Costa, S.C.

Universidade Estadual de Londrina Departamento de Estatstica

Delineamento em Blocos ao Acaso

Silvano Cesar da Costa

Londrina - Paran

Costa, S.C.

Delineamento em Blocos Casualizados

Experimento em blocos casualizados so aqueles que levam em considerao os 3 princpios bsicos da experimentao, sendo que o controle local feito na sua forma mais simples e chamado de blocos. Sempre que no houver homogeneidade das condies experimentais, deve-se utilizar o princpio do controle local, estabelecendo, ento, subambientes homogneos (blocos) e instalando, em cada um deles, todos os tratamentos, igualmente repetidos. Como cada bloco deve receber todos os tratamentos uma s vez, diz-se que blocos so repeties. Se receber mais de uma vez cada tratamento, diz-se experimentos em blocos casualizados com repeties dentro de blocos. O delineamento em blocos casualizados mais eciente que o inteiramente ao acaso e, essa ecincia depende da uniformidade das parcelas de cada bloco, podendo, inclusive, haver diferenas bem acentuadas de um bloco para outro.

Costa, S.C.

Modelo estatstico
Suponha a tratamentos que sero comparados e b blocos. Suponha ainda que h uma observao por tratamento em cada bloco e a ordem em que os tratamentos so atribudos a cada um dos blocos determinado aleatoriamente. Os dados seriam da forma: Bloco 1
y11 y21 y31

Bloco 2
y12 y22 y32

Bloco b
y1b y2b y3b

. . .

. . .

...

. . .

ya1

ya2

yab

Costa, S.C.

"

O modelo estatstico para este delineamento :

{ yij = + i + j + ij ,
i = 1 , 2, . . . , a j = 1 , 2, . . . , b

(1)

em que: a) a mdia geral (ou uma constante); b) yij o valor observado na parcela que recebeu o i-simo tratamento no j-simo bloco; c) i um parmetro que representa o i-simo efeito de tratamento; d) j um parmetro que representa o j-simo efeito de bloco; e) ij um componente do erro aleatrio, associado ao j-simo bloco e i-simo tratamento, tal que ij N ID(0, 2 ).

Costa, S.C.

Considere a estimao dos parmetros do modelo (1), usando o mtodo de mnimos quadrados. A funo de mnimos quadrados :
L=
a b i=1 j =1

[yij i j ] .

Derivando-se L em relao aos parmetros (, i e j ) tem-se:

L L i L j = 2
a b [ i=1 j =1 b [ ] j (1) = 0 = 2 yij i j =1 a [ i=1

j (1) = 0 yij i

= 2

j (1) = 0 yij i

e igualando-se os resultados a zero e aplicando os somatrios, obtm-se o chamado sistema de equaes normais:

Costa, S.C.

a b yij i=1 j =1 b y1j j =1 b y2j j =1 . . . b yaj j =1 a yi1 i=1 a yi2 i=1 . . . a yib
i=1

= = =

1 + a 2 + + a b ab + b 1 + b 2 + + b a + a b + b 1 b + b 2
. . .

1 + 2 + + b + 1 + 2 + + b +

= = =

1 + 2 + + b + b a +

1 a + 1 + 2 + + a + a a + 1 + 2 + + a
. . .

2 + a

a + 1 + 2 + + a

b + a

Costa, S.C.

que pode ser resumido como:

a b yij i=1 j =1 b yij j =1 a yij
i=1

= = =

ab +b

a i=1

i + a j

b j =1

b + b i + a +
a i=1

b j =1

j i + a

cujo sistema s tem soluo, se impusermos as restries

a i=1

i = 0

b j =1

j = 0.

Costa, S.C.

&

E os resultados so:
a b yij i=1 j =1 b yij j =1 a yij
i=1

= = =

ab b + b i j a + a i = 1, 2, . . . , a j = 1, 2, . . . , b

Os estimadores de mnimos quadrados para , i e j , so dados por:

= y .. ; i j = y i. y .. = y .j y .. i = 1, 2, . . . , a; j = 1, 2, . . . , b;

(2) (3) (4)

Costa, S.C.

'

A reduo na soma de quadrados devido ao ajuste do modelo (1) dada por:

R(, , ) = y +
a i=1

i yi +

b j =1

j yj

(5)

Substituindo-se as estimativas obtidas pelas equaes de 2 a 4, na equao 5 e, aps manipulao algbrica, tem-se:
R(, , ) = y +
a i=1

i yi +

b j =1

j yj
b j =1

= y y +
a y2 i=1 i

a i=1

( yi. y .. ) yi +
2 y a ab

( y.j y .. ) yj

R(, , )

b 2 y j j =1

(6)

com a + b 1 graus de liberdade. A variabilidade restante no levada em

Costa, S.C.



conta pelo modelo a chamada soma de quadrados de resduos, dada por:

SQRes =
a b i=1 j =1 2 yij R(, , )

(7)

Substituindo-se a equao 6 em 7, obtm-se:

SQRes =
a b i=1 j =1 2 yij

a y2 i=1

b 2 y j j =1

2 y + a ab

com (a 1)(b 1) graus de liberdade. Para testar a hiptese H0 : i = 0, o modelo reduzido :

yij = + j + ij

que uma anlise de varincia no delineamento inteiramente casualizado. Por analogia com a equao ??, tem-se:
R(, ) =
b 2 y j j =1

Costa, S.C.



que tem b graus de liberdade. Portanto, a soma de quadrados devido a i , aps ajustar para e j :
R( | , ) = R(, , ) R(, ) = R( | , )
a y2 i=1 a i=1 i

(8)
b

b 2 y j j =1

2 2 y y j a ab j =1 a

(9) (10)

2 2 yi y b ab

que a soma de quadrados de tratamentos, com a 1 graus de liberdade. A soma de quadrados de blocos obtida ajustando-se o modelo reduzido:
yij = + i + ij

que , tambm, uma anlise de varincia no delineamento inteiramente casualizado. Novamente, por analogia com a equao ??, a reduo na soma

Costa, S.C.

de quadrados para o ajuste desse modelo :

R(, ) =
a y2 i=1 i

b j ,

com a graus de liberdade. Assim, a aps ajustar para e i :

R( | , )

soma de quadrados para blocos

= R(, , ) R(, ) =
a y2 i=1 i

b 2 y j j =1

2 y2 y i a ab i=1 b a

R( | , )

b 2 y j j =1

2 y a ab

que a

soma de quadrados de blocos,

com a 1 graus de liberdade.

Costa, S.C.

!

Pode-se resumir as somas de quadrados da seguinte forma:

2 y 2 SQT otal = yij ab i=1 j =1 b 2 y j j =1 a n

SQT rat =

a y2 i=1

2 y b ab i

SQBlocos =

2 y a ab

SQRes = SQT otal SQT rat SQBlocos

Os clculos so usualmente apresentados em uma tabela de varincia, tal como a Tabela 1.

Costa, S.C.

"

Tabela 1: Quadro da anlise de varincia para delineamento em blocos casualizados.

C.V. S.Q. gl Q.M.
SQT rat a1 SQBlocos b1 SQRes (a1)(b1) Fcalc Ftab

Pr(> F)

Tratamentos

SQT rat

a1

QM T rat QM Res

F;a1,(a1)(b1)

Blocos

SQBlocos

b1

Resduo

SQRes

(a 1)(b 1)

Total

SQT otal

ab 1

Costa, S.C.

#

Com a nalidade de estudar os efeitos da administrao de razes e tubrculos, como suplementao de inverno na alimentao de vacas em lactao, considerou-se um experimento em blocos casualizados com 4 tipos de suplementos (tratamentos) e 5 raas (blocos). As produes mdias dirias de leite (kg ) so apresentadas na Tabela 2.
Exemplo:

Costa, S.C.

$

Tabela 2: Valores de produo de leite (kg ). Tratamentos Blocos Gir Holandesa Jersey Nelore Guzer
5 j =1 5 j =1

Sem suplementao 6,4 6,2 6,2 7,1 6,6 32,5 211,81

Mandioca 10,9 11,6 11,4 10,4 12,4 56,7 645,25

Araruta 12,0 10,9 11,5 11,1 11,8 57,3 657,51

Batata Doce 11,2 11,6 10,9 12,1 10,1 55,9 627,23

Totais 40,5 40,3 40,0 40,7 40,9 202,4 2.141,8

yij
2 yij

Costa, S.C.

%

Antes de se proceder anlise de varincia, pode-se utilizar o grco de caixas para explorao dos dados e, tambm, vericar se as exigncias do modelo esto satisfeitas. A Figura 1 apresenta o grco de caixas (box plot ) para cada nvel da varivel produo de leite. Note que h uma forte evidncia de que a produo de leite pode estar relacionada com a suplementao alimentar.

Costa, S.C.

&

12

x
11

x x

10

Quilos

x
6 Sem Suplemento Mandioca Araruta Batata Doce

Tratamentos

Figura 1: Produo de leite (kg) levando-se em conta o complemento alimentar.

Costa, S.C.

'

Homogeneidade de varincias:

A aplicao do teste de Bartlett :

Bartlett test of homogeneity of variances data: Prod by Trat Bartlett's K-squared = 2.5002, df = 3, p-value = 0.4753

mostrando que h homogeneidade de varincias. :

Normalidade dos resduos:

Usa-se o teste de Shapiro-Wilk, cujo resultado

Shapiro-Wilk normality test data: res W = 0.9778, p-value = 0.9033

Logo, vericou-se pela no signicncia de ambos, ou seja, os dados apresentam homogeneidade de varincias e tm distribuio que no difere da normal. Pode-se, portanto, aplicar a metodologia discutida aos dados apresentados na Tabela 2, tem-se:

Costa, S.C.

SQT otal

a b i=1 j =1

2 yij

2 y ab

= SQT otal SQT rat = =

6, 4 + 10, 9 + + 10, 1
2 2

(202, 4)2 45

93, 512
a y2 i=1 2 y i b ab

= SQT rat =

] (202, 4)2 1[ 2 2 2 2 55, 9 + 56, 7 + 57, 3 + 32, 5 5 45 87, 560

Costa, S.C.

SQBlocos

b 2 y j j =1

2 y a ab

= SQBlocos = SQRes =

] (202, 4)2 1[ 2 2 2 2 2 40, 5 + 40, 3 + 40, 0 + 40, 7 + 40, 9 4 45 0, 122 SQT otal SQT rat SQBlocos 93, 512 87, 560 0, 122 5, 83

= SQRes =

e substituindo-se esses resultados na Tabela 1, obtm-se a anlise de varincia no delineamento em blocos ao acaso, apresentada na Tabela 3.

Costa, S.C.

Tabela 3: Anlise de varincia no delineamento em blocos casualizados. Causa de variao Blocos Tratamentos Resduos S.Q. 0,122 87,560 5,830 g.l. 4 3 12 Q.M. 0,030 29,187 0,486
Fcalc Ftab

Pr(>F) 0,9918 1,689e-07

0,0628 60,0755

3,2592ns 3,4903

Como Fcalc > 3, 49, rejeita-se H0 , ou seja, pelo menos um dos tratamentos difere dos demais.

Costa, S.C.

Como pelo menos uma das mdias dos tratamentos difere, necessrio aplicar o teste de Tukey para se determinar qual o tratamento que difere dos demais. Assim, aplicando-se a frmula:
=q QM Res r

(11)

tem-se
= 4, 19866 0, 4858 = 1, 308788 kg . 5

Costa, S.C.

"

Construindo-se a tabela das mdias ordenadas em ordem decrescente, tem-se: Araruta (AR) Mandioca (MA) Batata Doce (BD) Sem Suplemento (SS) Mdias (kg) 11,46 11,34 11,18 6,50 b b b a

em que letras iguais indicam mdias semelhantes. Conclu-se que quando no se usa suplemento alimentar, a mdia de produo de leite reduz signicativamente. As diferenas entre as mdias de tratamentos podem ser visualizadas na Figura 2

Costa, S.C.

95% familywise confidence level

21

31

41

32

42

43 0 2 4 6

Differences in mean levels of Trat

Figura 2: Comparao das diferenas entre tratamentos pelo Teste de Tukey.

Costa, S.C.

Para obter o teste de Tukey diretamente do R, os comandos so:

summary(anava.bl = aov(prod ~ Blocos + Trat)) TukeyHSD(anava.bl, "Trat", ordered = TRUE) plot(TukeyHSD(anava.bl, "Trat"), col='blue', las=1)