Anlise de Varincia

Jlio Osrio

Comparao de mais de duas mdias

No Captulo anterior consideraram-se estudos onde se
pretendiam comparar duas mdias ( teste t de Student
para duas amostras):

H : =
0

Em muitas situaes, o investigador precisa comparar

vrias mdias (mais de duas)
Comparar os efeitos de 5 doses de uma fitohormona
sobre o crescimento em altura de plantas de
buganvlia:

H : = = = =
0

Comparar os teores de cafena de 6 marcas de ch

verde:

H : = = = = =
0

Nestes casos, usa-se o mtodo da Anlise de

Varincia (ANOVA).

Comparao de mais de duas mdias

Numa primeira tentativa de encontrar resposta para o
problema proposto, seriamos tentados a realizar todas as
comparaes possveis das mdias dos 5 tratamentos, tomadas
duas a duas, pelo mtodo clssico do t de Student:

H
H
H
H

0
0
0

: 1 = 2 ; H0 : 1 = 3 ; H0 : 1 = 4 ; H0 : 1 = 5
: 2 = 3 ; H0 : 2 = 4 ; H0 : 2 = 5 ;

10 testes t
de Student
para
comparar 5
mdias!

: 3 = 4 ; H0 : 3 = 5
: 4 = 5

Todavia, este procedimento resulta no s moroso, como

tambm muito pouco preciso.

Karl Pearson (1942) demonstrou que se adoptarmos

partida um nvel de significncia nominal , a
probabilidade de se cometer o erro de tipo I quando se
utilizam mltiplos testes t para encontrar diferenas entre
todos os pares possveis de um nmero k de mdias
sempre superior a , e tanto mais elevado quanto maior
for k.

Comparao de mais de duas mdias

Por exemplo, no nosso caso concreto, se
pretendssemos comparar as 5 mdias adoptando um
nvel de significncia nominal =0.05, teramos para o
conjunto dos 10 testes t de Student um nvel de
significncia real de 0.23!

Nmero de mdias a
comparar (k)
2
3
4
5
10
20

Nvel de significncia
nominal
=0.05
=0.01
=0.001
0.05
0.13
0.21
0.23
0.63
0.92
1.00

0.01
0.03
0.05
0.07
0.23
0.52
1.00

0.001
0.003
0.006
0.009
0.034
0.109
1.000

Comparao de mais de duas mdias

Para se testarem hipteses do tipo:

H : = = ... = =
H : Nem todas as s so iguais
0
1

k 1

utiliza-se o procedimento estatstico da Anlise

de Varincia, que deve o seu nome e muito
do seu desenvolvimento inicial a R.A. Fisher, e
para o qual J.W. Tukey props o acrnimo de
ANOVA (de ANalysis Of VAriance).

ANOVA: Generalidades
O investigador controla uma ou mais de uma variveis
independentes
Essas variveis chamam-se factores
Cada uma delas pode apresentar dois ou mais nveis
O investigador observa/mede os efeitos na varivel
dependente
Resposta aos nveis da varivel independente
Delineamento Experimental: o plano (ou esquema)
utilizado para testar as hipteses

ANOVA: Generalidades
Anlise de
Varincia

Factor nico

ANOVA
Unifactorial

Vrios Factores

ANOVA
Multifactorial

ANOVA: Premissas
A validade dos resultados da ANOVA
pressupe que os dados cumpram as
seguintes condies:
Independncia e aleatoriedade dos erros
(Seleccionam-se amostras aleatrias das populaes).
As populaes devem ter distribuio normal.
As populaes devem ter varincias iguais
(homogneas).

ANOVA Unifactorial
Serve para testar a igualdade de duas ou mais (k) mdias
populacionais.
Variveis:
Uma varivel independente (um factor) medida em
escala nominal.
Uma varivel independente medida em escala de

intervalo ou de razo.
Dois ou mais (k) nveis ou modalidades no factor
Utiliza-se para analizar os resultados dos delineamentos
completamente casualizados.

ANOVA Unifactorial: Exemplo

Fez-se um estudo destinado a comparar o teor de cafena de seis

marcas comerciais de ch verde (Lipton, Tetley, Gorreana, Twinings,
Delta e Ahmad).
Quatro pacotes de ch verde de cada uma das 6 marcas foram
analisados para a quantificao da cafena.

Questo: H evidncia para sustentar, ao nvel de 5%,

que existem diferenas significativas entre os teores
mdios de cafena das seis marcas de ch verde?

ANOVA Unifactorial: Exemplo

Teores de cafena em seis marcas de ch verde
Marca de ch verde

Pacote

Lipton

Tetley

Gorreana

Twinings

Delta

Ahmad

141

135

147

141

138

137

139

140

143

139

139

140

140

136

141

140

137

140

142

137

145

139

139

136

S h um FACTOR (Varivel Independente), que a MARCA DE CH VERDE.

O FACTOR nico apresenta 6 NVEIS (as 6 marcas de ch), denominadas TRATAMENTOS.

A RESPOSTA (Varivel Dependente) o TEOR DE CAFENA.

ANOVA Unifactorial: Hipteses



H0: 1 = 2 = 3 = ...
= k

f(X)

As mdias das k

populaes so iguais
No h efeito dos
tratamentos


H1: Nem todas js

so iguais

1 = 2 = 3

f(X)

Pelo menos uma mdia

diferente das outras

H efeito dos

tratamentos
incorrecto dizer 1 2

1 = 2 3

... k

ANOVA Unifactorial: Clculo

Compara dois tipos de variao para testar a igualdade
das mdias.
A comparao faz-se com base na razo de duas

varincias.
Se a variao devida aos tratamentos exceder a variao
aleatria, conclui-se que as mdias no so todas iguais.
As fraces de variao devidas ao efeito dos tratamentos
e aos efeitos aleatrios (erro experimental) obtm-se
decompondo a variao total dos dados.

ANOVA Unifactorial: Clculo

Variao total

Variao devida
a tratamentos
 Soma

dos quadrados
dos tratamentos
 Soma dos quadrados
entre os grupos

Variao aleatria
(erro experimental)

 Soma

dos quadrados
do erro
 Soma dos quadrados
dentro dos grupos

ANOVA Unifactorial: Clculo

SQD(Total ) = (X 1111 X )2 + (X 2121 X )2 + K + (X ijij X )2
2

Resposta, X

X
X11

Grupo 1

Grupo 2

Grupo 3

Desvios de todos os dados relativamente mdia global do estudo

ANOVA Unifactorial: Clculo

SQD(trat.) = n11(X11 X )2 + n22 (X 22 X )2 + K + nkk (Xkk X )2
2

Resposta, X

X3
X
X1
Grupo 1

X2
Grupo 2

Grupo 3

Desvios das mdias dos tratamentos relativamente mdia global do

estudo

ANOVA Unifactorial: Clculo

2
2
2
SQD(erro ) = (X11
X11)2 + (X 21
X11)2 + K + (Xkn
Xkk )2
11
21
kn
Resposta, X

X3
X2

X1
Grupo 1

Grupo 2

Grupo 3

Desvios dos dados de cada grupo relativamente mdia do prprio

grupo

ANOVA Unifactorial: Clculo

Graus de Liberdade
Totais (N-1)

Graus de Liberdade
dos Tratamentos (k-1)

Graus de Liberdade
do Erro (N-k)

= n de tratamentos (grupos)
 n = n de dados em cada grupo
 N = n total de dados no estudo = k.n
k

ANOVA Unifactorial: Clculo

O critrio do teste o estatstico F, que a razo de duas
varincias (ou Quadrados Mdios, QMs), a dos tratamentos
(QMTratamentos) e a do erro (QMErro):

QM

Tratamentos

SQD
Gl

Tratamentos

Tratamentos

SQD
k 1

Tratamentos

:
QM

Erro

SQD
=
Gl

Erro
Erro

amostra

com k-1
SQD
=
N k

QM
QM

Tratamento s

Erro

N k

graus de l iberdade

Erro

ANOVA Unifactorial: Clculo

Teste F
Critrio:
Rejeitar H0

 Se H0 fr verdadeira
(is todas iguais), ento
F=Qmtrat/QMerro1.
Rejeitar H0 se Famostra
fr elevado, isto se:
F

amostra

F k 1
N k

No rejeitar H0

F ( k1, Nk)

Este teste sempre unilateral!

10

ANOVA Unifactorial: Clculo

Quadro ANOVA
Origem da
Variao

Graus Soma dos Quadrado

Quadrados
de
Mdio
dos
Desvios
Liberdade
(Varincia)

Tratamentos

k-1

Erro

N-k

SQDtrat.
SQDerro =
SQDTotal-SQDtrat

Total

N-1

QMtrat =
SQDtrat/(k - 1)
QMerro =
SQDerro/(N - k)

QMtrat

QMerro

SQDTotal

ANOVA Unifactorial: Exemplo

Teores de cafena em seis marcas de ch verde
Lipton

Tetley

Gorreana

Twinings

Delta

Ahmad

141

135

147

141

138

137

139

140

143

139

139

140

140

136

141

140

137

140

142

137

145

139

139

136

Totais

ni

24

Ti

562

548

576

559

553

553

3351

xij2

78966

75090

82964

78123

76455

76465

468073

11

ANOVA Unifactorial: Exemplo

Clculo do Termo de Correco (TC) e do Somatrio dos
Quadrados dos Desvios Total (SQDTOTAL)

TC

=T

SQD
GL

2
..

3351 2
= 467883 , 375
24

TOTAL

TOTAL

= X ij TC = 468063 467883 , 375 = 179 ,625

i =1 j =1

= 24 1 = 23

ANOVA Unifactorial: Exemplo

Clculo Somatrio dos Quadrados dos Desvios dos
Tratamentos (SQDTratamentos)

SQD

i=6

Tratamento s

= T i TC =
i=1

2
548 2
553 2
+
+ ... +
467883 ,375 = 122 , 375
SQD Tratamento s = 562
4
4
4
GL Tratamento s = 6 1 = 5

12

ANOVA Unifactorial: Exemplo

Clculo Somatrio dos Quadrados dos Desvios do Erro
(SQDErro)

SQD
SQD = SQD
SQD = 179 ,625 122 ,375 = 57 ,25
GL = 23 5 = 18
Erro

TOTAL

Tratamento s

Erro

Erro

ANOVA Unifactorial: Exemplo

Clculo do Quadrado Mdio dos Tratamentos (QMTratamentos)
e do Quadrado Mdio do Erro (QMErro)

QM

Tratamento s

SQD
GL

Tratamento s

Tratamento s

QM

Erro

SQD
GL

Erro

Erro

122 ,375
= 24 , 475
5

57 ,25
= 3 ,181
18

13

ANOVA Unifactorial: Exemplo

Clculo do valor amosstral de F (Famostra)

amostra

QM
QM

Tratamento s
Erro

24 , 475
= 7 ,695
3 ,181

ANOVA Unifactorial: Exemplo

 H0: 1=2== 6
 H1: Nem todas is so
iguais

 = 0,05

Estatstico F:

amostra

QM
QM

Tratamentos
Erro

24 ,475
= 7 ,695
3,181

GL1 = 5 GL2= 18

Deciso:

Valor Crtico:

=0,05

Rejeitar H0 a = 0,05
Concluso:

2,77

H evidncia para concluir que o

teor mdio de cafena no
igual em todas as marcas de ch
verde .

14

ANOVA Unifactorial: Exemplo

Tabela do F de Snedecor

F0,05(5/18)
= 2,77

ANOVA Unifactorial: Exemplo

O cmputo da Anlise de Varincia costuma ser sistematizado e
apresentado numa tabela, conhecida por Quadro ANOVA, onde se
materializa a decomposio da Soma dos Quadrados dos Desvios
Total e do Nmero Total de Graus de Liberdade.
Quadro ANOVA
Origem da
variao
Entre grupos

GL

SQD

QM

Famostra

122,375

24,475

7,694

18

57,250

3,181

23

179,625

(***)

F
=0.05
2,77

=0.01
4,25

=0.001
6,81

(Marcas de
ch)

Dentro dos
grupos
(Erro)
TOTAL

15

ANOVA Unifactorial: Exemplo

Concluses:
H diferenas significativas entre as seis marcas de ch
verde no que ao teor de cafena diz respeito.
Para esclarecer quais as marcas que tm idntico valor
para o teor mdio de cafena e quais diferem a esse
respeito, tem que se realizar testes ps-ANOVA para
comparaes mltiplas de mdias.
Dentre os vrios testes ps-ANOVA descritos na
literatura , sero abordados aqui o Teste de StudentNeuman-Keuls (Teste S-N-K) e o Teste de Tukey.

ANOVA Unifactorial: Exemplo

Mdias ordenadas por ordem crescente de grandeza
Tratamentos
Mdias

Tetley
137,00

Delta
138,25

Ahmad
138,25

Twinings
Lipton
Gorreana
QM Erro 3,181
=
=
= 0 ,892144,00
139,75
140,50
n

Teste de Student-Newman- Keuls (S-N-K)

Comparao
Gorreana vs. Tetley
Gorrena vs. Delta
Gorreana vs. Ahmad
Gorreana vs. Twinings
Gorrena vs. Lipton
Lipton vs. Tetley
Lipton vs. Delta
Lipton vs. Ahmad
Lipton vs. Twinings
Twinings vs. Tetley
Twinings vs. Delta
Twinings vs. Ahmad
Ahmad vs. Tetley
Ahmad vs. Delta
Delta vs. Tetley

Diferena
7,00
5,75
5,75
4,25
3,50
3,50
2,25
2,25
0,75
2,75
1,50
1,50
1,25
0,00
1,25

p
6
5
4
3
2
5
4
3
2
4
3
2
3
2
2

q0.05(p,18)
4,49
4,28
4,00
3,61
2,97
4,28
4,00
3,61
2,97
4,0
3,61
2,97
3,61
2,97
2,97

Erro-padro

AMSp

0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892
0,892

4,01
3,82
3,57
3,25
2,65
3,82
3,57
3,25
2,65
3,57
3,25
2,65
3,25
2,65
2,65

Significncia
*
*
*
*
*
ns
ns
ns
ns
ns
ns
ns
ns
ns
ns

*= mdias significativamente diferentes ao nvel de 5%, porque a sua diferena excede a Amplitude
Mnima Significativa (AMS).
ns= mdias no significativamente diferentes ao nvel de 5%, porque a sua diferena inferior
Amplitude Mnima Significativa (AMS).

16

ANOVA Unifactorial: Exemplo

Tabela dos Testes S-N-K e Tukey

Amplitudes
Studentizadas
para GLerro=18
e =0,05

ANOVA Unifactorial: Exemplo

Apresentao do Resultado do Teste S-N-K
Marca de ch

Mdia

Grupos de
Significncia

Gorreana

144,00

Lipton

140,50

Twinings

139,75

Ahmad

138,25

Delta

138,25

Tetley

137,00

Mdias que partilham letras no grupo de significncia no

so significativamente diferentes!

17

ANOVA Unifactorial: Exemplo

Apresentao do Resultado do Teste S-N-K

Tetley
(137,00)

Delta
(138,25)

Ahmad
(138,25)

Twinings
(139,25)

Lipton
(140,50)

Gorreana
(144,00)

Mdias unidas por um mesmo trao no so

significativamente diferentes!

Gorreana tem mais

cafena que todas as
ouras marcas
As outras marcas no
diferem entre si

ANOVA Unifactorial: Exemplo

Mdias ordenadas por ordem crescente de grandeza
Tratamentos
Mdias

Tetley
137,00

Delta
138,25

Ahmad
138,25

Twinings
139,75

Lipton
140,50

Gorreana
144,00

Teste de Tukey
Comparao
Diferena p q0.05(p,18) Erro-padro AMSp Significncia
Gorreana vs. Tetley
7,00
6
4,49
0,892
4,01
*
Gorrena vs. Delta
5,75
5
4,49
0,892
4,01
*
Gorreana vs. Ahmad
5,75
4
4,49
0,892
4,01
*
Gorreana vs. Twinings
4,25
3
4,49
0,892
4,01
*
Gorrena vs. Lipton
3,50
2
4,49
0,892
4,01
ns
Lipton vs. Tetley
3,50
5
4,49
0,892
4,01
ns
Lipton vs. Delta
2,25
4
4,49
0,892
4,01
ns
Lipton vs. Ahmad
2,25
3
4,49
0,892
4,01
ns
Lipton vs. Twinings
0,75
2
4,49
0,892
4,01
ns
Twinings vs. Tetley
2,75
4
4,49
0,892
4,01
ns
Twinings vs. Delta
1,50
3
4,49
0,892
4,01
ns
Twinings vs. Ahmad
1,50
2
4,49
0,892
4,01
ns
Ahmad vs. Tetley
1,25
3
4,49
0,892
4,01
ns
Ahmad vs. Delta
0,00
2
4,49
0,892
4,01
ns
Delta vs. Tetley
1,25
2
4,49
0,892
4,01
ns

*= mdias significativamente diferentes ao nvel de 5%, porque a sua diferena excede a Amplitude
Mnima Significativa (AMS).
ns= mdias no significativamente diferentes ao nvel de 5%, porque a sua diferena inferior
Amplitude Mnima Significativa (AMS).

18

ANOVA Unifactorial: Exemplo

Apresentao do Resultado do Teste de Tukey
Marca de ch

Mdia

Grupos de
Significncia

Gorreana

144,00

Lipton

140,50

Twinings

139,75

Ahmad

138,25

Delta

138,25

Tetley

137,00

Mdias que partilham letras no grupo de significncia no

so significativamente diferentes!

ANOVA Unifactorial: Exemplo

Apresentao do Resultado do Teste de Tukey

Tetley
(137,00)

Delta
(138,25)

Ahmad
(138,25)

Twinings
(139,25)

Lipton
(140,50)

Gorreana
(144,00)

Mdias unidas por um mesmo trao no so

significativamente diferentes!

Lipton ocupa uma

posio charneira entre
Gorreana e as restantes
marcas.,
O Teste de Tukey mais
conservador que o S-NK!

19

ANOVA Multifactorial
H vrios (dois ou mais)
independentes.

factores ou variveis

Cada um deles pode ter dois ou mais nveis.

A anlise estatstica uma ANOVA a vrios critrios de

classificao dos dados.
Como exemplo, considera-se o caso mais simples: o dos

delineamentos factoriais duplos.

Poupam tempo e trabalho, e enriquecem a pesquisa:
Num s empreendimento experimental, obtm-se a informao
que s se conseguiria realizando dois ensaios separados, um para
cada factor individual.
Permitem controlar os efeitos de factores secundrios que,
introduzindo variao espria nos resultados, dificultam a
comparao dos efeitos do factor de interesse primordial.
Possibilitam a anlise das interaces entre factores.

ANOVA Multifactorial: Clculo

Variao devida ao
factor A

+
Variao devida ao
factor B

Variao Total

+
Variao devida
interaco de A com B

+
Variao aleatria (erro
experimental)

20

ANOVA Multifactorial: Clculo

Graus de liberdade do
factor A (a-1)

+
Graus de liberdade
do factor B (b-1)

Graus de liberdade
totais (N-1)

+
Graus de liberdade
da interaco de A com
B [(a-1)(b-1)]

+
Graus de liberdade
do erro (N-ab)

ANOVA Multifactorial: Clculo

Neste caso, h lugar ao clculo de trs estatsticos F, um relativo ao
factor A, outro ao factor B e outro para a interaco A x B:
F

A
amostra

Rejeitar a H0 da igualdade dos efeitos dos

nveis de A se:

QM
,
QM

Erro

com a-1

N ab

QM
,
QM

B
amostra

graus de l iberdade

Erro

AB
amostra

N ab

QM
QM

AB

F a 1
N ab

Rejeitar a H0 da igualdade dos efeitos dos nveis

de B se:

com b-1

A
amostra

graus de l iberdade

B
amostra

F b 1
N ab

Rejeitar a H0 da inexistncia de
interaco se:

Erro

. b 1)
com (a 1)(

N ab

graus de l iberdade

AB
amostra

F (a 1.)(b 1)
N ab

21

ANOVA Multifactorial: Exemplo

No decurso de um estudo sobre os efeitos da soluo de lavagem e do tipo de
forno utilizado sobre a remoo trmica da pele dos amendoins, foram
testados trs tipos de soluo de lavagem (cloreto de potssio, cloreto de
sdio e gua) e trs tipos de forno (forno de conveco, forno de microondas
e forno convencional).
Cada combinao soluo-tipo de forno foi testada em trs lotes de amendoim
(trs repeties de cada tratamento), tendo-se registado como varivel de
resposta a percentagem de amendoins descascados observada em cada caso.

Questes:

H evidncia nos dados para se concluir, ao nvel de 5%, que o
efeito da soluo de lavagem sobre a percentagem de amendoins
descascados varia com o tipo de forno utilizado?

Que concluses se podem tirar para os diversos tipos de soluo e
de forno?

ANOVA Multifactorial: Exemplo

Forno
Soluo de
Lavagem

Total
Conveco

Microondas

Convencional

KCl

64.3
70.0
67.6

35.6
44.6
40.7

86.2
82.1
92.0

201.9

120.9

260.3

81.4
77.9
83.3

49.6
45.4
53.9

75.0
76.6
69.0

242.6

148.9

220.6

H2O

71.9
77.7
73.9

73.5
64.3
67.4

72.7
76.9
81.5

223.5

205.2

231.1

659.8

Total

668.0

475.0

712.0

1855.0

NaCl

583.1

612.1

22

ANOVA Multifactorial: Exemplo

Decomposio de SQDTotal e GLTotal

SQDSubgrupos

SQDForno

GLForno

SQDSoluo

GLSoluo

SQDInteraco

GLInteraco

SQDErro

GLErro

ANOVA Multifactorial: Exemplo

Clculo do Termo de Correco (TC) e do Somatrio dos
Quadrados dos Desvios Total (SQDTOTAL)

TC

=T

SQD
GL

2
..

1855 2
= 127445 , 37
27

TOTAL

TOTAL

i =1 j =1 k =1

ijk

TC = 133054 , 22 127445 , 37 = 5608 ,85

= 27 1 = 26

23

ANOVA Multifactorial: Exemplo

Clculo dos Somatrios dos Quadrados dos Desvios dos
Subgrupos (SQDSubgrupos) e do Erro (SQDErro)

SQD

2
ij .

n
1
1
=
3
x
3

1
=
8
GLSubgrupos
Subgrupos

TC =

201,9 2 + 120 ,9 2 + ... + 231,12

127445 ,37 = 5319 ,077
3

SQD = SQD SQD

GL = a.b.(n 1) = 3.3.( 3 1) = 18
Erro

Total

Subgrupos

= 5608 ,85 5319 ,077 = 289 ,773

Erro

ANOVA Multifactorial: Exemplo

Clculo dos Somatrios dos Quadrados dos Desvios dos
Factores A (SQDA) e B (SQDB), e da respectiva Interaco
(SQDAB)
2

SQD = Tb.n TC = 583,1

a

i ...

GL

3.3

127445,37 = 333,303

= a1 = 31 = 2

668,0
TC =
SQD = T
a.n

GL

2 + 612 ,12 + 659,82

. j.

2 + 475,0 2 + 712 ,0 2
3.3

127445,37 = 3531,630

= b1 = 31= 2

SQD SQD
SQD = SQD
=
(
a

1
).(
b

1
)
=
(
3

1).( 3 1) = 4
GL
AB

Subgrupos

= 5319 ,077 333 ,303 3531 ,630 = 1454 ,144

AB

24

ANOVA Multifactorial: Exemplo

Quadro ANOVA

Origem da variao

GL

SQD

QM

Famostra

SUBGRUPOS

5319,077

664,885

41,30(***)

A
(soluo)

333,303

166,652

10,35

B
(forno)

3531,630

1765,815

109,69

AxB

1454,144

363,536

22,58

18
26

289,773
5608,850

16,099

F
=0.05
2,51

=0.01
3,71

=0.001
5,76

(**)

3,56

6,01

10,39

(***)

3,56

6,01

10,39

2,93

4,58

7,46

(***)

(soluo x forno)

ERRO
TOTAL

ANOVA Multifactorial: Exemplo

Concluses:
Tanto a soluo de lavagem como o tipo de forno utilizado
tiveram efeitos significativos sobre o rendimento do processo de
remoo da casca dos amendoins.
H evidncia suficiente nos dados para se poder concluir a
existncia de uma interaco significativa destes dois factores.
A interaco significativa significa, neste caso, que a resposta da
percentagem de amendoins descascados s solues de lavagem
testadas varia com o tipo de forno utilizado (ou que a resposta ao
tipo de forno variou com a soluo empregue na lavagem dos
amendoins).
Uma maneira expedita de examinar a interaco consiste em
fazer representaes grficas das mdias dos subgrupos (eixo das
ordenadas) em funo dos nveis dos dois factores ( Grficos de
Perfil da Resposta).

25

ANOVA Multifactorial: Perfil da Resposta

1. Se as linhas fossem sensivelmente

paralelas, isso sugeriria a no
existncia de interaco.
2. No o sendo visivelmente,
podemos concluir que o padro de

resposta da % de descascados s
solues variou com o tipo de forno
a interaco soluo x forno
significativa.

ANOVA Multifactorial: Perfil da Resposta

1. Se as linhas fossem sensivelmente

paralelas, isso sugeriria a no
existncia de interaco.
2. No o sendo visivelmente,
podemos concluir que o padro de

resposta da % de descascados ao
tipo de forno variou com a soluo de
lavagem a interaco soluo x
forno significativa.

26

ANOVA Multifactorial: Perfil da Resposta

Tipo de forno

Fazendo uma ANOVA a

um critrio em
separado para os
dados de cada tipo de
forno, seguida do
Teste de Tukey,
podemos confirmar
estes factos:
1. No forno de conveco,
obtiveram-se melhores
resultados com gua e
NaCl.
2. No forno de microondas,
obtiveram-se melhores
resultados com gua.
3. No forno convencional,
a gua mostrou um
desempenho intermdio
entre KCl e NaCl.

Conveco

Microondas

Convencional

Resultados do Teste de Tukey

para Solues

KCl

H2O

NaCl

KCl

NaCl

H2O

H2O

KCl

NaCl

27

BLOCOS COMPLETOS CASUALIZADOS

Jlio Osrio

Blocos Completos Casualizados

Exemplo

Efeitos de 4 dietas (A, B, C e D) sobre os acrscimos de

peso em porquinhos-da-India.
5 animais/dieta em bom estado fsico e com a mesma
idade.
O ensaio em vivrio, animais em gaiolas individuais
situadas sobre bancadas.
Condies ambientais de luz, temperatura, humidade,
rudo, etc. no eram homogneas na estufa, e podem ter
inflncia sobre os acrscimos de peso dos animais.
Constituidos 5 blocos de unidades experimentais, isto , 5
grupos de porquinhos-da-India.
Cada bloco de animais consiste de 4 porquinhos-da-India,
um para cada uma das 4 dietas.
As 4 gaiolas de cada bloco foram arrumadas em posies
vizinhas sobre a bancada do laboratrio, e distriburam-se
os 5 blocos pela bancada por forma a corresponderem
tanto quanto possvel a diferentes condicionalismos
ambientais.
Considera-se que todos os membros de um mesmo bloco
se encontram em idnticas condies, excepto no tocante,
com bvio, dieta alimentar.
A atribuio da dieta a cada um dos indivduos de um
bloco foi feita por um processo aleatrio.

Blocos Completos Casualizados

Caractersticas


Plano do ensaio e acrscimos de peso dos porquinhos-da-India ao fim do perodo de

experincia.

Bloco
1

Bloco
2

Bloco
3

Bloco
4

Bloco
5

C
2.1

A
1.4

C
2.4

D
1.3

A
1.4

D
1.3

C
2.2

B
2.1

B
3.0

D
1.5

A
1.5

B
2.9

D
1.1

A
1.2

C
2.5

B
2.7

D
1.0

A
1.4

C
2.0

B
3.3

Blocos Completos Casualizados

Utilizao
Situaes em que se suspeita ou se sabe partida que certas
unidades experimentais, tratadas de forma idntica,
respondero de forma diferente aos tratamentos:

nos ensaios de campo, parcelas de terreno contguas tendem

a responder de forma mais semelhante que parcelas afastadas;

os animais mais pesados de um grupo de animais com a

mesma idade tendem a exibir uma taxa de acrscimo de peso
distinta da dos animais mais leves;
medies feitas no mesmo dia com um certo equipamento
tendem a ser mais homogneas que as feitas com o mesmo
equipamento noutro dia;

um lote de anlises bioqumicas (envolvendo vrias

manipulaes) tende a produzir resultados mais homogneos
quando executado mesmo analista do quando o por vrios
analistas.

BCC: Exemplos de Factores que integram os

Blocos
Varivel Perturbadora

Unidade Experimental

Gradiente de fertilidade
Gradiente de humidade

Parcela de Terreno

Diferenas no declive
Composio do solo
Orientao do Sol
Fluxo de ar

Localizao na estufa

Distribuio do calor
Idade

rvore

Densidade local
Gnero
Idade

Pessoa

Scio-demografia

BCC: Regras para a implementao dos Blocos

A fiabilidade da anlise depende muito da forma como se

constituem os Blocos:

Com parcelas de terreno, os Blocos devem ficar

perpendiculares ao gradiente do factor de perturbao
que se quer controlar.

Utilizam-se reas de bordadura (isto , de excuso) de

tamanho apropriado para eliminar as interferncias de
parcelas vizinhas (isto , para assegurar a
independncia das respostas), tanto entre como dentro
dos blocos.
O grande princpio maximizar a homogeneidade dentro
dos Blocos e, ao mesmo tempo, maximizar a
heterogeneidade entre os Blocos.

BCC: Exemplo incorrecto

Gradiente de humidade

T2

T4

T1

T1

T2

T5

T5

T3

T2

T3
T4
T1

T3

T5

T4

T4

T1

T3

T2
T5

Efeitos dos tratamentos confundidos com efeitos da humidade!

BCC: Exemplo correcto

T1

T3

T5

T4

T2

Gradiente de humidade

T5

T2

T3

T1

T4

T3

T2

T4

T5

T1

T4

T5

T1

T2

T3

O efeito do Bloco remove agora o efeito da humidade,

possibilitando comparaes correctas entre tratamentos!.

BCC: Vantagens e Desvantagens

Vantagens:
Permite controlar uma nica fonte estranha de variao e
remover o seu efeito da estimativa do erro experimental.
Assegura maior flexibilidade no planeamento da experincia.
Assegura maior flexibilidade na implementao e administrao
da experincia.
Desvantagens:
Geralmente inadequado quando h um nmero elevado de
tratamentos, devido a eventual impossibilidade de assegurar a
homogeneidade dentro dos Blocos.
Problemas srios com a anlise se existir de facto uma
interaco entre o factor em Blocos e os tratamentos, e no se
tenha previsto a replicao dentro dos Blocos (soluo: usar
replicao dentro dos blocos quando possvel).

ANOVA em BCC: Clculo

Variao devida ao
factor Blocos

Variao Total

Variao devida ao
factor Tratamentos

+
Embora haja 2
factores (Blocos
e Tratamentos),
no se pode
calcular a
interaco!

Variao aleatria (erro

experimental)

ANOVA em BCC: Clculo

Graus de liberdade de
Blocos (a-1)

Graus de liberdade
de Tratamentos (b-1)

Graus de liberdade
totais (ab-1)

Graus de liberdade
do erro (a-1). (b-1)

ANOVA em BCC: Clculo

TC =
SQD

2
..

axb
b

= Y ij2 TC

TOTAL

TOTAL = axb 1

SQD

Blo cos

T .j

TC

Blo cos = b 1

SQD

Tratamento

T i.

TC

= a 1

Tratamento

SQD

= SQD

Erro

Total

SQD

Blo cos

SQD

Tratamento

Erro = ( a 1 ) x ( b 1 )

ANOVA em BCC: Clculo

Organizar os dados numa tabela Blocos x Tratamentos:
Dietas

T.j

Blocos

1
2
3
4
5
Ti.

1.5
1.4
1.4
1.2
1.4
6.9

2.7
2.9
2.1
3.0
3.3
14.0

2.1
2.2
2.4
2.0
2.5
11.2

1.3
1.0
1.1
1.3
1.5
6.2

7.6
7.5
7.0
7.5
8.7
38.3

TC =

38 . 3

= 73 . 3445

4x5

SQDTOTAL = 82.67 TC = 9.3255

TOTAL = 4x5 1 = 19

SQDErro= 9.3255 0.39308.1535= 0.7790

Erro= (4 1)x(5 1) =12
SQD Tratamento
Tratamento

2
2
2
2
6 . 9 + 14 . 0 + 11 . 2 + 6 . 2

TC = 8 . 1535

= 4 1 = 3

SQDErro = 9.3255 0.3930 8.1535 = 0.7790

Erro = (4 1)x(5 1) = 12

ANOVA em BCC: Clculo

QUADRO ANOVA

F
Origem da
variao

GL SQD

QM

Famostra

=0.05 =0.01 =0.001

Blocos

4 0.3930 0.0982 1.51(ns)

3.26

Tratamentos
(Dietas)

3 8.1535 2.7178 41.9(***)

3.49

5.95

10.8

ERRO

12 0.7790 0.0649

TOTAL

19 9.3255

Deciso e Concluso: Rejeitar H0. Conclui-se que

existe uma diferena muito altamente significativa
entre os ganhos mdios de peso produzidos pelas 4
dietas ensaiadas.

BCC: Organizao em Blocos e Controlo

da Variao Espria
O interesse principal do investigador comparar ganhos mdios de
peso alcanados com as quatro dietas.
A variao que a heterogeneidade das condies ambientais
introduz nos ganhos de peso representa uma fonte de variao estranha
ao objectivo do ensaio (variao espria).
A menos que o investigador a consiga controlar, esta variao tem
potencial para sobrepr-se das dietas, mascarando as eventuais
diferenas entre dietas.
Como consequncia disto, h uma probabilidade elevada de se concluir
(erroneamente) que no h diferena entre os efeitos das dietas, quando na
realidade elas esto presentes no ensaio!
Em teoria, comparaes rigorosas s poderiam ser feitas se ele
instalassem os animais sujeitos s quatro dietas num ambiente
perfeitamente homogneo.