Experimentos Fatoriais 89

1. EXPERIMENTOS FATORIAIS. Nos experimentos mais simples comparamos

tratamentos ou níveis de um único fator, considerando que todos os demais fatores
que possam interferir nos resultados obtidos se mantenham constantes. Por
exemplo: quando comparamos tipos de drogas em animais experimentais, os
demais fatores, como raça, idade, sexo etc. se mantêm constantes, isto é, devem
ser os mesmos para todas as drogas estudadas. Entretanto, existem diversos
casos em que vários fatores devem ser estudados simultaneamente. Nesses
casos, utilizamo-nos dos experimentos fatoriais, que “são aqueles nos quais são
estudados, ao mesmo tempo, os efeitos de dois ou mais tipos de fatores ou
tratamentos”. Entenda-se por fator “uma variável independente cujos valores (níveis
do fator) são controlados pelo experimentador”. Cada subdivisão de um fator é
denominada de nível do fator e os tratamentos nos experimentos fatoriais
consistem de todas as combinações possíveis entre os diversos fatores nos seus
diferentes níveis.
Por exemplo: num experimento fatorial podemos combinar 2 doses de um
antibiótico com 3 diferentes níveis de vitamina B12. Neste caso teremos um fatorial
2 x 3, com os fatores Antibióticos (A) e Vitamina (V), que ocorrem em 2 níveis (A1 e
A2) e 3 níveis (V1, V2 e V3), respectivamente, e os 2 x 3 = 6 tratamentos são:

A1V1 A1V2 A1V3

A2V1 A2V2 A2V3

Outro exemplo: num experimento fatorial 3 x 2 podemos combinar 3 Doses de uma

droga (D1, D2 e D3), 2 Idades (I1 e I2) e teremos 3x2 = 6 tratamentos, que resultam
de todas as combinações possíveis dos níveis dos 3 fatores, ou seja,

D1I1 D1I2
D2I1 D2I2
D3I1 D3I2
Os experimentos fatoriais não constituem um delineamento experimental e sim um
esquema orientado de desdobramento de graus de liberdade de tratamentos e
podem ser instalados em qualquer um dos delineamentos experimentais já
estudados (DIC, DBC e DQL, por exemplo).
Em um experimento fatorial nos podemos estudar não somente os efeitos dos
fatores individuais, mas também, se o experimento foi bem conduzido, a interação
entre os fatores. Para ilustrar o conceito de interação vamos considerar os
seguinte exemplo:
Suponha que as médias dos 3 x 2 = 6 tratamentos deste último exemplo são
apresentadas na tabela abaixo:

Fator B - Idade
Fator A- Dose da
Droga I0 I1
D0 5 10
D1 10 15
D2 15 25

Estatística Experimental
 Experimentos Fatoriais 90

26 26
Doses da Droga - Fator A
Idade - Fator B a2
24 24
b1
22 22

20 20
b0
Tempo de redução

Tempo de redução
18
(milisegundos)

18

(milisegundos)
16 16 a1
14
14

12
12
10 a0
10
8
8
6
6
4
0 1 2 4
0 1
Doses da droga - Fator A
Idade- Fator B

Os seguintes aspectos importantes dos dados na Tabela acima devem ser

destacados:
• Para ambos os níveis do fator B a diferença entre as médias para quaisquer
níveis do fator A é a mesma;
• Para todos os níveis do fator A a diferença entre as médias para os dois
níveis de B é a mesma;
• Uma terceira característica é notada por meio do gráfico. Notamos que as
curvas correspondentes aos diferentes níveis de um fator são todas
paralelas.
Quando os dados da população possuem estas três características listadas acima,
dizemos que não existe interação presente entre os fatores. A presença de
interação entre os fatores pode afetar as características dos dados de várias
formas dependendo da natureza da interação. Vamos ilustrar o efeito de um tipo de
interação modificando os dados da tabela apresentada anteriormente

Fator B - Idade
Fator A- Dose da
Droga I0 I1
D0 5 15
D1 10 10
D2 20 5

Os seguintes aspectos importantes dos dados na Tabela acima devem ser

destacados:
• A diferença entre as médias para qualquer dos dois níveis de A não é a
mesma para ambos os níveis de B;
• A diferença entre as médias para ambos os níveis do fator B não é o mesmo
nos níveis do fator A;
• As curvas dos fatores não são paralelas, como é mostrado nos gráficos
abaixo;

Estatística Experimental
 Experimentos Fatoriais 91

22 22

Idade - Fator B
20 20

b0
18 18
Doses da Droga - Fator A
Tempo de redução

Tempo de redução
16 16
(milisegundos)

(milisegundos)
a0
14 14

12 12

10 10
a1

8 8

6 6
b1 a2
4 4
1 2 3 0 1
Doses da droga - Fator A Idade - Fator B

Quando os dados da população exibem as características exibidas acima, dizemos

que existe interação presente entre os dois fatores. Enfatizamos que o tipo de
interação ilustrada acima é somente uma das dos muitos tipos de interação que
podem ocorrer entre dois fatores.
Em resumo, podemos afirmar que “existe interação entre dois fatores se uma
modificação em um dos fatores produz uma modificação na resposta em um dos
níveis do outro fator diferente dos produzidos nos outros níveis deste fator”.
As vantagens de um experimento fatorial são:
• A interação dos fatores pode ser estudada;
• Existe uma economia de tempo e de esforço.
Nos experimentos fatoriais todas as observações podem ser usadas para
estudar o efeito de cada um dos fatores investigados. A alternativa, quando
dois fatores são investigados, seria o de conduzir dois diferentes
experimentos, cada um para estudar cada um dos dois fatores. Se isto é
feito, as observações somente produzirão informações sobre um dos fatores,
e o outro experimento somente fornecerá informação sobre o outro fator.
Para se obter o nível de precisão dos experimentos fatoriais, mais unidades
experimentais seriam necessárias se os fatores fossem estudados por meio
de dois experimentos. Isto mostra que 1 experimento com dois fatores é
mais econômico que 2 experimentos com 1 fator.
• Visto que os vários fatores são combinados em um experimento, os
resultados têm uma grande amplitude de aplicação.

2. DEFINIÇÕES INICIAIS. Consideremos um experimento fatorial 2x2, com os

fatores, Antibiótico (A) e Vitamina B12 (B) nos níveis: a0 (sem antibiótico) e a1 (com
antibiótico); b0 (sem Vitamina B12) e b1 (com vitamina B12), respectivamente,
adicionados a uma dieta básica e os seguintes resultados de ganho de peso (g)
para os 2x2 = 4 tratamentos:

Fator B – Vitamina B12

Fator A- Dose do
antibiótico b0 b1 Totais
a0 14 23 37
a1 32 53 85
Totais 46 76 122

Graficamente temos:

Estatística Experimental
 Experimentos Fatoriais 92

Definições:

• EFEITO SIMPLES DE UM FATOR: como a medida da variação que ocorre

com a característica em estudo (ganho de peso, neste exemplo)
correspondente às variações nos níveis desse fator, em cada um dos níveis
do outro fator.
• Efeito simples do antibiótico no nível 0 de vitamina B12 :
A ( dentro de b0 ) = a1 b0 − a0 b0 = 32 − 14 = 18
• Efeito simples do antibiótico no nível 1 de vitamina B12:
A ( dentro de b1 ) = a1 b1 − a0 b1 = 53 − 23 = 30
• Efeito simples da vitamina B12 no nível 0 de antibiótico :
B ( dentro de a0 ) = a0 b1 − a0 b0 = 23 − 14 = 19
• Efeito simples da vitamina B12 no nível 1 de antibiótico :
B( dentro de a1 ) = a1 b1 − a0 b0 = 53 − 32 = 21

• EFEITO PRINCIPAL DE UM FATOR: é uma medida da variação que ocorre

com a característica em estudo, correspondente às variações nos níveis
desse fator, em média, de todos os níveis do outro fator.

A( dentro de b0 ) + A( dentro de b1 ) 18 + 30
Efeito principal de A = = = 24
2 2
B( dentro de a0 ) + B( dentro de a1 ) 9 + 21
Efeito principal de B = = = 15
2 2

• EFEITO DA INTERAÇÃO ENTRE OS DOIS FATORES: é uma medida da

variação que ocorre com a característica em estudo, correspondente às
variações nos níveis de um fator, ao passar de um nível a outro do outro
fator.

Estatística Experimental
 Experimentos Fatoriais 93

A( dentro de b1 ) − A( dentro de b0 )30 − 18

Efeito da int eração A x B = = = 6 , ou ainda ,
2 2
B( dentro de a1 ) − B( dentro de a0 ) 21 − 9
Efeito da int eração de B x A = = = 6,
2 2
isto é, tanto faz calcular a interação A x B como a interação B x A

As principais desvantagens dos experimentos fatoriais são:

• O número de tratamentos aumenta muito com o aumento do número de
níveis e de fatores, tornando praticamente impossível distribuí-los em blocos
casualizados, devido à exigência de homogeneidade das parcelas dentro de
cada bloco.
• A análise estatística é mais trabalhosa (efeitos principais e interação de
todos os fatores) e a interpretação dos resultados se torna mais difícil à
medida que aumentamos o número de níveis e de fatores no experimento.

2. O MODELO MATEMÁTICO O modelo de um experimento fatorial com dois

fatores, num delineamento inteiramente casualizado com r repetições, pode ser
escrito como:
y ijk = µ + α i + β j + ( αβ )ij + ε ijk
Sendo:
y ij é a k − ésima resposta que recebeu o i − ésimo nível do fator α e o j − ésimo
•
nível do fator β ;

• µ é uma cons tan te ( média ) comum a todas as observações;

• α i é o efeito do i − ésimo nível do fator α com i = 1, . .., a;
• β j é o efeito do j − ésimo nível do fator β com j = 1, ..., b;
αβ ij é o efeito da int eração do i − ésimo nível do fator α com o efeito do
•
j − ésimo nível do fator β ;
• ε ijk é o erro exp erimental associado à observação y ijk com k = 1, ..., r

3. SUPOSIÇÕES DO MODELO. As suposições associadas ao modelo;

• As observações de cada célula ab constituem uma amostra aleatória de
tamanho r retirada de uma população definida pela particular combinação
dos níveis dos dois fatores;
• Cada uma das ab populações é normalmente distribuída;
• Todas as populações têm a mesma variância;
• ε ijk ~ N ( o , σ 2 ) ;
e os parâmetros α i , β j e ( αβ )ij satisfazem as condições
• a b a b

∑αi = ∑ β j = 0 e
i =1 j =1
∑ ( αβ )ij = ∑ ( αβ )ij = 0.
i =1 j =1

Vale observar que “a” é o número de níveis do fator A, “b” é o número de níveis do
fator B e “r” é o número de repetições de cada um dos “ab” tratamentos. No total
temos “abr” unidades experimentais.

Estatística Experimental
 Experimentos Fatoriais 94

4. HIPÓTESES ESTATÍSTICAS. As seguintes hipóteses podem ser testadas nos

experimentos fatoriais.
• A hipótese de que não existe ou existe interação AB é equivalente às
hipóteses H 0 AB : ( αβ )ij = 0 vs H1 AB : ( αβ )ij ≠ 0 com i = 1, ..., a e j = 1, ..., b ;
• De maneira análoga as hipóteses de que não existe efeito principal do fator
A e B é a mesma que as hipóteses
H 0 A : α i = 0 vs H1 A : α i ≠ 0 com i = 1, ..., a
,
H 0 B : β j = 0 vs H1B : β j ≠ 0 com j = 1, ..., b
respectivamente.

5. DETALHES COMPUTACIONAIS. Apresentaremos alguns passos que facilitam

os cálculos das somas de quadrados da ANOVA.

• Soma de Quadrados do Total (SQT)

r a b
(Y )2 (Y )2
SQT = ∑ ∑ ∑ Yijk2 − + + + , sendo CM = + + + ;
k =1 i =1 j =1 abr abr
1
• Soma de Quadrados do fator A, SQ(A) SQ( A ) =
br
∑Y 2
i ++ − CM ;

1
• Soma de Quadrados do fator, B SQ(B) SQ( B ) =
ar
∑Y 2
+ j+ − CM ;

• Soma de Quadrados da interação AxB, SQ(AxB)=SQ(A,B)-SQ(A)-SQ(B) ou

1 a b
SQ( AxB ) = ∑ ∑ Yij2+ − CM , sendo a SQ(A,B) a soma de quadrado
r i =1 j =1=1
conjunta, que nos fatoriais com dois fatores é igual à SQTr;
• Soma de Quadrados do Resíduo (SQR) SQR=SQT-SQ(A)-SQ(B)-SQ(AxB)
r a b r
ou SQR = ∑ ∑ ∑ Yijk2 − ∑ Yij2+
k =1 i =1 j =1 k =1

6. QUADRO DA ANOVA. Calculadas as SQ podemos montar o seguinte Quadro

da ANOVA:

Fonte
de variação gl SQ QM F
Fator A a-1 SQ(A) QM(A)=SQ(A)/(a-1) QM(A)/QMR
Fator B b-1 SQ(B) QM(B)=SQ(B)/(b-1) QM(B)/QMR
Int A xB (a-1)(b-1) SQ(AxB) QM(A)=SQ(AxB)/(a-1)(b-1) QM(AxB)/QMR
Tratamentos ab-1 SQTr QMTr=SQTr/ab-1 QMTr/QMR
Resíduo ab(r-1) SQR QMR+SQR/ab(r-1)

TOTAL abr-1 SQT

Estatística Experimental
 Experimentos Fatoriais 95

7. ESTATÍSTICA E REGIÃO CRÍTICA DO TESTE. As estatísticas para os testes F

da ANOVA são

QM ( A ) QM ( B ) QM ( AxB )
FcA = , FcB = e FcAB = ,
QMR QMR QMR
a qual, deve ser próximo de 1 se H0 for verdadeira, enquanto que valores grandes
dessa estatística são uma indicação de que H0 é falsa. A teoria nos assegura que
FcA tem, sob H0 distribuição F – Snedecor com (a -1) e ab(r-1)) graus de liberdade
no numerador e no denominador, respectivamente. Resumidamente, indicamos:
FcA ~ F( a −1 , ab( r −1 ),α ) , sob H 0 .
Rejeitamos H0 para o nível de significância α se
FcA > F( a −1 , ab ( r −1 ), α ) ,
sendo, F( a −1 , ab ( r −1 ), α ) o quantil de ordem (1 − α ) da distribuição F-Snedecor com
(a -1) e ab(r-1) graus de liberdade no numerador e no denominador
De modo análogo temos FcB . Para a interação A x B a

FcAB ~ F( ( a −1 )( b −1 ) , ab ( r −1 ),α ) , sob H 0

e rejeitamos H0 para o nível de significância α se

FcAB > F( ( a −1 )( b −1 ) , ab( r −1 ),α ) , ,
sendo, F( ( a −1 )( b −1 ) , ab ( r −1 ), α ) o quantil de ordem (1 − α ) da distribuição F-Snedecor
com (a -1)(b-1) e ab(r-1) graus de liberdade no numerador e no denominador
respectivamente.

8. EXEMPLO 1: considere o esquema fatorial 2 x 2 ( dois níveis de antibiótico, dois

níveis de vitamina B12) para estudar o aumento de peso (Kg) diário em suínos.
a0 – sem antibiótico; a1 – com 40 µg de antibiótico
b0 – sem vitamina B12 ; b1 – com 5 mg de vitamina B12

a0 a1
Repetição b0 b1 b0 b1
1 1,30 1,26 1,05 1,52
2 1,19 1,21 1,00 1,56
3 1,08 1,19 1,05 1,55
Totais 3,57 3,66 3,10 4,63

OBS: neste caso o delineamento experimental foi o inteiramente casualizado com

os tratamentos num esquema fatorial 2 x 2, com 3 repetições
Outra forma de apresentação dos dados

Trat. Repetição Totais

a0b0 1,30 1,19 1,08 3,57
a0b1 1,26 1,21 1,19 3,66
a1b0 1,05 1,00 1,05 3,10
a2b2 1,52 1,56 1,55 4,63

Estatística Experimental
 Experimentos Fatoriais 96

Calculo das Soma de Quadrados:

(1,30 + ... + 1,55 ) 2 (14 ,96 ) 2

SQT = (1,30 2 + ... + 1,55 2 ) − = = 0 ,4418 ;
( 2 )( 2 )( 3 ) 12
3 ,57 2 3 ,61 2 3 ,10 2 4 ,63 2 (14 ,96 ) 2
SQTr = + + + − = 0 ,4124 ;
3 3 3 3 ( 2 )( 2 )( 3 )
SQR = SQT − SQTr = 0 ,4418 − 0 ,4124 = 0 ,0294 ,
e então, podemos construir um primeiro quadro de análise de variância:

Fonte
de variação gl SQ QM F
Tratamentos 3 0,4124 0,137 34,25
Resíduo 8 0,0294 0,004

TOTAL 11 0,4418

Como F( 3 ,8 ; 0.01 ) = 7 ,59 podemos concluir que pelo menos duas médias de
tratamentos diferem significativamente (p<0,01) entre si quanto ao ganho de peso
diário de suínos. A continuação da análise pode envolver a comparação das
médias dos tratamentos por meio de um dos procedimentos de comparações
múltiplas conhecidos, como os testes de Tukey, Duncan, t-Student, Scheffé etc.
Uma alternativa de análise mais simples e mais informativa, está baseada no
esquema fatorial dos tratamentos. Utilizando o quadro com os totais das
combinações dos níveis dos fatores A e B e as fórmulas apresentadas
anteriormente, podemos construir um novo quadro de análise de variância que
permitirá testar se existe interação entre os dois fatores e se cada um dos fatores
tem efeito significativo sobre o desenvolvimento dos suínos.

Quadro auxiliar com os totais das combinações dos níveis de antibióticos (a0, a1)e
vitamina B12

b0 b1 Totais
a0 3.57 3,66 7,23
a1 3,10 4,63 7,73
Totais 6,67 8,29 14,96
Assim,
7 ,23 2 7 ,73 2 14 ,96 2
SQ( A ) = + − = 0 ,02097 ;
2.( 3 ) 2.( 3 ) 4.( 3 )
6 ,67 8 ,29 2 14 ,96 2
SQ( B ) = + − = 0 ,21883 ;
2( 3 ) 2( 3 ) 4( 3 )
SQ( AxB ) = 0 ,4124 − 0 ,02097 − 0 ,21883 = 0 ,1723.

Vale observar que: SQTr = SQ(A) + SQ(B) + SQ(AxB) e que as somas de

quadrados associadas ao total e ao resíduo permanecem inalteradas.

Estatística Experimental
 Experimentos Fatoriais 97

O novo quadro da ANOVA fica:

Fonte
de variação gl SQ QM F
Antibótico (A) 1 0,02097 0,02097 5,71
Vitamina B12 (B) 1 0,21883 0,21883 59,62
Int. AxB 1 0,1723 0,1723 48,12
Tratamentos (3) 0,4124 0,137 34,25
Resíduo 8 0,0294 0,00367

TOTAL 11 0,4418

Da tabela apropriada, temos F(3, 8; 0,01) = 7,59; F(1, 8, 0,05) = 5,32 ; F(1, 8 ; 0,01) = 11,26
Comparando os valores calculados das estatísticas F, podemos concluir que:
• o teste para a interação AxB foi significativo (p < 0,01), indicando que o
efeito da vitamina B12 na presença ou ausência de antibiótico é
significativamente diferente.

1.6

Níveis de antibiótico
a1
1.5

1.4
Peso diário (Kg)

1.3

a0
1.2

1.1

1.0
b0 b1

Niveis de vitamina B 12

Gráfico das médias de ganho de peso dos níveis de vitamina B12 por nível de antibiótico

Como a interação AxB resultou significativa (veja o gráfico apresentado acima), as

interpretações dos testes dos efeitos simples de Antibiótico (A) e de Vitamina B12
(B) perdem o significado. Precisamos estudar a interação fazendo os seguintes
desdobramentos:
a) Desdobramento da interação AxB para estudar o comportamento dos fator A
dentro de cada nível de vitamina B12 (b0 e b1) :

1 2 2 Y+2+ +
SQ( Adentro de b0 ) = ( Y11+ + Y21+ ) − =
r 2( r )
1 2 2 ( 6 ,67 ) 2
= ( 3 ,57 + 3 ,10 ) − = 0 ,0368
3 2( 3 )

Estatística Experimental
 Experimentos Fatoriais 98

1 2 2 Y+2+ +
SQ( Adentro de b1 ) = ( Y12 + + Y22 + ) − =
r 2( r )
1 ( 8 ,29 ) 2
2 2
= ( 3 ,66 + 4 ,63 ) − = 0 ,1568 ,
3 2( 3 )

Assim, monta-se a seguinte análise de variância do desdobramento dos graus de

liberdade da interação A x B para se estudar o efeito do antibiótico no ganho de
peso diário de suínos na ausência e na presença da vitamina B12.

F.V. G.L. S.Q. Q.M. F

Adentro de b0 1 0,0368 0,0368 10,03

Adentro de b1 1 0,1568 0,1568 42,73

Residuo 8 0,0294 0,00367
A linha do resíduo é a mesma da ANOVA anterior.
Comparando os valores calculados da estatística F com o valor tabelado
F( 1,8 ; 0 ,05 ) = 5 ,32 e F( 1,8 ; 0 ,01 ) = 11,3 , conclui-se que o efeito do fator antibiótico no
peso diário de suínos no nível b0 de vitamina B12 é significativo (p<0,05) e
significativo (p<0,01) no nível b1 da vitamina B12. Ou então, que:
• Quando se utiliza a dose b0 de vitamina B12 existe uma diferença no peso
diário dos suínos. A estimativa desta diferença é dado por
A ( dentro de b0 ) = a1 b0 − a 0 b0 = 3 ,10 − 3 ,57 = − 0 ,47 Kg ,
E ela é significativa pelo teste F da ANOVA do desdobramento, indicando
que somente o efeito somente do antibiótico prejudica o peso diário dos
suínos.
• Quando se utiliza a dose b1 de vitamina B12 existe uma diferença no peso
diário dos suínos. A estimativa desta diferença é dada por
A ( dentro de b1 ) = a1 b1 − a0 b1 = 4 ,63 − 3 ,66 = 0 ,97 Kg
E ela é significativa pelo teste F da ANOVA do desdobramento, indicando
que a combinação dos níveis a1 do antibiótico e b1 da vitamina B12 favorece
o peso diário dos suínos.
a) Desdobramento da interação AxB para estudar o comportamento dos fator B
dentro de cada nível de antibiótico A (a0 e a1) (preencher os espaços)

1 Y2
SQ( Bdentro de a0 ) = ( Y112 + + Y122 + ) − + + + =
r 2( r )
1 ( )2
= ( )− =
3

1 Y2
SQ( Bdentro de a1 ) = ( Y212 + + Y222 + ) − + + + =
r 2( r )
1 ( )2
= ( )− =
3

Estatística Experimental
 Experimentos Fatoriais 99

Assim, monta-se a seguinte análise de variância do desdobramento dos graus de

liberdade da interação A x B para se estudar o efeito da vitamina B12 no ganho de
peso diário de suínos na ausência e na presença de antibiótico:

F.V. G.L. S.Q. Q.M. F

Bdentro de a0
Bdentro de a1
Residuo

Concluir como no desdobramento anterior

Podemos comparar as médias de peso diário de suínos dos antibióticos , para cada
uma dos níveis de vitamina B12 , utilizando o Teste de Tukey (a = 5%). Para tanto,
calculamos:

QMR QMR 0,00367

dms = q ( a , gl do resíduo : 0 ,05 )
= q ( 2 , 8 ; 0 ,05 ) = 3 ,26 = 0 ,1140 .
r 3 3
Quadro auxiliar com as médias dos antibióticos para cada um dos níveis da
vitamina B12,

b0 b1
a0 3.57 A 3,66 A
a1 3,10 B 4,63 B
Obs.: médias seguidas pelas mesmas letras maiúsculas,
nas colunas, não diferem entre si a 5% de probabilidade,
pelo Teste de Tukey

Estatística Experimental
 Experimentos Fatoriais 100

(fazer como exercício o teste de Tukey a 5%, para as linhas)

Notação geral dos totais de um esquema fatorial 2 x 2 organizados em uma tabela

2x2, do tipo:

(r) b0 b1 Totais
a0 Y11+ Y12 + Y1+ +
a1 Y21+ Y22 + Y2 + +
TOTAL Y +1+ Y+2 + Y+ + +
As fórmulas das Soma de Quadrados podem ser escritas de uma forma geral:

2 2 Y+2+ +
SQT = ( Y111 + ... + Y222 )−
( a )( b )( r )
1 ( Y+ + + ) 2
SQTr = ( Y112 + + Y122 + + Y212 + + Y222 + ) − ;
r ( a )( b )( r )
1 ( Y+ + + ) 2
SQ( A ) = ( Y12+ + + Y22+ + ) −
2r ( a )( b )( r )
1 2 2 ( Y+ + + ) 2
SQ( B ) = ( Y+1+ + Y+ 2 + ) − ;
2r ( a )( b )( r )
SQ( A x B ) = SQTr − SQ( A ) − SQ( B )

Bibliografia básica:

• VIEIRA, S. Estatística experimental. 2.ed. São Paulo: Atlas: 1999. 185p.

• SAMPAIO, I.B.M. Estatística aplicada à experimentação animal. Belo
Horizonte: Fundação de Ensino e Pesquisa em Medicina Veterinária e
Zootecnia, 1998. 221p.
• STEEL, R.G.D., TORRIE, J.H. Principles and procedures of statistics. 2.ed.
Nova York: McGraw-Hill Book Company, 1981. 633p.
• GILL, J.L. Design and analysis of experiments in the animal and medical
sciences. Ames: The Iowa University Press, 1978. Vol.1 e Vol.2
• MEAD, R. The designs of experiments. 2.ed. Cambridge: University Press.
1994. 620p.
• LIMA, C. G. Apostila de notas de aulas. Faculdade de Zootecnia e
Engenharia de Alimentos. Departamento de Ciências Básicas. USP,
Pirassununga – SP.
• RAO, P. V. Statistical Research methods in the life science. ITP. USA. 1997.
889 p.

Estatística Experimental