Costa, S.C.

Universidade Estadual de Londrina

Departamento de Estatstica

Delineamento Inteiramente
Casualizado
Silvano Cesar da Costa

Londrina - Parana

Costa, S.C.

Delineamento Inteiramente Casualizado

Suponha que haja a tratamentos ou diferentes nveis de um u
nico fator que
se queira comparar. A resposta observada de cada dos a tratamentos e uma
vari
avel aleatoria. Os dados seriam da forma:
Tratamentos

Observac
oes

Totais

Medias

y11

y12

y1n

y1

y1

2
..
.

y21
..
.

y22
..
.

y2n
..
.

y2
..
.

y2
..
.

yi1

yi2

yin

yi

yi

em que yij representa a j-esima observac

ao do i-esimo tratamento;
yi =

j=1

yij

yi =

yij
j=1

yij
y
y =
=
.
an
an
i=1 j=1
a

Costa, S.C.

Por levar em considerac

ao apenas os princpios da repeti
c
ao e da casualiza
c
ao, sao considerados os mais simples delineamentos experimentais.
Sao instalados em situac
ao de homogeneidade, por isso, sao muito usados em
laboratorios, casas de vegetac
ao, etc.
O modelo estatstico para o delineamento inteiramente casualizado e:
{
yij = + i + ij ,

i = 1, 2, . . . , a
j = 1, 2, . . . , n

(1)

O objetivo e testar hipoteses apropriadas sobre os efeitos dos tratamentos e

estima-los.

Costa, S.C.

An
alise do modelo de efeitos xos
Quando se instala um experimento no delineamento inteiramente casualizado,
o objetivo e, em geral, vericar se existe diferenca signicativa entre pelo
menos duas medias de tratamentos. As hipoteses testadas sao:
H0
H1

: 1 = 2 = = a
: i =
j
Pelo menos duas medias de tratamentos diferem entre si

Uma forma equivalente de escrever as hipoteses anteriores e em termos dos

efeitos dos tratamentos i , que e:
H0
H1

: 1 = 2 = = a = 0
: i =
0
Pelo menos um dos tratamentos difere dos demais

Costa, S.C.

Considere a estimac
ao dos parametros do modelo (1), usando o metodo de
mnimos quadrados. A func
ao de mnimos quadrados e:
a
n

i=1 j=1

{z

2ij =
}

a
n

[yij i ] .

i=1 j=1

Derivando-se L em relac
ao aos parametros ( e i ) tem-se:
L

= 2

L
i

= 2

a
n

[yij
i ] (1) = 0

i=1 j=1
n

[yij
i ] (1) = 0

j=1

e igualando-se os resultados a zero e aplicando os somatorios, obtem-se o

Costa, S.C.

chamado sistema de equac

oes
a n

yij =

i=1 j=1

y1j
=

j=1

n
y2j
=

j=1

..

yaj
=

j=1

normais:
an
+ n
1 + n
2 + + n
a
n
+ n
1
n

+ n
2
..
.

+ n
a

Costa, S.C.

que pode ser resumido como:

a n

yij

i=1 j=1
n

yij

= an
+n

i=1

= n
+ n
i

j=1

cujo sistema so tem soluc

ao, se impusermos a restric
ao

i = 0.

i=1

Os estimadores de mnimos quadrados para e i , sao dados por:

=
i =

y.. ;
yi. y..

i = 1, 2, . . . , a;

(2)
(3)

A reducao na variabilidade, atraves do modelo ajustado, e sempre a soma das

estimativas dos parametros, cada multiplicada pelos termos do lado esquerdo
ao devido
da equacao normal que corresponde ao parametro. Assim, a reduc
ao ajuste do modelo (1) e:

Costa, S.C.

SQP ar = R(, )

=
y + 1 y1 + 2 y2 + + a ya
a

=
y +
i yi

(4)

i=1

Substituindo-se as estimativas obtidas pelas equac

oes 2 e 3, na equac
ao 4 e,
apos manipulacao algebrica, tem-se:
R(, ) =
=

y +

y y +

i yi

i=1
a

(
yi. y.. ) yi

i=1

R(, ) =

y2

i.

i=1

(5)

O n
umero de graus de liberdade associado com uma reduc
ao na soma de
quadrados e sempre igual ao n
umero de equac
oes normais linearmente independentes, que neste caso e a. A variabilidade restante nao levada em conta

Costa, S.C.

pelo modelo e a chamada soma de quadrados de resduos, dada por:

SQRes =

a
n

2
yij
R(, )

(6)

i=1 j=1

Substituindo-se a equac
ao 5 em 6, obtem-se:
SQRes =

a
n

2
yij

i=1 j=1

y2

i.

i=1

com an a = a(n 1) graus de liberdade.

Para encontrar a soma de quadrados resultante dos efeitos de tratamentos,
considera-se o modelo restrito `a hipotese nula, ou seja, i = 0, para todo i.
Logo, o modelo reduzido e yij = + ij . Ha uma u
nica equac
ao normal para
este modelo:
an
= y ,
cujo estimador de e
= y .

Costa, S.C.

A reducao na soma de quadrados que resulta de ajustar somente e:

y2
R() = (
y )(y ) =
,
an
com 1 grau de liberdade. Esse resultado e conhecido como corre
c
ao. A
soma de quadrados devido `a i , dado que ja esteja no modelo, e a diferenca
entre R(, ) e R(), que e:
R( | ) =
R( | ) =
com a 1 graus de liberdade.

R(, ) R()
a

y2
yi.2
SQTrat =

,
n
an
i=1

10

Costa, S.C.

Observe que se for adicionado e subtrado R() na equacao 6, tem-se:

SQRes

a
n

i=1 j=1
n
a

2
yij
R(, ) + R() R()

2
yij
R() R(, ) + R()

i=1 j=1

[
]
n
a

=
yij
R() R(, ) R()
i=1 j=1

SQRes

[
]
a
n
a
2
2

y2
y
y

i.
2

=
yij

an
n
an
i=1 j=1
i=1
{z
}
{z
} |
|
=
SQT otal
+ SQT rat

11

Costa, S.C.

12

Para vericarmos se a hipotese nula (H0 ) e aceita ou nao, completa-se o

seguinte Quadro da An
alise de Vari
ancia:
Tabela 1: Quadro da Analise de Vari
ancia.
CV

S.Q.

g.l.

Q.M.

Fcalc

Ftab

Tratamentos

SQTrat

a-1

SQT rat
a1

QM T rat
QM Res

F;a1,a(n1)

Resduo

SQRes

a(n-1)

SQRes
a(n1)

SQTotal

an - 1

Total

Fazendo-se a usual suposic

ao de normalidade, a estatstica apropriada para
H0 : i = 0 e
Fcal

R( | )/(a 1)
QM T rat
=
=
.
SQRes/a(n 1)
QM Res

Se Fcal > F;(a1),a(n1) , rejeita-se H0 .

Costa, S.C.

As somas de quadrados, obtidas a partir da equac

ao (1), sao dadas por:
2

n
a

yij
a
n

i=1 j=1
2
SQT otal =
yij C
C=
an
i=1 j=1
1 2
yi C
n i=1
a

SQT rat =

SQRes = SQT otal SQtrat

13

Costa, S.C.

SQT otal

a
n

i=1 j=1

=
SQTotal =

SQT rat

SQTrat =
SQRes
SQRes

=
=
=

y2

an

(161, 07)2
4, 38 + 4, 87 + . . . + 8, 99
45
59,71346
2

y2

y2

n
an
i.

i=1

2
yij

14

] (161, 07)2
1[
2
2
2
2
33, 84 + 39, 57 + 43, 07 + 44, 59
5
45
13,667455
SQT otal SQT Rat
59, 71346 13, 667455
46,046005

Costa, S.C.

15

Substituindo-se esses resultados no quadro da analise de vari

ancia, dado na
Tabela 2, obtem-se:
Tabela 2: Analise de vari
ancia para os dados do Exemplo 2.
C.V.

gl

S.Q.

Q.M.

Fcalc

Ftab

Pr(> F)

Drogas

13,667455

4,556

1,583

3,24

0,233

Resduo

16

46,046005

2,878

Como Fcal < Ftab , aceita-se H0 , ou seja, o efeito das drogas e o mesmo na
reducao do colesterol.

Costa, S.C.

Para obter os resultados da analise de vari

ancia utilizando-se do R, basta
digitar o comando:
(colest = c(4.38, 4.87, 7.22, 8.42, 8.95,
9.37, 10.10, 4.94, 8.41, 6.75,
9.17, 7.12, 9.22, 10.67, 6.89,
8.05, 9.80, 8.71, 9.04, 8.99))
(drogas = factor(rep(LETTERS[1:4], each=5)))
(Colesterol = data.frame(drogas, colest))
attach(Colesterol)
anava = aov(colest~drogas)
summary(anava)
qf(0.95, 3, 16)
Pode-se confiar na conclus
ao obtida?

16

Costa, S.C.

A analise de variancia, para testar essas hipoteses, s

o
e v
alida se forem
satisfeitas as seguintes condic
oes:
1) aditividade: os efeitos devem se somar (nao ha interac
ao);
2) independ
encia: os erros (ij ) devem ser independentes;
3) normalidade: os erros (ij ) devem possuir uma distribuic
ao normal;
4) homocedasticidade ou homogeneidade de vari
ancias: os erros (ij )
devem possuir uma vari
ancia comum 2 ;
Para a verifica
c
ao da normalidade dos erros, em geral, utilizam-se
os testes de normalidade, tais como Shapiro-Wilk, 2 de Pearson, Lilliefors (Kolmogorov-Smirnov), Anderson-Darling, Cramer-von Mises, alem da
analise de resduos, construindo o graco qqplot.

17

Costa, S.C.

Os comandos do R, bem como o resultado do teste para os resduos do modelo 1, obtido no quadro da analise de vari
ancia, apresentado na Tabela 2
e:
H0 : Os erros tem distribuic
ao normal.
H1 : Os erros nao tem distribuic
ao normal.
> shapiro.test(anava$res)
Shapiro-Wilk normality test
data: anava$res
W = 0.953, p-value = 0.4156

> require(nortest)
> lillie.test(anava$res)
Lilliefors (Kolmogorov-Smirnov) normality test
data: anava$res
D = 0.1184, p-value = 0.6531
mostrando que os erros tem uma distribuic
ao normal.

18

Costa, S.C.

19

A homogeneidade das vari

ancias pode ser vericada atraves de testes e
pela analise dos resduos:
a) teste de Bartlett, que e dado por:
M
B=
C
em que:
M

i=1

(ni 1) ln (s2p )

(ni 1) ln s2i

i=1

1
1
1

a
1+

3(a 1) i=1 ni 1

(ni 1)
i=1

Costa, S.C.

ainda,
a

s2p =

(ni 1)s2i

i=1
a

(ni 1)

i=1

Muitos pesquisadores preferem trabalhar com logaritmos na base 10,

logo, faz-se uma mudanca de base, dada por:
2
log
(s
10
p)
2
ln (sp ) =
= 2, 302585 log10 (s2p )
log10 (e)

20

Costa, S.C.

21

e a formula para o teste de Bartlett ca:

[
2, 3026
B=

M
=
C

i=1

(ni 1) log (s2p )

]
(ni 1) log s2i

i=1

1
1
1

1+
a

3(a 1) i=1 ni 1

(ni 1)
i=1

em que B 2a1; .

Costa, S.C.

Para fazer o teste de Bartlett no R, usa-se o seguinte comando:

> bartlett.test(colest~drogas)
Bartlett test of homogeneity of variances
data: colest by drogas
Bartletts K-squared = 4.7347, df = 3, p-value = 0.1923
Como o p-valor e 0, 1563, nao se rejeita a hipotese de homogeneidade de
vari
ancias.
e muito sensvel `
a falta de norEstudos indicam que o teste de Bartlett
malidade e nao deve ser aplicado quando houver d
uvida sobre a suposicao
de normalidade.
Neste caso, deve-se utilizar o teste de Levene. Para aplicar o teste de
Levene usando o R, basta o comando:
> require(car)
> leveneTest(colest~drogas, center=mean)

22

Costa, S.C.

Exemplo: Seja yij o valor da produc

ao de leite da j-esima vaca que recebeu o
i-esimo tratamento. Os valores das produc
oes (kg) de leite a 4% de gordura
das vacas que participaram do estudo, podem ser resumidos na forma da
Tabela 3.
Tabela 3: Valores de produc
ao de leite (kg), obtidos no experimento.
Sem suplementac
ao (t1 ) Mandioca (t2 ) Araruta (t3 ) Batata Doce (t4 )
19,58
23,40
35,42
22,15
21,07
22,37
32,47
24,37
23,43
24,36
34,48
26,54
25,42
25,12
33,79
20,37
22,81
22,94
35,04
19,54
23,54
21,56
35,19
24,06
135,85
139,75
206,39
137,03
Total produzido: 619, 02 (kg).
Ao nvel de 5% de signicancia, concluir a respeito da suplementac
ao e sobre
os tipos de suplementac
ao usados.

23

Costa, S.C.

24

O quadro da analise de vari

ancia e dado por:
> anava.av = aov(Quilos~Trat)
> anova(anava.av)
Analysis of Variance Table
Response: Quilos
Df Sum Sq Mean Sq F value
Pr(>F)
Trat
3 593.82 197.939 56.033 6.495e-10 ***
Residuals 20 70.65
3.533
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Ftab = 3, 098391
p valor = 0, 0000000006495

Costa, S.C.

Teste de homogeneidade de vari

ancias:
> bartlett.test(Quilos~Trat)
Bartlett test of homogeneity of variances
data: Quilos by Trat
Bartletts K-squared = 4.2843, df = 3, p-value = 0.2324

Teste de normalidade dos erros:

> shapiro.test(anava.av$res)
Shapiro-Wilk normality test
data: anava.av$res
W = 0.9792, p-value = 0.8801

25

Costa, S.C.

Teste de Comparac
oes M
ultiplas
Na analise realizada, rejeitou-se a hipotese de que as medias dos suplementos
fossem iguais. Quais diferem entre si?
Para responder a esta pergunta o pesquisador precisa de um metodo que
forneca a diferenca mnima signicativa entre duas medias.
Ha diversos testes de comparac
oes m
ultiplas para calcular a diferenca mnima
signicativa.
De acordo com Conagin et.al, a aplicac
ao dos testes, no caso de tratamentos
qualitativos, pode ser realizada da seguinte forma:
Contrastes ortogonais: teste t, teste F e teste de Schee;
M
edias duas a duas: teste de Tukey, teste de Duncan, teste de Bonferroni
e teste de Newman-Keuls;
Compara
c
ao entre o controle e as demais m
edias: teste de Dunnett.

26

Costa, S.C.

Para os testes de comparac

oes de medias duas a duas, pode-se citar, ainda,
o teste de Scott-Knott.
Ja para o estudo de tratamentos quantitativos, deve-se aplicar a an
alise de
regress
ao.

Contrastes
Uma vez que a hipotese nula H0 : i = 0 foi rejeitada, sabe-se que algum
tratamento produz uma produc
ao de leite diferente dos outros. Mas qual
deles causa tal diferenca?
Poderia-se pensar, inicialmente, que os suplementos 3 e 4 produzem a mesma
quantidade de leite, implicando que poderia-se testar a hipotese:
H0 : 3 = 4
H1 : 3 = 4

27

Costa, S.C.

Tal hipotese poderia ser testada utilizando-se uma combina

c
ao linear apropriada dos tratamentos, tal como:
y3 y4 = 0
Se ha suspeitas de que a media dos tratamentos 1 e 2 nao diferem da media
dos tratamentos 3 e 4, ent
ao a hipotese nula poderia ser
H0 : 1 + 2 = 3 + 4
H1 : 1 + 2 = 3 + 4
que implica na combinac
ao linear
y1 + y2 y3 y4 = 0
Em geral, a comparac
ao das medias de tratamentos de interesse implicara
em uma combina
c
ao linear dos tratamentos, dada por:
C=

i=1

ci yi

28

Costa, S.C.

com a restricao

29

ci = 0.

i=1

Tais combinacoes lineares sao chamadas contrastes. A soma de quadrados

para qualquer contraste e:
( a
)2

ci yi
SQC =

i=1

(7)
c2i

i=1

e tem um grau de liberdade. Se o delineamento e desbalanceado, ent

ao a
a

comparacao das medias de tratamento exige que

ni ci = 0 e a equac
ao 7
i=1

resultara em:

Costa, S.C.

( a

SQC =

30

)2
ci yi

i=1
a

(8)
ni c2i

i=1

Um contraste e testado comparando-se sua soma de quadrados ao quadrado

medio do resduo. A estatstica resultante tera uma distribuic
ao F com N a
graus de liberdade.

Contrastes ortogonais
Um caso especial muito importante do procedimento da subsec
ao 1 e aquele
de contrastes ortogonais. Dois contrastes com coecientes ci e di sao
ortogonais se
a

ci di = 0
i=1

Costa, S.C.

ou, para um delineamento desbalanceado, se

a

ni ci di = 0

i=1

A ortogonalidade indica que a variac

ao de um contraste e inteiramente
independente da variac
ao de outro qualquer que lhe seja ortogonal.
Para a tratamentos o conjunto de a 1 contrastes ortogonais particiona a
soma de quadrados devido a tratamentos para a 1 componentes independentes com um u
nico grau de liberdade.

31

Costa, S.C.

32

Ha muitas maneiras de escolher os coecientes dos contrastes ortogonais para

um conjunto de tratamentos. Usualmente, algo na natureza do experimento
devera sugerir quais comparac
oes serao de interesse.
Considere o experimento discutido dos suplementos. Os contrastes ortogonais apropriados poderiam ser:

Tratamentos

Coecientes dos contrastes

C1

C2

C3

Mandioca

Araruta

Batata Doce

Sem Suplemento

Note que o contraste C1 compara o efeito medio dos tratamentos com suplemento e sem suplemento.

Costa, S.C.

Ja no contraste C2 sao comparados os efeitos medios da Araruta com a Mandioca e Batata Doce.
Por u
ltimo, no contraste C3 , compara-se o efeito medio da Mandioca e da
Batata Doce.
Os coecientes dos contrastes devem ser escolhidos antes de executar
o experimento e examinar os dados.
A razao para isto e que, se comparac
oes sao selecionadas apos examinar
os dados, muitos pesquisadores construiriam testes que corresponderiam a
grandes diferencas observadas na media.

33

Costa, S.C.

Teste t
talvez o menos usado devido `as suas exigencias que sao:
E
a) Os contrastes devem ser estabelecidos antes do conhecimento dos resultados, isto e, deve ser uma hipotese de pesquisa;
b) Os contrastes devem ser ortogonais;
c) o n
umero de contrastes ortogonais deve ser igual ao n
umero de graus de
liberdade de tratamentos.
A equacao do teste e dada por:
tcalc

Yi 0
=
V (Yi )

em que:
Yi e a estimativa de um contraste;
V (Yi ) e a estimativa da vari
ancia da estimativa de um contraste.

34

Costa, S.C.

Para vericar a signicancia, ou nao, do contraste, consulta-se a tabela t com

n = n
umero de graus de liberdade do resduo, a um nvel de probabilidade.
Se |tcalc | ttab , rejeita-se H0 , ou seja, admite-se que Yi =
0.
Se |tcalc | < ttab , aceita-se H0 .
Considere os dados do exemplo e que as hipoteses de pesquisa foram elaboradas antes da realizac
ao do experimento e sao:

Y1

31 (2 + 3 + 4 )

Y2

23 (2 + 4 )

Y3

= 2 4

Uma estimativa para qualquer desses contrastes e obtida substituindo-se as

medias por suas estimativas, dadas por: yi .

35

Costa, S.C.

Seja
Y1 = 3
y1 (
y2 + y3 + y4 )
a estimativa do contraste Y1 , tomada em modulo.
Portanto a variancia do contraste, admitindo-se que as medias dos tratamentos s
ao independentes, e dada por:
V (Y1 ) = 9 V (
y1 ) + V (
y2 ) + V (
y3 ) + V (
y4 )
i2
mas, V (
yi ) =
e, admitindo-se que os dados sao balanceados, tem-se:
ni
2
2
2
2

1
2
3
4
V (Y1 ) = 9
+
+
+
n1
n2
n3
n4

Se a homogeneidade de vari
ancias e aceita, tem-se que 12 = 22 = 32 = 42
e, portanto,
12 =
22 =
32 =
42 = QM Res. Assim, como os dados sao balanceados com 6 repetic
oes, a estimativa da vari
ancia da estimativa do contraste
ca:
QM Res
V (Y1 ) = 12
n

36

Costa, S.C.

De forma geral, e dado por:

c2
i
V (Yi ) =
QM Res.
ni
i
Como o QM Res = 3, 5325667 e ha 6 repetic
oes por tratamento, o teste t
para o contraste Y1 ca:
tcalc

tcalc

Yi 0

V (Yi )
12, 60332 0

3, 5325667
12
6

= 4, 7416

o valor tabelado e ttab = t20,0,05 = 2, 086. Logo, o contraste Y1 e signicativo.

Fica ao aluno a tarefa de realizar os calculos para os demais contrastes.

37

Costa, S.C.

38

Os comandos para realizar os testes para todos os contrastes usando o R e:

> require(gregmisc)
(C = rbind(" 3t1 vs (t2+t3+t4) " = c(3, -1, -1, -1),
" 2t3 vs (t2 + t4) " = c(0, -1, 2, -1),
" t2 vs t4 " = c(0, 1, 0, -1)))
fit.contrast(anava.av, "Trat", C, conf=0.95 )
qt(.95, 20)
Obs.: Se necessario instale os pacotes: gdata, gmodels, gplots, gtools.
cujos resultados sao:
& Estimate & Std. Error & t value & Pr(>|t|) & lower CI & upper CI
Trat 3t1 vs (t2+t3+t4) &

-12.60 &

2.66

&

-4.74

&

0.00

&

-18.15

& -7.06

Trat 2t3 vs (t2 + t4)

&

22.67 &

1.88

&

12.06

&

0.00

&

18.75

& 26.59

Trat t2 vs t4

&

0.45 &

1.08

&

0.42

&

0.68

&

-1.81

&

2.72

Costa, S.C.

Teste F
Esse mesmo estudo dos contrastes ortogonais feito pelo teste t, pode ser feito
de forma mais elegante na propria analise de vari
ancia.
Esse procedimento e conhecido como desdobramento de graus de liberdade
de tratamento ou partic
ao da Soma de Quadrados de Tratamentos, sendo
que a cada contraste estara associado 1 grau de liberdade.

39

Costa, S.C.

Assim, em nosso exemplo, utilizando a equac

ao 7 tem-se:
Y1
SQY1
SQY1
Y2
SQY2
SQY2
Y3
SQY3
SQY3

= 31 (2 + 3 + 4 )
[
]
2
2
135, 85
(139, 75 + 206, 39 + 137, 03)
(619, 02)2
+
=

6
18
24
= 79, 4220054
= 23 (2 + 4 )
[
]
206, 392
(139, 75 + 137, 03)2
(139, 75 + 206, 39 + 137, 03)2
=
+

6
12
18
= 513, 7777778
= 2 4
[
]
2
2
(137, 03)
139, 75
(139, 75 + 137, 03)2
+
=

6
6
12
= 0, 61653333

40

Costa, S.C.

41

Assim, o quadro da analise de vari

ancia, apresentado na Tabela 4 pode ser
escrito da seguinte forma:
Tabela 4: Analise de vari
ancia para os dados do Exemplo 2.
Causa de Variac
ao
Y1
Y2
Y3

gl

S.Q.

Q.M.

Fcalc

Ftab

79,422

79,422

22,4828

4,35

0,0001

513,778

513,778

145,4404

4,35

1,2451e-10

0,616

0,616

0,1745

4,35

0,6806

3,10

6,4954e-10

Tratamentos

(3)

(593,816)

Resduo

20

70,651

197,939

56,03

Pr(> F)

3,5326

Obs.: Note que nesse caso em que F tem 1 grau de liberdade, tem-se que
F = t2 . As conclusoes sao as mesmas. Mesmo .

Costa, S.C.

42

Teste de Sche
e
O teste de Schee pode ser aplicado para testar todo e qualquer contraste
envolvendo medias de tratamentos do tipo
Y = c1 1 + c2 2 + + ca a ,
sendo a estimativa do contraste dada por:
Y = c1 y1 + c2 y2 + + ca ya .

(9)

Ele n
ao exige ortogonalidade nem que os contrastes sejam estabelecidos a priori , bastando apenas que o teste F da analise de vari
ancia para
tratamentos seja signicativo.
A estatstica do teste, denotada por S, e calculada por:

S = (a 1) Ftab V (Y ),
em que:

Costa, S.C.

a e o n
umero de tratamentos do experimento;
Ftab e o valor crtico da tabela, ao nvel de probabilidade, em func
ao
dos n
umeros de graus de liberdade de tratamentos e do resduo.
v
u
a
2

u
c
i
V (Y ) = tQM Res
n
i=1 i
A Regra de Decisao do teste de Schee para saber se o contraste e diferente
de zero, e tomada comparando-se a estimativa do contraste Y com o valor
de S, da seguinte forma
a) se |Yi | S, rejeita-se a hipotese H0 : Yi = 0, concluindo-se que o contraste
de medias e diferente de zero;
b) se |Yi | < S, nao se rejeita a hipotese H0 : Yi = 0, concluindo-se que o
contraste de medias nao e diferente de zero;

43

Costa, S.C.

Exemplo: Considere os dados da Tabela 3 e que o contraste a ser testado

seja:
Y1 = 33 (1 + 2 + 4 ).
Logo, as hipoteses sao:
H0 : Y i
H1 : Y i

= 0
= 0

A estimativa do contraste Y1 e, ent

ao:
Y1
Y1

3 34, 398 (22, 64 + 23, 29 + 22, 84)

= 34, 424 kg

Como o experimento e balanceado com 6 repetic

oes para cada um dos 4
tratamentos, tem-se que o valor do
Ftab = F3; 20; 0,05 = 3, 10
e, ainda, que
QM Res = 3, 5325667.

44

Costa, S.C.

Observando-se que:
V (Y )

v
u
a
2

u
c
i
= tQM Res
n
i=1 i

V (Y )

3, 5325667

V (Y )

2, 658031866 kg 2 .

45

3 +1 +1 +1
6

Aplicando-se o teste de Schee, tem-se:

S =
(a 1) Ftab V (Y )

(4 1) 3, 10 2, 658031866
S =
S = 4, 971891 kg.
Portanto, como |Yi | S, rejeita-se a hipotese H0 : Yi = 0, concluindo-se que
a Araruta apresenta, em media, uma produc
ao superior `a media dos demais
tipos de suplementac
ao alimentar da ordem de 11, 4 kg.

Costa, S.C.

46

Obs.: o teste de Schee

e bastante rigoroso e seu uso e desaconselh
avel
para a comparacao entre duas medias de tratamentos, sendo mais indicado
para testar contrastes mais complicados.
O teste de Schee:
a) n
ao importa quantas comparac
oes serao feitas; aceito para comparac
oes
apos os dados terem sido observados;
b) se o n
umero de comparac
oes e grande, as amplitudes dos intervalos de
conanca sao menores do que o de Bonferroni;
c) se o n
umero de comparacoes e pequeno, e interessante usar outro teste.
Os comandos para realizar o teste de Schee usando o R e:
library(agricolae)
teste.scheffe = scheffe.test(anava.av, "Trat", main="")
bar.group(teste.scheffe, ylim=c(0,40), density=4, border="blue",
las=1, main=Teste Scheffe,
xlab=Tipos de Ra
c~
ao, ylab=Peso m
edio das aves (kg))
abline(h=0, col=black)

Costa, S.C.

47

Teste de Tukey
Para obter o valor da diferenca mnima signicativa (d.m.s.), basta calcular:

=q

QM Res
r

(10)

em que:
, QMRes e o quadrado medio do resduo da analise de vari
ancia;
, r e o n
umero de repetic
oes dos tratamentos;
, q e a amplitude total estudentizada e seu valor tabelado em func
ao do
n
umero de tratamento (a) e do n
umero de graus de liberdade do resduo.

Costa, S.C.

Para o exemplo em questao, tem-se que:

QM Res = 3, 532567;
anova(anava.av)$Mean[2]
q = q4;20 = 3, 958293 e
qtukey(.95, 4, 20)
r = 6
logo, substituindo-se os valores na Equac
ao 12, a diferenca mnima signicativa sera, ao nvel de 5%:

3, 532567
= 3, 96
= 3, 04 kg.
6

48

Costa, S.C.

49

Construindo-se a tabela das medias ordenadas em ordem decrescente, tem-se:

Medias (kg)
Araruta (AR)

34,398

Mandioca (MA)

23,29

Batata Doce (BD)

22,84

Sem Suplemento (SS)

22,64

em que letras iguais indicam medias semelhantes.

Para obter o resultado do teste de Tukey usando o R, basta o seguinte comando:
> anava.tukey = TukeyHSD(anava.av, ordered=T)
> anava.tukey
> plot(anava.tukey, las=1, main=" ")

Costa, S.C.

Os valores das diferencas (di ) entre as medias de pares de tratamentos,

sendo: t1 = Sem Suplementac
ao, t2 = Mandioca, t3 = Araruta e t4 = Batata Doce, sao:
Tukey multiple comparisons of means
95% family-wise confidence level
factor levels have been ordered
Fit: aov(formula = Quilos ~ Trat)
$Trat
diff
lwr
upr
p adj
t4-t1 0.1966667 -2.786929 3.180262 0.9976951
t2-t1 1.1900000 -1.793595 4.173595 0.6839503
t3-t1 11.7566667 8.773071 14.740262 0.0000000
t2-t4 0.9933333 -1.990262 3.976929 0.7882850
t3-t4 11.5600000 8.576405 14.543595 0.0000000
t3-t2 10.5666667 7.583071 13.550262 0.0000000

50

Costa, S.C.

Observe que os pares que apresentam diferencas signicativas sao aqueles cujos limites inferiores (lwr ) e superiores (upr ) tem o mesmo sinal. Portanto,
conclu-se que o suplemento alimentar Araruta, melhora a produc
ao signicativamente, nao havendo diferenca entre as medias dos demais tratamentos.
Uma visualizacao mais rapida das diferencas entre os pares de medias e obtida
atraves da Figura 1:

51

Costa, S.C.

52

95% familywise confidence level

t4t1

t2t1

t3t1

t2t4

t3t4

t3t2
0

10

Differences in mean levels of Trat

Figura 1: Diferencas nas medias dos tratamentos

15

Costa, S.C.

53

Uma forma mais parecida com o calculo manual e dada por:

library(agricolae)
#-------------# Teste Tukey #-------------teste.HSD = HSD.test(anava.av, Trat, main=Ganhos de Peso)
bar.group(teste.HSD, ylim=c(0,40), density=10, border=blue",
las=1, angle=45, col=red, main=Teste de Tukey,
xlab=Tipos de Ra
c~
ao, ylab=Peso m
edio das aves (kg))
abline(h=0, col=black, lwd=1.9)

Costa, S.C.

Caso as medias confrontadas n

ao possuam o mesmo n
umero de repetic
oes,
aplica-se o teste de forma aproximada, da seguinte forma:

1
V (Y )
= q
2
(
)
1
1
V (Y ) =
+
QM res
ri
rk
em que ri e rk indicam o n
umero de repetic
oes das medias que estao sendo
comparadas.

54

Costa, S.C.

55

Teste de Duncan
Para aplicar o teste de Duncan para tratamentos com mesmo n
umero de
repeticoes, as medias dos a tratamentos sao ordenadas de forma crescente.
O teste de Duncan e dado por:

Rp = d

QM Res
r

(11)

em que:
, QM Res e o quadrado medio do resduo da analise de vari
ancia;
, r e o n
umero de repetic
oes dos tratamentos;
, d e uma constante e seu valor e tabelado em func
ao do n
umero de medias
abrangidas pelo teste e do n
umero de graus de liberdade do resduo.

Costa, S.C.

I As diferencas observadas entre as medias sao testadas, iniciando-se com

a maior versus a menor, que serao comparadas com a diferenca mnima
signicativa Rp .
I A seguir, a diferenca entre a menor e a segunda maior media e calculada
e comparada com a diferenca mnima signicativa Ra1 .
I Estas comparac
oes sao realizadas ate que todas as medias tenham sido
comparadas com a maior media.
I Finalmente, a diferenca da segunda maior media e a menor e calculada e
comparada com o valor de Ra1 .
I O processo continua ate que as diferencas entre todos os possveis pares
de medias tenham sido consideradas.
I Se uma diferenca observada e maior que a diferenca mnima signicativa
correspondente, ent
ao conclui-se que o par de medias em questao e signicativamente diferente.
Restri
c
ao: nenhuma diferenca entre duas medias pode ser tida como signicativa, se as medias consideradas estiverem, ambas, contidas em um subconjunto de medias que nao apresentem uma amplitude de dispersao signicativa.

56

Costa, S.C.

57

Exemplo: Considere os dados do exemplo cuja analise e apresentada na

Tabela 4. Construindo-se a tabela das medias ordenadas em ordem crescente,
tem-se:
Araruta (AR)
Mandioca (MA)
Batata Doce (BD)
Sem Suplemento (SS)

Medias (kg)
34,398
23,29
22,84
22,64

y3
y2
y4
y1

Os valores tabelados D, ao nvel de 5% de signicancia, levam em considerac

ao o n
umero de medias abrangidas pelo teste, logo, tem-se que considerar:
d(2, 20) = 2, 95

d(3, 20) = 3, 10

d(4, 20) = 3, 18

Costa, S.C.

e as diferencas mnimas signicativas, considerando-se 2, 3 e 4 medias, sao

dadas por:

3, 532567
R2 = 2, 95
= 2, 26 kg
6

3, 532567
R3 = 3, 10
= 2, 38 kg
6

3, 532567
R4 = 3, 18
= 2, 44 kg
6

58

Costa, S.C.

Procedendo-se a comparac
ao da diferenca entre as medias com os valores de
Rp , tem-se:
t3
t3
t3
t2
t2
t4

vs
vs
vs
vs
vs
vs

t1
t4
t2
t1
t4
t1

:
:
:
:
:
:

34, 398 22, 64 = 11, 758 kg > 2, 44 kg

34, 398 22, 84 = 11, 558 kg > 2, 38 kg
34, 398 23, 29 = 11, 108 kg > 2, 26 kg
23, 29 22, 64 = 0, 65 kg < 2, 38 kg
23, 29 22, 84 = 0, 45 kg < 2, 26 kg
22, 84 22, 64 = 0, 20 kg < 2, 26 kg

Do quadro, nota-se que so ha diferenca signicativa para as medias confrontadas com a Araruta, nao havendo diferenca entre as demais.
Caso o n
umero de repetic
ao dos tratamentos seja diferente, basta trocar r
na Equacao 11 pela media harmonica rh dos ri , dada por:
a
rh = a
1
i=1

ri

59

Costa, S.C.

60

O teste de Duncan e menos rigoroso que o teste de Tukey e pode detectar

diferencas nao discriminadas pelo teste de Tukey, devendo ser empregado em
experimentos de boa precisao.
No R para realizar o teste de Duncan, e preciso instalar o pacote agricolae:
library(agricolae)
teste.duncan = duncan.test(anava.av, Trat", main= ")
duncan.test(anava.av, Trat", alpha=0.01)
bar.group(teste.duncan, ylim=c(0,40), density=4, border=blue",
las=1, main=Teste de Duncan,
xlab=Tipos de Ra
c~
ao, ylab=Peso m
edio das aves (kg))
abline(h=0, col=black)

Costa, S.C.

Teste de Student-Newman-Keuls
O teste de Newman foi aperfeicoado por Keuls e esta sendo apresentado nos
livros de estatstica, como teste de Student-Newman-Keuls (SNK).
O SNK e derivado do teste de Tukey, sendo menos conservador (encontra mais
diferencas). O teste de Tukey controla o erro para todas as comparac
oes, ja
o SNK controla apenas para as comparac
oes em considerac
ao.
Para obter o valor da diferenca mnima signicativa (d.m.s.), basta calcular:

QM Res
snk = qi
(12)
r
em que:
, QMRes e o quadrado medio do resduo da analise de vari
ancia;
, r e o n
umero de repetic
oes dos tratamentos;
, qi e a amplitude total estudentizada e seu valor tabelado em func
ao
do n
umero de medias abrangidas pelo teste e do n
umero de graus de
liberdade do resduo.

61

Costa, S.C.

62

Exemplo: Considere os dados do exemplo cuja analise e apresentada na Tabela 4. Construindo-se a tabela das medias ordenadas em ordem crescente,
tem-se:
Medias (kg)
Araruta (AR)

34,398

y3

Mandioca (MA)

23,29

y2

Batata Doce (BD)

22,84

y4

Sem Suplemento (SS)

22,64

y1

Os valores tabelados qi (tabela de Tukey), ao nvel de 5% de signicancia,

levam em considerac
ao o n
umero de medias abrangidas pelo teste, logo, temse que considerar:
q(2, 20) = 2, 95

q(3, 20) = 3, 58

q(4, 20) = 3, 96

Costa, S.C.

e as diferencas mnimas signicativas, considerando-se 2, 3 e 4 medias, sao

dadas por:

2 = 2, 95

3 = 3, 58

4 = 3, 96

3, 532567
= 2, 26 kg
6
3, 532567
= 2, 75 kg
6
3, 532567
= 3, 04 kg
6

63

Costa, S.C.

64

Procedendo-se a comparac
ao da diferenca entre as medias com os valores de
Rp , tem-se:
t3
t3

vs
vs

t1 :
t4 :

34, 398 22, 64 = 11, 758 kg

34, 398 22, 84 = 11, 558 kg

t3
t2

vs
vs

t2 :
t1 :

34, 398 23, 29 = 11, 108 kg > 2, 26 kg

23, 29 22, 64 = 0, 65 kg < 2, 75 kg

t2
t4

vs
vs

t4 :
t1 :

23, 29 22, 84 = 0, 45 kg
22, 84 22, 64 = 0, 20 kg

> 3, 04 kg
> 2, 75 kg

< 2, 26 kg
< 2, 26 kg

Do quadro, nota-se que so ha diferenca signicativa para as medias confrontadas com a Araruta, nao havendo diferenca entre as demais.

Costa, S.C.

65

No R para realizar o teste de Student-Newman-Keuls, e preciso instalar o

pacote agricolae:
library(agricolae)
teste.snk = SNK.test(anava.av, "Trat", main="")
SNK.test(anava.av, "Trat", group=FALSE)
bar.group(teste.snk, ylim=c(0,40), density=4, border="blue",
las=1, main=Teste SNK,
xlab=Tipos de Ra
c~
ao, ylab=Peso m
edio das aves (kg))
abline(h=0, col=black)

Costa, S.C.

Teste de Bonferroni
O teste de Bonferroni pode ser usado no calculo de intervalos de conanca
ou no estudo da comparac
ao de k medias.
Se as medias de dois tratamentos forem y1 e y2 , com r repetic
oes, as diferencas entre elas sera considerada como signicativa de acordo com o teste
de Bonferroni, se |
yi yi | > B , sendo que:

(
)
1
1
B = t( ; gl) QM Res
+
ri
ri
sendo que:
a) se vao ser feitas todas as comparac
oes entre as medias, ent
a(o )o n
umero
de grupos de medias que serao comparados e dado por: g = k2 ;

;
b) o valor de t e o t de Student, sendo =
2g
c) gl e o n
umero de graus de liberdade do resduo, no quadro da analise de
variancia.

66

Costa, S.C.

67

Exemplo: Considere os dados do exemplo cuja analise e apresentada na

Tabela 4. Construindo-se a tabela das medias ordenadas em ordem crescente,
tem-se:
Medias (kg)
Araruta (AR)
34,398
y3
Mandioca (MA)
23,29
y2
Batata Doce (BD)
22,84
y4
Sem Suplemento (SS)
22,64
y1

B = t( ; gl)

QM Res

1
1
+
ri
ri

a) O n
umero de comparac
oes a serem feita e dada por: g =
b) O nvel de signicancia para cada comparac
ao e:
0, 05

=
= 0, 0041667;
=
2g
2 6
c) Portanto, t( ;gl) = t(0,0041667; 20) = 2, 93.

(k )
2

(4)
2

= 6;

Costa, S.C.

68

Logo,

= t( ; gl)

QM Res

2, 93

= 3, 1763 kg

3, 532567

1
1
+
ri
ri

1 1
+
6 6

Costa, S.C.

69

Procedendo-se a comparac
ao da diferenca entre as medias com os valores de
Rp , tem-se:
t3
t3

vs
vs

t1 :
t4 :

34, 398 22, 64 = 11, 758 kg

34, 398 22, 84 = 11, 558 kg

t3
t2

vs
vs

t2 :
t1 :

34, 398 23, 29 = 11, 108 kg > 3, 18 kg

23, 29 22, 64 = 0, 65 kg < 3, 18 kg

t2
t4

vs
vs

t4 :
t1 :

23, 29 22, 84 = 0, 45 kg
22, 84 22, 64 = 0, 20 kg

> 3, 18 kg
> 3, 18 kg

< 3, 18 kg
< 3, 18 kg

Do quadro, nota-se que so ha diferenca signicativa para as medias confrontadas com a Araruta, nao havendo diferenca entre as demais.

Costa, S.C.

70

No R para realizar o teste de Bonferroni, e preciso instalar o pacote agricolae:

library(agricolae)
teste.bonferroni = LSD.test(anava.av, "Trat", p.adj="bonferroni")
bar.group(teste.bonferroni, density=4, border="blue",
las=1, main=Teste de Bonferroni, ylim=c(0,40),
xlab=Tipos de Ra
c~
ao, ylab=Peso m
edio das aves (kg))
abline(h=0, col=black)

Costa, S.C.

O teste de

Bonferroni:

muito facil ignorar as

a) n
ao e recomendado para dados ja observados. E
comparacoes que foram feitas para decidir o que testar;
b) e interessante para comparac
oes pre-planejadas, sendo pequeno o n
umero
de comparacoes planejadas;
c) n
ao e u
til quando o n
umero de comparac
oes e grande.

71

Costa, S.C.

Teste de Dunnett
Em muitos experimentos, um dos tratamentos e o chamado controle (ou
testemunha) e o pesquisador esta interessado em comparar cada uma das
a 1 medias de tratamentos com esse controle. Logo, ha somente a 1
comparacoes a serem feitas. Um procedimento para fazer estas comparac
oes
foi apresentado por Dunnett em 1964.
Suponha que o tratamento a seja o controle. Ent
ao, quer-se testar as hipoteses:
H0 : i = a
H1 : i = a
para i = 1, 2, . . . , a 1. O teste de Dunnett e uma modicac
ao do usual
teste t. Para cada hipotese, calcula-se as diferencas observadas nas medias
amostrais
yi. ya.
i = 1, 2, . . . , a 1

72

Costa, S.C.

A hipotese nula H0 : i = a e rejeitada se

|
yi. ya. | > d

QM Res

73

1
1
+
ri
ra

em que:
, QM Res e o quadrado medio do resduo da analise de vari
ancia;
, ri e o n
umero de repetic
oes dos tratamentos;
, ra e o n
umero de repetic
oes da testemunha;
, d e uma constante e seu valor e tabelado em func
ao do n
umero de
tratamento (a 1) e do n
umero de graus de liberdade do resduo.

Costa, S.C.

74

Exemplo: Considere os dados do exemplo, cuja analise e apresentada na

Tabela 4. Se o objetivo do pesquisador fosse comparar os tratamentos com a
testemunha (neste caso Sem Complemento), aplicar-se-ia o teste de Dunnett:

(
)
1
1
+
D = d (a 1; gl) QM Res
ri
ra

(
)
1 1
D = 2, 54 3, 5325667
+
6 6
D

= 2, 707576 kg

em que d (a 1; gl) e o valor tabelado, sendo a 1 = 4 1 = 3 tratamentos

e gl = 20 graus de liberdade do resduo, ao nvel de 5% de signicancia.
|
yi. ya. |
Sem Suplemento (22, 64)

Mandioca (23, 29)

M
edias (kg)
Batata Doce (22, 84)

Araruta (34, 398)

1, 19ns

0, 196667ns

11, 756667

Verica-se que apenas a Araruta difere signicativamente da testemunha

(Sem Suplemento).

Costa, S.C.

No R para realizar o teste de Dunnett, e preciso instalar o pacote multcomp

e os seguintes comandos:
>
>
>
>

require(multcomp)
tdunnett = glht(anava.av, linfct = mcp(Trat = "Dunnett"))
summary(tdunnett)
confint(tdunnett, level = 0.95)

75

Costa, S.C.

Obs.:
I O problema da comparac
ao m
ultipla com um u
nico controle, resolvido
por Dunnett, constitui um caso particular de um problema mais geral
da comparacao m
ultipla de tratamentos propostos por Tukey e Schee.
I O teste de Dunnett aborda aqueles casos em que o experimentador deseja
somente fazer comparac
oes entre uma das medias e cada uma das outras.
Nesses casos, os testes de Tukey e de Schee, impondo restric
oes mais
gerais, resultam na obtenc
ao de limites de conanca mais amplos que
o necess
ario.

76