APOSTILA DE ESTATSTICA EXPERIMENTAL Curso de Agroecologia IFPB, Campus: Picu PB.

Aluno: Vanderlei Arajo de Lima

1 Aula: EMENTA Conceitos bsicos de estatstica e experimentao; Medidas de tendncia central; Medidas de variabilidades dos dados; Anlise de varincia; Testes de comparao de mdias; Principais delineamentos experimentais; Anlise Multivariada. Estatstica Cincia que se preocupa com a coleta, a organizao, descrio (apresentao), anlise e interpretao de dados experimentais e tem como objetivo fundamental o estudo de uma populao. usada como um mtodo cientfico de obter as informaes relativas a uma varivel, apurar os seus resultados, apresent-los de maneira clara e inteligente, interpretar tais resultados para conhec-los em sua intimidade, tirar concluses e definir as suas tendncias. Conceitos Bsicos da Estatstica Populao o conjunto de indivduos ou objetos que apresentam em comum determinadas caractersticas definidas, cujo comportamento interessa analisar. Considerando a impossibilidade, na maioria das vezes do tratamento de todos os elementos da populao, necessitaremos de uma parte representativa da mesma. A esta poro da populao chamaremos de AMOSTRA. Chamaremos amostra de um subconjunto de indivduos extrados de uma populao e dever reunir as suas caractersticas bsicas.

AMOSTRAGEM uma tcnica especial para recolher amostras que garante, tanto quanto possvel, o acaso na escolha, de modo a garantir amostra o carter de representatividade.

Erro Amostral a diferena entre um resultado amostral e o verdadeiro resultado populacional; tais erros resultam de flutuaes amostrais aleatrias.

No podemos evitar a ocorrncia do ERRO AMOSTRAL, porm podemos limitar seu valor atravs da escolha de uma amostra de tamanho adequado. amostras desnecessariamente grandes acarretam desperdcio de tempo e de dinheiro; amostras excessivamente pequenas podem levar a resultados no confiveis.

Conceitos Bsicos da Experimentao Estatstica Experimental a cincia que tem como objetivo estudar experimentos (ensaios), englobando etapas como o planejamento, execuo, coleta e anlise dos dados experimentais e interpretao dos resultados obtidos. Tratamento Processo, sistema ou elemento material cujo efeito se deseja medir ou comparar em um EXPERIMENTO.

Experimento ou Ensaio

Trabalho de pesquisa previamente planejado, fundamentado em princpios que permitem a comparao entre o efeito dos tratamentos aplicados.

UNIDADE EXPERIMENTAL OU PARCELA Unidade bsica que recebe o tratamento e fornece os dados que devem refletir seu efeito.

DELINEAMENTO EXPERIMENTAL Caracteriza a forma como os tratamentos so distribudos s unidades experimentais e utilizados nas anlises estatsticas.

Princpios Bsicos da Experimentao

REPETIO Representa o nmero de unidades experimentais alocadas em cada tratamento CASUALIZAO DAS UNIDADES EXPERIMENTAIS Distribuio dos tratamentos s unidades experimentais de forma aleatria, para que se tenham a mesma chance de receber um determinado tratamento. CONTROLE LOCAL

Partio do conjunto total de parcelas em subconjuntos (blocos) que sejam os mais homogneos possveis.

. Medidas de Tendncia Central A maioria dos dados apresenta uma tendncia de se concentrar em torno de um ponto central; Portanto, e possvel selecionar um valor que melhor descreva o conjunto; Este valor e uma medida de tendncia central. Tipos de Medidas Ha varios tipos de medidas utilizadas como medida de tendncia central. Ns estudaremos as medidas: Media aritmtica Moda Mediana Media Aritmtica Simples Tipo de medida de tendncia central mais Utilizada E a soma dos valores de todas as observaes dividida pelo numero de observaes envolvidas Perigo: um ou mais valores bastante discrepantes do conjunto podem distorcer a tendncia apresentada pela media Esta distoro pode ser amenizada aplicando-se pesos as observaes (media aritmtica ponderada) Media Aritmtica Simples A media aritmtica pode ser escrita como:

OBS: normalmente trabalha-se com a media da amostra e no com a media da populao devido ao custo e dificuldade de calculo desta medida Mdia aritmtica ponderada Quando as medidas tm pesos diferentes X = {2, 5, 3, 4, 1, 3} Os trs primeiros nmero tm peso 1 e os trs ltimos t}em peso 2:

Mp = 2.1 + 5.1 + 3.1 + 4.2 +1.2 + 3.2 = 26 = 4,3 N Ma = 2 + 5 + 3 + 4 + 2 + 3 = 19 = 3,17 N MODA Moda e o valor que aparece mais frequentemente em um conjunto de dados Ao contrario da media aritmtica, a moda no afetada por valores extremos. utilizada para fins descritivos apenas, uma vez que , dentre as medidas de tendncia, a mais varivel de amostra para amostra. Moda em dados no tabulados X= {4, 2, 4, 5, 5, 6, 6, 6, 7, 8, 9} Moda = 6 Amostras podem possuir apenas uma moda (unimodal), duas modas (bimodal), mais de duas modas (multimodal), ou nenhuma moda (amodal) Bimodal X = {4, 3, 5, 8, 3, 9, 10, 8} Modas ??? Multimodal X = {7, 3, 5, 3, 8, 7, 2, 8, 3, 5, 7, 5} Modas??? Amodal X = {0, 3, 7, 9, 1, 6, 11, 4} Moda??? MEDIANA Medida de tendncia central que divide uma serie ordenada crescente de dados em duas partes iguais; Ocupa a posio central da srie, delimitando os 50% dos indivduos em anlise para uma dada varivel; A mediana tambm no e afetada por valores extremos. Mediana em dados no tabulados Amostra com numero impar de elementos X={1, 3, 5, 7, 8, 11, 12, 13,14}, onde n=9 Calcula-se o elemento central (E) 6 6

Logo a mediana corresponde ao 5 elemento da amostra: Md = 8 Amostra com nmero par de elementos

X={1, 3, 5, 7, 9, 11}, onde n=6 Calcula-se os elementos centrais (E)

Os elementos centrais so 5 e 7. Logo a mediana e a media aritmtica dos mesmos: Md = 6

EXECCIO 01 1 Quesito: a) Determine a mdia aritmtica dos seguintes dados: N = {4 + 2 + 9 + 4 + 3 + 2}

N = {4 + 2 + 3 + 4 + 3 + 2}

b) Determine a mdia ponderada dos valores anteriores sendo que os dois primeiros tm peso 2, o terceiro e quarto nmero tm peso 1 e os dois ltimos tm peso 4 no primeiro caso de 1, 2 e 3 respectivamente, para os mesmo valores no segundo caso.

2 Quesito: a) Qual a moda em cada caso a seguir e qual tipo? X = {4, 2, 0, 2, 8, 6, 10, 1}

Moda = 2 / Unimodal X = {8, 5, 2, 5, 6, 8, 7, 9} Moda = 5,8 / Bimodal X = {6, 2, 5, 8, 10, 4, 7, 11} Amodal X = {3, 3, 5, 8, 6, 8, 5, 6} Moda = 3,5,6,8 / Multimodal X = {8, 5, 5, 8, 8, 5, 5, 8} Moda = 5,8 / Bimodal

b) Calcule a mediana dos dados da questo anterior Formula: Quando for impar a) 0,1,2,2,4,6,8,10 b) 2,5,5,6,7,8,8,9 = c) 2,4,5,6,7,8,10,11 = d) 3,3,5,5,6,6,8,8 = e) 5,5,5,5,8,8 8, 8 =

4- Identifique o nmero de tratamentos, parcelas e repeties nos casos abaixo:

10 tratamentos, 04 repeties 40 parcelas.

2 Aula Medida de variabilidade dos dados Indica a disperso entre os escores dos dados em torno da mdia Tipos de Medidas de Disperso: Amplitude; Varincia; Desvio Padro.

Amplitude: A amplitude de um conjunto de dados a diferena entre o valor mximo e mnimo destes valores. Registou-se o nmero de plantas de milho germinadas durante doze dias, tendo-se obtido os seguintes valores: {5 7 6 8 10 7 11 7 12 9 8 6} A amplitude dos dados : 12 5 = 7 Varincia: Chama-se varincia, e representa-se por S2 (2), ao valor dado pela frmula:

Mais simplificadamente a varincia pode ser entendida como:

Onde n = nmero de dados EXEMPLO: Suponhamos que se pesquisou a quantidade de alunos existentes na cinco primeiras turmas de agroecologia do IFPB: {13, 14, 11, 12, 15} Exemplo

Exemplo

Desvio Padro a medida de disperso, mede a variao do conjunto de dados; Um valor baixo indica que os resultados esto prximos uns dos outros; Um valor elevado indica que os resultados esto afastados. O desvio padro, que se representa por S (), igual raiz quadrada positiva da varincia, ou seja:

Coeficiente de Variao (CV) Medida de disperso empregada para estimar a preciso de experimentos e representa o desviopadro expresso como porcentagem da mdia. Calculando o coeficiente de variao do exemplo anterior: Onde temos: S = 1,58

EXERCCIO 2 Calcule a Amplitude total, a Varincia, o Desvio Padro e o Coeficiente de Variao dos seguintes dados:

Dados 16 42 20 22 35 18 Respostas: 1) Amplitude total { }

A Amplitude dos dados :

2) Varincia { }

3) Desvio Padro Dividi-se o nmero maior(42) pelo menor(16) { } )

Idade dos alunos 16 18 20 22 35 42 Total 16-26 = -10 18-26 = - 8 20-26 = -6 22-26 = -4 35-26 = 9 42- 26 = 16 0 100 64 36 16 81 256 553

Ou seja:

4) Coeficiente de Variao Formula: S =10,51

AULA 03 Anlise de Varincia

(Anova ou Anava) A Anlise de varincia nada mais nada menos que um teste de comparaes de vrias mdias ao mesmo tempo.

Tambm conhecido como Teste F foi desenvolvido pelo estatstico Fisher e apesar de detectar se existncia ou no de diferenas entre as mdias dos tratamentos, ele no as identifica quando elas existem. Em um experimento, existe o interesse em testar se h diferenas entre as mdias dos tratamentos, o que equivale a testar as hipteses: Hipteses Ho = (1 = 2 = ... = i) H1 = (i i) Existe pelo menos uma das mdias diferentes. Testes de comparao das mdias: Teste t, Teste de Tukey, Teste de Duncan, Teste de Dunnet Para cada tipo de delineamento, usamos uma Anlise de Varincia especfica.

A Varincia das mdias amostrais calculada por

Onde: K = N, ou seja, ao nmero de amostras; K-1 = Graus de liberdade Digamos que temos esses dados para o percentual de germinao de sementes de feijoeiro irrigado com gua salina: X = {75, 72, 76, 79, 82, 72} Temos:

Ento:

Simplificado: EXEMPLO: Os dados abaixo referem-se a rendimento de cana de acar em t/ha de um experimento inteiramente casualizado de competio de variedades de cana de acar.

Formula:

 = [(4 x 6 1)] (4 1) = 23 3 = 3 = G.L.Res. = 20

Q.M.Res = 100,9

F. Cal. = 5,40** EXEMPLO:

REPETIES 1 2 3 4 5 Total de Tratamentos Mdia

A 35 19 31 15 30 130 26

B 40 35 46 41 33 195 39

C 39 27 20 29 45 160 32

D 27 12 13 28 30 110 22

t=4 r =5 r t = 20

= 595 X... = 29,75 = 19971

3672

7711

5862

2726

- 3380

-7605

- 5120

- 2420

= 18525

Soma dos Tratamentos Diviso dos Tratamentos p/5 (Mdia) Cada tratamento elevada ao quadrado ...x Divide-se a soma dos Tratamentos p/5

SQT

292

106

42

306

= 746

Subtrai SQE

Delineamento Inteiramente ao Acaso

O DIC assim caracterizado pelo fato de que num experimento os nicos princpios utilizados so o da repetio e o da casualizao. Toma-se uma amostra de tal modo que as unidades experimentais sejam homogneas e designamos as mesmas aos tratamentos por puro e simples sorteio. a Anlise Estatstica simples, o nmero de graus de liberdade o maior possvel. Num experimento inteiramente casualizado (DIC) testou-se as raes A, B, C e D no ganho de peso em quilogramas de sunos. Faa a anlise de varincia (ANOVA) dos dados e diga se h diferena entre as raes testadas. O F tabelado para esse delineamento 5,29. A B C D

35 19 31 15 30

40 35 46 41 33

39 27 20 29 45

27 12 13 28 30

EXERCCIO 3
REPETIES 1 2 3 4 5 Total de Tratamentos A 35 19 31 15 30 130 B 40 35 46 41 33 195 C 39 27 20 29 45 160 D 27 12 13 28 30 110

t=4 r =5 r t = 20

= 595 X...

Soma dos Tratamentos

Delineamento Inteiramente ao Acaso

DIC assim caracterizado pelo fato de que num experimento os nicos princpios utilizados so o da repetio e o da casualizao. Toma-se uma amostra de tal modo que as unidades experimentais sejam homogneas e designamos as mesmas aos tratamentos por puro e simples sorteio. A Anlise Estatstica simples, o nmero de graus de liberdade o maior possvel. Num experimento inteiramente casualizado (DIC) testou-se as raes A, B, C e D no ganho de peso em quilogramas de sunos. Faa a anlise de varincia (ANOVA) dos dados e diga se h diferena entre as raes testadas. O F tabelado para esse delineamento 5,29. TRATAMENTOS (VARIEDADES)

Formula:

 G.L.Tot. FV Tratamentos Resduo Total GL 3 16 19

G.L.Trat. SQ 823,75 1100 1923,75 QM 274,58 68,75 F 3,99 *

19 3

= 16

AULA 04 Delineamento em Blocos ao Acaso - DBC Tambm denominado por delineamento em blocos casualizados com certeza o delineamento mais utilizado nos experimentos agronmicos. Ele uma soluo para a maioria dos casos em que as unidades experimentais so heterogneas, onde possvel fazer pequenos agrupamentos (blocos) com parcelas aproximadamente semelhantes. Como caractersticas, destacam-se:

a) controle local: as parcelas so distribudas em blocos (grupos) onde nos blocos haver a maior uniformidade possvel; b) o nmero de parcelas por blocos deve ser mltiplo do nmero de tratamentos; c) existe a casualizao dentro dos blocos, ou seja, as parcelas contidas num bloco so designadas aos tratamentos por sorteio. Dentre as vantagens desse delineamento podemos citar: a) Controle das diferenas de um bloco pra outro; b) flexvel no que tange quantidade de tratamentos e de blocos; c) apresenta uma varincia para o resduo mais realstica; d) Anlise de varincia simples com apenas alguns acrscimos em relao ao DIC

Desvantagens:

a) Reduz os graus de liberdade do resduo; b) o nmero de tratamentos no pode ser muito elevado.

Considere um experimento para a avaliao de 5 variedades de batatinha numa propriedade que apresente 4 tipos de inclinao de relevo. Considere ainda que cada tratamento ter 4 repeties.

EXERCCIO 04 DELINEAMENTO EM BLOCO AO ACASO DBC. Clculos para a ANOVA de um experimento em bloco ao acaso: Os graus de liberdade: Tratamento: k - 1 Blocos: r - 1 Total: kr 1 Resduos: (Kr 1) - (k 1) (r 1) = (k 1) . (r -1)

AULA 05 TESTE DE MDIAS Aps fazer a Anlise de Varincia em um delineamento, teremos duas possibilidades. Aceitar tratamentos, ou Rejeitar concluindo no haver diferenas significativas entre os concluindo que pelo o menos dois dos tratamentos

estudados apresentam mdias estatisticamente diferentes. No caso da aceitao de , o experimento est concludo. No caso de rejeio,

surge uma pergunta a ser analisada: Se existem diferenas, quais so elas? Qual tratamento tem mdia maior, e quais tem mdias iguais? Para responder essas perguntas, usamos um teste para comparao de mdias.

Teste de Tukey Podemos afirmar que o teste de Tukey talvez seja o teste mais utilizado nos experimentos. Talvez isso acontea pela sua praticidade e objetividade. Todo teste de comparao de mdias s deve ser empregado aps a execuo da Anlise de Varincia (Teste F) e respectiva constatao da significncia. Os passos para a execuo do teste de Tukey so: a) Calcular a Diferena Mnima Significativa DMS:

Em que: q o valor tabelado em funo do nmero de tratamentos (horizontal) e do numero de graus de liberdade do resduo (vertical); r nmero de repeties; QMR Quadrado mdio do resduo obtido na anlise de varincia b) Calculamos as diferenas entre todas as mdias, ou melhor dizendo, todos os possveis contrastes. c) c) Comparamos as diferenas com a DMS. Se o mdulo da diferena menor que a DMS, ento no h diferena significativa. Se o mdulo da diferena maior que a DMS, ento as mdias dos tratamentos so diferentes. d) Indicamos a significncia entre dois tratamentos atribuindo letras diferentes para ambos, e a igualdade entre eles atribuindo a mesma letra para ambos. Observao: O Teste de Tukey se torna mais simples quando as mdias so dispostas em ordem decrescente.

Exerccio Considere que um experimento para a comparao de variedades de mandioca tenha sido realizado com 5 repeties para cada tratamento e que o resultado da anlise de varincia seja:

-1

Sendo as mdias dos tratamentos em t.ha correspondentes a: A = 27,9; B = 27,3; C = 26; D = 40,6 e E = 49,4 O valor de q = 4,23 (para 5 tratamentos e 20 graus de liberdade a 5% de probabilidade) Aplique o teste de Tukey e veja quais mdias diferem umas das outras. Teste de Duncan O teste de Duncan menos rigoroso que o Teste de Tukey. Por outro lado, traz consigo uma sria desvantagem: bem mais trabalhoso de ser executado.

Em que D = amplitude total mnima significativa Z = Valor tabelado encontrado do cruzamento entre o nmero de mdias em estudo e o valor do grau de liberdade do resduo. s r = nmero de repeties Se o D < (amplitude entre as mdias) no h diferenas entre os tratamentos Se o D h diferena entre os tratamentos e segue-se realizando os contrastes com as mdias seguintes Exemplo 2: Num experimento de competio de cultivares de cana-de-acar, foram utilizados 5 tratamentos e 4 repeties, no delineamento em blocos ao acaso. Os blocos controlavam diferenas de fertilidade do solo entre terraos. Os cultivares de cana-de acar (Tratamentos) testados e suas produtividades so: 1)Co 413 = 100,2 2) CB 40/19 = 137,2 3) CB 40/69 = 139,7 4) CB 41/70 = 129,8 5) CB 41/76 = 124,6 A anlise de varincia mostrou que QMR = 286,11 com graus de liberdade equivalente a 12. 1 passo colocar as mdias em ordem decrescente 2 passo Estabelecer o contraste (diferena) entre a menor e a maior mdia - 3 passo Calcular a amplitude total mnima significativa para o total de mdias utilizadas

Exerccio

Um produtor alimentou seus porcos com 4 tipos de alimentos, e analisou o ganho de peso entre os animais, os valores do aumento de peso est na tabela abaixo.

RAES A 35 19 31 15 30 B 40 35 46 41 33 C 39 27 20 29 45 D 27 12 13 28 30

Faa a Analise de Varincia e havendo diferena entre os valores aplique os testes de Tukey e de Duncan e verifique quais raes proporcionaram maior ganho de peso. Teste de Dunnett

O teste de Dunnett serve exclusivamente para comparar o efeito dos tratamentos com o efeito do controle ou testemunha. A significncia deste teste implicar apenas na concluso de que os grupos tratados apresentam diferena com o grupo controle.
Os passos para a aplicao do teste so: 1) Calcular o valor do teste, representado por d: d = t S ()
d

Em que: td obtido na tabela especfica para o teste de Dunnett em funo do nmero de graus de liberdade dos tratamentos na anlise de varincia (incluindo o controle) e do nmero de graus de liberdade do resduo experimental.

2) Calcular as estimativas dos contrastes: Y = m -m

1 1 controle

Y = m -m
2 2

controle

... Y = m -m
3 3 controle

3) Comparar o valor absoluto de cada estimativa do contraste com o valor d. Se Y d o teste significativo indicando que o grupo tratado difere do grupo controle.

Se Y < d ento o grupo controle no difere do grupo tratado. Exemplo 2: Num experimento de competio de cultivares de cana-de-acar, foram utilizados 5 tratamentos e 4 repeties, no delineamento em blocos ao acaso. Os blocos controlavam diferenas de fertilidade do solo entre terraos. Os cultivares de cana-deacar (Tratamentos) testados e suas produtividades so: Co 413 = 100,2 2) CB 40/19 = 137,2 3) CB 40/69 = 139,7 4) CB 41/70 = 129,8 5) CB 41/76 = 124,6

A anlise de varincia mostrou que QMR = 286,11 com graus de liberdade equivalente a 12. Considere ainda que neste experimento o tratamento Co 413 seja o controle. Utilize o teste de Dunnett para comparar os grupos tratados com o grupo controle. O valor de Td 2,81.

EXPERIMENTOS FATORIAS Aula 06

Experimentos fatoriais so aqueles em que se estudam simultaneamente dois ou mais fatores, cada um deles com dois ou mais nveis. O fatorial um tipo de esquema, ou seja, uma das maneiras de organizar os tratamentos e no um tipo de delineamento, que representa a maneira pela qual os tratamentos so distribudos s unidades experimentais. Na verdade, os experimentos fatoriais so montados segundo um tipo de delineamento experimental, como por exemplo: o DIC e o DBC. Nos experimentos fatoriais, os tratamentos so obtidos pelas combinaes dos nveis dos fatores. Num experimento fatorial completo, cada nvel de um fator combina com todos os nveis dos outros fatores. A principal aplicao de experimentos fatoriais quando se quer saber sobre o efeito de diversos fatores que influenciam na varivel em estudo e o relacionamento entre eles. A simbologia comumente utilizada, para experimentos fatoriais indicar o produto dos nveis dos fatores em teste. Por exemplo: Experimento Fatorial 2x4x6. O produto 2x4x6 informa que no experimento foram testados simultaneamente 3 fatores. O primeiro possui 2 nveis, o segundo 4 nveis e o terceiro 6 nveis. Quando o nmero de nveis igual para todos os fatores, pode-se utilizar a seguinte simbologia: nF, em que F o nmero de fatores n o nmero de nveis de cada fator.

Por exemplo: Experimento Fatorial 43. A potncia 43 informa que o experimento tem 3 fatores com 4 nveis cada um. Tipos de efeitos avaliados em um experimento fatorial Nos experimentos fatoriais, podem ser estudados os seguintes efeitos: Efeito Principal: o efeito de cada fator, independente do efeito dos outros fatores; - Efeito de Interao: o efeito simultneo dos fatores sobre a varivel em estudo. Dizemos que ocorre interao entre os fatores quando os efeitos dos nveis de um fator so modificados pelos nveis do outro fator. Os experimentos fatoriais so mais eficientes do que os experimentos isolados, por exemplo: Um Experimento testando competio das cultivares A, B, C e D; Um experimento testando uma das cultivares nos diferentes espaamentos E1, E2 e E3; No caso de experimentos separados s se pode testar se as cultivares diferem entre si, e qual delas melhor que as outras. No caso do experimento com os espaamentos se teria que montar quatro experimentos separados, cada um com uma cultivar, nos trs espaamento 1, 2 e 3. Montando-se um experimento fatorial se testaria as quatro cultivares (A, B, C e D) e os trs espaamento E1, E2 e E3 ao mesmo tempo. No caso ficaria um tratamento fatorial 4 x 3, onde seriam 4 cultivares (A,B.C e D) e 3 espaamentos (E1, E2 e E3).

FV Fator1(F1) Fator2(F2) Int. F1xF2 Tratamentos Resduo Total

GL 2 1 2 5 18 23

QUADRO DE ANLISE SQ QM 99.40583 49.70292 21.66000 21.66000 59.64250 29.82125 180.70833 36.14167 20.43000 1.13500 201.13833

F 43.7911 ** 19.0837 ** 26.2742 ** 31.8429 **

** significativo ao nvel de 1% de probabilidade (p < .01) * significativo ao nvel de 5% de probabilidade (.01 =< p < .05) ns no significativo (p >= .05) GL GLR 2 18 1 18 2 18 5 18 Fator 1 = Recipiente Fator 2 = Espcie F-crit 6.0129 8.2854 6.0129 4.2479 F 43.7911 19.0837 26.2742 31.8429 p <0.001 <0.001 <0.001 <0.001

MDIAS E MEDIDAS Mdias do fator 1 1 25.48750 a 2 22.72500 b 3 20.51250 c ---------------------dms = 1.35975 Mdias do fator 2 ---------------------1 23.85833 a 2 21.95833 b ----------------------

dms =

0.91341

MDIAS DE INTERAO Fator 1 x Fator 2 (AxB) ----------------------------B A -----------------------B1 B2 ----------------------------A1 25.6500 aA 25.3250 aA A2 25.8750 aA 19.5750 bB A3 20.0500 bA 20.9750 bA ----------------------------dms para colunas = 1.9230 dms para linhas = 1.5821 Classific.c/letras minsculas Classific.c/letras maisculas As mdias seguidas pela mesma letra no diferem estatisticamente entre si. Foi aplicado o Teste de Tukey ao nvel de 5% de probabilidade MG = 22.90833 CV% = 4.65 Ponto mdio = 22.65000 Experimentos em parcelas subdivididas Aula 07 Esses experimentos so utilizados quando, num mesmo ensaio, queremos testar dois (ou mais) fatores, mas em condies experimentais um pouco diferentes daquelas utilizadas nos experimentos fatoriais. Assim, por exemplo, podemos testar: Variedades e Adubaes; Espaamentos e Irrigaes; Variedades e pocas de Plantio; - etc Nesses experimentos, as parcelas so divididas em partes menores e iguais, denominadas subparcelas (que constituem a unidade bsica para fins de anlise estatstica). A principal caracterstica desse delineamento a casualizao dos nveis dos fatores, que feita em dois estgios. Num primeiro estgio, casualizamos os nveis de um fator, nas parcelas (de acordo com a distribuio das parcelas). Num segundo estgio, casualizamos os nveis do outro fator, nas subparcelas de cada parcela. Assim, cada parcela funciona como se fosse um bloco, para receber os nveis do segundo fator. Os nveis do fator casualizado nas parcelas so denominados de: Tratamentos Primrios, Tratamentos Principais ou Tratamentos A.

Os nveis do fator casualizado nas subparcelas so denominados de Tratamentos Secundrios, Subtratamentos ou Tratamentos B. Nesse delineamento, temos dois resduos: Resduo a: base de comparao dos Tratamentos Principais. - Resduo b: base de comparao dos Tratamentos Secundrios e da Interao Tratamentos Principais x Tratamentos Secundrios. Exemplificando a distribuio dos nveis dos fatores, vamos supor um experimento em parcelas subdivididas, com os fatores: - Adubaes ( A e A ) , como tratamentos principais;
0 1 2 1 3

- Variedades (V ,V e V ), como tratamentos secundrios, dispostos em 5 blocos casualizados.