Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRODUO:
A estatstica a parte da matemtica aplicada que se preocupa em obter concluses a partir de dados
experimentais. Hoje so feitos experimentos em quase todas as reas de trabalho, as tcnicas experimentais
so universais e se aplicam em diferentes reas, tais como: Agronomia, Medicina, Engenharia e Psicologia,
e os mtodos so sempre os mesmos, porem as origens da Estatstica Experimental so agrcolas, e se devem
a Sir Ronald A. Fischer (1890 - 1962) que formalizou boa parte do que existe hoje em Experimentao. Fischer foi um estatstico que trabalhou na Estao Experimental de Agricultura de Rothamstead, Inglaterra.
Na pesquisa agronmica, a Estatstica Experimental uma ferramenta que pode e deve ser utilizada
pelos pesquisadores na soluo de problemas agrcolas, e para empreg-la eficientemente faz se necessrio
uma completa compreenso do assunto na qual se vai aplic-la, portanto as consideraes prticas so to
importantes como os requisitos tericos para determinar o enfoque estatstico ao problema.
1. CINCIA E PESQUISA.
Temos vrias definies de CINCIA, entre elas:
Conhecimento sistemtico dos fenmenos da natureza e das leis que os regem, obtidos atravs da investigao pelo raciocnio e pela experimentao intensiva
Estudo de problemas solveis mediante mtodo cientfico.
Como PESQUISA define-se: Investigao e estudo sistemticos, com o fim de descobrir ou estabelecer fatos ou princpios relativos a um campo qualquer de conhecimento.
2. TIPOS DE PESQUISA.
No se pode fazer uma pesquisa pela simples razo de faz-la. H a necessidade de buscar respostas a
todo um desenrolar de dvidas. Para uma pesquisa apresentar um desenvolvimento, ela deve comear pelo
interesse do pesquisador. A motivao deve estar presente. Como a pesquisa visa um fim, ele requer planejamento.
Pesquisar, num sentido amplo, procurar uma informao que no se sabe e que se precisa saber. Podemos ter os seguintes tipos de pesquisa:
As hipteses so testadas por meio de mtodos de anlise estatstica que dependem do modo como as
observaes ou dados foram obtidos e, desta forma, o planejamento de experimentos e a anlise dos resultados esto intimamente ligados e devem ser utilizados em uma certa seqncia nas pesquisas cientficas, como pode ser visualizado no esquema abaixo.
PLANEJAMENTO
(1)
FORMULAO DE
HIPTESES
(2)
OBSERVAES
ANLISE ESTATSTICA
(3)
TESTES DAS HIPTESES
FORMULADAS
(4)
DESENVOLVIMENTO
DA TEORIA
a) Experimento ou ensaio: um trabalho previamente planejado que segue determinados princpios bsicos e no qual se faz a comparao dos efeitos dos tratamentos.
b) Tratamento: o mtodo, elemento ou material cujo efeito desejamos medir ou comparar em um experimento. Exemplos: hbrido de milho; adubao para a cultura do milho; inseticida para controle de um
determinado inseto; arao na engorda de determinada espcie animal; diferentes mtodos de plantio etc.
c) Unidade Experimental ou Parcela: a unidade que vai receber o tratamento e fornecer os dados que
devero refletir seu efeito. Exemplos: uma rea de terreno com plantas; um vaso com plantas, um nico
animal, ou um grupo deles, um lote de sementes, uma placa de petri com meio de cultura. etc.
d) Delineamento Experimental: o plano utilizado na experimentao e implica na forma como os tratamentos sero designados s parcelas. Exemplos: delineamento inteiramente casualizado; delineamento
em blocos casualizados; delineamento em quadrado latino.
PARCELA 2
Com repetio
PARCELA 1
PARCELA 6
PARCELA 2
PARCELA 3
PARCELA 7
PARCELA 8
PARCELA 4
PARCELA 9
PARCELA 5
PARCELA 10
Atravs da repetio que nos possvel estimar o erro experimental. Num experimento sem repetio, no sabemos dizer se uma diferena constatada entre tratamentos pode ser explicada como uma diferena entre tratamentos ou entre parcelas experimentais.
6.2 Princpio da casualizao
Apesar de ter usado a repetio, pode acontecer que a variedade A tenha produzido mais por ter sido
beneficiada por qualquer fator, como por exemplo, ter todas as suas parcelas em reas de maior fertilidade.
Para evitar que uma das variedades seja sistematicamente favorecida por qualquer fator externo, procedemos a casualizao das variedades s parcelas. Pela casualizao cada tratamento tem a mesma probabilidade de ser destinado a qualquer parcela experimental, seja ela favorvel ou no.
A casualizao tem por objetivo nos assegurar uma estimativa no viciada do erro experimental, das
mdias dos tratamentos e das diferenas entre mdias.
Em condies de campo, temos:
Sem casualizao (com repetio)
PARCELA 1
PARCELA 2
PARCELA 3
PARCELA 6
PARCELA 7
PARCELA 4
PARCELA 8
PARCELA 5
PARCELA 9
PARCELA 10
PARCELA 2
PARCELA 3
PARCELA 6
PARCELA 7
PARCELA 4
PARCELA 8
PARCELA 5
PARCELA 9
PARCELA 10
Se, aps a repetio e casualizao, a variedade A apresentar maior produtividade, de se esperar que
esta concluso seja realmente vlida.
Parcela 2
BLOCO 2
BLOCO 3
BLOCO 4
A
BLOCO 5
B
BLOCO 6
B
A finalidade do controle local dividir um ambiente heterogneo em sub-ambientes homogneos. Este procedimento torna o experimento mais eficiente porque reduz o erro experimental.
Para podermos utilizar a metodologia estatstica nos resultados de um experimento, necessrio que o
mesmo tenha considerado pelo menos os princpios da repetio e da casualizao, a fim de que possamos
obter uma estimativa vlida para o erro experimental, permitindo assim a aplicao dos testes de significncia.
O controle local constitui restries impostas na casualizao para corrigir os efeitos da variao conhecida ou suspeita do material experimental. Considerando o controle local temos os seguintes tipos de
delineamentos:
A3
C1
B4
D3
D4
B2
A1
C4
B3
D1
C3
A5
D2
C5
B5
A2
A4
C2
D5
B1
A2
C3
D2
B1
D3
D5
A4
B4
C1
C4
A1
B2
C2
D4
A5
B3
A3
B5
D1
C5
II - PLANEJAMENTO DE EXPERIMENTOS
1. INTRODUO
O estudo dos experimentos, desde o seu planejamento at o relatrio final, constitui o objetivo da Estatstica Experimental, ou Experimentao Agrcola.
Existem trs tipos de experimentos:
1. Preliminar: aquele conduzido dentro de estaes experimentais para a obteno de novos fatos. E
cientfico, mas apresenta baixa preciso. Prprio para ensaios de introduo de variedades de espcies
cultivadas, ou quando se dispe de um elevado nmero de tratamentos e necessrio fazer uma triagem.
2. Crtico: aquele que tem por Objetivos negar ou confirmar uma hiptese obtida no experimento
preliminar e conduzido dentro ou fora das fronteiras estaes experimentais. cientfico e apresenta
maior preciso que o experimento anterior. Serve para comparar vrios tratamentos por meio dos
delineamentos experimentais, usando as tcnicas estatsticas recomendadas.
3. Demonstrativo: aquele lanado pela rede de extenso rural. E de cunho demonstrativo. o pois tem por
objetivo demonstrar junto aos agricultores os melhores resultados do experimento crtico. Geralmente
apenas comparativo, pois compara, uma nova tcnica agrcola com uma tradicional.
ESTAO
EXPERIMENTAL
EXPERIMENTO
PRELIMINAR
100
FAZENDA
ESTAO
EXPERIMENTAL
89
27
VL
54
33
64
29
93
VL
29
33
93
27
89
54
64
27
54
64
33
89
29
93
VL
VL
64
EXPERIMENTO
CRTICO
EXPERIMENTO
DEMONSTRATIVO
Figura 1. Exemplo de experimentos preliminar, crtico e demonstrativo. Fonte: adaptado de Ferreira, 2000.
2. PLANEJAMENTO
Planejar o experimento um mtodo que visa auxiliar o pesquisador na execuo de um projeto de
pesquisa, na qual se faz necessrio a realizao de experimentos, e tm como objetivo determinar, como
antecedncia, como ser o experimento e como sero analisados os dados do mesmo. A experimentao
preocupa-se com a elaborao do projeto de pesquisa porque faz parte da pesquisa experimental.
O planejamento constitui a etapa inicial de qualquer trabalho e, portanto, um experimento tambm
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 uma srie de quesitos
e buscar respond-los. Como exemplo, podemos citar:
10
Portanto, devemos definir quais as caractersticas de interesse, para que as mesmas possam ser determinadas
no decorrer do experimento.
3. ETAPAS DE UM EXPERIMENTO
11
As etapas de um experimento so: elaborao do projeto, instalao do experimento, execuo e conduo do experimento, anlise estatstica dos dados experimentais, interpretao dos resultados e relatrio
final.
12
Ela deve incluir tambm uma contribuio do autor, para mostrar que os trabalhos no foram meramente
catalogados, mas sim examinados e criticados objetivam ente. Deve-se incluir somente os trabalhos mais
importantes desenvolvidos sobre o assunto, dando preferncia queles publicados nos ltimos dez anos.
sempre aconselhvel referir-se somente aos assuntos que possuam relao direta e especfica com os
objetivos da pesquisa.
I. Relao dos tratamentos: A relao dos tratamentos decorrente dos objetivos. Devemos evitar incluir
tratamentos sem a devida justificativa. Quando possvel, devemos incluir um tratamento testemunha ou
padro, o qual servir de referncia para as concluses. No caso de tratamentos quantitativos devemos,
de preferncia, usar valores eqidistantes cuja amplitude de variao reflita a realidade. A eqidistncia
entre os tratamentos quantitativos facilitar a anlise da regresso e mais adequada para os casos em
que se faz a procura do melhor modelo matemtico para os dados observados. Os tratamentos podem ser
decorrentes das alternativas de um fator ou da combinao entre os nveis de dois ou mais fatores (no
13
Descrio
0 Kg/h de NPK
F. Croqui do experimento: um desenho (planta baixa) do experimento, identificando o local, as dimenses, as unidades experimentais e a ordem (aleatria) de aplicao dos tratamentos sobre as parcelas obtidas por sorteio de acordo com o delineamento. Na figura 2 apresentado um exemplo de croqui de um
experimento com oito tratamentos no delineamento em blocos ao acaso com trs repeties. A parcela
constituda de uma rea de 4 por 10 metros, o que resulta em blocos de 10 por 32 metros. (obs.: o desenho est fora de escala)
32 m
Bloco I
T3
T2
4
T1
5
T6
6
T8
7
T4
8
T7
T5
- 4m -
Bloco II
10
T6
T8
11
12
T1
13
T2
14
T7
15
T3
16
T5
T4
10 m
14
Bloco III
17
18
T5
19
T2
20
T7
21
T8
22
T6
23
T3
24
T1
T4
G. Caderneta de campo: A caderneta de campo uma ficha elaborada com base no croqui do experimento
cuja finalidade anotar os dados sobre os efeitos dos tratamentos, ela deve conter os seguintes itens:
Identificao do experimento (nome, localizao, e ano de execuo do experimento); Relao das parcelas e respectivos tratamentos, Controle local (testemunha) e variveis observadas, Espao para anotaes gerais, como data da semeadura, emergncia e colheita, data de ocorrncia de chuva, de aplicao
de irrigao, de capinas, enfim, qualquer observao que possa ser til para auxiliar na discusso dos resultados do experimento. Alm da caderneta de campo podemos elaborar outras fichas de controle, tais
como de manejo cultural, de observaes de campo, e de controle mensal do projeto. Na tabela 3 apresentado um modelo de caderneta de campo.
H. Oramento: O oramento tem como objetivo fornecer uma estimativa dos gastos a serem realizados
com materiais de consumo, mo-de-obra, servios de terceiros, equipamentos, combustveis, manuteno de equipamentos, dirias, construes, etc. Deve-se reservar 10% do custo total do projeto para os
imprevistos.
I. Cronograma de Execuo: O cronograma uma lista com as principais atividades (etapas) da execuo do experimento com as respectivas datas. A implantao de experimentos de campo deve coincidir
com a poca adequada para a cultura na regio considerada. Um exemplo resumido de cronograma
apresentado na tabela 4
Tabela 3. Caderneta de campo do experimento: Cultivares de milho doce. ILES-ULBRA Itumbiara. Campus II Agronomia. 3 perodo A Grupo 1. 1 semestre de 2006.
N PARCELA
BLOCO
TRATAMENTO
PESO
ALTURA
ETC.
15
II
10
II
...
...
...
24
III
DATAS
ATIVIDADES
DESCRIO DA ATIVIDADE
01 a 10/03/2010
Reviso de literatura
11 a 13/03/2010
14 a 15/03/2010
19 a 20/03/2010
....
...
23 a 25/05/2010
26 a 31/05/2010
16
Na instalao do experimento, o pesquisador deve seguir risca o que consta no croqui do experimento. Contudo, quando algum fator (por exemplo, condies locais de solo, topografia. etc.) impede a sua instalao da forma como foi planejado, o pesquisador deve usar o bom senso para direcionar os trabalhos,
indicando a forma de instalao do experimento, sem afetar os objetivos bsicos do mesmo e sem reduzir a
sua preciso.
Sempre que qualquer alterao seja feita no projeto para possibilitar a sua instalao, a mesma deve
ser transportada para o plano inicial, a fim de que o mesmo sempre represente o que est sendo executado no
campo, para possibilitar a interpretao e divulgao dos resultados, principalmente nos projetos de longa
durao.
Como a instalao do experimento constitui o incio da sua fase prtica, todo o cuidado pouco por
parte do pesquisador, para se alcanar uma boa preciso do experimento. Dessa forma, ele deve evitar os
erros sistemticos, aplicar corretamente os princpios da experimentao e usar de todo cuidado possvel
para obter a maior preciso experimental.
Na instalao de experimentos de campo interessante fazer uma lista de todo material necessrio para a instalao do mesmo, e no esquecer de incluir gua potvel suficiente para o pessoal que ir trabalhar,
bons, canivetes, barbantes, vasilhames e embalagens, e at mesmo, alimentao se o trabalho for longo.
Quando instalamos o experimento devemos identific-lo de maneira adequada, para tanto devemos
elaborar uma ficha ou placa com os dados principais do experimento e da equipe que est executando o
mesmo, lembrando que a mesma deve ser resistente a chuva. A ficha ou placa colocada na primeira parcela
do experimento atravs de uma estaca. Quando identificamos as parcelas, as fichas ou placas devem ser
colocadas sempre no comeo e no lado esquerdo da mesma.
17
Vrios mtodos so utilizados na anlise estatstica de experimentos, os quais sero objetos de estudo
no decorrer do curso. Independentemente do mtodo a ser utilizado na anlise estatstica do experimento, o
pesquisador deve ter em mente os seguintes pontos:
A) Antes de efetuar a anlise de varincia nos dados experimentais, ele deve verificar se os mesmos atendem s suposies da anlise de varincia (os efeitos devem ser aditivos, os erros devem ser independentes, devem apresentar distribuio normal e as suas varincias devem ser homogneas), sob pena das
concluses obtidas no terem validade.
B) No processo de anlise estatstica dos dados experimentais, o sistema de aproximao dos dados poder
aumentar o erro experimental. Em funo disso, no recomendado aproximar os dados durante a anlise estatstica, e sim no final da mesma, deixando-se no mnimo, quatro casas decimais.
C) Quando analisar quaisquer dados, deve-se dar nfase aos resultados biolgicos e no aos mtodos estatsticos. No incluir no trabalho detalhes matemticos desnecessrios.
A caderneta de campo til para se fazer anotaes dos dados experimentais, porm quando se vai fazer a anlise estatstica dos dados deve-se tomar o cuidado de colocar os tratamentos em ordem para que se
obtenham seus totais e mdias, para maior segurana podemos elaborar uma tabela com os tratamentos em
ordem numrica conforme exemplo na tabela 5.
TOTAL
I
1
2
3
8
TOTAIS
MDIAS
II
III
18
A interpretao dos resultados experimentais submetidos anlise estatstica constitui uma das etapas
fundamentais do plano de pesquisa.
Atravs do exame dos resultados parciais verificamos se a pesquisa est se desenvolvendo satisfatoriamente, ou se existe algo errado e que deve ser corrigido. Por exemplo, em um experimento na cultura do
milho, o crescimento das plantas, a colorao e a turgescncia das folhas, a umidade do solo, a temperatura
ambiente, as precipitaes pluviais, a ocorrncia de pragas e doenas nos diferentes tratamentos, etc., nos
fornecem informaes muito valiosas sobre o desenrolar do experimento. A interpretao desses resultados
parciais, no momento em que ocorrem, permite melhor compreenso do fato e facilita as concluses finais.
A exposio pura e simples dos resultados obtidos no experimento, mesmo quando acompanhados de
anlise estatstica, no merece o titulo de pesquisa. Para que isso ocorra, necessrio que faamos a interpretao dos resultados para chegarmos a um fato novo; necessrio que cheguemos a concluso novas, que
solucionem um problema tcnico ou prtico.
A interpretao de resultados que conduza somente a concluses especficas, sem possibilidades de
generalizao, indica que a pesquisa ainda no terminou, devendo serem pesquisados outros aspectos. Por
exemplo, no caso da irrigao na cultura do milho, os dados disponveis at o momento se mostram desfavorveis a essa prtica, da forma e nas condies em que vem sendo realizada. Tal pesquisa estar concluda
apenas quando, analisados e interpretados os dados de irrigao, temperatura, precipitao pluvial, etc., pudermos concluir sobre os fatores que tomam a irrigao desaconselhvel no lugar e nas condies em que
vem sendo realizada, e em que condies de solo e clima a irrigao na cultura de milho poderia ser economicamente praticada.
Os resultados de qualquer pesquisa devem ser profunda e meticulosamente analisados e interpretados,
constituindo as concluses e sua meta fundamental.
B. Autoria: O nome do autor (ou autores) deve constar logo abaixo do ttulo, direita do mesmo. Deve ser
iniciado, preferencialmente, pelo sobrenome todo em letras maisculas, seguido pelas iniciais do nome.
19
H revistas que publicam o ttulo do autor (ou autores), o nome da Instituio onde foi realizado o trabalho, ou ambos, logo abaixo do nome do mesmo. Outras preferem trazer essas indicaes em rodap.
importante lembrar que os nomes figurando no cabealho de um relatrio de pesquisa devem ser estritamente os dos autores efetivos do trabalho aqueles que participam do planejamento, execuo e interpretao dos resultados so, em maior ou menor grau, autores intelectuais do trabalho. Essa classificao depende da importncia da contribuio no trabalho cientfico, ou seja, o pesquisador que mais contribuiu tem seu nome em primeiro lugar. Consentir na incluso de seu nome em outras circunstncias ou
a outro ttulo, ou colocar nomes de terceiros que no preencham aqueles requisitos, infringir a tica do
trabalho cientfico e contribuir para a corrupo dos costumes nesse domnio. Toda colaborao, ajuda
material, apoio moral, crticas, etc., recebidos de outras pessoas devem ser referidos nos Agradecimentos, de uma forma clara e objetiva.
E. Introduo: Nela deve conter, pela ordem: natureza e importncia do assunto pesquisado, evoluo e
situao do problema, e identificao dos objetivos do trabalho cientfico. Quanto natureza e importncia do assunto pesquisado, deve ser focalizado o problema com indicao daqueles fatos ou situaes
que evidenciem sua importncia. Por exemplo, se o assunto aumento da protena em milho, mostrar
porque importante que esse cereal tenha maior teor de protena. Na evoluo e situao do problema.
deve ser feito um levantamento dos estudos j feitos sobre o problema por outros pesquisadores, (reviso bibliogrfica) de modo que mostre a real situao do problema na literatura nacional e estrangeira.
na poca em que se planejou a pesquisa. Contudo, extensas revises da literatura no tm sentido, devendo ser substitudas por referncias aos trabalhos mais recentes. Na identificao dos objetivos do
trabalho cientfico, deve ser exposto claramente s questes que foram respondidas pela pesquisa.
F. Materiais e Mtodos: O materiais e mtodos deve ser feito da mesma maneira como visto na etapa
"Elaborao do Projeto", alterando apenas o tempo do verbo, do futuro para o passado. Alm disso, a
20
descrio dos mtodos usados deve ser breve, porm suficiente para possibilitar a outrem repetir a investigao, processo e tcnicas j publicados devem ser apenas referidos por citao.
G. Resultados e Discusso: Primeiramente, devem ser apresentados os resultados que se encontram em
uma tabela (ou quadro) ou figura (grfico, desenho, mapa, fotografia, etc.) de forma objetiva. Exata, clara e lgica, com o mnimo possvel de discusso ou interpretao pessoal. As tabelas e/ou figuras podero vir logo aps a apresentao dos resultados ou no final do trabalho cientfico. Posteriormente, feita
a discusso dos dados obtidos e dos resultados alcanados luz da experincia do pesquisador, ligando
os novos achados aos conhecimentos anteriores. Na apresentao dos resultados, se os dados forem numricos, os mesmos devem vir acompanhados de anlise estatstica, sempre que conveniente. Quando
forem apresentadas diferenas entre mdias (ou outros dados estatsticos) de tratamentos, deve-se aplicar o teste de significncia mais adequado. Na discusso dos resultados, o autor (ou autores) deve:
a) estabelecer relaes entre causas e efeitos;
b) deduzir as generalizaes e princpios bsicos que tenham comprovao nas observaes experimentais;
c) esclarecer as excees, modificaes e contradies das hipteses, teorias e princpios diretamente relacionados com o trabalho realizado;
d) indicar as aplicaes tericas ou prticas dos resultados obtidos, bem como as suas limitaes;
e) procurar elaborar, quando possvel, urna teoria para explicar certas observaes ou resultados obtidos;
f) sugerir, quando for o caso, novas pesquisas tendo em vista a experincia adquirida no desenvolvimento do
trabalho e visando sua complementao.
Alm da discusso dos resultados entre si, cabe a discusso diante da literatura, isto . a comparao
dos resultados obtidos com os dos autores citados. Cabe ao autor (ou autores) definir se seus resultados
confirmam, equivalem ou desmentem os dos outros trabalhos mencionados.
H. Concluses: Nela devem ser colocados os principais resultados obtidos com a experimentao, de uma
forma clara, objetiva, lgica e breve. aqui onde esto situadas as contribuies do autor (ou autores)
para o avano da cincia, alm do que elas podero abrir perspectivas de novas pesquisas. As concluses, obviamente, tm que se basear somente em fatos comprovados. Na redao dessa parte do trabalho
cientfico devem ser evitadas expresses que indiquem reserva ou ressalva, tais como: houve indcios,
provavelmente, possivelmente, etc.
I. Literatura Citada: As informaes citadas pelo autor (ou autores) de um trabalho cientfico, com o
propsito de fundamentar, de comentar ou ilustrar as asseres do texto e que j tenham sido publicadas
(ou que estejam sabidamente em publicao), devero ser acompanhadas de referncias, permitindo ao
autor comprovar os fatos ou ampliar seu conhecimento do assunto mediante a consulta nas fontes. Evidentemente, essa finalidade s ser atingida na medida em que a referncia for correta e apresentada de
forma inequvoca para o leitor, devendo ainda atender s convenincias dos servios de bibliografia e
bibliotecas, para evitar perda de tempo e dificuldades na localizao do artigo para consulta ou reprodu-
21
o. Para tanto deve se seguir as normas internacionais institudas pela Organizao Internacional de
Normalizao e pela Associao Brasileira de Normas Tcnicas. O prprio autor (ou autores) quem
deve compilar a bibliografia que ir citar, nela incluindo os trabalhos que efetivamente consultou e na
medida em que sejam necessrios exposio de suas idias ou resultados.
22
A qualidade de um experimento pode ser avaliada pela magnitude do erro experimental. O erro experimental inevitvel, no entanto, se forem conhecidas suas causas, podemos contorn-las e mant-lo em
nveis aceitveis. Alm disso, devemos avaliar a qualidade da anlise do experimento verificando se as pressuposies do modelo esto sendo satisfeitas.
23
diferena significativa indica que os tratamentos avaliados so potencialmente diferentes, enquanto que uma
diferena no-significativa indica que os tratamentos avaliados so potencialmente semelhantes e que a diferena observada entre eles foi devido variao acidental.
Para que um experimento estivesse livre das variaes acidentais, seria necessrio realiz-lo em condies inteiramente uniformes de solo, plantas com a mesma constituio gentica, o mesmo nmero de
plantas por parcela, irrigao uniforme, ausncia de pragas e doenas, adubao uniforme, etc., para o caso
dos vegetais; e animais com mesma constituio gentica, o mesmo nmero de animais por parcela, animais
com o mesmo peso e idade, ambiente inteiramente uniforme, etc., para o caso dos animais. Todavia, isso
impossvel, e independe do local onde se est conduzindo o experimento (campo, estbulo, laboratrio, casade-vegetao, etc.). Em funo disso, a nica alternativa do pesquisador aplicar todo o seu conhecimento
para minimizar as variaes acidentais no experimento.
100.s
, sendo: s = QME , e
m
Como o CV um coeficiente, sem unidade de medida, pode ser usado para comparar a preciso de diferentes experimentos. No entanto, a preciso de um experimento pode ser considerada como alta, mdia ou
baixa somente em relao a um grupo de experimentos semelhantes, ou seja, com as mesmas variveis, tratamentos, delineamentos, nmeros de repeties, manejo, etc.
Quanto maior o CV menor a preciso do experimento e menor a qualidade do experimento, assim
experimentos com CV alto rejeitam H0 com maior dificuldade, mesmo que existam diferenas entre os tratamentos.
O CV pode ser comparado com o uso do termmetro para medir a temperatura dos animais, indicando, para cada espcie, se a temperatura normal, alta, ou muito alta.
Os experimentos tambm podem ser classificados quanto ao CV em muito baixos, baixos, mdios, altos e muito altos (tabela 6).
Limites do CV
Preciso do Experimento
Baixos
<10%
Alta
Mdios
10 a 20%
Mdia
Altos
20% a 30%
Baixa
Muito altos
>30%
Muito baixa
24
A fim de reduzir o efeito da variao de acaso (erro experimental) nos experimentos, deve-se observar
atentamente os seguintes pontos:
25
pobre. Na distribuio C, trs parcelas participam da parte mais frtil. trs da parte intermediria e trs da
parte pobre.
Portanto, se conhecido o gradiente de fertilidade do terreno, as parcelas devem ser colocadas no
campo com o lado mais comprido paralelo a direo de tal gradiente. Se no for possvel adotar a distribuio B por dificuldades de ordem prtica, ento deve-se adotar a distribuio C, sendo a distribuio A, a
menos recomendvel.
Figura 3 Influncia da forma de colocao das parcelas no bloco, quando o campo tem um gradiente de fertilidade constante. As flechas indicam o sentido do gradiente de fertilidade
26
Figura 4. Efeito bordadura em variedades de milho devido a reas no plantadas entre parcelas adjacentes.
No caso de experimentos de competio de variedades as parcelas experimentais devem ter, no mnimo, trs fileiras, de modo que se possa efetuar a colheita apenas na fileira central, a qual denominada de
rea til. Alm disso, ele deve eliminar as plantas cabeceiras, plantas estas que se localizam nas extremidades da fileira. Conforme mostra a Figura 5. O ideal que se tenha uma amostra mais representativa dos tratamentos avaliados.
27
sar todo o seu potencial. A presena de falhas contribui para aumentar o erro experimental, j que elas levam
falta de uniformidade das condies experimentais.
28
Se ao realizar o plantio, umas parcelas so semeadas com profundidade maior que as outras, ou se
aduba, irriga, amontoa, etc., umas mais que as outras, tudo isto redundar no aumento da variabilidade e do
erro experimental. Para evitar diferenas deve-se uniformizar o trabalho das mquinas e dos homens que
sero empregados nas diferentes operaes, e manter rigorosa vigilncia durante toda execuo do trabalho.
Deve-se evitar, que o mesmo homem seja empregado no trabalho de todas as parcelas de um mesmo
tratamento, pois pode haver diferenas na forma de trabalho dos trabalhadores, e neste caso, o operrio que
melhor trabalha por em vantagem o tratamento que lhe compete, o recomendvel trocar os operrios entre
os tratamentos ao passar de um bloco a outro.
Se por algum motivo h necessidade de suspender os trabalhos para continuar no dia seguinte, devemos no interromper o trabalho at que haja terminado o servio j iniciado em um determinado bloco.
De modo geral, importante quando se executam experimentos de adubao, variedades, inseticidas,
fungicidas, herbicidas, etc., conhecer a procedncia de cada produto a ser estudado, frmulas qumicas, concentraes e demais caractersticas. Em experimentos de competio de variedades, deve-se determinar previamente a natureza e o poder germinativo da semente.
Todos os experimentos devem ser semeados na poca propicia ao cultivo sem nunca esquecer de incluir os tratamentos testemunhas.
necessrio que o prprio pesquisador colete os dados do experimento e no o capataz ou auxiliar, ao
faz-lo, o pesquisador ter mais confiana nos dados coletados, ao mesmo tempo que poder tomar conhecimento de fatos imprevistos, que bem podem servir para explicar resultados finais inesperados.
O pesquisador deve anotar pessoalmente os dados e observaes do experimento em uma caderneta de
campo e no em folhas soltas; de forma clara e ordenada que possa ser entendida por qualquer outro pesquisador, para o caso de que, tenha de ausentar-se.
1. CONSIDERAES GERAIS
Na pesquisa agronmica, os pesquisadores utilizam a Estatstica Experimental para obter, analisar e
interpretar dados experimentais, obtidos de experimentos, visando a elucidao de princpios biolgicos bem
como a soluo de problemas agrcolas.
Na elucidao de tais princpios e na soluo de tais problemas, o pesquisador define quais as caractersticas que ir utilizar para avaliar os tratamentos, de modo que possa atingir os objetivos da pesquisa. Por
exemplo, no estudo de comportamento de variedades de feijo, o pesquisador pode definir as seguintes ca-
29
ractersticas: resistncia a antracnose, perodo de maturao de vagens e rendimento (kg/ha), para avaliar
seus tratamentos. Cada caracterstica medida nas parcelas e denominada de varivel.
Uma varivel pode ser discreta ou contnua. Varivel discreta aquela que somente pode ter certos
valores da amplitude de variao, geralmente valores inteiros. Por exemplo, nmero de plantas doentes por
parcela, nmero de sementes por fruto, nmero de ovos por galinha em determinado perodo, etc. Varivel
contnua aquela que pode assumir qualquer valor dentro da amplitude de variao. Altura e rendimento de
gros de plantas de milho, peso e produo de leite de vacas leiteiras so exemplos desse tipo de varivel.
Na linguagem estatstica, uma populao um conjunto de medies, de uma nica varivel, efetuadas sobre todos os indivduos pertencentes a uma classe. No nosso caso, por exemplo, o rendimento de gros
(kg/ha) de todos os campos de milho no Brasil, cultivados com uma variedade qualquer, BR 111, por exemplo constituiu uma populao. As medies individuais de uma varivel recebem o nome de elemento.
Uma amostra um conjunto de medies que constitui parte de uma populao. A partir da amostra
obtemos informaes e fazemos inferncias acerca da populao. Por esta razo importante que a amostra
seja representativa da populao.
As populaes so descritas mediante caractersticas denominadas parmetros. Os parmetros so valores fixos; por exemplo, a mdia aritmtica de todos os elementos de uma populao um parmetro. As
amostras so descritas pelas mesmas caractersticas, mas recebem a denominao de estatstico, ou estatstica. A mdia de uma amostra um estatstico. Calculamos os estatsticos das amostras para estimarmos os
parmetros da populao. Obviamente, os estatsticos variam de amostra para amostra enquanto que os parmetros tm apenas um valor.
Em Experimentao Agrcola os parmetros utilizados so as medidas de tendncia central, ou medidas de posio e medidas de variabilidade de dados, ou medidas de variao.
m=
X 1 X 2 X 3 ... X N Xi
=
N
N
30
Para o caso de AMOSTRAS de N elementos (X1, X2, X3... XN), a mdia aritmtica ser denotada por:
ou x .
m
A diferena entre o valor de um elemento (Xi) e a mdia denominada DESVIO ou ERRO, e pode
ser denotado por di ou ei.
di = ei = Xi m (no caso de populao finita), e
83,5
87,5
91,8
95,6
81,6
83,8
90,6
92,4
100,4
A mdia :
= x =
m
VARIEDADE
N DE TALHES
% DE INFESTAO
CB 40-13
CB 41-76
CB 46-47
IAC 48-65
IAC 51-205
IAC 52-150
IAC 52-179
NA 56-62
12
40
4
2
6
18
21
10
9,10
14,57
3,20
2,89
8,74
11,70
10,10
7,15
Se considerarmos simplesmente a mdia de infestao por variedade, sem levar em conta o nmero de
talhes, a infestao mdia da usina ser:
31
= x =
m
Observamos, entretanto, que este dado muito irreal, em decorrncia da grande variao do nmero
de talhes infestados por variedade.
Para obtermos uma informao mais real, devemos calcular a mdia ponderada, tomando como peso,
em cada variedade, o nmero de talhes.
Ponderar, significa pesar. Isto quer dizer que se devem pesar os dados para se obter a medi, que ser
uma razo entre o somatrio dos produtos de cada valor pelo peso respectivo ( PX ) e o somatrio dos
pesos ( P )
=
Assim, teremos: m
PX
P
=
m
Uma propriedade importante da mdia aritmtica que a soma dos desvios em relao mdia igual
a ZERO, ou seja:
)=0
= ( Xi m
3. MEDIDAS DE DISPERSO (OU DE VARIAO)
Entre as medidas de tendncia central, a mdia a mais importante do ponto de vista estatstico por
ser a mais representativa de uma amostra de dados, porem ela no nos diz como os dados de uma amostra se
distribuem em torno dela. Considere o exemplo das seguintes amostras de dados:
(1) 10,
10,
10,
10,
10
= 10
m
(2)
8,
10,
12,
9,
11
= 10
m
(3) 10,
3,
9,
17,
11
= 10
m
(4) 17,
15,
7,
3,
= 10
m
Podemos observar que as amostras (1), (2), (3) e (4) tm a mesma mdia, mas observamos que na
amostra (1) todos os valores so iguais a 10, ou seja, igual a mdia aritmtica, logo todos os valores esto
concentrados na mdia, no existindo qualquer diferena entre cada valor e a mdia, conseqentemente no
existe variabilidade dos dados. Ao passo que nas outras existem diferenas em relao mdia. Assim po-
32
demos dizer que na mostra (1) no existe variabilidade nos dados. havendo para todas as outras, sendo a
amostra (4) a de maior variabilidade.
Portanto, alm da mdia, necessitamos de uma medida estatstica complementar para melhor caracterizar cada amostra apresentada.
As medidas estatsticas responsveis pela variao ou disperso dos valores de uma srie so as medidas de variabilidade ou medidas de disperso, e so elas:
A) AMPLITUDE TOTAL,
B) VARINCIA,
C) DESVIO PADRO,
E) ERRO PADRO DA MDIA,
F) COEFICIENTE DE VARIAO.
At =
Xma Xme
10 10 = 0
(2)
At =
Xma Xme
12 8
=4
(3)
At =
Xma Xme
17 3
= 14
(4)
At =
Xma Xme
17 3
= 14
Podemos concluir que as amostras 3 e 4 so as mais dispersas: No entanto, elas so bem distintas, faltando, conseqentemente, alguma informao a mais, que permita diferenci-las.
por isso que a amplitude total uma medida de disperso no muito informativa, por depender somente dos valores externos da srie desprezando assim os valores intermedirios, o que toma insensvel a
disperso dos demais valores entre o maior e o menor.
33
s =
SQD
, onde:
N 1
s (2) =
SQD
=
N 1
s (3) =
SQD
=
N 1
s (4) =
SQD
=
N 1
SQD
(0) 2 (0) 2 (0) 2 (0) 2 (0) 2
0,0
=
N 1
5 1
SQD = 2 -
2 ,
N
( X ) 2
N .
N 1
X 2
s =
34
( X ) 2
(50) 2
X
(10) 2 (10) 2 (10) 2 (10) 2 (10) 2
N
5 = 0,0
s (1)=
=
5
1
N 1
2
( X ) 2
N
=
N 1
X 2
s (2)=
( X ) 2
N
=
N 1
X 2
s (3)=
( X ) 2
N
=
N 1
X 2
s (4)=
A vantagem deste mtodo que trabalhamos diretamente com os dados originais no havendo necessidade de calcularmos previamente a mdia e os desvios em relao a ela.
interessante observar que as amostras 3 e 4 j referidas embora no pudessem ser diferenciadas pela
amplitude total podem perfeitamente ser identificadas, atravs da varincia. Neste caso observamos que a
amostra 4 mais dispersa que a amostra 3.
s=
SQD
=
N 1
(X ) 2
N =, ou ainda s =
N 1
X 2
s 2 , ou s =
s2
35
s (1) =
s2 =
s (3) =
s2 =
0,0 = 0,0
s (2) =
s2 =
s (4) =
s2 =
Tambm aqui as amostras (3) e (4) podem perfeitamente ser identificadas, atravs do desvio padro,
continuando a amostra (4) como sendo a mais dispersa que a amostra (3).
E interessante observar que as amostras 3 e 4 j referidas, embora no pudessem ser diferenciadas pela amplitude, podem perfeitamente ser identificadas atravs da varincia ou do desvio padro.
O quadro seguinte nos mostra seus comportamentos:
AMOSTRA
VARINCIA
DESVIO PADRO
3
4
)]
3.4 ERRO PADRO DA MDIA [ s ( m
Se ao invs de uma amostra tivssemos vrias, provenientes de uma mesma populao, obteramos
tambm diversas estimativas da mdia, e, provavelmente distintas entre si.
A partir dessas diversas estimativas de mdia, poderamos estimar uma varincia, considerando os
desvios de cada mdia, em relao mdia de todas elas seria, ento, uma varincia da mdia.
)]
Entretanto, demonstra-se que a partir de uma nica amostra podemos estimar essa varincia [s( m
atravs da frmula:
s2
)=
s( m
, onde:
N
s = a varincia de uma amostra de dados;
N = nmero de observaes.
)=
s (m
s
N
, onde:
36
O erro padro nos d uma perfeita idia da preciso da mdia, isto , quanto menor ele for, maior preciso ter a mdia.
Considerando os dados das amostras do exemplo temos:
) (1) =
s (m
) (2) =
s (m
) (3) =
s (m
) (4) =
s (m
= 0,0
5
=
N
=
N
=
Sempre que citamos uma mdia devemos faze-la acompanhar de seu erro padro. Assim, no caso das
amostras de 1 a 4 exemplificadas, quando acompanhadas de seus erros padres ficam:
(1) : 10 0,0
(2) : 10
(3) : 10
(4) : 10
), ou seja:
desvio padro (s) e a mdia aritmtica ( x ) ou ( m
CV =
100.s
Como o desvio padro e a mdia so expressos na mesma unidade, o coeficiente de variao no tem
unidade, sendo expresso em porcentagem. (obs.:s = QME )
Considerando os dados das amostras do exemplo temos:
CV(1) =
37
CV(2) =
100.s
=
m
CV(3) =
100.s
=
m
CV(4) =
100.s
=
m
O coeficiente de variao d uma idia de preciso do experimento, ou seja, quanto menor o coeficiente de variao maior ser a preciso do experimento, ento temos na tabela 1:
<10%
Alta
Mdios
10 a 20%
Mdia
Altos
20% a 30%
Baixa
Muito altos
>30%
Muito baixa
Espera-se que os coeficientes de variao dos ensaios agrcolas, principalmente aqueles conduzidos a
nvel de campo, no ultrapassem a casa dos 30%, de modo que as concluses obtidas de tais ensaios meream crdito perante a comunidade cientfica.
12
10
15
14
21
20
38
25
23
28
26
T
i 1
( x i x..) 2
Onde:
x i = Mdia do tratamento i
x .. = Mdia geral do experimento (mdia de todos os dados)
R = Nmero de repeties de cada tratamento
T = Nmero de tratamentos
Ainda pode ser usada a seguinte frmula:
SQ Trats =
1
Ti 2 C
R
Onde:
( x) 2
N
(x
x ) 2
Onde:
x = Mdia do tratamento i
39
a variao de cada observao em relao a mdia geral. Ela engloba a variao entre tratamentos e a
variao dentro dos tratamentos, ou variao casual. E dada pela frmula:
(x
x..) 2
Onde:
SQTOTAL = SQD =
O termo
da equao chamado de correo e simbolizado pela letra C
Um exemplo:
1. Um estudante do curso de Agronomia do ILES-ULBRA de Itumbiara foi questionado se rvores da mesma espcie podem possuir densidades diferentes. Para responder a esta questo ele coletou 5 cubos de
Pinus , medindo aproximadamente 6,5 x 2,5 x 3,5 cm em 5 diferentes serrarias da cidade. O peso das
amostras, calculadas em g/cm3 so apresentadas no quadro abaixo.
SERRARIAS
A
R1
R2
B
C
D
E
Pede-se:
1) Calcular a variabilidade total (SQ TOTAL)
R3
R4
R5
TOTAL
MDIA
40
O esquema da anlise de varincia para um delineamento inteiramente casualizado (DIC), onde temos
duas causas de variao, que so os tratamentos (causa conhecida ou fator controlado) e o resduo ou erro
(causa desconhecida, de natureza aleatria, que reflete o efeito dos fatores no controlados) ser:
FONTES DE VARIAO
G.L.
S.Q.
Q.M.
Fc
TRATAMENTOS
t-1
S.Q.TRATS.
SQ.TRAT./ G.L.
Q.M.TRAT./Q.MRES.
RESDUO (ERRO)
t.(r 1)
S.Q.RES.
S.Q.RES./ G.L.
t.r - 1
S.Q.TOTAL
TOTAL
4
Onde:
G.L. = Graus de liberdade,
S.Q. = Soma de Quadrados (Varincia)
41
G.L.
S.Q.
Q.M.
Fc
TRATAMENTOS
RESDUO (ERRO)
TOTAL
3. TESTES DE SIGNIFICNCIA
Um dos principais objetivos da Estatstica a tomada de decises a respeito da populao, com base
na observao de amostras retiradas dessa populao, ou seja, dar informao para o todo, com base no conhecimento de parte.
Entende-se por populao o conjunto de elementos sobre os quais se deseja informao, e entende-se
por amostra qualquer subconjunto retirado da populao.
Ao tentarmos tomar decises, conveniente a formulao de hipteses relativas s populaes. Essas
hipteses, que podem ou no ser verdadeiras, so denominadas de hipteses estatsticas.
Existem sempre duas hipteses em questo, Por exemplo: quando comparamos duas variedades de milho (A e B), para saber se uma variedade melhor que a outra em relao a produo, primeiro formula-se a
hiptese de que no existem diferenas entre elas, isto , que quaisquer diferenas observadas so devidas
exclusivamente aos fatores no controlados, ou de acaso (Erro Experimental). Em segundo formula-se a
hiptese que uma das variedades melhor que a outra.
Essa hiptese inicial denominada de hiptese de nulidade, ou H0, e a segunda denominada de hiptese alternativa, H1, ou HA.
Ento temos:
Hiptese de nulidade (H0): As produes mdias das variedades A e B de milho no diferem entre si,
ou seja, as diferenas observadas entre elas so devidas exclusivamente as variaes no controladas, ou de
acaso (erro experimental).
Hiptese alternativa (H1 ou HA): Existe uma diferena entre as produes mdias das variedades A e
B de milho, ou seja, as diferenas observadas entre elas no so devidas as variaes no controladas, ou de
acaso (erro experimental), e sim porque uma das variedades tem, realmente, maior produo que a outra.
42
Os processos que nos permitem decidir se aceitamos, ou rejeitamos uma determinada hiptese so denominados de testes de hiptese, ou testes de significncia.
Porm, ao tomarmos a deciso de rejeitar ou aceitar uma hiptese, estamos sujeitos a incorrer em um
dos seguintes erros:
Erro Tipo I: o erro que cometemos ao rejeitar uma hiptese verdadeira, que deveria ser aceita.
Erro Tipo II: o erro que cometido ao aceitar uma hiptese falsa, que deveria ser rejeitada.
De um modo geral, controlamos apenas o Erro Tipo I, atravs do nvel de significncia do teste, representado por
(alfa) e que consiste na probabilidade mxima com que nos sujeitamos a correr o risco de
rejeitar uma hiptese verdadeira, ou seja, cometer um Erro do Tipo I, ao testarmos uma determinada hiptese.
Na prtica, comum fixarmos o nvel de significncia em 5% ou em 1%, isto = 0,05 ou
0,01. Se for escolhido o nvel de 5% ( = 0,05), isto indica que teremos 5 possibilidades em 100 de que
rejeitemos a hiptese quando ela deveria ser aceita, ou seja, existe uma confiana de 95% de que tenhamos
tomado uma deciso correta., o que denominado de grau de confiana do teste e representada por 1-
, expressa em porcentagem.
Para resumir o procedimento utilizado, vamos considerar o seguinte exemplo:
Queremos comparar 5 variedades de milho em relao a produo. O primeiro passo estabelecer as
Estabelecidas as hipteses, realizamos o experimento e, ao final do mesmo, obtemos os dados referentes as produes das cinco variedades de milho. Pela anlise dos dados obtidos, verificamos que, ao nvel de
5% de probabilidade ( = 0,05), a hiptese H0 deve ser rejeitada, isto , conclumos que as cinco variedades de milho apresentam produes mdias diferentes entre si, e nestas condies temos:
43
1- = 0,95: Existe 95% de probabilidade de que tomamos uma deciso correta ao rejeitar H0, e da diferena entre as produes mdias das cinco variedades de milho no ser casual, mas sim porque uma variedade melhor que outra.
Q. M . Trat .
Q. M . Re s
Vemos ento que, se no houver efeito de tratamentos, os dois quadrados mdios (Q.M.Trat. e Q.M.
Res.) estimam a mesma varincia e, portanto, qualquer diferena em ordem de grandeza que ocorrer entre
eles dever ser puramente casual.
As tabelas com os valores crticos de F a um certo nvel
mitida a hiptese da nulidade (H0) como verdadeira, qual o valor mximo que a relao entre eles poder
assumir. Assim sendo, sempre que o valor de F calculado igualar ou superar o valor de de F tabelado, devemos rejeitar H0 em favor de HA e conclumos que pelo menos dois tratamentos possuem efeitos diferentes.
Resumidamente temos:
Fc F (tabelado) Aceita-se H0 e rejeita-se HA
Fc F (tabelado) Aceita-se HA e rejeita-se H0
Os valores crticos de F so tabelados em funo dos nmeros de graus de liberdade (N1 e N2) das estimativas de varincias, a diferentes nveis de probabilidades, para obtermos os valores F devemos consultar
a tabela da seguinte maneira: (Para o exemplo das amostras de Pinus)
3
:
44
3
:
:
20
..........
......
:
:
:
......
2,87
Graficamente seria:
F tabelado
_____
_____
Para comparar a produtividade de quatro variedades de milho (A, B, C e D), um agrnomo escolheu
uma rea homognea de terreno, dividindo-a em 20 parcelas de 100m2, e fazendo o sorteio dos tratamentos
(as variedades de milho) para cada uma das parcelas.
Como a rea escolhida homognea, no fazemos controle local, usa-se o delineamento inteiramente
casualizado, com quatro tratamentos (variedades) e cinco repeties, que ter o seguinte esquema de campo:
Obtido os resultados de produo das 4 variedades em Kg/100m2, organizamos os dados, com os totais
de cada tratamento com suas respectivas mdias, que foram:
A
25
26
20
23
B
31
25
28
27
C
22
26
28
25
D
33
29
31
34
45
21
115
23
TOTAL
MDIA
24
135
27
29
130
26
28
155
31
, onde:
Assim temos:
2
N
= 286,225 20 = 14.311,25
T 2
C , ou
SQTrats =
r
C = indicada a correo = (
)
Assim temos:
46
Os graus de liberdade para os tratamentos e para o total so respectivamente 3 e 19, pois temos 4 tratamentos (4-1) e 20 observaes no total (20-1). Para obtermos o n de graus de liberdade do resduo, fazemos a diferena entre os graus de liberdade para o total e os graus de liberdade para os tratamentos, e obtemos (19 - 3) 16 graus de liberdade para o resduo ou erro.
Desta forma a anlise de varincia fica:
CAUSA DA VARIAO
G.L.
S.Q..
Q.M.
Fc
TRATAMENTOS
163,75
54,58
7,80
RESDUO (ERRO)
16
112,00
7,00
TOTAL
19
275,75
Obtido o valor de F pela anlise de varincia (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em funo dos nmeros de graus de liberdade dos tratamentos e do resduo conforme o
exemplo abaixo:
VALOR DE F AO NVEL DE SIGNIFICNCIA DE 5%
N1 = Nmeros de graus de liberdade do numerador (G.L. Trats.)
N2 = Nmeros de graus de liberdade do denominador (G.L. Res.)
N2
1
2
3
:
:
16
..........
N1
3
.........
:
:
:
:
3,24
Como Fc F (tabelado) (7,80 > 3,24) Aceita-se HA e rejeita-se H0,, ou seja, existe, pelo menos,
uma diferena significativa entre as produes mdias das variedades de milho, ao nvel de 5% de significncia.
Em termos prticos, o agrnomo pode concluir, com 95% de confiana, que as variedades A,B,C e D
no tm, em mdia, a mesma produo.
Se o valor de F obtido pela anlise de varincia (F calculado) fosse menor do que F (tabelado),
aceitaramos a hiptese H0 e rejeitaramos a hiptese HA ,ou seja, concluiramos que as produes mdias
das variedades de milho no apresentam diferenas significativas entre si.
47
Em termos prticos, o agrnomo poderia concluir, com 95% de confiana, que as variedades A,B,C e
D so iguais, em relao a produtividade mdia.
3 MESES
2,93
3,65
3,95
4,19
TEORES DE Ca (em %)
9 MESES
15 MESES
2,54
2,52
3,32
3,25
3,21
3,17
3,27
3,07
21 MESES
1,56
1,57
1,85
2,09
48
Pede-se:
a) Formule as hipteses estatsticas (Hiptese de nulidade (H0), e Hiptese alternativa (HA)
b) Calcule a anlise de varincia dos dados
c) Compare o Fc obtido na anava, com o Ft, obtido na tabela de F aos nveis de 1% e 5%
d) Tire as concluses de interesse.
2. Os dados abaixo so as produes em Kg/parcela obtidas em um experimento, em DIC, com 4 tratamentos e 3 repeties em feijo. Os tratamentos foram:
T1 sem adubao
T3 50 Kg/h de N
TRATS
T1
T2
T3
T4
RI
25
40
20
80
RII
32
35
20
50
RIII
23
30
25
60
Pede-se:
Idem ao 1 Exerccio.
3. Em um experimento foram comparadas 4 variedades de melo em relao a produo por parcela. Foi
utilizado o DIC com 6 repeties e os resultados em Kg/parcela foram:
VARIEDADES
A
B
C
D
Pede-se:
Idem ao 1 Exerccio.
25,12
40,25
18,30
28,05
17,25
35,25
22,60
28,55
26,42
31,98
25,90
33,20
16,08
36,52
15,05
31,68
22,15
43,32
11,42
30,32
15,92
37,10
23,68
27,58
49
Para isto precisamos de um mtodo que fornea a diferena mnima significativa (D.M.S.) entre duas mdias.
Toda vez que o valor absoluto da diferena entre duas mdias igual ou maior do que a diferena mnima significativa (D.M.S.) as mdias so consideradas estatisticamente diferentes, ao nvel de significncia
estabelecido.
Existem diversos testes estatsticos, que geralmente levam o nome do seu autor, no se tem um teste
melhor que o outro, mas sim testes adequados as diversas situaes, ou formas de como se deseja fazer a
comparao de mdias.
Q. M . Re s.
, onde:
r
q = um valor tabelado, em funo do nmero de tratamentos e do nmero de graus de liberdade do resduo, ou erro (G.L. Res.), geralmente ao nvel de 5% de significncia.
Q.M.Res. = o quadrado mdio do resduo, ou erro, obtido na anlise de varincia.
r = o nmero de repeties de cada um dos tratamentos.
(delta) obtida.
Para o nosso exemplo temos:
1. Como estamos testando a produo mdias das quatro variedades, claro que estamos interessados na
maior mdia, ento colocamos as mdias em ordem decrescente.
VARIEDADES
MDIAS
31
27
50
26
23
2. Calculo da estatstica (delta), para isto recorremos a tabela de q em funo do nmero de tratamentos e
do nmero de graus de liberdade do resduo, ou erro (G.L. Res.), nvel de 5% de significncia.
VALOR DE q AO NVEL DE SIGNIFICNCIA DE 5%
I = Nmero de tratamentos
N = Nmeros de graus de liberdade do denominador (G.L. Res.)
I
N
16
..........
.........
..........
4,05
Q. M . Re s.
7 ,00
=> = 4,05
=> = 4,79 4,8
r
5
A estatstica = 4,8 indica a diferena mnima significativa entre duas mdias para que elas possam
ser consideradas iguais estatisticamente, ao nvel de 5% de significncia, ento, quando a diferena entre
duas mdias for maior que 4,8, elas sero consideradas diferentes entre si.
DB
31 27 = 4,0
D e B so iguais
DC
31 26 = 5,0
D e C so diferentes
DA
31 23 = 8,0
D e A so diferentes
BC
27 26 = 1,0
B e C so iguais
B-A
27 23 = 4,0
B e A so iguais
C-A
26 23 = 3,0
C e A so iguais
51
DMS =4,8
4,0 ns
5,0 *
8,0*
1,0 ns
4,0 ns
3,0 ns
VARIEDADES
D
B
C
A
MDIAS
31
27
26
23
a
a
b
b
b
Mdias seguidas de mesma letra no diferem entre si pelo teste de Tukey ao nvel de 5% de significncia.
Pelo teste de Tukey podemos concluir que a variedade de milho que apresentou maior produtividade
mdia a variedade D, sendo que a variedade B estatisticamente igual a ela, porem a variedade B tambm igual as variedades C e A, que apresentaram desempenho inferior, desta maneira a variedade a ser escolhida como a melhor a D.
Xij = m + ti + eij
i = 1,2,3,..., i
j = 1,2,3,..., j
Onde:
Xij = valor observado na parcela que recebeu o tratamento i na repetio j;
m = mdia da populao;
ti = efeito do tratamento i aplicado na parcela;
eij = efeito dos fatores no controlados na parcela ij.
52
As hipteses bsicas que devemos admitir para a, validade da anlise de varincia so as seguintes:
A) Aditividade:
Os efeitos dos fatores que ocorrem no modelo matemtico devem ser aditivos.
Nos experimentos, os vrios efeitos devem ser aditivos, tanto que para cada delineamento estatstico
existe um modelo matemtico denominado modelo linear aditivo. Para o delineamento inteiramente
casualizado, o modelo o visto acima, onde o valor de qualquer unidade experimental resultante de uma
mdia geral, mais um efeito de tratamentos e mais um efeito do erro experimental.
B) Independncia:
Os erros ou desvios eij devidos ao efeito de fatores no controlados, devem ser independentes.
Cada observao possui um erro que deve ser independente dos demais. O princpio da casualizao
assegura a validade da estimativa do erro experimental, pois permite uma distribuio independente do
mesmo. A casualizao evita que todas as parcelas que recebem o mesmo tratamento ocupem posies
adjacentes na rea experimental, visto que as parcelas adjacentes, principalmente no campo, tendem a estar
mais relacionadas entre si do que as parcelas distribudas aleatoriamente.
Isto implica em que os efeitos de tratamentos sejam independentes, que no haja correlao entre eles.
E isto pode no ocorrer quando os tratamentos so doses crescentes de adubos, inseticidas, fungicidas,
herbicidas etc., nestes casos a anlise de varincia deve ser feita estudado-se a regresso.
C) Normalidade:
Os erros ou desvios eij devidos ao feito de fatores no controlados, devem possuir uma distribuio
normal de probabilidades. Isto implica em que os dados experimentais se ajustem a uma distribuio normal
de probabilidades.
Na anlise de varincia o valor do Quadrado Mdio do Erro, ou Resduo, que corresponde estimativa
da varincia do erro experimental, utilizado nas frmulas matemticas dos testes de hipteses. Tais testes
so utilizados para verificar se existe ou no diferena significativa entre os tratamentos avaliados. O
Quadrado Mdio do Erro nada mais que a mdia das varincias de cada tratamento (amostra). Assim sendo
importante que as varincias das diferentes amostras sejam homogneas, de modo que os resultados
53
s 2 max
s 2 min
Se Hc> H tabelado (1%) (**) conclumos que as varincias so estatisticamente diferentes ao nvel de
1% de probabilidade ou seja, no h homogeneidade de varincias entre os grupos.
Se Hc > H tabelado (5%), (*) conclumos que as varincias so estatisticamente diferentes ao nvel de
5% de probabilidade, ou seja, no h homogeneidade de varincias entre os grupos.
Se Hc < H tabelado (5%) (ns) conclumos que as varincias no diferem estatisticamente entre si ao
nvel de 5% de probabilidade, ou seja, as varincias entre os grupos so homogneas.
Um exemplo:
Verificar se as varincias so homogneas pelo teste de Hartley os dados da tabela abaixo:
Peso de 20 capulhos, em gramas, de variedades de algodo herbceo no municpio de Viosa-AL. FERREIRA, 1977
VARIEDADES
II
III
IV
VI
TOTAIS
S2
54
1 - AIIen 333/57
78
90
90
75
70
88
491
74,57
2 AFC 65/5236
100
65
78
92
85
90
510
149,60
3 IAC 13.1
102
95
102
85
80
98
562
84,27
98
70
85
85
88
80
506
85,07
4 - IPEANE 01
Hc=
s 2 max 149,60
=
= 2,00
s 2 min 74,57
Como Hc < H tabelado (5%), (ns) conclumos que as varincias no diferem estatisticamente entre si
ao nvel de 5% de probabilidade, ou seja, as varincias do peso de 20 capulhos de variedades de algodo
herbceo so homogneas.
Uma regra prtica e rpida para verificar a homogeneidade de varincias que a relao entre a maior
e a menor delas no pode ser superior a mais de quatro vezes para que elas sejam homogneas.
Quando as varincias das diferentes amostras no so homogneas, temos dois caminhos que podemos
seguir:
1: Podemos separar as amostras em grupos, de modo que as varincias dentro de cada grupo sejam
homogneas. Assim, a anlise de varincia poder ser efetuada para cada grupo.
2: Podemos transformar os dados de tal forma que eles fiquem homogneos. Este mtodo o mais
utilizado na prtica.
3. TRANSFORMAES DE DADOS
Uma transformao qualquer alterao sistemtica num conjunto de dados onde certas
caractersticas so mudadas e outras permanecem inalteradas
As principais transformaes so:
A) Transformao de raiz quadrada
Freqentemente utilizada para dados de contagens, que geralmente seguem a distribuio de Poisson,
na qual a mdia igual varincia. Exemplos: nmero de ervas daninhas por parcela, nmero de insetos
capturados em armadilhas luminosas, nmero de pulges ou caros por folha etc. Quando ocorrem zeros ou
valores baixos, as transformaes recomendadas so:
X 0,5 , ou
X 1,0
X / 100
Recomendvel para dados expressos em porcentagens, que geralmente seguem uma distribuio
55
binomial. Existem tabelas apropriadas para essa transformao, nas quais entramos diretamente com a
porcentagem X e obtemos arc sen
X / 100
Um exemplo:
Num experimento visando o controle do pulgo (Aphis gosypii Glover) em cultura de pepino, MACEDO
(1970) utilizou 6 repeties dos seguintes tratamentos:
A - Testemunha
C - Supracid 4OCE dose 1
B - Azinfs etlico
D - Supracid 4OCE dose 2
E - Diazinon 6OCE
56
TRAT.
A
B
C
D
E
2.370
1.282
562
173
193
1.687
1.527
321
127
71
REPETIES
3
4
2.592
871
636
132
82
2.283
1.025
317
150
62
2.910
825
485
129
96
3.020
920
842
227
44
TOTAIS
S (1)*
14.862
6.450
3.163
938
548
Pede-se:
1) Calcular as varincias dos tratamentos *
2) Verificar a homogeneidade das varincias pelo teste de Hartley,
3) Transformar os dados usando a transformao mais adequada,
4) Verificar a homogeneidade das varincias dos dados transformados pelo teste de Hartley,
5) Fazer a Anlise de Varincia com os dados transformados.
s 2 max
=
s 2 min
REPETIES
3
4
TOTAIS
S (1)*
A
B
C
D
E
s 2 max
=
s 2 min
1. INTRODUO
O delineamento em blocos casualizados (D.B.C.) o mais comum dos delineamentos estatsticos, usado praticamente para todos os tipos de experimentos, usa os princpios da repetio, casualizao e controle
local, este tipo de delineamento usado quando as condies experimentais forem heterogneas, ou se houver dvidas quanto a sua homogeneidade.
57
Neste tipo de delineamento, pelo fato de ter-se o princpio do controle local, temos estimativas menos
elevadas do erro experimental do que no DIC, pois isolamos do erro as variaes resultantes da heterogeneidade das condies experimentais. Para que o experimento seja eficiente, cada bloco dever ser o mais uniforme possvel, porm os blocos podero diferir bastante entre eles, e quanto maior a diferena entre os blocos, melhor para os resultados experimentais.
As situaes em que devemos usar o DBC so vrias, por exemplo: Se desejamos estudar a produo
de alguns hbridos de milho em um terreno com certa declividade, podemos formar os blocos no sentido das
curvas de nvel, procurando ter todos os tratamentos, os hbridos de milho, em todas as faixas de fertilidade,
se o objetivo a comparao destes hbridos em uma determinada regio, devemos ento espalhar os blocos
por toda a regio de interesse.
Nos experimentos zootcnicos, cada bloco ser constitudo de animais de caractersticas semelhantes,
por exemplo: Se temos interesse em estudar raes para gado leiteiro, vamos formar os blocos com as vacas
de melhor produo, com as de produo mdia e com as de pior produo.
At mesmo em casas de vegetao ou estufas, onde o ambiente tido como homogneo, o uso de blocos pode ser feito para controlar diferenas de luminosidade, por exemplo.
No campo, recomendvel que os blocos se apresentem com uma forma aproximadamente quadrada,
embora muitas vezes eles sejam instalados de forma retangular ou irregular, para que possa apresentar homogeneidade nas suas parcelas.
No que se refere distribuio dos blocos no campo, eles podem ficar juntos ou ser espalhados por
toda a rea em estudo. Porm, geralmente eles so colocados uns prximos aos outros, visando com isto uma
maior facilidade nos trabalhos de campo, durante a execuo do experimento.
As principais caractersticas do DBC so:
Permite o controle de uma fonte de variao alem de tratamentos;
Cada faixa de parcelas deve ser o mais homogneo possvel, podendo variar de uma faixa para outra, sendo que cada faixa recebe o nome de bloco;
Cada bloco dever conter uma vez cada tratamento.
J vimos que, para podermos efetuar a anlise de varincia em qualquer delineamento, devemos pressupor um modelo matemtico representativo do delineamento e aceitar algumas hipteses bsicas necessrias para a validade da anlise. No delineamento em blocos casualizados, controlamos uma causa de variao a mais que no delineamento inteiramente casualizado, que so os blocos, de forma que o modelo mate-
58
mtico deve espelhar este controle. Logo, para o delineamento em blocos casualizados, o modelo matemtico :
Xij = m + ti + bj + eij
i = 1, 2, 3, ..., i , j = 1, 2, 3, ..., j
Onde: Xij = valor observado na parcela que recebeu o tratamento i e se encontra no bloco j;
m = mdia da populao;
ti = efeito devido ao tratamento i, que foi aplicado na parcela;
bj = efeito devido ao bloco j, em que se encontra a parcela;
eij = efeito dos fatores no controlados na parcela.
Pressuposto o modelo matemtico do delineamento, as hipteses bsicas que devemos admitir para a validade da anlise de varincia so as mesmas vistas no delineamento inteiramente casualizado.
Exemplo:
Suponha que temos um experimento com trs tratamentos (A, B e C), com 4 repeties, o esquema de
campo seria:
I
II
III
IV
G.L.
S.Q..
Q.M.
Fc
TRATAMENTOS
NTRAT-1
S.Q.TRAT.
S.Q.TRAT./G.L.
Q.M.TRAT./Q.M.RES.
BLOCOS
NBLOC-1
S.Q.BLOCO
S.Q.BLOC/G.L.
Q.M.BLOC/Q.M.RES.
RESDUO (ERRO)
DIF.
S.Q.RES.
S.Q.RES./G.L.
TOTAL
T1
S.Q.TOTAL
B 2
C , ou
SQ Blocos =
n
C = indicada a correo = (
)
59
Um exemplo: Um DBC foi realizado para se estudar o efeito do parcelamento da adubao nitrogenada sobre diversas caractersticas morfolgicas e fisiolgicas do alho. Os dados relativos altura da planta
(em cm) foram:
TRATAMENTOS
BLOCOS
P1
P2
P3
TOTAIS
51,84
52,47
54,17
158,48
II
52,86
53,19
55,03
161,08
III
53,66
53,26
55,18
162,10
IV
54,19
54,38
56,04
164,61
54,06
56,14
56,69
166,89
TOTAIS
266,61
269,44
277,11
813,16
MDIAS
53,32
53,89
55,42
Os tratamentos foram:
P3 = 1/3 no plantio, 1/3 em cobertura 30 dias aps e 1/3 em cobertura 60 dias aps.
2 , onde:
N
Assim temos:
T 2
C , ou
r
60
C = indicada a correo = (
)
Assim temos:
B 2
C , ou
n
C = indicada a correo = (
)
Assim temos:
G.L.
S.Q..
Q.M.
Fc
Ft
61
Obtido o valor de F pela anlise de varincia (F calculado), comparamos com o valor de F obtido em
tabela (F tabelado) em funo dos nmeros de graus de liberdade dos tratamentos e do resduo, conforme j
vimos, para o caso do bloco procedemos da mesma maneira, porm levando em conta o nmero de graus de
liberdade dos blocos.
A deciso que tomamos em relao aos blocos semelhante a deciso que tomamos em relao aos
tratamentos, ou seja:
Fc F (tabelado) O teste no significativo, ou seja, o controle local no foi efetivo.
Fc F (tabelado) O teste significativo ou seja, o controle local foi efetivo.
Na prtica quando o teste no significativo, no se justificou o uso do controle local atravs dos blocos. O experimento poderia ter sido feito em DIC.
Para o nosso exemplo o teste foi significativo, o controle local foi efetivo, ou seja existem diferenas
significativas entre os blocos, e neste caso justifica-se o uso do controle local.
VARIEDADES
1
2
3
I
94,0
95,7
96,5
II
80,6
83,2
93,4
III
98,5
75,5
81,6
IV
91,0
69,4
86,8
TOTAIS
364,1
323,8
358,3
62
4
5
TOTAIS
57,0
77,0
420,2
46,5
52,4
356,1
70,2
59,0
384,8
42,2
47,9
337,3
215,9
236,3
1498,4
Pede-se:
a) Fazer a ANAVA
b) Tirar as concluses de interesse.
0
8,38
5,77
4,90
4,54
23,59
25
7,15
9,78
9,99
10,70
37,62
DOSES DE P2O5.
50
75
10,07
9,55
9,73
8,95
7,92
10,24
9,48
8,66
37,20
37,40
100
9,14
10,17
9,75
9,50
38,56
TOTAIS
44,29
44,40
42,80
42,88
174,37
Pede-se:
a) Fazer a ANAVA
b) Tirar as concluses de interesse.
C - 90
E - 85
D - 111
A - 81
Pede-se:
a) Fazer a ANAVA
b) Tirar as concluses de interesse.
D - 80
A - 84
E - 90
B - 125
A - 134
C - 70
B - 87
D - 85
E - 112
B - 108
A - 84
C - 70
B 142
D 82
C 69
E 72