Primeira linha com o cabealho das variveis;

No deixe clulas vazias.

Lembre-se de sair do Excel antes de abrir o arquivo no Sisvar para no gerar

c) Efetuar a anlise de varincia

Abrir o SISVAR e ir para Anlise\Anava;

Clicar em Yes para encerrar o quadro de anlise de varincia;

Clicar em FAMILIA no Quadro Opes do quadro da anlise de varincia;

No quadro, Variveis a serem analisadas, selecionar varivel para analisar, no nosso

d) Sada dos resultados

Salvar relatrio como exemplo1 DIC.doc

-------------------------------------------------------------------------------Teste Scott-Knott (1974) para a FV FAMILIA

APRESENTAO DOS RESULTADOS

Tabela 4. Valores mdios (erro padro) de volume de madeira, em m3x104, de 5 famlias de

Interpretao dos resultados

Em um estudo da influncia do recipiente no desenvolvimento de mudas de Eucaliptos

APRESENTAO DOS RESULTADOS

Interpretao dos resultados

6. ALGUMAS CONSIDERAES SOBRE A ESCOLHA DO TESTE ADEQUADO

Em um projeto, a hiptese a proposio testvel que normalmente envolve a soluo

Duas mdias A e B, obtidas de rA e rB repeties respectivamente, podem ser

em que: QME o quadrado mdio do erro, estimado pela anlise de varincia.

Em uma relao decrescente de t mdias (A, B, C, D, E), duas delas (A e F)

em que: A e F so as mdias; QME o quadrado mdio do erro, estimado pela anlise de

A opo proposta por Tukey, em 1953, de apenas um valor de diferena mnima

A diferena mnima significativa proposta por Tukey dada por:

em que: t o nmero de tratamentos; F1 , 2 o valor tabelado de F com 1 (graus de

em que: ci o coeficiente do tratamento i com ri repeties.

Para as comparaes mltiplas onde apenas um tratamento serve de referncia

onde: c1 + c2 + ... + cI , so os coeficientes das mdias de tratamentos m1 + m2 + ... + mI ,

Se Y um contraste de mdias de tratamentos, a soma de quadrados para a

onde: Y - a estimativa do contraste, calculada substituindo em Y os mi pelos valores

que entra no contraste.

c1b1 + c2b2 + ... + cI bI

Ento, S .Q.Y2 uma parte extrada da diferena entre:

S .Q.Trat = S .Q.Y1 + S .Q.Y2 + ... + S .Q.Y( I 1)

Vamos considerar os dados adaptados do trabalho Aplicao da vermiculita em

5. Solo de cerrado + vermiculita + NPK (SC + V + NPK)

Examinando os tratamentos, uma comparao que pode interessar :

Algumas observaes sobre a estrutura dos tratamentos:

Solo cerrado ou solo cerrado com esterco ou vermiculita?