Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila de E. Experimental No SISVAR
Apostila de E. Experimental No SISVAR
Patos de Minas, MG
Agosto de 2007
NDICE
Pgina
1. INTRODUO ................................................................................................................................... 01
2. CONCEITOS BSICOS...................................................................................................................... 01
2.1 PRINCPIOS BSICOS DA EXPERIMENTAO......................................................................02
2.1.1 REPETIO.................................................................................................................................02
2.1.2 CASUALIZAO........................................................................................................................03
2.1.3 CONTROLE LOCAL...................................................................................................................03
3. PRESSUPOSIES DA ANLISE DE VARINCIA.......................................................................03
3.1ADITIVIDADE.................................................................................................................................03
3.2 INDEPENDNCIA..........................................................................................................................03
3.3 NORMALIDADE............................................................................................................................03
3.4 HOMOGENEIDADE DE VARINCIAS.......................................................................................03
4. ARQUIVO DE DADOS ...................................................................................................................... 04
5. DELINEAMENTO INTEIRAMENTE CASUALIZADO .................................................................. 04
6. ALGUMAS CONSIDERAES SOBRE A ESCOLHA DO TESTE ADEQUADO........................13
6.1 PRINCIPAIS TESTES DE COMPARAO DE MDIAS...........................................................14
7. DELINEAMENTO EM BLOCOS CASUALIZADOS ..................................... ..................................16
8. DELINEAMENTO EM QUADRADO LATINO.................................................................................24
9. REGRESSO NA ANLISE DE VARINCIA.................................................................................29
10. EXPERIMENTOS FATORIAIS........................................................................................................ 36
11. EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS.................................................................... 45
12. REFERNCIAS BIBLIOGRFICAS ............................................................................................... 58
13. CONTATOS....................................................................................................................................... 59
1. INTRODUO
Nas ltimas dcadas, os clculos estatsticos foram muito facilitados pelo uso de
aplicativos computacionais. Isso permitiu que mtodos complexos e demorados fossem
rotineiramente aplicados. Entretanto, muitos pesquisadores substituram esses aplicativos por
uma consulta a um profissional da rea de estatstica. O que se observa hoje so anlises de
experimentos mal realizadas e resultados erroneamente interpretados. Tal fato justifica a
participao de um tcnico com conhecimento em tcnicas experimentais e mtodos
quantitativos em todas as fases do experimento, desde o planejamento, conduo, coleta de
dados, at a fase de anlise dos dados e interpretao dos resultados.
Diversos pacotes estatsticos para anlise de experimentos esto disponveis,
podendo-se citar programas como o SAS Statistical Analysis System (Sas Institute Inc.,
2000), que , em geral, um dos programas mais utilizados em todo o mundo para anlise de
dados da rea agronmica, biolgica e social, o STATGRAPHICS Statistical Graphics
System (Statgraphics, 1999), o STATISTICA for Windows (Statistica, 2002), dentre outros.
Podem-se encontrar programas nacionais em que o leitor poder ter acesso com maior
facilidade, dentre eles: o SANEST Sistema de Anlise Estatstica para Microcomputadores
da Universidade Federal de Pelotas (Zonta & Machado, 1991); o SISVAR Sistema de
Anlise de Varincia da Universidade Federal de Lavras (Ferreira, 2000a); o SAEG
Sistema para Anlises Estatsticas (Ribeiro Jnior, 2001) e o GENES Aplicativo
computacional em Gentica e Estatstica (Cruz, 2001), ambos da Universidade Federal de
Viosa.
Este curso tem por objetivo apresentar alguns sistemas computacionais com aplicaes
diversas na anlise estatstica de experimentos com destaque ao SISVAR, pela facilidade de
acesso e utilizao.
2. CONCEITOS BSICOS
Esse item tem por objetivo apresentar alguns conceitos bsicos necessrios a uma
eficiente utilizao dos programas estatsticos a serem vistos no curso. Maiores detalhes poder
ser vistos em Banzatto & Kronka (1995), Ferreira (2000b), Pimentel Gomes (2000) e
Pimentel Gomes e Garcia (2002).
a) Experimentao: uma atividade que tem por objetivo estudar os experimentos, ou seja,
seu planejamento, conduo, coleta e anlise dos dados e interpretao dos resultados.
j)
k) Anlise de varincia: uma tcnica que permite decompor a variao total observada
nos dados experimentais em causas conhecidas e no conhecidas.
l)
Erro experimental: variao devida ao efeito dos fatores no controlados ou que ocorre
ao acaso, de forma aleatria. Ramalho et al. (2000) definem o erro experimental como as
variaes aleatrias entre parcelas que receberam o mesmo tratamento.
mesma
os
erros
devem
apresentar
varincias
comuns
(homogeneidade=homocedasticidade de varincias).
Estas pressuposies visam facilitar a interpretao dos resultados e testar a
significncia nos testes de hipteses. Na prtica, o que pode ocorrer a validade aproximada e
no exata de alguma (s) dessas pressuposies; nesse caso, o pesquisador no perderia tanto
com a aproximao visto que os testes aplicados na anlise de varincia so robustos quanto a
isso. A homogeneidade de varincia que, na maioria das vezes, necessria pois, caso no
seja verificada, o teste F e de comparaes mltiplas podero ser alterados.
Quanto alguma (s) das pressuposies da anlise no se verificam (m), existem
alternativas que podem ser usadas, entre elas a transformao de dados com a posterior
anlise de varincia destes dados transformados ou a utilizao dos recursos da estatstica no
paramtrica.
Feitas as consideraes iniciais necessrias para o entendimento dos prximos
assuntos, iniciaremos agora os conceitos e exemplos dos delineamentos mais usuais.
4. ARQUIVO DE DADOS
O Microsoft Excel, alm de ser uma planilha eletrnica que possui poderosos recursos,
apresenta alta compatibilidade com os principais programas estatsticos. Alm disso, tem a
grande vantagem de facilidade de acesso e de interao com o usurio. Independente de se
utilizar o SAS ou o SISVAR, as planilhas com os dados dos experimentos a serem analisados,
sero feitas utilizando-se o Excel.
Na Tabela 3 est apresentado um exemplo de planilha criada utilizando-se o Excel.
Observe que nas colunas so especificados os tratamentos, blocos e variveis a serem
analisadas, e nas linhas esto s observaes referentes s parcelas experimentais. Devemos
utilizar sempre o ponto (.) ao invs da vrgula (,) como separador decimal. Se o tratamento for
qualitativo devemos codific-los por meio das letras (A, B, C,...), caso seja quantitativo,
devemos informar as quantidades estudadas.
5. DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
No delineamento inteiramente casualizado necessrio a completa homogeneidade
das condies ambientais e do material experimental (como por exemplo, quanto fertilidade
do solo, distribuio uniforme de gua, etc) sendo os tratamentos distribudos nas parcelas de
forma inteiramente casual (aleatria). O DIC possui apenas os princpios da casualizao e da
repetio, no possuindo controle local e, portanto, as repeties no so organizadas em
blocos.
VANTAGENS
Pode-se ter DIC no balanceado, ou seja, com nmeros de repeties diferentes entre
tratamentos, o que leva a grandes alteraes na anlise de varincia; mas os testes de
comparaes mltiplas passam a ser aproximados e no mais exatos. O ideal que os
tratamentos sejam igualmente repetidos;
DESVANTAGEM
yij = + i + eij
em que:
yij
i
ij
1
Erro
( )
SQ Erro
QM Erro
Total
SQ Total
tr 1
Um exemplo de um experimento em que sero avaliadas 5 tratamentos (T1, T2, T3,
T4 e T5), instalado no delineamento inteiramente casualizado, com 4 repeties (R1, R2, R3 e
R4), apresentado a seguir:
T4 R3
T1 R2
T2 R3
T4 R1
T3 R2
T1 R3
T2 R4
T5 R1
T5 R3
T2 R1
T4 R2
T3 R1
T3 R4
T3 R3
T4 R4
T5 R4
T1 R4
T2 R2
T5 R2
T1 R1
II
III
IV
VI
212
206
224
289
324
219
108
194
163
111
236
146
63
77
100
99
68
76
175
239
100
104
256
267
133
106
185
136
147
210
Demais linhas com os valores de cada parcela cada coluna deve ser uma
varivel;
Formatar cada coluna do seguinte tipo: se por exemplo, a primeira coluna for do tipo
qualitativa (texto), ento marque a coluna A e escolha formatar clulas e escolher a opo
texto; se a segunda for numrica, marcar a segunda coluna e escolher formatar clulas
nmero. Escolher o nmero de casas decimais correspondente ao maior nmero de casas
decimais observado para essa coluna e marcar obrigatoriamente a caixa escrita usar separador
de 1000 (.). Isso importantssimo, pois o Excel possui problemas de eliminar o separador de
decimais no arquivo exportado, formando nmeros onde a parte inteira e a decimal no foram
separadas uma da outra. Repetir para as demais colunas esse procedimento. possvel marcar
vrias colunas do mesmo tipo ao mesmo tempo para serem formatadas conjuntamente. No
caso numrico deve-se escolher o nmero de casas decimais do valor observado que apresente
um maior nmero de casas decimais para que o arquivo final no seja truncado em uma
preciso no pretendida.
Aps necessrio marcar toda a rea de dados, inclusive a primeira linha com os
nomes das variveis. importante no marcar clulas vazias aps o final da digitao dos
dados no meio do arquivo, pois o Sisvar no suporta esse tipo de dados. Foi feito pra trabalhar
com dados balanceados.
Escolher a opo arquivo salvar como e a sub-opo salvar como tipo dbase 3 ou
dbase 4, digitar o nome para o arquivo e confirmar. O Excel d uma mensagem que o arquivo
no suporta mltiplas planilhas e que pode ser perdidos os dados. Confirmar essa mensagem e
pronto, o arquivo j <nome.dbf>, pronto pra ser utilizado pelo Sisvar (no precisa importar).
Existem alguns cuidados que devem ser tomados para esse processo:
Salve antes de qualquer coisa o arquivo Excel para poder recorrer ao mesmo,
caso d problemas na exportao para dbase;
Abra o arquivo no editor de dados do Sisvar para checar se tudo est certo,
principalmente se as casas decimais no foram coladas a parte inteira dos
dados (problema do Excel e no do Sisvar);
Aps todo esse procedimento voc ter o seu arquivo na extenso dbf pronto para ser
utilizado pelo Sisvar. O Sisvar est com algum problema para identificar um caminho ou
nome de arquivos em que sinais de acentuao de portugus foram utilizados. Assim
recomenda-se nomes de pastas e arquivos sem acentos, principalmente se o usurio estiver
utilizando o Windows XP em ingls.
Tabela 3. Os dados so referentes ao volume de madeira por rvore, em m3x104. So
apresentados os dados de 5 famlias de Eucaliptos camaldulensis avaliadas em um
delineamento inteiramente casualizado (DIC) com 6 repeties.
Famlia
Repetio
Volume (m3x104)
A
A
A
A
A
A
B
B
B
B
B
B
C
C
C
C
C
C
D
D
D
D
D
D
E
E
E
E
E
E
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
212
206
224
289
324
219
108
194
163
111
236
146
63
77
100
99
68
76
175
239
100
104
256
267
133
106
185
136
147
210
Abrir arquivo exemplo1 DIC.dbf (no quadro variveis do arquivo deve aparecer as
variveis do arquivo a ser analisado);
Informar as Fontes de Variao. (no DIC, ver Tabela 1 TRAT, Erro e Total. No
necessrio informar Erro e Total);Clicar em FAMILIA, adicionar e Fim;
Escolher a opo Teste de Tukey e/ou de Scott-Knott (Deve-se pedir cada teste
individualmente, clicar em FAMILIA, teste escolhido, OK);
Clicar em Finalizar\Finalizar.
RESULTADOS
Arquivo analisado:
C:\Documents and Settings\Bessa\Meus documentos\Roberta\Curso de estatstica
experimental\exemplo pag 4.DB
-------------------------------------------------------------------------------Varivel analisada: volume
Opo de transformao: Varivel sem transformao ( Y )
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------FAMILIA
4
86725.533333
21681.383333
8.890 0.0001
erro
25
60973.833333
2438.953333
-------------------------------------------------------------------------------Total corrigido
29
147699.366667
-------------------------------------------------------------------------------CV (%) =
29.79
Mdia geral:
165.7666667
Nmero de observaes:
30
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Tukey para a FV FAMILIA
-------------------------------------------------------------------------------DMS: 83.7649609862759 NMS: 0.05
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 6
Erro padro: 20.1616522691525
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
80.500000 a1
E
152.833333 a1 a2
B
159.666667 a1 a2
D
190.166667
a2 a3
A
245.666667
a3
--------------------------------------------------------------------------------
246 a (20,2)
160 b (20,2)
81 c (20,2)
190 b (20,2)
153 b (20,2)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, considerando o valor nominal
de 5% de significncia.
Os resultados experimentais nos permitem concluir que houve efeito significativo das
famlias de Eucaliptos camaldulensis (p=0,0001) sobre o volume de madeira, em m3x104. O
volume de madeira produzido pela famlia A foi estatisticamente superior ao volume de
madeira produzido pelas demais famlias, sendo que as famlias B, D e E foram
estatisticamente iguais quanto ao volume produzido. A famlia C foi estatisticamente inferior
a todas as demais quanto ao volume produzido pelo teste de Scott-Knott ao nvel nominal de
5% de significncia.
Exemplo 2 de DIC
10
1,5
1,4
1,0
1,1
1,4
1,4
1,4
1,1
1,3
1,3
1,6
1,3
0,9
1,0
1,3
1,7
1,2
1,0
1,2
1,2
1,8
1,3
1,1
1,1
1,0
1,9
1,2
1,2
1,1
1,0
RESULTADOS
Arquivo analisado:
C:\Documents and Settings\Bessa\Meus documentos\Roberta\Curso de estatstica
experimental\exemplo pag 5.DB
-------------------------------------------------------------------------------Varivel analisada: Altura
Opo de transformao: Varivel sem transformao ( Y )
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Recipientes
4
1.303333
0.325833
17.581 0.0000
erro
25
0.463333
0.018533
-------------------------------------------------------------------------------Total corrigido
29
1.766667
-------------------------------------------------------------------------------CV (%) =
10.75
Mdia geral:
1.2666667
Nmero de observaes:
30
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Tukey para a FV Recipientes
-------------------------------------------------------------------------------DMS: 0.230907167377472 NMS: 0.05
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 6
Erro padro: 0.0555777733351102
11
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
1.050000 a1
D
1.133333 a1 a2
E
1.200000 a1 a2
B
1.300000
a2
A
1.650000
a3
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Scott-Knott (1974) para a FV Recipientes
-------------------------------------------------------------------------------NMS: 0.05
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 6
Erro padro: 0.0555777733351102
-------------------------------------------------------------------------------Tratamentos
Mdias
Resultados do teste
-------------------------------------------------------------------------------C
1.050000 a1
D
1.133333 a1
E
1.200000 a2
B
1.300000 a2
A
1.650000 a3
--------------------------------------------------------------------------------
Tabela 6. Altura mdia (erro padro) de mudas de Eucaliptos ssp, em metros, em funo dos
tipos de recipientes estudados.
1
Tipos de recipientes
Mdias (erro padro)
A
1,65 a (0,05)
1,30 b (0,05)
1,05 c (0,05)
1,13 c (0,05)
1,23 b (0,05)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, considerando o valor nominal
de 5% de significncia.
Os resultados experimentais nos permitem concluir que houve efeito significativo dos
tipos de recipientes (p<0,0001) sobre a altura das mudas de Eucaliptos ssp. As mudas
desenvolvidas no recipiente de laminado de madeira (recipiente A) foram estatisticamente
superiores em altura do que as mudas desenvolvidas nos demais tipos de recipientes. Os
recipientes, torro paulista e frtil pote (recipientes B e E respectivamente) produziram mudas
de alturas estatisticamente semelhantes. Os recipientes do tipo saco plstico e tubo de papel
(recipientes C e D respectivamente) produziram mudas com alturas estatisticamente
semelhante entre si e inferiores as alturas das mudas desenvolvidas nos demais recipientes,
pelo teste de Scott-Knott ao nvel de 5% de probabilidade.
12
tratamentos. A outra nica possibilidade que a hiptese nula seja falsa. A hiptese que
afirma a hiptese nula falsa chamada de hiptese alternativa (Ha).
claro que gostaramos de fazer o julgamento correto sobre a nossa hiptese nula.
Podemos estar corretos de duas maneiras: no rejeitando a hiptese quando ela verdadeira,
ou rejeitando-a quando ela falsa. Mas isso significa que h tambm duas possibilidades de
estarmos errados: rejeitando a hiptese quando ela verdadeira, ou no a rejeitando quando
ela falsa. O primeiro tipo de erro chamado erro tipo I e a probabilidade de incorrer nesse
tipo de erro representada por , o segundo o erro tipo II e a probabilidade de cometer
esse erro representada por .
Quando aumentamos a regio de no rejeio da hiptese nula estamos diminuindo a
chance de cometer um erro tipo I. Entretanto, se ampliarmos a regio de no rejeio, estamos
aumentando o risco de no rejeitar a hiptese nula mesmo quando ela falsa, cometendo um
erro tipo II.
A outra estratgia consiste em estreitar a zona de no rejeio. Assim, procedendo,
menos provvel cometermos um erro tipo II, mas corremos um risco muito maior de cometer
um erro tipo I (rejeitar a hiptese nula quando ela verdadeira).
Se decidirmos pela rejeio da hiptese nula, isso significa que temos quase certeza de
que ela no verdadeira. Mais especificamente, costumamos planejar nosso teste de modo
que haja apenas 5% de chance de rejeitarmos a hiptese nula quando ela , de fato,
verdadeira. Se, entretanto, decidirmos no rejeitarmos a hiptese nula, isto no significa que
ela seja verdadeira e, sim, que no temos evidncias suficientes pra rejeit-la.
6.1 PRINCIPAIS TESTES DE COMPARAO DE MDIAS
O TESTE T DE STUDENT
13
A B
QME QME
rA rB
rA rB
OBS: t > ttabelado , o teste significativo e rejeitamos a hiptese H0 (H0: mdia populacional do
tratamento A=mdia populacional do tratamento B)
TESTE DE STUDENT NEWMAN KEULS (SNK)
qi
TESTE DE TUKEY
14
em que: q o valor tabelado por Tukey em funo do nmero de tratamentos e dos graus de
liberdade do erro.
TESTE DE SCHEFF
A flexibilidade proposta por Scheff (1953), para comparar qualquer contraste entre
mdias e permitindo nmeros de observaes por tratamento definiu um teste um pouco mais
rigoroso que aquele de Tukey, merecendo, portanto, os mesmos comentrios com relao ao
perigoso aumento do erro tipo II.
A diferena mnima significativa para qualquer contraste dada por:
DMS (Scheff) = (t 1) F1 , 2 var(contraste)
2
i
ri
O teste de Duncan utiliza a mesma argumentao do teste SNK porm as DMS para
comparao de mdias mais afastadas foi reduzida reduzindo ento as chances de cometer o
erro tipo II.
QME
DMS (Duncan) = qi
r
em que: QME o quadrado mdio do erro, estimado pela anlise de varincia e qi o valor
tabelado por Duncan obtido da distncia entre as mdias e dos graus de liberdade do erro. Os
valores de qi no sobem to rapidamente quanto aqueles do teste SNK.
TESTE DE DUNNETT
15
QME t 2
DMS(Dunnett) = D
ci
r i =1
em que: D o valor encontrado na tabela de Dunnett proposta em funo dos ( t 1) graus de
liberdade de tratamento e graus de liberdade do erro, ci o coeficiente utilizado no contraste
para o tratamento i .
DESDOBRAMENTO DOS GRAUS DE LIBERDADE DE TRATAMENTOS
De acordo com Banzatto e Kronka (1995), quando aplicamos o teste F numa anlise
de varincia para tratamentos com mais de 1 grau de liberdade, podemos obter apenas
informaes muito gerais, relacionadas com o comportamento mdio dos tratamentos, pois
representa um teste mdio de diversas comparaes independentes. Ento, se apenas uma das
comparaes envolve uma diferena marcante e as outras no, um teste F mdio pode falhar
para evidenciar a diferena existente.
Por essa razo, devemos planejar comparaes objetivas, fazendo-se o desdobramento
ou decomposio dos graus de liberdade de tratamentos para obter informaes mais
especficas, relacionadas com o comportamento de cada um dos componentes do
desdobramento.
Alm disso, aps a decomposio dos graus de liberdade, podemos aplicar o teste F a
cada um dos componentes do desdobramento. A cada comparao atribumos 1 grau de
liberdade e, portanto, para I tratamentos podemos estabelecer (I-1) comparaes
independentes. Essa tcnica se baseia na utilizao de contrastes, sendo necessrio que cada
componente seja explicado por um contraste e que todos os contrastes sejam ortogonais entre
si, para que as comparaes sejam independentes.
Normalmente, trabalhamos com contrastes de mdias de tratamentos, e o caso mais
comum aquele onde todos os tratamentos tm o mesmo nmero, r, de repeties.
Nessas condies, uma funo linear do tipo:
Y = c1m1 + c2 m2 + ... + cI mI
denominada contrastes de mdias de tratamentos, se:
16
c1 + c2 + ... + cI = 0
ci = 0
i =1
Y 2
Y 2
r
ou
S
.
Q
.
=
r
Y
I
(c12 + c22 + ... + cI2
2
ci
i =1
( mi )
liberdade.
Dois contrastes so ortogonais entre si quando a soma dos produtos dos coeficientes
das mdias correspondentes for nula.
Assim:
Y1 = c1m1 + c2 m2 + ... + cI mI
ci = 0
i =1
17
bi = 0
i =1
Y2 = b1m1 + b2 m2 + ... + bI mI
so contrastes ortogonais se:
ci bi = 0
i =1
da diferena entre:
S .Q.Trat S .Q.Y1 S .Q.Y2
Dessa maneira, se: Y1, Y2,...,Y(I-1) so mutuamente ortogonais, isto , cada par ortogonal,
ento:
Y12
I
c
i =1
2
1
r +
Y22
I
r + ... +
2
2
i =1
Y( 2I 1)
I
c
i =1
2
( I 1)
Esta expresso identifica a partio da S.Q.Trat (que tem (I-1) g.l.), em (I-1)
componentes, cada um representando um nico grau de liberdade.
Exemplo 3 Delineamento Inteiramente Casualizado usando Contrastes
18
1 SC
4,6
5,1
5,8
5,5
2 SC + E
6,0
7,1
7,2
6,8
3 SC + E + SPK
5,8
7,2
6,9
6,7
4 SC + V
5,6
4,9
5,9
5,7
5 SC + V + SPK
5,8
6,4
6,6
6,8
m2 + m3 m4 m5
Y3 =
m2 m3
Y3 =
m4 m5
Estes contrastes so ortogonais entre si, j que so ortogonais dois a dois (ver Banzatto
e Kronka, 1995).
19
SC + E ou SC + V
versus
SC + V
versus
E+NPK
versus
versus
V + NPK
RESULTADOS
Arquivo analisado:
C:\Documents and Settings\Bessa\Meus documentos\Roberta\Curso de estatstica
experimental\analise DIC contraste.DB
-------------------------------------------------------------------------------Varivel analisada: Alturas
Opo de transformao: Varivel sem transformao ( Y )
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Tratamentos
4
7.597000
1.899250
7.277 0.0018
erro
15
3.915000
0.261000
-------------------------------------------------------------------------------Total corrigido
19
11.512000
-------------------------------------------------------------------------------CV (%) =
8.35
Mdia geral:
6.1200000
Nmero de observaes:
20
--------------------------------------------------------------------------------------------------------------------------------------------------------------Contraste para a FV Tratamentos
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 1
--------------------------------------------------------------------------------------------------------------------------------------------------------------O contraste testado est apresentado a seguir:
-------------------------------------------------------------------------------Nvel dessa Fonte de Variao
Coeficientes
-------------------------------------------------------------------------------1
4.0000
2
-1.0000
3
-1.0000
4
-1.0000
5
-1.0000
-------------------------------------------------------------------------------Obs. Valores dos coeficientes positivos foram divididos por
20
4 e os negativos por 4
-------------------------------------------------------------------------------Estimativa
:
-1.08750000
DMS Scheff
:
0.99843489
NMS:
: 0.05
Varincia
:
0.08156250
Erro padro
:
0.28559149
t para H0: Y = 0 :
-3.808
Pr>|t|
:
0.002
F para H0: Y = 0 :
14.500
Pr>F
:
0.002
Pr exata Scheff :
0.029
--------------------------------------------------------------------------------------------------------------------------------------------------------------Contraste para a FV Tratamentos
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 2
--------------------------------------------------------------------------------------------------------------------------------------------------------------O contraste testado est apresentado a seguir:
-------------------------------------------------------------------------------Nvel dessa Fonte de Variao
Coeficientes
-------------------------------------------------------------------------------1
0.0000
2
1.0000
3
1.0000
4
-1.0000
5
-1.0000
-------------------------------------------------------------------------------Obs. Valores dos coeficientes positivos foram divididos por
2 e os negativos por 2
-------------------------------------------------------------------------------Estimativa
:
0.75000000
DMS Scheff
:
0.89302732
NMS:
: 0.05
Varincia
:
0.06525000
Erro padro
:
0.25544080
t para H0: Y = 0 :
2.936
Pr>|t|
:
0.010
F para H0: Y = 0 :
8.621
Pr>F
:
0.010
Pr exata Scheff :
0.124
--------------------------------------------------------------------------------------------------------------------------------------------------------------Contraste para a FV Tratamentos
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 3
--------------------------------------------------------------------------------------------------------------------------------------------------------------O contraste testado est apresentado a seguir:
-------------------------------------------------------------------------------Nvel dessa Fonte de Variao
Coeficientes
-------------------------------------------------------------------------------1
0.0000
2
1.0000
3
-1.0000
-------------------------------------------------------------------------------Obs. Valores dos coeficientes positivos foram divididos por
1 e os negativos por 1
-------------------------------------------------------------------------------Estimativa
:
0.12500000
DMS Scheff
:
1.26293134
NMS:
: 0.05
Varincia
:
0.13050000
Erro padro
:
0.36124784
t para H0: Y = 0 :
0.346
Pr>|t|
:
0.734
F para H0: Y = 0 :
0.120
Pr>F
:
0.734
21
Pr exata Scheff :
0.998
--------------------------------------------------------------------------------------------------------------------------------------------------------------Contraste para a FV Tratamentos
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.255440795488896
CONTRASTE NMERO 4
--------------------------------------------------------------------------------------------------------------------------------------------------------------O contraste testado est apresentado a seguir:
-------------------------------------------------------------------------------Nvel dessa Fonte de Variao
Coeficientes
-------------------------------------------------------------------------------1
0.0000
2
0.0000
3
0.0000
4
1.0000
5
-1.0000
-------------------------------------------------------------------------------Obs. Valores dos coeficientes positivos foram divididos por
1 e os negativos por 1
-------------------------------------------------------------------------------Estimativa
:
-0.87500000
DMS Scheff
:
1.26293134
NMS:
: 0.05
Varincia
:
0.13050000
Erro padro
:
0.36124784
t para H0: Y = 0 :
-2.422
Pr>|t|
:
0.029
F para H0: Y = 0 :
5.867
Pr>F
:
0.029
Pr exata Scheff :
0.261
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA DOS CONTRASTES
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Contraste
1
1
3.784500
3.784500
14.500 0.0017
Contraste
2
1
2.250000
2.250000
8.621 0.0102
Contraste
3
1
0.031250
0.031250
0.120 0.7341
Contraste
4
1
1.531250
1.531250
5.867 0.0286
Resduo
15
3.915000
0.261000
--------------------------------------------------------------------------------
22
Estimativa do
Contraste
Contrastes
SC
5,25 6,775
6,65
5,525
6,4
-1
-1
-1
-1
-1,0875
Esterco ou vermiculita
-1
-1
0,750
-1
0,125
vermiculita
-1
-0,875
com
NPK
Interpretao dos resultados
23
bloco 1
T3
T1
T2
T5
T4
bloco 2
T1
T4
T3
T5
T2
bloco 3
T5
T3
T1
T2
T4
bloco 4
T4
T5
T3
T2
T1
Leva a uma estimativa mais exata da varincia residual, uma vez que a variao
ambiental entre blocos isolada.
24
DESVANTAGENS
em que:
yij
j
i
ij
tb 1
SQ Total
Exemplo 1 de DBC
Bosque 1
Bosque 2
Bosque 3
Bosque 4
Bosque 5
Cada parcela constituiu de uma plantao de 100 gemas dos clones. Quando o
experimento estava com 5 anos idade, se mediu a altura de todas as rvores sobreviventes e se
calculou uma mdia por parcela.
25
Tabela 10. Altura mdia, em metros, por clones e por bosques das plantas cultivadas.
Clones
Bosques
5,47
4,26
3,65
4,86
4,56
4,56
4,87
3,95
4,87
4,56
2,43
4,56
4,26
3,65
3,04
3,65
3,65
4,26
2,74
4,26
Abrir arquivo exemplo1 DBC.dbf (no quadro variveis do arquivo deve aparecer as
variveis do arquivo a ser analisado);
Escolher a opo Teste de Tukey e/ou de Scott-Knott (Deve-se pedir cada teste
individualmente, clicar em CLONES, teste escolhido, Ok);
Clicar em Finalizar\Finalizar.
26
27
Tabela 12. Altura mdia (erro padro) de clones de lamo Americano, em metros.
Clones
4,56 a (0,26)
4,26 a (0,26)
3,35 b (0,26)
4,26 a (0,26)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de Scott-Knott, para o valor nominal de 5% de
significncia.
28
Os resultados experimentais nos permitem concluir que houve efeito significativo dos
diferentes dos diferentes clones de lamo Americano (p=0,0362) sobre a altura das plantas.
No houve efeito significativo do controle local exercido pelos diferentes bosques (p=0,1600)
sobre a altura das rvores. As rvores dos clones A, B e D apresentaram alturas
estatisticamente iguais e superiores quando comparadas a rvore do clone C pelo teste de
Scott-Knott considerando o valor nominal de 5% de significncia.
Exemplo 2 de DBC
25
50
75
100
Totais de Blocos
3,38
7,15
10,07
9,55
9,14
39,29
5,77
9,78
9,73
8,95
10,17
44,40
4,90
9,99
7,92
10,24
9,75
42,80
4,54
10,10
9,48
8,66
9,50
42,28
18,59
37,02
37,20
37,40
38,56
168,77
RESULTADOS
Arquivo analisado:
C:\Arquivos de programas\Sisvar\Exemplos\Pimen230.DB
-------------------------------------------------------------------------------Varivel analisada: Produo de milho
Opo de transformao: Varivel sem transformao ( Y )
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Blocos
3
2.734855
0.911618
1.002 0.4252
Adubao kg/parcela
4
72.219880
18.054970
19.853 0.0000
29
erro
12
10.913320
0.909443
-------------------------------------------------------------------------------Total corrigido
19
85.868055
-------------------------------------------------------------------------------CV (%) =
11.30
Mdia geral:
8.4385000
Nmero de observaes:
20
--------------------------------------------------------------------------------------------------------------------------------------------------------------Regresso para a FV Adubao kg/parcela
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 0.476823692084751
-------------------------------------------------------------------------------b1 : X
b2 : X^2
b3 : X^3
Modelos reduzidos sequenciais
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
6.422500
0.36934604
17.389
0.0000
b1
0.040320
0.00603140
6.685
0.0000
-------------------------------------------------------------------------------R^2 = 56.28%
--------------------------------------------------------------------------------------------------------------------------------------------------------------Valores da varivel
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------0.000000
4.647500
6.422500
25.000000
9.255000
7.430500
50.000000
9.300000
8.438500
75.000000
9.350000
9.446500
100.000000
9.640000
10.454500
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
5.189643
0.44875020
11.565
0.0000
b1
0.138949
0.02126319
6.535
0.0000
b2
-0.000986
0.00020390
-4.837
0.0004
-------------------------------------------------------------------------------R^2 = 85.74%
--------------------------------------------------------------------------------------------------------------------------------------------------------------Valores da varivel
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------0.000000
4.647500
5.189643
25.000000
9.255000
8.046929
50.000000
9.300000
9.671357
75.000000
9.350000
10.062929
100.000000
9.640000
9.221643
-------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
4.709393
0.47340556
9.948
0.0000
b1
0.276620
0.04817182
5.742
0.0001
b2
-0.004828
0.00122339
-3.947
0.0019
b3
0.000026
0.00000804
3.185
0.0078
-------------------------------------------------------------------------------R^2 = 98.51%
--------------------------------------------------------------------------------------------------------------------------------------------------------------Valores da varivel
independente
Mdias observadas
Mdias estimadas
--------------------------------------------------------------------------------
30
0.000000
4.647500
4.709393
25.000000
9.255000
9.007429
50.000000
9.300000
9.671357
75.000000
9.350000
9.102429
100.000000
9.640000
9.701893
-------------------------------------------------------------------------------Somas de quadrados seqenciais - Tipo I (Type I)
-------------------------------------------------------------------------------Causas de Variao G.L.
S.Q.
Q.M.
Fc
Prob.<F
-------------------------------------------------------------------------------b1
1
40.642560
40.642560
44.689
0.000
b2
1
21.279114
21.279114
23.398
0.000
b3
1
9.225603
9.225603
10.144
0.008
Desvio
1
1.072603
1.072603
1.179
0.299
Resduo
12
10.913320
0.909443
--------------------------------------------------------------------------------
gl
Adubao
Soma de Quadrados
(4)
72,22
18,055 (p=0,000)
Regresso Linear
40,64
40,64 (p=0,000)
Regresso quadrtica
21,28
21,28 (p=0,000)
Regresso cbica
9,23
9,23 (p=0,008)
Desvio de Regresso
1,072
1,072 (0,299)
Bloco
2,73
0,91 (p=0,4252)
Erro
12
10,92
0,910
31
Leva a uma estimativa mais exata da varincia residual, uma vez que a variao
ambiental entre blocos, em duas direes, isolada.
DESVANTAGENS
H uma reduo no nmero dos graus de liberdade do erro, pois o DQL, utiliza o
princpio do controle local em duas direes;
em que:
yijk
32
ijk
Coluna 2
Coluna 3
Coluna 4
Linha 1
Linha 2
Linha 3
Linha 4
Coluna 2
Coluna 3
Coluna 4
Linha 1
Linha 4
Linha 2
Linha 3
Coluna 2
Coluna 3
Coluna 4
Coluna 1
Linha 1
Linha 4
Linha 2
Linha 3
D (432)
A (518)
B (458)
C (583)
E (331)
C (724)
E (478)
A (524)
B (550)
D (400)
E (489)
B (384)
C (556)
D (297)
A (420)
B (494)
D (500)
E(313)
A (486)
C (501)
A (515)
C (660)
D (438)
E (394)
B (318)
34
Abrir arquivo exemplo DQL.dbf (no quadro variveis do arquivo deve aparecer as
variveis do arquivo a ser analisado);
Escolher a opo Teste de Tukey e/ou de Scott-Knott (Deve-se pedir cada teste
individualmente, clicar em tratamentos, teste escolhido, Ok);
Clicar em Finalizar\Finalizar.
RESULTADOS
Arquivo analisado:
C:\Documents and Settings\Bessa\Meus documentos\Roberta\Curso de estatstica
experimental\exemplo DQL.DB
-------------------------------------------------------------------------------Varivel analisada: PRODUO
Opo de transformao: Varivel sem transformao ( Y )
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Tratamentos
4
137488.240000
34372.060000
12.091 0.0004
Linhas
4
30480.640000
7620.160000
2.680 0.0831
Colunas
4
55640.640000
13910.160000
4.893 0.0142
erro
12
34114.720000
2842.893333
-------------------------------------------------------------------------------Total corrigido
24
257724.240000
-------------------------------------------------------------------------------CV (%) =
11.33
Mdia geral:
470.5200000
Nmero de observaes:
25
--------------------------------------------------------------------------------------------------------------------------------------------------------------Teste Tukey para a FV Tratamentos
-------------------------------------------------------------------------------DMS: 107.521299732566 NMS: 0.05
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 5
35
Tabela 16. Produo mdia (erro padro) de variedades de cana forrageira, em kg por parcela.
Variedades
493 b (23,8)
441 b (23,8)
605 a (23,8)
413 b (23,8)
401 b (23,8)
1 Mdias seguidas da mesma letra, na coluna, no diferem entre si pelo teste de SNK, para o valor nominal de 5% de
significncia.
Os resultados experimentais nos permitem concluir que houve efeito significativo das
diferentes variedades de cana forrageira (p=0,0004) sobre a produo em kg por parcela das
plantas. No houve efeito significativo do controle local exercido por linhas (p=0,0831) e
houve efeito significativo do controle exercido pelas colunas (p=0,0142), sobre a produo de
cana forrageira. O melhor desempenho das variedades nesta competio foi alcanado pela
36
A regresso tem por objetivo estudar a relao entre 2 ou mais variveis visando
descobrir uma curva que a descreva, utilizando-se esta para fins de estimativa ou predio de
uma das variveis. Como por exemplo, podemos citar:
A equao de regresso
yi = 0 + 1 xi + i ,
( i = 1,..., n )
em que:
yi :
a varivel dependente;
o coeficiente linear;
o coeficiente de regresso;
xi
a varivel independente;
0,9
1,1
1,2
1,5
1,6
1,8
2,0
1,0
0,9
0,8
0,9
0,6
0,5
0,5
37
1.00000
0.90000
0.80000
0.90000
0.60000
0.99939
0.90488
0.85762
0.71585
0.66860
38
0.06617
0.05068
0.04439
0.03743
0.04025
0.00061
-0.00488
-0.05762
0.18415
-0.06860
6
7
0.50000
0.57409
0.05168
-0.07409
0.50000
0.47957
0.06737
0.02043
LI 95% para
LS 95% para
Erro padro
Resduos
Obs
o valor predito
o valor predito
dos resduos estudentizados
--------------------------------------------------------------------------1
0.8292904
1.16949
0.07208
0.00846
2
0.7745915
1.03516
0.08369
-0.05828
3
0.7435155
0.97173
0.08720
-0.66084
4
0.6196306
0.81208
0.09040
2.03701
5
0.5651298
0.77207
0.08918
-0.76919
6
0.4412331
0.70694
0.08308
-0.89171
7
0.3063829
0.65276
0.07096
0.28788
--------------------------------------------------------------------------
Produtividade (t/ha)
1.2
1
0.8
0.6
0.4
0.2
Y=1,4247-0,472x
R2=0,7766
0
0.9
1.1
1.2
1.5
1.6
1.8
valores preditos
30
60
90
120
150
12,4
45,0
23,4
45,0
31,5
13,0
28,0
38,0
28,0
22,9
10,0
32,0
32,0
32,0
19,0
11,0
34,0
63,0
35,0
11,0
RESULTADOS
Arquivo analisado:
C:\Documents and Settings\Bessa\Meus documentos\Roberta\Curso de estatstica
experimental\exemplo reg. por polinomios ortog.DB
-------------------------------------------------------------------------------Varivel analisada: produo
Opo de transformao: Varivel sem transformao ( Y )
-------------------------------------------------------------------------------TABELA DE ANLISE DE VARINCIA
-------------------------------------------------------------------------------FV
GL
SQ
QM
Fc Pr>Fc
-------------------------------------------------------------------------------Idade de Corte
4
2135.448000
533.862000
5.138 0.0120
blocos
3
162.538000
54.179333
0.521 0.6756
erro
12
1246.872000
103.906000
-------------------------------------------------------------------------------Total corrigido
19
3544.858000
-------------------------------------------------------------------------------CV (%) =
36.01
Mdia geral:
28.3100000
Nmero de observaes:
20
--------------------------------------------------------------------------------------------------------------------------------------------------------------Regresso para a FV Idade de Corte
-------------------------------------------------------------------------------Mdia harmonica do nmero de repeties (r): 4
Erro padro de cada mdia dessa FV: 5.0967146280717
-------------------------------------------------------------------------------b1 : X
b2 : X^2
b3 : X^3
-------------------------------------------------------------------------------Modelos reduzidos sequenciais
--------------------------------------------------------------------------------
40
t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
22.535000
5.34547940
4.216
0.0012
b1
0.064167
0.05372409
1.194
0.2554
-------------------------------------------------------------------------------R^2 = 6.94%
--------------------------------------------------------------------------------------------------------------------------------------------------------------Valores da varivel
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------30.000000
11.600000
24.460000
60.000000
34.750000
26.385000
90.000000
39.100000
28.310000
120.000000
35.000000
30.235000
150.000000
21.100000
32.160000
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
-18.740000
10.93123506
-1.714
0.1122
b1
1.243452
0.27767760
4.478
0.0008
b2
-0.006552
0.00151350
-4.329
0.0010
-------------------------------------------------------------------------------R^2 = 98.12%
--------------------------------------------------------------------------------------------------------------------------------------------------------------Valores da varivel
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------30.000000
11.600000
12.667143
60.000000
34.750000
32.281429
90.000000
39.100000
40.102857
120.000000
35.000000
36.131429
150.000000
21.100000
20.367143
--------------------------------------------------------------------------------------------------------------------------------------------------------------t para
Parmetro
Estimativa
SE
H0: Par=0
Pr>|t|
-------------------------------------------------------------------------------b0
-31.340000
25.07252081
-1.250
0.2351
b1
1.833452
1.09245272
1.678
0.1191
b2
-0.014052
0.01351603
-1.040
0.3190
b3
0.000028
0.00004974
0.558
0.5868
-------------------------------------------------------------------------------R^2 = 99.63%
--------------------------------------------------------------------------------------------------------------------------------------------------------------Valores da varivel
independente
Mdias observadas
Mdias estimadas
-------------------------------------------------------------------------------30.000000
11.600000
11.767143
60.000000
34.750000
34.081429
90.000000
39.100000
40.102857
120.000000
35.000000
34.331429
150.000000
21.100000
21.267143
-------------------------------------------------------------------------------Somas de quadrados seqenciais - Tipo I (Type I)
-------------------------------------------------------------------------------Causas de Variao G.L.
S.Q.
Q.M.
Fc
Prob.<F
-------------------------------------------------------------------------------b1
1
148.225000
148.225000
1.427
0.255
b2
1
1947.000714
1947.000714
18.738
0.001
b3
1
32.400000
32.400000
0.312
0.587
Desvio
1
7.822286
7.822286
0.075
0.788
Resduo
12
1246.872000
103.906000
------------------------------------------------------------------------------------------------------
41
gl
Soma de Quadrados
(4)
2135,4480
533,8620 (p=0,0120)
Regresso Linear
148,2250
148,2250 (p=0,2550)
Regresso quadrtica
1947,0007
1947,0007 (p=0,0010)
Regresso cbica
32,4000
32,4000 (p=0,5870)
Desvio de Regresso
7,8222
7,8222 (0,7880)
Bloco
162,5380
54,1793 (p=0,6756)
Erro
12
1246,8720
103,9060
Os resultados experimentais nos mostram que existe um efeito significativo das idades
de corte do capim (p=0,0120) sobre a sua produtividade. Verificamos tambm que uma
Produtividade (t/ha)
60
90
120
150
Idades de Corte
Mdias observadas
Mdias estimadas
42
T2 C1
T3 C1
T4 C1
T1 C2
T2 C2
T3 C2
T4 C2
T1 C3
T2 C3
T3 C3
T4 C3
Permite estudar os efeitos principais dos fatores e os efeitos das interaes entre eles.
DESVANTAGEM
43
yijk = + i + j + ij + ijk
em que:
o valor observado na parcela experimental que recebeu o nvel i do fator
e o nvel j do fator na repetio k ;
representa uma constante geral;
o efeito do nvel i do fator ( i = 1, 2,..., a ) ;
yijk :
i
ij
ijk
o erro experimental.
ag ( r 1)
SQ Erro
Total
agr 1
SQ Total
QM Erro
em que:
yijk
j
ij
ijk
o erro experimental.
44
( ag 1) ( b 1)
SQ Erro
QM Erro
Total
abg 1
SQ Total
Totais
1 R1E1
26,2
26,0
25,0
25,4
102,6
2 R1E2
24,8
24,6
26,7
25,2
101,3
3 R2E1
25,7
26,3
25,1
26,4
103,5
4 R2E2
19,6
21,1
19,0
18,6
78,3
5 R3E1
22,8
19,4
18,8
19,2
80,2
6 R3E2
19,8
21,4
22,8
21,3
85,3
45
Ir para Anlise\Anava;
Abrir arquivo;
Clicar em Ok.
com
finalidade
de
mostrar
as
mdias,
caso
interao
Clicar em Finalizar\Finalizar;
versus
versus
46
47
48
49
50
APRESENTAO DE RESULTADOS
Tabela 21. Coeficientes e estimativa dos contrastes com suas respectivas significativas.
Tratamentos (mdias)
Contrastes
R1
R2
R3
(25,49)
(22,72)
(20,69)
Estimativa do Contraste
-2
11,4
-1
5,7
-2
2,2
-1
11,5
espcie. O contraste Y2 para essa mesma espcie foi significativo considerando o valor
nominal de 1% de significncia, ou seja, o recipiente de saco plstico pequeno proporciona,
em mdia, 11,5 cm de altura a mais do que plantada no saco plstico grande.
Desdobramento de espcies dentro de cada recipiente: (teste de t Student)
T1 C3
T2 C3
T2 C1
T1 C2
52
T2 C2
T1 C1
Nesse caso, uma determinada parcela deve receber o tratamento qumico T1 e uma
parcela vizinha o tratamento qumico T2, situao, s vezes, invivel em termos prticos.
Dessa forma, ao se utilizar o esquema de parcela subdividida, deve-se dividir o bloco em duas
parcelas, onde sero sorteados os tratamentos qumicos, sendo que dentro de cada parcela, h
uma subdiviso em subparcelas, com sorteio das cultivares. Um provvel sorteio pode ser
visualizado a seguir:
C3
C1
C2
C2
T2
C3
C1
T1
53
DESVANTAGEM
em que:
yijk
(i) j
( )ij
ijk
g 1
( a 1) ( g 1)
a ( g 1) ( r 1)
SQ G
SQ A G
QM G
QM G / QM Erro b
QM A G QM AG / QM Erro b
SQ Erro b
QM Erro b
SQ Total
agr 1
O modelo estatstico para o experimento em parcela subdividida, com dois fatores
em que:
yijk
54
( )ik
( )ij
ijk
Fator G
AG
( a 1) ( g 1)
Erro b
a ( b 1) ( g 1 SQ Erro b
Total
g 1
abg 1
QM G
QM G / QM Erro b
QM A G QM AG / QM Erro b
QM Erro b
SQ Total
QME ( a )
DMS(Tukey) = q( a ,n1 )
br
55
20 caso: Comparao de mdias de tratamentos das subparcelas. A DMS pelo teste de Tukey
QME ( b )
DMS(Tukey) = q(b ,n2 )
ar
2) Interaes significativas
30 caso: Comparao das mdias de tratamentos das subparcelas em cada nvel dos
QME ( b )
DMS(Tukey) = q(b ,n2 )
das subparcelas. Ser necessria a composio de um novo quadrado mdio do erro, composto dos
erros a e b da anlise de varincia da seguinte maneira:
QME * =
QME ( a ) + ( b 1) QME ( b )
b
QME ( a ) + ( b 1) QME ( b )
n =
2
2
QME ( a )
( b 1) QME ( b )
+
n1
n2
*
DMS(Tukey) = q a ,n*
QME *
) r
56
Blocos
2x2
2,5 x 2,5
3x3
80
75
68
66
70
68
65
80
78
110
100
120
115
110
120
98
100
99
76
78
110
66
90
110
70
98
110
82
86
100
70
98
110
76
90
105
80
84
103
73
94
108
69
88
103
57
Ir para Anlise\Anava
Abrir arquivo
Clicar em Fim.
exemplo
k =5,
os
quadrados
QMEa = 1; QMEb = 2 .
58
mdios
dos
erros
so:
ESPAAMENTOS
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
BLOCO
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
PRODUES
80
66
65
75
70
80
68
68
78
110
115
98
100
110
100
120
120
99
76
66
70
78
90
98
110
110
110
82
70
76
86
98
90
100
110
105
80
73
69
84
94
88
103
108
103
RESULTADOS
Arquivo analisado:
C:\Documents and Settings\Bessa\Meus documentos\Roberta\Curso de estatstica
experimental\exemplo PARCSUB.DB
59
60
61
ESPAAMENTO
/3
2
2326.222222
1163.111111
22.941 0.0000
ESPAAMENTO
/4
2
1262.888889
631.444444
12.455 0.0005
ESPAAMENTO
/5
2
1411.555556
705.777778
13.921 0.0003
Resduo
16
811.200000
50.700000
-------------------------------------------------------------------------------Codificao usada para o desdobramento
cod. ESPECIES
1 = A
2 = B
3 = C
4 = D
5 = E
62
63
40 caso: Comparao das mdias de tratamentos das parcelas (espaamentos) em cada nvel
Tabela 25. Valores mdios (erro padro) de produo de madeira, em m3, de 5 espcies de
Eucaliptos ssp.
Espaamentos1
Espcies2
2m x 2m
2,5m x 2,5m
3m x 3m
Mdias
70 (3,4) b A
75 (3,4) c A
71 (3,4) b A
72 (2,0) c
108 (3,4) a A
103 (3,4) a A
113 (3,4) a A
108 (2,0) a
71 (3,4) b C
89 (3,4) bc B
110 (3,4) b A
90 (2,0) b
76 (3,4) b B
91 (3,4) ab A
105 (3,4) b A
91 (2,0) b
74 (3,4) b B
89 (3,4) bc B
105 (3,4) b A
89 (2,0) b
80 (2,7) B
89 (2,7) AB
101 (2,7) A
Mdias
1
Mdias seguidas de mesma letra maiscula, na linha no diferem entre si pelo teste de Tukey considerando o valor nominal
de significncia de 5%; 2 Mdias seguidas de mesma letra minscula, na coluna, no diferem entre si pelo teste de Tukey
com o valor nominal de 5% de probabilidade.
64
iguais entre si pelo teste de Tukey com o valor nominal de 5% de significncia. Para o
espaamento 2,5m x 2,5m as espcies B e D foram estatisticamente semelhantes quanto
produo de madeira, em m3, e superiores as demais espcies em estudo, sendo que a espcie
D no diferiu estatisticamente das espcies C e E pelo teste de Tukey considerando o valor
nominal de 5% de significncia.
12. REFERNCIAS BIBLIOGRFICAS
65
13. CONTATOS
66