Você está na página 1de 18

Universidade Federal do Piauí

Campus Universitário Profa Cinobelina Elvas

 DELINEAMENTO EM BLOCOS
CASUALIZADOS

Profa. Gisele Rodrigues Moreira


Enga. Agrônoma
Dra. Genética e Melhoramento
http://br.geocities.com/giselerm/profagisele
E-mail: giselerm@ufpi.br

1. INTRODUÇÃO

 Usado quando não houver homogeneidade das


condições experimentais.

 Controle local → subambientes homogêneos.

 Utiliza os princípios da repetição, da casualização e


do controle local.

Pressuposição:
Heterogeneidade entre blocos, mas homogeneidade
dentro dos blocos.

1
Características do DBC

 As parcelas são distribuídas em grupos ou blocos, o


mais uniforme possível, dentro de cada bloco;

 O número de parcelas por bloco deve ser múltiplo


do número de tratamentos (geralmente, é igual ao
número de tratamentos);

 Os tratamentos são designados às parcelas de


forma casual dentro de cada bloco.

1. INTRODUÇÃO

B
Experimento básico

Bloco 1 Bloco 2 Bloco 3 Bloco 4 Bloco 5

A B B A B

B A A B A
Repetições + Casualização + Controle local

2
2. QUADRO DE TABULAÇÃO DE DADOS

Experimento em DIC com I tratamentos


(i = 1, 2, ..., I) e J blocos (j = 1, 2, ..., J)
BLOCOS
TRATAMENTOS
1 2 ... J Totais
1 Y11 Y12 ... Y1J T1
2 Y21 Y22 … Y2J T2
... ... ... ... ... …
I YI1 YI2 … YIJ TI
Totais B1 B2 … BJ G

BLOCOS
TRATAMENTOS
1 2 ... J Totais
1 Y11 Y12 ... Y1J T1
2 Y21 Y22 … Y2J T2
… ... ... ... ... …
I YI1 YI2 … YIJ TI
Totais B1 B2 … BJ G

Número de unidades experimentais: N = I x J


IJ
Total geral: G = ∑Y
i =1, j =1
ij = Y..

G
Média geral: mˆ =
IJ

3
BLOCOS
TRATAMENTOS
1 2 ... J Totais
1 Y11 Y12 ... Y1J T1
2 Y21 Y22 … Y2J T2
… ... ... ... ... …
I YI1 YI2 … YIJ TI
Totais B1 B2 … BJ G
J
Total para o tratamento i: Ti = ∑ Yij = Yi.
i =1
Ti
Média para o tratamento i: m
ˆi =
J
I
Total para o bloco j: B j = ∑ Yij = Y. j
i =1
Bj
Média para o bloco j: mˆ j =
I

3. MODELO ESTATÍSTICO

Yij = m + ti + bj + eij

Em que:
Yij é o valor observado para a variável resposta obtido
para o i-ésimo tratamento no j-ésimo bloco;
m é a média de todos os valores possíveis da variável
resposta;
ti é o efeito do tratamento i no valor observado Yij;
bj é o efeito do bloco j no valor observado Yij;
eij é o erro experimental associado ao valor observado
Yij.

4
4. ANÁLISE DE VARIÂNCIA

É uma análise estatística que permite decompor a


variação total, ou seja a variação existente, na variação
devido à diferença entre efeitos dos tratamentos, dos
blocos e na variação devido ao acaso (erro experimental
ou resíduo).
Pressuposições:

 os efeitos do modelo devem ser aditivos;


 os erros experimentais devem ser normalmente
distribuídos [eij ~ N (0, 1) e independentes.

ANOVA ⇒ Teste de hipótese ⇒ Teste F

Etapas em teste de hipóteses:

I. Definir as hipóteses de nulidade (Ho) e alternativa (Ha);


II. Calcular o valor da estatística do teste (Proceder a
ANOVA);
III. Fixar o nível de significância (α) e obter o valor
tabelado ou ponto crítico;
IV. Comparar o valor da estatística do teste (valor
calculado) com o valor tabelado e concluir quanto à
rejeição ou não de Ho.

5
I. Hipóteses testadas na ANOVA

 Hipótese de nulidade (Ho): m1 = m2 = ... = mI = m


Todos os possíveis contrastes entre as médias dos
tratamentos são estatisticamente nulos, ao nível de
probabilidade que foi executado o teste.

 Hipótese alternativa (Ha): Não Ho.


Existe pelo menos um contraste entre as médias dos
tratamentos, estatisticamente diferente de zero, ao nível de
probabilidade que foi realizado o teste.

II. Quadro da ANOVA

Causa da
GL SQ QM F
variação
Bloco J-1 SQB - -
Tratamento I-1 SQTrat SQTrat/I-1 QMTrat/
QMR
Resíduo (I-1)(J-1) SQR SQR/(I-1)(J-1) -
TOTAL IJ - 1 SQT - -

SQR = SQT − SQTrat − SQB

6
Causa da
GL SQ QM F
variação
Bloco J-1 SQB - -
Tratamento I-1 SQTrat SQTrat/I-1 QMTrat/QMR
Resíduo (I-1)(J-1) SQR SQR/I(J-1) -
TOTAL IJ - 1 SQT - -

I I ;J J I ;J

∑Y 2
i.
( ∑ Yij ) 2
i =1; j =1
∑ Y. 2j
j =1
( ∑Y )
i =1; j =1
ij
2

i =1
SQTrat = − SQB = −
J IJ I IJ
I ;J

I ;J
( ∑Y )
i =1; j =1
ij
2

SQT = ∑Y
i =1; j =1
2
ij −
IJ

III. Nível de significância (α


α)

 Geralmente usa-se α = 5% ou 1%

 Tabela de F ⇒ valor tabelado:


n1 = graus de liberdade do numerador
n2 = graus de liberdade do denominador

7
IV. Regra decisória na ANOVA

 Se o valor de F calculado for maior ou igual ao valor


do F tabelado, então rejeita-se Ho e conclui-se que os
tratamentos têm efeito diferenciado ao nível de
significância em que foi realizado o teste;

 Se o valor de F calculado for menor ao valor do F


tabelado, então não se rejeita Ho e conclui-se que os
tratamentos têm mesmo efeito ao nível de significância
em que foi realizado o teste;

Exemplo:

Experimento em DBC com 5 produtos comerciais


para suprir a deficiência de micronutrientes
(i = 1, 2, ..., 5) e 3 blocos (j = 1, 2, 3) ⇒ variável
resposta: ppm de micronutriente/mL de sangue
BLOCOS (idade)
TRATAMENTOS
1 2 3 Totais
1 83 63 55 201
2 86 69 61 216
3 103 79 79 261
4 116 81 79 276
5 132 98 91 321
Totais 520 390 365 1275

8
Existe diferença entre os produtos
comerciais, quanto ao suprimento de
micronutrientes em caprinos? Qual o
melhor produto?

Proceder a ANOVA

Proceder o teste de comparação de médias

I. Hipóteses

Ho: m1 = m2 = m3 = m4 = m5

Ha: pelo menos um contraste entre


médias de tratamentos é diferente de
zero.

9
II. ANOVA

Causa da
GL SQ QM F
variação
Bloco J–1=2 SQB - -

Tratamento I–1=4 SQTrat SQTrat/I- QMTrat


1 /QMR
Resíduo (I-1)(J-1) = 8 SQR SQR/ -
(I-1)(J-1)
TOTAL IJ – 1 = 14 SQT - -

5 tratamentos ⇒ I = 5
3 bocos ⇒ J = 3

III. ANOVA

J I ;J I I ;J

∑ Y. 2j
j =1
( ∑ Yij ) 2
i =1; j =1
∑Y 2
i.
( ∑Y )
i =1; j =1
ij
2

i =1
SQB = − SQTrat = −
I IJ J IJ
I ;J

I ;J
( ∑Y )
i =1; j =1
ij
2

SQT = ∑Y
i =1; j =1
2
ij −
IJ

SQR = SQT − SQTrat − SQB

10
Soma de quadrado de BLOCO

J I ;J

∑Y
j =1
2
.j ( ∑Y )
i =1; j =1
ij
2

SQB = −
I IJ

Como j = 1, 2, 3 então:
3

∑Yj =1
2
.j = Y.12 + Y.22 + Y.32

∑Y
i =1
2
.j = (520) 2 + (390) 2 + (365) 2
3

5 ∑Y
j =1
2
.j
555725
∑Y
i =1
2
.j = 555725
I
=
5
= 111145

Soma de quadrado de BLOCO

J I ;J

∑Y 2
.j
( ∑Y )
i =1; j =1
ij
2

i =1
SQB = −
I IJ

Como i = 1, 2, 3, 4, 5 e j = 1, 2, 3, então:
5; 3
( ∑Y )
i =1; j =1
ij
2
= (Y11 + Y12 + Y13 + Y21 + ... + Y53 ) 2 =

(Y1. + Y2. + Y3. + Y4. + Y5. ) 2


5; 3
( ∑Y )
i =1; j =1
ij
2
= (201 + 216 + 261 + 276 + 321) 2
5; 3

5; 3
( ∑Y )
i =1; j =1
ij
2

1625625
( ∑Y )
i =1; j =1
ij
2
= 1625625
IJ
=
15
= 108375

11
Soma de quadrado de BLOCO

3 5; 3

∑Y 2
.j
555725
( ∑Y )
i =1; j =1
ij
2

1625625
j =1
= = 111145 = = 108375
I 5 IJ 15

J I ;J

∑Y
j =1
2
.j ( ∑Y )
i =1; j =1
ij
2

SQB = − = 111145 − 108375


I IJ
SQB = 2770

Soma de quadrado de TRATAMENTO

I I ;J

∑ Yi.2 ( ∑Y )
i =1; j =1
ij
2

i =1
SQTrat = −
J IJ

Como i = 1, 2, 3, 4, 5 então:
5

∑Y
i =1
2
i. = Y12. + Y22. + Y32. + Y42. + Y52.
5

∑Y
i =1
2
i. = (201) 2 + (216) 2 + (261) 2 + (276) 2 + (321) 2
5 5

∑ Yi.2 = 334395 ∑Y
i =1
2
i.
334395
i =1
= = 111465
J 3

12
Soma de quadrado de TRATAMENTO

5 5; 3

∑ Yi.2
i =1 334395
( ∑Y )
i =1; j =1
ij
2

1625625
= = 111465 = = 108375
J 3 IJ 15

I I ;J

∑Y 2
i.
( ∑Y )
i =1; j =1
ij
2

i =1
SQTrat = − = 111465 − 108375
J IJ
SQTrat = 3090

Soma de quadrado TOTAL

I ;J

I ;J
( ∑Y )
i =1; j =1
ij
2

SQT = ∑Y
i =1; j =1
2
ij −
IJ
Como i = 1, 2, 3, 4, 5 e j = 1, 2, 3, então:
5; 3

∑Y
i =1; j =1
2
ij = Y112 + Y122 + Y132 + Y212 + ... + Y532

5; 3

∑Y
i =1; j =1
2
ij = 832 + 86 2 + 1032 + ... + 912

5; 3

∑Y
i =1; j =1
2
ij = 114419

13
Soma de quadrado TOTAL

5; 3 5; 3
( ∑Y ) 2

∑Y
i =1; j =1
2
ij = 114419 i =1; j =1
ij

=
1625625
= 108375
IJ 15

I ;J

I ;J
( ∑Y )
i =1; j =1
ij
2

SQT = ∑Y
i =1; j =1
2
ij −
IJ
= 114419 − 108375

SQT = 6044

II. ANOVA

Causa da
GL SQ QM F
variação
Bloco 2 2770 - -

Tratamento 4 3090 7725 33,59

Resíduo 8 184 23 -

TOTAL 14 6044 - -

QMTrat = SQTrat/GL QMR = SQR/GL


F = QMTrat/QMR

14
III. Nível de significância

Causa da
GL SQ QM F
variação
Bloco 2 2770 - -

Tratamento 4 3090 7725 33,59

Resíduo 8 184 23 -

TOTAL 14 6044 - -

α = 5% ⇒ n1 = 4 Ftabelado = 3,84
n2 = 8

IV. Conclusão do Teste F

Causa da
GL SQ QM F
variação
Bloco 2 2770 - -

Tratamento 4 3090 772,5 33,59*

Resíduo 8 184 23 -

TOTAL 14 6044 - -

Como 33,59 > 3,84 ⇒ teste F significativo, então


rejeita-se Ho ao nível de 5% de probabilidade. Ou seja,
existe variação entre os efeitos dos tratamentos.

15
5. COEFICIENTE DE VARIAÇÃO

Causa da
GL SQ QM F
variação
Bloco 2 2770 - -
Tratamento 4 3090 7725 33,59*
Resíduo 8 184 23 -
TOTAL 14 6044 - -

QMR
CV % = .100

23
CV % = .100 = 5,64%
85

6. VANTAGENS E DESVANTAGENS DO DBC

Vantagens:

 Controla as diferenças que ocorrem nas condições


ambientais, de um bloco para o outro;

 Até certo limite, permite utilizar qualquer número de


tratamentos e blocos;

 Uma vez que a variação ambiental entre blocos é


isolada, conduz a uma estimativa mais exata para a
variância residual.

16
6. VANTAGENS E DESVANTAGENS DO DBC

Desvantagens:

 Devido à utilização do princípio do controle local, há


uma redução do número de graus de liberdade do
resíduo;

 A exigência de homogeneidade das parcelas dentro


de cada bloco limita o número de tratamentos, que não
pode ser elevado;

Teste de TUKEY

17
Teste de DUNCAN

18