ESTATSTICA EXPERIMENTAL

Dr. Srgio do N. Kronka

1.

INTRODUO
A Estatstica Experimental tem por objetivo o estudo dos experimentos, incluindo o

planejamento, execuo, anlise dos dados e interpretao dos resultados obtidos.

Vejamos, ento, alguns conceitos necessrios para um bom entendimento da
Estatstica Experimental.
a)

Tratamento: uma denominao genrica, para designar qualquer mtodo,

elemento ou material, cujo efeito desejamos medir e comparar.

Por exemplo, o tratamento pode ser:
- um adubo nitrogenado para a cultura do melo;
- uma variedade de alface;
- um tratamento de solo para a cultura da melancia;
- um biofertilizante para a cultura do pimento;
- uma dosagem de calcrio para a cultura da cenoura;
- um fungicida para a cultura do tomate;
- etc
b)

Experimento ou ensaio: um trabalho previamente planejado, que segue

determinados princpios bsicos, no qual se faz a comparao dos efeitos dos

tratamentos.
c)

Unidade experimental ou parcela: a unidade na qual o tratamento aplicado.

na parcela que obtemos os dados que devero refletir o efeito de cada tratamento nela
aplicado.
Por exemplo, a parcela pode ser constituda por: uma planta; uma rea com um
grupo de plantas; um ou mais vasos numa casa de vegetao; uma placa de Petri com
um meio de cultura; um tubo de ensaio com uma soluo; etc.
d)

Delineamento experimental: o plano utilizado para realizar o experimento. Esse

plano implica na maneira como os diferentes tratamentos devero ser distribudos nas
parcelas experimentais, e como sero analisados os dados a serem obtidos.
Por exemplo, temos o delineamento inteiramente casualizado, o delineamento em
blocos casualizados, o delineamento em quadrado latino etc.

e)

Populao: o conjunto constitudo por todos os dados possveis com relao

caracterstica em estudo.
Por exemplo: se estamos interessados em verificar a incidncia da murchabacteriana em uma cultura de batata, a populao seria constituda por todas as plantas
de batata daquela cultura. Da, verifica-se que, na prtica muito difcil de se trabalhar
com os dados de uma populao.
f)

Amostra: uma parte representativa de uma populao. Na prtica, trabalhamos

com amostras (= experimentos) para obter informaes (parmetros) que sero utilizadas
nas populaes amostradas.
No exemplo da incidncia da murcha-bacteriana na cultura da batata, poderamos
tomar, ao acaso, diversas parcelas distribudas na cultura, e que constituiriam as
amostras nas quais faramos as contagens das plantas atacadas, buscando inferir a
infestao da murcha na cultura.
2.

PLANEJAMENTO DE EXPERIMENTOS

2.1.

Introduo
Os dados que empregamos na anlise estatstica constituem uma amostra da

populao em estudo e so obtidos de trabalhos previamente planejados, que so os

experimentos, sendo por isso denominados dados experimentais.
O que nos obriga a utilizar os mtodos de anlise estatstica a presena, em
todos os dados experimentais, de efeitos de fatores no controlados (que podem ou
no ser controlveis), e que causam a variao. Entre os fatores que no podem ser
controlados, podemos citar: pequenas variaes nos espaamentos entre plantas;
pequenas variaes na infestao das parcelas pelas pragas em estudo; variao na
constituio gentica das plantas (mais, ou menos, resistentes a doenas); variaes na
profundidade de semeadura das sementes; variaes na fertilidade do solo dentro da
parcela etc.
Esses efeitos, que esto sempre presentes, no podem ser conhecidos
individualmente e, no conjunto, alteram, pouco ou muito, os resultados obtidos.
O conjunto dos efeitos de fatores no controlados (que pode mascarar o efeito do
tratamento em estudo) denominado de variao do acaso ou variao aleatria.
Procurando tornar mnima a variao do acaso, o experimentador deve fazer o

planejamento do experimento de tal forma que consiga isolar os efeitos dos fatores que,
realmente, podem ser controlados.
Freqentemente, o estatstico consultado para tirar concluses com base nos
dados experimentais. Tendo em vista que essas concluses dependem da forma como
foi realizado o experimento, o estatstico solicitar uma descrio detalhada do
experimento e seus objetivos. Com relativa freqncia, ocorrem casos em que, aps a
descrio do experimento, o estatstico verifica que no pode chegar a concluso alguma,
visto que o pesquisador ou no utilizou um delineamento adequado ou no atendeu s
hipteses bsicas necessrias para a validade da anlise estatstica. Deste modo, pode
apenas aconselhar o pesquisador a repetir o experimento. Para evitar essa perda de
tempo e de recursos, essencial o planejamento adequado do experimento.
O planejamento constitui a etapa inicial de qualquer trabalho e, portanto, um
experimento deve ser devidamente planejado, de modo a atender aos interesses do
experimentador e s hipteses bsicas necessrias para a validade da anlise estatstica.
Ao iniciar o planejamento de um experimento, o experimentador deve formular e
responder a uma srie de perguntas. Como exemplo, podemos citar:
a)

Quais as caractersticas que sero analisadas?

Num mesmo experimento, vrias caractersticas podem ser estudadas.

Por

exemplo, num experimento com a cultura do tomate, podemos determinar: o nmero total
de frutos; o nmero de frutos categoria extra; a porcentagem de frutos sadios; o pH; os
slidos solveis totais (Brix); a acidez total titulvel; a concentrao de nitrato na matria
seca dos frutos; etc. Portanto, devemos definir adequadamente quais as caractersticas
de interesse, para que as mesmas possam ser determinadas no decorrer do experimento.
b)

Quais os fatores que afetam essas caractersticas?

Relacionar todos os fatores que podem influir sobre as caractersticas que sero

estudadas, como, por exemplo: variedade; espaamento; adubao; irrigao; tratos

culturais; controle de pragas e doenas etc.
c)

Quais desses fatores sero estudados no experimento?

Nos experimentos simples, apenas um tipo de tratamento ou fator deve ser estudado

de cada vez, sendo os demais mantidos constantes. Por exemplo, quando fazemos um
experimento de competio de variedades, todos os outros fatores, tais como:
espaamento; adubao; irrigao e tratos culturais devem ser os mesmos para todas as

variedades. No caso de experimentos mais complexos, como os experimentos fatoriais

ou em parcelas subdivididas, podemos estudar, simultaneamente, os efeitos de dois ou
mais tipos de tratamentos ou fatores.
d)

Como ser a unidade experimental ou parcela?

A escolha da parcela deve ser feita de modo a minimizar o erro experimental.

Devido importncia da definio da unidade experimental, faremos uma discusso mais

detalhada sobre o assunto, em seguida.
e)

Quantas repeties devero ser utilizadas?

O nmero de repeties de um experimento depende do nmero de tratamentos a

serem utilizados e do delineamento experimental escolhido.

De um modo geral,

recomenda-se que o nmero de parcelas do experimento no seja inferior a 20 e que o

nmero de graus de liberdade associado aos efeitos dos fatores no controlados ou
acaso no seja inferior a 10.
f)

Como sero analisados os dados obtidos?

A anlise estatstica depende do delineamento utilizado para a realizao do
experimento.

2.2.

Unidade experimental ou parcela

Um dos aspectos mais importantes a ser considerado durante o planejamento do

experimento a definio da unidade experimental ou parcela. De um modo geral, a

escolha da parcela deve ser feita de forma a minimizar o erro experimental, isto , as
parcelas devem ser o mais uniformes possvel para que as mesmas consigam refletir o
efeito dos tratamentos aplicados.
Em experimentos de campo, o tamanho e a forma da parcela podem variar
bastante, em funo de:
a)

Material com que se est trabalhando:

De um modo geral, em Olericultura as parcelas apresentam pouca variao quanto

ao tamanho (5 a 50 m2), mas em ensaios de competio de inseticidas ou fungicidas para

controle de pragas ou doenas, em que h uma maior heterogeneidade na infestao
inicial, devemos aumentar o tamanho das parcelas em relao aos ensaios que visam
produo.
b)

Objetivo da pesquisa:

O objetivo do trabalho experimental tambm influencia o tamanho da parcela. Por

exemplo, se desejarmos estudar o efeito da profundidade de semeadura sobre o
desenvolvimento inicial das plantas, no necessitamos trabalhar com parcelas to
grandes quanto as que seriam necessrias para um estudo de produo da cultura.
c)

Nmero de tratamentos em estudo:

Quando o nmero de tratamentos muito grande, como ocorre com os

experimentos de melhoramento gentico vegetal, o tamanho das parcelas deve ser

reduzido, para diminuir a distncia entre as parcelas extremas, visando homogeneidade
entre elas.
d)

Quantidade disponvel de sementes ou de material experimental:

Nos experimentos de melhoramento vegetal, este um fator limitante para o

tamanho da parcela.
e)

Uso de equipamentos agrcolas:

Nos experimentos em que necessria a utilizao de equipamentos agrcolas,

tais como irrigao com aspersores, pulverizadores costais, o tamanho das parcelas deve
ser maior, para permitir o uso adequado dos equipamentos.
f)

rea total disponvel para a pesquisa:

Freqentemente, o pesquisador tem que ajustar seu experimento ao tamanho da

rea disponvel, que em geral pequeno, o que resulta na utilizao de parcelas

menores.
g)

Custo, tempo e mo-de-obra:

So fatores que tambm podem limitar o tamanho das parcelas.
Com relao forma das parcelas, experimentos realizados com diversas culturas

tm mostrado que, para se obter maior preciso, as parcelas devem ser compridas e
estreitas, evitando-se que toda a parcela ocupe uma mancha de alta ou baixa fertilidade
do solo, que possa existir na rea experimental.
Para parcelas de tamanho pequeno, o efeito da forma muito pequeno.

tamanho e a forma ideais para a parcela so aqueles que resultem em maior

homogeneidade das parcelas.
Em alguns experimentos, devemos utilizar bordaduras nas parcelas, para se evitar
a influncia sobre a parcela, dos tratamentos aplicados nas parcelas vizinhas. Neste
caso, teremos a rea til e a rea total (=rea til + bordadura) da parcela, sendo que os

dados a serem utilizados na anlise estatstica sero aqueles coletados apenas na rea
til da parcela.
Nos experimentos em casas de vegetao (estufas), para a constituio de cada
parcela, podemos utilizar um conjunto de vasos ou, ento, um nico vaso com 2 ou 3
plantas e, s vezes, uma nica planta constituindo a unidade experimental.
Em experimentos de laboratrio, uma amostra simples do material poder constituir
a parcela, porm, s vezes, necessrio utilizar uma amostra composta. Quando so
feitas vrias determinaes em uma mesma amostra, o valor da parcela ser a mdia das
vrias determinaes.

No devemos confundir as diversas determinaes de uma

mesma amostra com as repeties do experimento.

2.3.

Princpios Bsicos da Experimentao

Para assegurar que os dados sero obtidos de forma a propiciar uma anlise

correta e que conduza a concluses vlidas com relao ao problema em estudo, o

experimentador deve levar em conta alguns princpios bsicos ao planejar o experimento.
2.3.1. Princpio da repetio
O princpio da repetio consiste na reproduo de uma comparao bsica, e tem
por finalidade propiciar a obteno de uma estimativa do erro experimental.
Consideremos, por exemplo, duas variedades de uma cultura, A e B, plantadas em
duas parcelas o mais semelhantes possvel. O fato da variedade A ter produzido mais
que a variedade B, pouco ou nada significa, pois a variedade A pode ter tido um melhor
comportamento por simples acaso.
Podemos tentar contornar o problema, plantando as variedades A e B em diversas
parcelas e considerar o comportamento mdio de cada variedade.

Aqui intervm o

princpio da repetio, ou seja, a reproduo de uma comparao bsica.

Esquematicamente:
A
B

Princpio da
repetio

Comparao bsica

Repeties

Entretanto, apenas este princpio no resolve totalmente o problema, pois se todas

as parcelas com a variedade A estiverem grupadas e as com a variedade B tambm, o
efeito dos fatores no controlados continuar a ser uma hiptese possvel para o melhor

comportamento da variedade A, pois suas parcelas podem ter ficado numa rea melhor
do experimento.
2.3.2. Princpio da casualizao
O princpio da casualizao consiste na distribuio dos tratamentos s parcelas de
forma casual, para se evitar que um determinado tratamento venha a ser beneficiado (ou
prejudicado) por sucessivas repeties em parcelas melhores (ou piores).
Se, por exemplo, temos as duas variedades A e B, distribudas ao acaso em seis
parcelas cada, temos:
Esquematicamente:
A
B

Princpio da
repetio +
casualizao

Comparao bsica

Repeties + casualizao

Nestas condies, se a produo mdia da variedade A for, ainda, maior que a da

variedade B, isto uma forte indicao que a variedade A , de fato, melhor que B.
Mesmo assim, ainda existe uma pequena chance que o resultado tenha sido efeito do
acaso.
2.3.3. Princpio do controle local
Este princpio freqentemente utilizado, mas no de uso obrigatrio, pois
podemos realizar experimentos sem utiliz-lo. Ele consiste em tomar pares (no caso de
dois tratamentos) de unidades experimentais o mais homogneas possvel em relao s
condies experimentais, podendo haver variao de um par para outro. Cada par de
parcelas homogneas denominado bloco. Os dois tratamentos devem ser sorteados
nas duas parcelas de cada bloco.
Quando temos mais que dois tratamentos, o nmero de parcelas por bloco deve
ser igual ao nmero de tratamentos em estudo.
Esquematicamente:
Bloco Bloco Bloco Bloco Bloco Bloco
Princpio da repetio +
casualizao +
B
controle local
Comparao bsica
A

Repeties + casualizao + controle local

Observaes:
a)

Quando o material experimental reconhecidamente homogneo, no h

necessidade de utilizao do princpio do controle local, e temos o delineamento

inteiramente casualizado (DIC).
O delineamento inteiramente casualizado tem como causas de variao nos
resultados:
- Tratamentos (fator controlado)
- Resduo (fatores no controlados ou acaso)
b)

Quando o material experimental heterogneo, deve ser utilizado o controle local,

atravs dos blocos e, ento, temos o delineamento em blocos casualizados (DBC).

O delineamento em blocos casualizados tem como causas de variao nos
resultados:
- Tratamentos (fator controlado);
- Blocos (fator controlado)
- Resduo (fatores no controlados ou acaso)
c)

s vezes, o material experimental apresenta dupla variao, tornando-se

necessrio um duplo controle local, atravs da classificao das parcelas em linhas e

colunas, com o delineamento em quadrado latino (DQL).
O delineamento em quadrado latino tem como causas de variao nos resultados:
- Tratamentos (fator controlado);
- Linhas (fator controlado);
- Colunas (fator controlado)
- Resduo (fatores no controlados ou acaso)
3.

DELINEAMENTO INTEIRAMENTE CASUALIZADO

O delineamento inteiramente casualizado (DIC) o mais simples de todos os

delineamentos experimentais, e os experimentos instalados de acordo com este

delineamento so chamados de experimentos inteiramente casualizados ou experimentos
inteiramente ao acaso.
As principais caractersticas deste delineamento so:
a)

Utiliza apenas os princpios da repetio e da casualizao (no utiliza o controle

local);

b)

Os tratamentos so distribudos nas parcelas de forma inteiramente casual, com

nmeros iguais ou diferentes de repeties para os tratamentos.
Para a instalao desses experimentos no campo, devemos ter certeza da

homogeneidade das condies ambientais e do material experimental.

Este delineamento bastante utilizado em ensaios de laboratrio, ensaios em
viveiros de plantas e em ensaios com vasos, realizados em casas de vegetao (estufas),
em que as condies experimentais podem ser perfeitamente controladas. Nos ensaios
com vasos, estes devem ser constantemente mudados de posio, de forma casual, para
evitar influncias externas sempre sobre os mesmos vasos.
O delineamento inteiramente casualizado apresenta, em relao aos outros
delineamentos, as seguintes vantagens:
a)

um delineamento bastante flexvel, pois o nmero de tratamentos e de repeties

depende apenas do nmero de parcelas disponveis;

b)

O nmero de repeties pode variar de um tratamento para outro, embora o ideal

seja utilizar o mesmo nmero de repeties para todos os tratamentos;

c)

A anlise estatstica simples, mesmo quando o nmero de repeties por

tratamento varivel;

d)

O nmero de graus de liberdade para estimar o erro experimental (que dado pelo
desvio padro residual) o maior possvel.
Em relao aos outros delineamentos, o delineamento inteiramente casualizado

apresenta as desvantagens:
a)

Exige a homogeneidade de todas as parcelas experimentais;

b)

Pode nos conduzir a uma estimativa bastante alta para a varincia residual, pois,
no utilizando o controle local, todas as variaes entre as unidades experimentais
(exceto as devidas aos tratamentos) so consideradas como variao do acaso.
A casualizao dos tratamentos nas parcelas experimentais a principal

caracterstica deste delineamento.

Por exemplo, num experimento inteiramente

casualizado, com 5 tratamentos (A, B, C, D e E) e 4 repeties por tratamento, a

casualizao dos tratamentos feita sorteando-se para cada uma das 20 parcelas do
experimento, uma combinao de tratamento com sua respectiva repetio, ou seja:

10

A1

B1

C1

D1

E1

A2

B2

C2

D2

E2

A3

B3

C3

D3

E3

A4

B4

C4

D4

E4

Assim, a distribuio dos tratamentos nas 20 parcelas do experimento, numeradas

de 1 a 20, poderia ser a seguinte:
1

2
B4

7
C1

11

12

16

13

10

14

18

D4

D3

B2

D2

5
B3

C4

E3
17

A3

4
E2

A2

E1

4.

3
D1

A1
15

A4
19

E4

C2
20

C3

B1

DELINEAMENTO EM BLOCOS CASUALIZADOS

O delineamento em blocos

casualizados

(DBC) tambm denominado

delineamento em blocos ao acaso ou delineamento em blocos completos casualizados.

Alm dos princpios da repetio e da casualizao, leva em conta, tambm, o
princpio do controle local, atravs do estabelecimento dos blocos. Este delineamento o
mais utilizado dos delineamentos experimentais, e os experimentos instalados de acordo
com este delineamento so denominados experimentos em blocos casualizados ou
experimentos em blocos ao acaso.
As principais caractersticas do delineamento em blocos casualizados so:
a-)

As parcelas so distribudas (ou classificadas) em grupos ou blocos (princpio do

controle local), de tal forma que elas sejam o mais uniformes possvel dentro de
cada bloco;

b-)

O nmero de parcelas por bloco igual ao nmero de tratamentos em estudo;

c-)

Os tratamentos so distribudos nas parcelas de forma casual, sendo esta

casualizao feita dentro de cada bloco.
Ento, por exemplo, se tivermos um experimento em blocos casualizados, em que

desejamos comparar os efeitos de 5 tratamentos (A, B, C, D e E), sendo cada um deles

repetido 4 vezes, podemos ter a seguinte distribuio dos tratamentos nas parcelas:

11

Bloco 1

B1

D1

E1

A1

C1

Bloco 2

E2

A2

D2

C2

B2

Bloco 3

C3

D3

E3

A3

B3

Bloco 4

C4

A4

D4

B4

E4

Verificamos que, dentro de cada bloco, temos todos os tratamentos, sorteados ao

acaso.
Caso este mesmo ensaio fosse instalado no delineamento inteiramente
casualizado, o sorteio seria feito em todas as parcelas do experimento, e as parcelas no
seriam agrupadas em blocos.
A eficincia do delineamento em blocos casualizados depende da uniformidade das
parcelas dentro de cada bloco. De um bloco para outro pode haver variao.
A forma dos blocos no influi, dependendo apenas da uniformidade das condies
experimentais. Assim, os blocos podem ser retangulares, quadrados ou irregulares.
bloco

bloco

bloco

Os blocos podem ser distribudos por toda a rea experimental, ou ento

agrupados um ao lado do outro. Geralmente, se coloca um bloco ao lado do outro para
facilitar a conduo do experimento.
Os blocos so utilizados para controlar diferenas que ocorrem entre as parcelas
experimentais, tais como: diferenas de fertilidade do solo; diferenas de disponibilidade
de gua; diferenas de infestao inicial por pragas ou doenas; diferenas de
luminosidade (no caso de ensaios em casas de vegetao) etc.
As principais vantagens do delineamento em blocos casualizados so:
a-)

Permite controlar (atravs dos blocos) uma diferena existente entre as parcelas
experimentais;

12

b-)

Dentro de certos limites, podemos utilizar qualquer nmero de tratamentos e de

blocos;

c-)

Conduz a uma estimativa mais exata para a varincia residual (quando as

condies experimentais so heterogneas);

d-)

A anlise de varincia relativamente simples, pois possui apenas uma causa de

variao a mais que no delineamento inteiramente casualizado.
As principais desvantagens do delineamento em blocos casualizados so:

a-)

Devido homogeneidade que deve haver dentro de cada bloco, no podemos

aumentar muito o nmero de tratamentos;

b-)

Atravs do controle local (blocos) h uma diminuio no nmero de g.l. do resduo.

5.

EXPERIMENTOS FATORIAIS
Nos experimentos mais simples, comparamos tratamentos de apenas um tipo ou

fator, permanecendo os demais fatores, constantes.

Assim, nesses experimentos,

quando comparamos variedades, todos os demais fatores, como por exemplo:

espaamentos, adubaes, tratos culturais etc., devem ser mantidos constantes, isto ,
devem ser os mesmos para todas as variedades estudadas.
Entretanto, existem casos em que vrios fatores devem ser estudados
simultaneamente, para que possam nos conduzir a resultados de interesse. Para tanto,
nos utilizamos dos experimentos fatoriais, que so aqueles nos quais so estudados, ao
mesmo tempo, os efeitos de dois ou mais tipos de tratamentos ou fatores.
Cada subdiviso de um fator denominada de nvel do fator e os tratamentos nos
experimentos fatoriais consistem de todas as combinaes possveis entre os diversos
fatores, nos seus diferentes nveis.
Assim, por exemplo:
1)

Podemos, num experimento fatorial, estudar os efeitos de 3 Variedades (V1, V2 e

V3) e 4 Espaamentos (E1, E2, E3 e E4). Ento, teremos um fatorial 3x4, com os 12
tratamentos seguintes, que so todas as combinaes possveis entre os 3 nveis
do fator Variedades e os 4 nveis do fator Espaamentos:
V1E1

V1E2

V1E3

V1E4

V2E1

V2E2

V2E3

V2E4

V3E1

V3E2

V3E3

V3E4

13

2)

Podemos estudar os efeitos de 2 nveis do fator Nitrognio (N0 e N1) combinados

com 2 nveis do fator Potssio (K0 e K1), num experimento fatorial 2x2, com os 4
tratamentos seguintes:
N0K0 = sem Nitrognio, sem Potssio
N0K1 = sem Nitrognio, com Potssio
N1K0 = com Nitrognio, sem Potssio
N1K1 = com Nitrognio, com Potssio

3)

Podemos estudar os efeitos de 3 nveis do fator Espcies (E1, E2 e E3), associados

a 2 nveis do fator Adubaes (A0 e A1) e a 2 nveis do fator Calagens (C1 e C2).
Temos, ento, um fatorial 3x2x2, com os 12 tratamentos seguintes:
E1A0C1

E1A0C2

E1A1C1

E1A1C2

E2A0C1

E2A0C2

E2A1C1

E2A1C2

E3A0C1

E3A0C2

E3A1C1

E3A1C2

Embora, este exemplo tambm tenha 12 tratamentos (como o 1 exemplo) a

maneira de analis-lo diferente da maneira de analisar o 1 exemplo.
Os experimentos fatoriais no constituem um delineamento experimental, mas sim
um esquema de composio dos tratamentos, que devero ser distribudos num
delineamento inteiramente casualizado, em blocos casualizados etc.
Os experimentos fatoriais nos permitem tirar concluses mais amplas. Assim, no
1 exemplo, podemos comparar os efeitos das 3 Variedades, os efeitos dos 4
Espaamentos e, ainda, como se comportam as 3 Variedades em cada Espaamento, ou
como se comportam os 4 Espaamentos em cada Variedade, tudo isto, com um nico
experimento.
Para isto, devemos, inicialmente, fazer uma anlise de varincia preliminar, de
acordo com o delineamento utilizado para distribuir os tratamentos e, em seguida,
devemos desdobrar os graus de liberdade de tratamentos, de acordo com o esquema
fatorial utilizado, com a finalidade de estudarmos os efeitos principais dos fatores e os
efeitos das interaes entre os fatores.
Vejamos o que representa cada um desses efeitos.

14

Vamos considerar um fatorial 2x2, com os fatores: Adubao (A) e Calcrio (C),
nos nveis:
Adubao: A0 = sem adubo
A1 = com adubo
Calcrio:

C0 = sem calcrio
C1 = com calcrio

Sejam os dados seguintes, os resultados de produo obtidos para os 4

tratamentos:
A0C0: sem adubo, sem calcrio = 14
A0C1: sem adubo, com calcrio = 23
A1C0: com adubo, sem calcrio = 32
A1C1: com adubo, com calcrio = 53
Reunindo esses dados num quadro auxiliar, fica:

a)

C0

C1

Totais de A

A0

14

23

37

A1

32

53

85

Totais de C

46

76

122

Efeito simples de um fator:

- uma medida da variao que ocorre com a caracterstica em estudo (por

exemplo: produo), correspondente s variaes nos nveis desse fator, em cada um

dos nveis do outro fator.
Ento:
Efeito simples de Adubo na ausncia de Calcrio: A d. C0 = A1C0 - A0C0 = 32 - 14 = 18
Efeito simples de Adubo na presena de Calcrio: A d. C1 = A1C1 - A0C1 = 53 23 = 30
Efeito simples de Calcrio na ausncia de Adubo: C d. A0 = A0C1 - A0C0 = 23 -14 = 9
Efeito simples de Calcrio na presena de Adubo: C d. A1 = A1C1 - A1C0 = 53 32 = 21
b)

Efeito principal de um fator:

- uma medida da variao que ocorre com a caracterstica em estudo (por

exemplo: produo), correspondente s variaes nos nveis desse fator, em mdia de

todos os nveis do outro fator.

15

O efeito principal de um fator a mdia dos efeitos simples desse fator, isto :
Efeito principal de A =
Efeito principal de C =
c)

A d. C 0 A d. C 1
2

18 30
24
2

C d. A 0 C d. A 1
9 21

15
2
2

Efeito da interao entre dois fatores:

- uma medida da variao que ocorre com a caracterstica em estudo,

correspondente s variaes nos nveis de um fator, ao passar de um nvel a outro do

outro fator.
O efeito da interao entre dois fatores um efeito adicional devido ao
conjunta dos fatores.
O efeito da interao entre os fatores A e C, :
Efeito da interao A x C =

A d. C 1 A d. C 0

Efeito da interao C x A =

C d. A 1 C d. A 0

2
2

30 18
6
2

21 9
6
2

Vemos, ento, que tanto faz calcular a Interao A x C como a Interao C x A.

Examinando o quadro auxiliar, j podemos ter uma indicao da existncia ou no
da interao. Devemos observar como o Adubo se comporta na ausncia de C (A d. C0)
e na presena de C (A d. C1), e como o Calcrio se comporta na ausncia de A (C d. A0) e
na presena de A (C d. A1). Se o comportamento for o mesmo, tanto na ausncia como
na presena, no se constata a interao.
Isto pode ser visto graficamente.
Quando no h interao, ocorre um paralelismo entre as retas.
A interao ocorre devido a um sinergismo entre os fatores (interao positiva) ou
devido a um antagonismo entre os fatores (interao negativa).

Casualizao dos tratamentos:

Um experimento fatorial 2 x 3, com 2 nveis de Calagem (C0 e C1) e 3 nveis de
Adubao (A1, A2 e A3) poderia ter a seguinte casualizao, se fosse instalado, por
exemplo, em 4 blocos ao acaso:

16

1 Bloco

2 Bloco

3 Bloco

4 Bloco

C1A1

C1A3

C0A2

C0A1

C0A2

C1A2

C1A1

C0A3

C1A2

C0A1

C1A2

C1A2

C1A3

C1A1

C0A3

C1A1

C0A1

C0A3

C1A3

C0A2

C0A3

C0A2

C0A1

C1A3

As principais vantagens dos experimentos fatoriais em relao aos experimentos

simples, so:
a)

Com um nico experimento, podemos estudar os efeitos simples e principais dos

fatores e os efeitos das interaes entre eles;

b)

Todas as parcelas so utilizadas no clculo dos efeitos principais dos fatores e dos
efeitos das interaes, razo pela qual o nmero de repeties, para o clculo das
mdias dos nveis dos fatores elevado.
As principais desvantagens so:

a)

Sendo os tratamentos constitudos por todas as combinaes possveis entre os

nveis dos diversos fatores, o nmero de tratamentos aumenta muito e, muitas
vezes, no podemos distribu-los em blocos completos casualizados, devido
exigncia de homogeneidade dentro de cada bloco. Isto nos obriga a utilizar a
tcnica do confundimento e a trabalhar com blocos incompletos equilibrados, o que
leva a algumas complicaes na anlise estatstica;

b)

A anlise estatstica mais trabalhosa que nos experimentos simples e a

interpretao dos resultados se torna mais difcil medida que aumentamos o
nmero de nveis e de fatores (principalmente) no experimento.

6.

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS

Esses experimentos so utilizados quando, num mesmo ensaio, queremos testar

dois (ou mais) fatores, mas em condies experimentais um pouco diferentes daquelas
utilizadas nos experimentos fatoriais.
Assim, por exemplo, podemos testar:
- Variedades e Adubaes;
- Espaamentos e Irrigaes;

17

- Variedades e pocas de Plantio;

- etc
Nesses experimentos, as parcelas so divididas em partes menores e iguais,
denominadas subparcelas (que constituem a unidade bsica para fins de anlise
estatstica). As parcelas podem ser distribudas de modo inteiramente casual, em blocos
casualizados (mais comum), ou em linhas e colunas.
A principal caracterstica desse delineamento a casualizao dos nveis dos
fatores, que feita em dois estgios.
Num primeiro estgio, casualizamos os nveis de um fator, nas parcelas (de acordo
com a distribuio das parcelas: inteiramente ao acaso, em blocos ao acaso ou em
quadrado latino).
Num segundo estgio, casualizamos os nveis do outro fator, nas subparcelas de
cada parcela. Assim, cada parcela funciona como se fosse um bloco, para receber os
nveis do segundo fator.
Os nveis do fator casualizado nas parcelas so denominados de: Tratamentos
Primrios, Tratamentos Principais ou Tratamentos A.
Os nveis do fator casualizado nas subparcelas so denominados de Tratamentos
Secundrios, Subtratamentos ou Tratamentos B.
Nesse delineamento, temos dois resduos:
- Resduo a: base de comparao dos Tratamentos Principais, Blocos, Linhas e
Colunas (se houver).
- Resduo b: base de comparao dos Tratamentos Secundrios e da Interao
Tratamentos Principais x Tratamentos Secundrios.
Em virtude da maneira como feita a casualizao, o erro experimental devido aos
Tratamentos Secundrios ( Q.M. Resduo b ), geralmente, menor que o devido aos
Tratamentos Principais ( Q.M. Resduo a ).

Dessa forma, os efeitos dos tratamentos

secundrios so determinados com melhor preciso que os efeitos dos tratamentos

principais.
Exemplificando a distribuio dos nveis dos fatores, vamos supor um experimento
em parcelas subdivididas, com os fatores:
- Adubaes ( A 0 e A 1 ) , como tratamentos principais;

18

- Variedades ( V1, V2 e V3 ), como tratamentos secundrios,

dispostos em 5 blocos casualizados.
Ento, cada bloco deve ser dividido em 2 parcelas, onde sero distribudas ao
acaso as 2 Adubaes. Em seguida, cada parcela deve ser dividida em 3 subparcelas, e
as 3 Variedades sero sorteadas nas 3 subparcelas de cada parcela.
Se o experimento fosse instalado como fatorial, deveria ser feito um sorteio nico
dos 6 tratamentos (combinaes das 2 Adubaes com as 3 Variedades) nas 6 parcelas
de cada bloco.
Ento o croqui do experimento, em cada caso, seria:
Parcelas subdivididas:
Bloco 1

Bloco 2

Bloco 3

Bloco 4

Bloco 5

A 1 V2

A 1 V1

A 0 V2

A 1 V1

A 0 V3

A 1 V1

A 1 V3

A 0 V3

A 1 V2

A 0 V1

A 1 V3

A 1 V2

A 0 V1

A 1 V3

A 0 V2

A 0 V2

A 0 V3

A 1 V3

A 0 V2

A 1 V2

A 0 V3

A 0 V1

A 1 V2

A 0 V3

A 1 V1

A 0 V1

A 0 V2

A 1 V1

A 0 V1

A 1 V3

Bloco 1

Bloco 2

Bloco 3

Bloco 4

Bloco 5

A 1 V3

A 1 V2

A 0 V3

A 1 V3

A 0 V2

A 0 V2

A 0 V1

A 1 V1

A 0 V3

A 1 V1

A 0 V1

A 1 V3

A 0 V2

A 1 V2

A 1 V3

A 1 V2

A 1 V1

A 1 V3

A 0 V1

A 0 V1

A 0 V3

A 0 V3

A 1 V2

A 1 V1

A 0 V3

A 1 V1

A 0 V2

A 0 V1

A 0 V2

A 1 V2

Fatorial:

Pelos croquis apresentados, nota-se a diferena, nos dois casos.

O esquema de anlise de varincia para cada caso, seria:

19

Parcelas Subdivididas:
Causas de Variao

Fatorial:
G.L.

Causas de Variao

G.L.

Blocos

Adubaes (A)

Adubaes (A)

Variedades (V)

Resduo a

Interao A x V

(Parcelas)

(9)

(Tratamentos)

(5)

Variedades (V)

Blocos

Interao A x V

Resduo

20

Resduo b

16

Total

29

Total ou Subparcelas

29

No experimento fatorial, todos os fatores so testados com um resduo nico, com

20 g.l., enquanto em parcelas subdivididas, Adubaes testado com um resduo com
apenas 4 g.l, e Variedades e a Interao Adubaes x Variedades so testados com um
resduo com 16 g.l.
Ento, sempre que possvel, prefervel utilizar o fatorial em vez de parcelas
subdivididas.

S devemos utilizar parcelas subdivididas quando as condies para

realizao do ensaio no campo no permitam instal-lo como um fatorial.

So considerados e analisados como experimentos em parcelas subdivididas, os
que se realizam nas mesmas parcelas e com os mesmos tratamentos em duas ou mais
pocas sucessivas.

Neste caso, pocas so consideradas como tratamentos

secundrios.
Os experimentos em faixas constituem uma variao dos experimentos em
parcelas subdivididas.

Nos experimentos em faixas tambm so estudados,

simultaneamente, dois fatores. A distribuio dos nveis desses fatores feita atravs de
uma casualizao diferente daquela utilizada nos experimentos fatoriais e daquela
utilizada nos experimentos em parcelas subdivididas.
Nos experimentos em faixas h maiores restries na casualizao dos fatores,
prejudicando a preciso dos efeitos principais, em favor do efeito da interao entre os
fatores.