FUNDAÇÃO COMUNITÁRIA TRICORDIANA DE EDUCAÇÃO

Decretos Estaduais n.º 9.843/66 e n.º 16.719/74 e Parecer CEE/MG n.º 99/93
UNIVERSIDADE VALE DO RIO VERDE DE TRÊS CORAÇÕES
Decreto Estadual n.º 40.229, de 29/12/1998
Pró-Reitoria de Pós-Graduação, Pesquisa e Extensão

ANÁLISE DE EXPERIMENTO COM MEDIDAS

REPETIDAS: Uma aplicação no efeito da ingestão do café no
controle de peso

Três Corações
2009
 SILVANA ARAÚJO AMARAL DA SILVA

ANÁLISE DE EXPERIMENTO COM MEDIDAS

REPETIDAS: Uma aplicação no efeito da ingestão do café no
controle de peso

Dissertação apresentada à Universidade

Vale do Rio Verde – UNINCOR como parte
das exigências do Programa de Mestrado
Profissional em Modelagem Matemática e
Estatística Aplicada, área de concentração
Estatística, para obtenção do título de
Mestre.

Orientador

Prof. Dr. José Carlos de Souza Kiihl

Três Corações
2009
 Universidade Vale do Rio Verde de Três Corações
CREDENCIAMENTO: Decreto Estadual nº 40.229 de 29 de Dezembro de 1998.
Secretaria de Pós-Graduação, Pesquisa e Extensão.

ATA DA DEFESA DE DISSERTAÇÃO

Aos treze dias do mês de fevereiro do ano de dois mil e nove, sob a presidência
do Professor Doutor José Carlos de Souza Kiihl, e com a participação dos membros
Professor Doutor João Domingos Scalon e Professor Doutor Juscélio Clemente de
Abreu, que se reuniram para a banca da defesa de dissertação da Mestranda Silvana
Araújo Amaral da Silva, aluna do Curso de Mestrado Profissional em Modelagem
Matemática e Estatística Aplicada. O título de sua dissertação é “ANÁLISE DE
EXPERIMENTO COM MEDIDAS REPETIDAS: Uma Aplicação no efeito da
ingestão do café no controle de peso”. O resultado foi pela _______________. Eu,
secretária, lavro a presente ata que, depois de lida e aprovada, vai assinada por mim e
pelos demais membros da banca examinadora.
Três Corações, 13 de fevereiro de 2009.

Prof. Dr. José Carlos de Souza Kiihl Prof. Dr. João Domingos Scalon
Presidente Membro da Banca

Prof. Dr. Juscélio Clemente de Abreu Prof. Wandir Graças Guedes

Membro da Banca Secretário Geral
Dedico este trabalho ao meu amado filho Ítalo Manzine pela paciência, apoio e
carinho dispensado a mim nas horas difíceis em que passei estudando para
apresentação deste trabalho. A minha mãe Maria Eugênia e minhas irmãs Sandra e
Silmara que sempre me apoiaram nas realizações dos meus sonhos. E ao meu pai
Agenor e a minha sobrinha Steffany pela ternura.
 AGRADECIMENTOS

Meus agradecimentos sinceros:

A DEUS pelo dom da vida e pelas oportunidades;
Ao Prof. Dr. José Carlos de Souza Kiihl pelo exemplo de ser humano, de ética e
princípios. Pela orientação e ensinamentos.
Ao Prof. João Domingos Scalon que gentilmente aceitou participar e colaborar com este
trabalho dando-me atenção, apoio, carinho, incentivo, principalmente acreditando ser
possível e disponibilizando seus conhecimentos, que deram o suporte nesta empreitada.
À minha mãe pelo exemplo de força e dedicação, pelo apoio e incentivo. Ao meu pai pela
paciência e apoio. Ao meu maravilhoso filho pela compreensão da minha ausência, pelo
amor e incentivo, às minhas irmãs e à sobrinha pela alegria.
À Profa. Dra. Cynthia Arantes Vieira Tojeiro, pela ajuda e colaboração.
À Profa. Dra. Selene Maria Coelho Loibel, pela colaboração.
Ao Prof. Dr. Antônio Francisco Iemma pela colaboração.
Aos colegas de curso, especialmente aos amigos, João Urbano, Paulo e Análise (Teka),
pela amizade, pelo convívio e pelo apoio nos momentos difíceis.
Aos amigos, pela colaboração durante a realização deste trabalho e pela amizade.
Aos funcionários, pela disponibilidade e auxílio.
E a todos que acreditaram em mim.
Aos professores da Universidade Vale do Rio Verde UNINCOR pela oportunidade de
aprender e poder construir minha sólida formação acadêmica.
A todos que, de alguma forma, contribuíram para o meu êxito profissional.
As dificuldades que encontramos na vida não são
desculpas para desistirmos de nossos objetivos, só
os abandonamos quando nos tornamos fracos.
 SUMÁRIO

Página
LISTA DE ILUSTRAÇÕES .................................................................................................... 8
RESUMO................................................................................................................................... 9
ABSTRACT ............................................................................................................................ 10
1 INTRODUÇÃO ................................................................................................................... 11
2 JUSTIFICATIVA ................................................................................................................ 13
3 REFERENCIAL TEÓRICO .............................................................................................. 15
3.1 O café e a nutrição ............................................................................................................ 15
3.1.1 Um breve histórico do café ........................................................................................... 15
3.1.2 Café como nutrição funcional....................................................................................... 16
3.1.3 Desnutrição .................................................................................................................... 17
3.2 Proposição estatísticas ...................................................................................................... 18
3.2.1 Medidas repetidas .......................................................................................................... 18
3.2.2 Situando na história ...................................................................................................... 20
3.2.3 Análise univariada dos perfis ....................................................................................... 22
4 MATERIAL E MÉTODOS ................................................................................................ 31
4.1 Caracterização do café ..................................................................................................... 31
4.2 Modelo experimental ........................................................................................................ 31
4.3 Preparo da dieta com café................................................................................................ 32
4.4 Métodos Estatísticos ......................................................................................................... 33
4.4.1 Análise estatística exploratória .................................................................................... 33
4.4.2 Análise de variância univariada de perfis ................................................................... 33
4.3 Softwares ........................................................................................................................... 33
5 RESULTADOS E DISCUSSÃO ........................................................................................ 34
5.1 Análise exploratória ......................................................................................................... 34
5.2 Análise de Variância......................................................................................................... 43
6 CONCLUSÕES.................................................................................................................... 45
REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................. 46
ANEXO .................................................................................................................................... 51
Comandos em R ...................................................................................................................... 51
 8

LISTA DE ILUSTRAÇÕES

Página
Quadro 1: quadro de análise de variância ........................................................................... 26
Quadro 2: quadro de análise em blocos ............................................................................... 28
Quadro 3: quadro de análise para moldelo mistos .............................................................. 28
TABELA 1: Composição química dieta (2g/100g de ração) ............................................... 33
TABELA 2: Peso dos ratos durante um período de 14 semanas ....................................... 35
FIGURA 1: Box-plot dos pesos. ............................................................................................ 36
QUADRO 4: Quadro da análise descritiva .......................................................................... 37
FIGURA 2: Histograma do peso em gramas desses animais em função do número de
ratos (freqüência absoluta). ................................................................................................... 38
FIGURA 3: Q-Q plot da distribuição teórica (normal) em relação à distribuição da
amostra. ................................................................................................................................... 39
FIGURA 4: Box-plots das semanas em relação ao peso. .................................................... 40
FIGURA 5: Box-plots dos grupos em relação ao peso. ....................................................... 41
FIGURA 6: Perfil de peso médio dos ratos, por grupo, no decorrer das semanas. ......... 42
FIGURA 7: Perfil de peso médio dos ratos, por grupo e semanas..................................... 43
QUADRO 5: Análise de variância (rato: semana) .............................................................. 44
QUADRO 6: Análise de variância (dentro) ......................................................................... 44
 9

RESUMO

SILVA, S A A. ANÁLISE DE EXPERIMENTO COM MEDIDAS

REPETIDAS: Uma aplicação no efeito da ingestão do café no controle de peso. 2009.
51 p. (Dissertação – Mestrado Profissional em Modelagem Matemática e Estatística
Aplicada). Universidade Vale do Rio Verde – UNINCOR – Três Corações - MG*

Vários trabalhos indicam que a ingestão do café causa efeitos estimulantes e/ou
antioxidantes que produzem extraordinárias relações benéficas para os indivíduos que
ingerem a bebida. Sabe-se também que entre as substâncias de alto peso molecular,
produzidas pela reação de Maillard, estão as melanoidinas que têm uma forte atividade
antioxidante inibindo significativamente oxidação de lipídeos. Assim, espera-se que a
ingestão de café na dieta possa promover uma redução no índice de peroxidação lipídica e
uma ampliação no teor de glutationa reduzida em ratos normonutridos como em
desnutridos. Neste sentido, o objetivo deste trabalho foi verificar qual o efeito da ingestão
do café nos pesos dos animais. Para conduzir o experimento foi utilizado um planejamento
com medidas repetidas utilizando 60 filhotes de ratos desmamados aos 21 dias de vida. Os
filhotes foram separados em seis grupos distintos. Cada grupo recebeu uma dieta
diferente. Após o início do experimento os ratos foram pesados diariamente durante um
período de 120 dias. Os dados obtidos foram analisados usando técnicas estatísticas
exploratórias e análise de variância univariada para medidas repetidas. Os resultados
mostraram que os animais ganham peso ao longo da vida e que o tipo de tratamento e
dieta parece ter influência sobre esses pesos e que apresentam diferença estatística. Além
disso, este trabalho pode verificar a importância das técnicas estatísticas para análise de
dados avaliados ao longo do tempo.

Palavras Chave: Medidas repetidas; planejamentos longitudinais; análise de variância;

dieta de peso; café.

Áreas do conhecimento: 1.02.02.00-5 - Estatística

*Comitê Orientador: Dr. Juscélio Clemente de Abreu – UNINCOR

(Orientador), Dr. José Carlos de Souza Kiihl – UNINCOR.
 10

ABSTRACT

SILVA, S A A. ANALYSIS OF REPEATED-MEASURES DESIGNS: An

application to the effect of coffee intake in the weight control. 2009. 51 p. (Dissertação
– Mestrado Profissional em Modelagem Matemática e Estatística Aplicada). Universidad
Vale do Rio Verde – UNINCOR – Três Corações - MG*

Several studies indicate that intake of coffee cause stimulant effects and / or antioxidants
that produce extraordinary relationship beneficial to those who ingest the drink. It is also
known that among the substances of high molecular weight, produced by the Maillard
reaction, are melanoidins that have a strong antioxidant activity significantly inhibit
oxidation of lipids. Thus, it is expected that the intake of coffee in the diet can promote a
reduction in the rate of lipid peroxidation and an expansion in the level of reduced
glutathione in mice well nourished as malnourished. In this sense, the purpose of this
study was to verify whether the intake coffee affect the weights of animals. To conduct
the experiment was used a planning with repeated measurements using 60 of rat pups
weaned at 21 days of life. The pups were divided into six distinct groups. Each group
received a different diet. After the beginning of the experiment the rats were weighed
daily during a period of 120 days. The data were analyzed using exploratory statistical
techniques and univariate analysis of variance for repeated measures. The results showed
that the animals increase weight during the development stage and that the type of
treatment and diet seems influence on the weight and showed statistical differences.
Moreover, this work can check the importance of statistical techniques to analyze data
measured over time.

Keywords: Repeated measures; longitudinal designs; analysis of variance, coffee intake,

weight control.

Knowledge areas : 1.02.02.00-5 – Statistics

*Guidance Committee: Dr. Juscélio Clemente de Abreu – UNINCOR

(Major Professor), Dr. José Carlos de Souza Kiihl - UNINCOR.
 11

1 INTRODUÇÃO

A expressão medidas repetidas é empregada para indicar medidas feitas na

mesma variável ou na mesma unidade experimental em mais de um período (DE
ANGELIS, 2001,COLE, J.W.L.; GRIZZLE, J.E, 1966). Diversos planejamentos com
medidas repetidas são comuns, como split plot, cross-over e planejamentos longitudinais.
Nos planejamentos do tipo cross-over, as unidades experimentais ganham seqüências de
tratamentos. Os planejamentos do tipo split plot (parcelas subdivididas) são mais
corriqueiros nas ciências agrárias, onde um singular nível de um fator é colocado a uma
parcela relativamente grande de terra e todos os níveis de um secundário fator são
aplicadas às subparcelas.
Entretanto, as ocorrências mais comuns são aquelas na quais pesquisadores
adotam medidas repetidas em diferentes tempos sobre uma unidade experimental, com a
finalidade de verificar o seu comportamento ao longo do tempo, caracterizando as
medidas repetidas no tempo (ou planejamentos longitudinais). Estes abrangem a
observação de uma ou mais variáveis respostas em uma mesma unidade experimental em
diversas condições de avaliação (tempo, distâncias de uma origem, etc.), caracterizando
medidas correlacionadas e com variâncias não-homogêneas nos diversos tempos, em
função do modo sistemático como as medidas são tomadas.
Neste tipo de análise, a variável resposta pode ser contínua ou discreta,
avaliada nas diversas unidades experimentais (indivíduo, alimentação, semana), que
consistem em agrupar tratamentos ou fatores. Para cada unidade experimental obtêm-se
diferentes unidades de observação, no qual em conjunto, determinam um perfil individual
de respostas. Para cada tratamento (ou grupo) está associado um perfil médio de respostas
que deve demonstrar o efeito do tratamento e o seu comportamento ao longo do tempo.
Os dados longitudinais são designados regulares se o intervalo entre duas
medidas consecutivas quaisquer que forem constantes ao longo do estudo. Contudo, se as
observações forem feitas no mesmo instante de tempo em todas as unidades experimentais
terão uma estrutura de dados balanceada. A ausência de observações perdidas caracteriza
uma estrutura de dados completa.
A análise de medidas repetidas no tempo pode consistir em uma análise de
perfis por meio de um modelo univariado, de acordo com o planejamento do tipo split plot
on time, que estabelece forte restrição quanto à matriz de variâncias-covariâncias, como
por meio de um modelo multivariado, que emprega uma matriz de variâncias-covariâncias
 12

sem exceções, chamada não-estruturada. Outra forma de analisar dados longitudinais é por
meio da análise de curvas de crescimento, através de modelos mistos lineares ou não-
lineares, que permitem o uso de diversos tipos de estrutura para as matrizes de variâncias-
covariâncias, de jeito a delinear o comportamento dos perfis médios através de curvas.
Esta dissertação tem por objetivo abordar de forma teórica, as principais
características, de cada uma das formas de análise de medidas repetidas, aplicando estas
técnicas a um conjunto de dados simples, avaliado ao longo do tempo.
Como forma de exemplificar escolhemos uma abordagem com um experimento
como pesos de ratos em diferentes grupos que foram obtidos semanalmente totalizando 14
semanas, estes adquiridos em a quarta até a décima semana de vida dos referidos animais.
Dados este cedidos por (BARBOSA, 2007) de sua pesquisa “Efeito da ingestão de café
sobre a liberação de glutamato sinaptossomal, estimulada por toxina escorpiônica, em
ratos”. Observamos que o intuito desta aplicação é querer mostrar, estatisticamente, qual o
efeito da ingestão do café no peso de ratos e, portanto, totalmente diferente do objetivo do
trabalho desenvolvido por Barbosa (2007).
 13

2 JUSTIFICATIVA

A ingestão do café causa efeitos estimulantes e/ou antioxidantes que produzem

extraordinárias relações benéficas para os indivíduos que ingerem café (YANAGIMOTO,
2004). Entre as substâncias de alto peso molecular, produzidas pela reação de Maillard,
estão as melanoidinas que têm uma forte atividade antioxidante inibindo
significativamente oxidação de lipídeos. Esses efeitos, segundo (CLARKE ; MACRAE,
1989), são reflexos da torrefação que altera a constituição química dos grãos,
principalmente pela reação de Maillard, reação de Streeker e por processos de pirólise.
Para (GOMES, 2004) e (ABREU, 2005) a ingestão de café na dieta pode
promover uma redução no índice de peroxidação lipídica e uma ampliação no teor de
glutationa reduzida em ratos normonutridos como em desnutridos. Nos idosos, os autores
observaram relação direta entre consumo de café e resultados positivos em teste de
memória verbal e de raciocínio espacial (RYAN, HATFIELD ; HOFSTTER, 2002).
Resultados de muitos estudos sugerem que a cafeína interfere no desempenho danoso
produzido pela fadiga, por uma noite de trabalho e pela privação do sono, aumenta o
estado de alerta e a ansiedade, melhora a atenção e a recuperação da memória (SMITH, A.
et AL, 2003). Ainda, estudos epidemiológicos e relatos retrospectivos relacionam o café e
a cafeína à doença de Parkinson (BENEDETTI, et al. 2000, ROSS, et AL, 2000,
ASCHERIO, et AL ,2001).
A maior parte dos experimentos de medidas repetidas contém uma seleção
sistemática dos tempos, na maioria com extensões iguais. A conjectura clássica de
independência é ideal na maioria dos casos e existe uma ampla literatura sobre este
problema. É comum suposições muito rígidas, repetidamente irreais, ou prejuízo de
eficiência estatística (perda de graus de liberdade), são inevitáveis. Nesta dissertação,
usamos uma abordagem, na qual os tempos são amostrados consecutivos e com um H0:
não tem diferenças significativas entre os pesos nos grupos e o H1: tem diferenças
significativas entre os pesos nos grupos.
Uma ampla classe de experimentos de medidas repetidas envolve uma ou mais
modelos aleatórias de indivíduos que são considerados em diversos momentos no tempo.
Por exemplo, na farmácia, podem ser observados pesos de ratos ou ensaios bioquímicos
em vários momentos.
Suponha que haja m grupos com n elementos independentes por grupo e t
 14

tempos para cada elemento de cada grupo. Exemplificando, conjeture existência de m

grupos de animais de laboratório, com n animais em cada grupo. O mesmo tratamento é
dado a todos os membros de cada grupo, mas os dois grupos não recebem o mesmo
tratamento.
Conjeture ainda que as medidas repetidas sejam feitas em cada membro do
grupo em t tempos diferentes. Assumimos, nesta dissertação, que os mesmos tempos são
usados para cada membro de cada grupo. Adotamos ainda medir um aspecto peso nos

mesmos t tempos para todos os animais,

Normalmente, experimentos de medidas repetidas envolvem escolha
sistemática dos tempos, que em geral são escolhidos em espaços uniformes. Em tais casos,
as sucessivas medidas não podem ser aceitáveis as considerações como mutuamente
independentes e então os métodos de análise de variância clássicos devem ser alterados a
um grau considerável. Há várias abordagens utilizadas.
Para verificarmos a hipóteses usaremos, as técnicas de análise de experimentos
com medidas repetidas no tempo que devem levar em consideração a estrutura de
correlação inter e intra tempos.
Aspectos fundamentais da análise de perfis por técnicas univariadas foram
analisados por vários autores. Alguns recomendam o uso do esquema em parcelas
subdivididas considerando o tempo como sub-parcelas, o que pode causar problemas,

como se sabe, este esquema conjetura que a estrutura da matriz de covariâncias Σ
satisfaça a condição de esfericidade, o que nem sempre ocorre. O que se depara na
literatura é que medidas repetidas em uma mesma unidade experimental ao longo do
tempo são, no geral, correlacionadas e que essas conexões são maiores para tempos mais
próximos.
Conforme (HUYNH ; FELDT, 1970) uma condição indispensável e suficiente
para que os testes F para a análise da variância sejam exatos, quando se emprega o
esquema em parcelas subdivididas, é que a matriz satisfaça a condição de esfericidade.
Ainda que a matriz não satisfaça a condição de esfericidade, a distribuição F
central pode ser empregada de forma aproximada, desde que seja efetuada uma correção
dos graus de liberdade associados às causas de variação que envolve o fator tempo, de
maneira inevitável ocorreriam autores como (BOX, 1954b , 1954a, GEISSER ;
GREENHOUSE, 1958, HUYNH ; FELDT, 1976).
 15

3 REFERENCIAL TEÓRICO

3.1 O café e a nutrição

3.1.1 Um breve histórico do café

A planta de café é originária da Etiópia, região de Kaffa na África central,

onde ainda atualmente faz parte da vegetação nativa. Os manuscritos mais remotos que
fazem referências a cultura do café datam de 575 no Yêmen, onde, consumido como fruto
in natura, passa a ser cultivado. A partir de 1615 o café começou a ser degustado no
Continente Europeu, trazido por viajantes em suas freqüentes viagens ao oriente. Até o
século XVII, só os árabes produziam café. Alemães, franceses e italianos procuravam
desesperadamente um jeito de cultivar o plantio em suas colônias (ABIC).
De acordo com a (ABIC), o aumento do mercado consumidor europeu
propiciou o desenvolvimento do plantio de café em países africanos e a sua vinda ao Novo
Mundo. Pelas mãos dos colonizadores europeus, o café chegou ao Suriname, São
Domingos, Cuba, Porto Rico e Guianas. Foi por meio das Guianas que chegou ao norte do
Brasil. Deste modo, o segredo dos árabes se difundiu por todos os cantos do mundo. Em
1000d. C ., os árabes começaram a preparar uma infusão com as cerejas, fervendo-as em

água. Apenas no século XIV, o processo de torrefação foi desenvolvido, e enfim a bebida
adquiriu um aspecto mais semelhante com o dos dias de hoje.
O sucesso da plantação no Brasil deu-se no princípio do século XVIII, sendo
cultivado no Vale da Paraíba em São Paulo. O clima e as terras férteis da região
converteram o Brasil no maior produtor mundial de café a partir do final do século XIX
(ICO).
Hoje em dia o Brasil é o maior produtor mundial de café, sendo responsável

por 30% do mercado internacional, volume equivalente à soma da produção dos outros
seis maiores países produtores. E ainda o segundo mercado consumidor, atrás apenas dos
Estados Unidos (ABIC).
Seu mercado internacional movimenta anualmente recursos na ordem de 15
bilhões de dólares, sendo a planta mais consumida no mundo e o segundo maior mercado
depois do petróleo. Pelo fato deste alto consumo mundial, as pesquisas relacionadas às
atividades biológicas do café verde e especialmente do café torrado foram intensamente
estimuladas (ABIC ).
 16

Para (NEHLIG, 1999), consumo do café no mundo está aumentando. O

consumo médio do café em 1990 foi de 1,41 xícara/dia no Japão, 1,73 xícara/dia nos

Estados Unidos e 3,87 xícaras/dia na Alemanha (1 xícara equivale a 150mL ). Os

resultados de uma pesquisa realizada na França indicam o que mais acentua o consumo do
café, seria o seu fator estimulante e o seu paladar forte característico.

3.1.2 Café como nutrição funcional.

De acordo com a história, a alimentação de populações vivendo em países

industrialmente desenvolvidos proporciona tendências desfavoráveis como o excessivos
consumos de gorduras, principalmente saturadas, exagerado consumo de açúcar e sal e,
além disso, redução considerável do consumo de amido e fibras dietéticas (CARVALHO,
et al. 2004). A ingestão de frutas e verduras vem sendo recomendado como medida
preventiva para reduzir os riscos de diversas doenças degenerativas (DE ANGELIS,
2001).
Ainda (DE ANGELIS, 2001) escreve que nutrientes são necessários para o
desenvolvimento e crescimento normais dos indivíduos. Do mesmo modo é preciso
proteger os indivíduos contra os riscos de origem genética e do meio ambiente, incluindo
os hábitos alimentares, minimizando riscos pela alimentação preventiva, começada logo
após o desmame e permanecida ao longo de toda a vida obviamente, que não se impede o
consumo de nutrimentos menos recomendados, mas é necessária a moderação. É neste
ponto que outros componentes dos alimentos, não somente os nutrientes tradicionais
devem também, fazer parte da alimentação. Estes compostos que existem e que não são os
nutrientes clássicos apresentam propriedades funcionais benéficas e necessitam ser
consumidos normalmente.
Os alimentos funcionais fazem parte de uma nova concepção de alimentos,
lançada pelo Japão na década de 80, através de um programa de governo que tinha como
objetivo desenvolver alimentos saudáveis para uma população que envelhecia e
apresentava uma grande expectativa de vida (ANJO, 2004).
Os alimentos funcionais, como benefício para a saúde, desempenham papel na
redução do risco de várias doenças, tais como infecções intestinais, doenças
cardiovasculares, câncer, obesidade e diabetes tipo 2, não insulina dependente
(WAITZBERG, 2000).
Efeitos estimulantes e/ou antioxidantes podem ser achados no café e em
 17

diversas plantas, frutas, suco de frutas e vegetais, feijões e chá (YANAGIMOTO,

2004).
Clarke e Macray afirmam que o procedimento de torrefação dá origem às
mudanças que lhe atribuem gosto agradável e aroma característico, produzindo uma das
bebidas mais populares do mundo.
Com relação ao café, estudos realizados mostraram que a ingestão de café na dieta
provocou uma redução no índice de peroxidação lipídica e um aumento no teor de
glutationa reduzida tanto em ratos normonutridos quanto desnutridos (GOMES, 2004,
ABREU, 2005). Está descrito na literatura (SALDAÑA; MAZZAFERA ; MOHAMED,
1997) que a cafeína excita o sistema nervoso central, age sobre o sistema muscular
circular, principalmente sobre o músculo cardíaco. Em pequenas doses, ela diminui a
fadiga sendo prejudicial se for ingerida em excesso. A cafeína diminui o desempenho
prejudicial produzido pela fadiga, por uma noite de trabalho e pela privação do sono,
aumenta o estado de alerta e a ansiedade, melhora a atenção e a recuperação da memória
(SMITH, 2003).

3.1.3 Desnutrição

As deficiências nutricionais decorrentes da insuficiente ingestão de macro

e/ou micronutrientes levam a graus variáveis de desnutrição, gerando um grave problema
mundial, principalmente nos países em desenvolvimento. Quando incide em crianças,
constitui um problema de saúde publica, ocorrendo isoladamente ou associada a outros
fatores que aumentam a morbidade e a mortalidade (SANTOS-MONTEIRO, 2002). A
Organização Mundial da Saude (WHO, 2000) registra que desnutrição ocorre quando o
organismo não recebe os nutrientes necessários para a manutenção das suas funções
metabólicas, em decorrência da ingestão insuficiente de alimentos ou de problemas na
utilização do que lhe é ofertado.
Utiliza-se a expressão desnutrição energético-protéica (DEP) para descrever
um espectro de quadros clínicos que incluem o kwashiorkor e o marasmo bem como as
formas mais leves e moderadas que são suas precursoras. O termo kwashiorkor pode ser
entendido de duas formas distintas: como sinônimo de desnutrição edematosa ou como a
síndrome clínica que ocorre em crianças entre um e quatro anos de idade e que inclui
alterações na pele e mucosas, no cabelo e no humor, bem como infiltração gordurosa do
fígado. O marasmo ocorre principalmente em crianças com menos de um ano de vida, que
deixam de receber o leite materno ou recebem de forma insuficiente os seus substitutos.
 18

Estas crianças não apresentam edema, mostram-se bastante emagrecidas, com pele fina e
enrugadas, com perda da elasticidade, porém sem lesões cutâneas. Além disso, são
crianças inquietas com olhar vivo e choro constante por fome (WATERLOW, 1992). Em
outra definição, marasmo é uma deficiência crônica de energia e, em estados avançados, é
caracterizado por perda de massa muscular e ausência de gordura subcutânea
(CASTIGLIA, 1996).
Nunes et al. utilizam um modelo experimental de desnutrição crônica precoce,
por restrição da ingestão de alimento, é o mais semelhante ao que acontece na nossa
população infantil, a desnutrição protéico-calórica nos dois primeiros anos de vida,
iniciando após o término do aleitamento materno.
A desnutrição no início da vida produz um impacto severo no desenvolvimento
do organismo, tendo por resultado uma taxa reduzida da síntese da proteína na maioria dos
tecidos do corpo (KELLER; MUNARO; ORSINGHER, 1982, PEDROSA; MORAES-
SANTOS, 1987). A restrição alimentar precoce ocasiona seqüelas em vários órgãos e
sistemas dependendo dos moldes, quantidades e períodos da vida utilizados. Quando afeta
o período de desenvolvimento do animal, pode levar a efeitos irreversíveis em maior
extensão que aquela imposta após a maturidade. Quando esta restrição é realizada no
período de divisão celular, os animais não alcançam os níveis normais de peso corporal e
de tamanho de alguns órgãos, mesmo após uma recuperação nutricional (WINICK ;
NOBLE, 1966).

3.2 Proposição estatísticas

3.2.1 Medidas repetidas

Para (DIGGLE, 1988, CROWDER ; HAND, 1990) a terminologia medidas

repetidas é usada para nomear medidas dispostas na mesma variável ou na mesma unidade
experimental em mais de uma ocasião. Diversos planejamentos com medidas repetidas são
corriqueiro, como planejamentos longitudinais, cross-over e split plot (parcelas
subdivididas). Nos planejamentos do tipo cross-over, as unidades experimentais recebem
seqüências de tratamentos. Por outro lado planejamentos do tipo split plot são corriqueiro
nas ciências agrárias, donde um único nível de um fator é alocado a uma parcela
relativamente extensa de terra e todos os níveis de um segundo fator é aplicado a
subparcela.
Entretanto, o mais usual são aquelas em que pesquisadores tomam medidas
 19

repetidas em diferentes tempos em relação à mesma uma unidade experimental, tendo o

objetivo de averiguar o seu comportamento no decorrer do tempo, caracterizando as
medidas repetidas no tempo (ou planejamentos longitudinais). Estes abrangem a
observação de uma ou mais variáveis respostas em uma mesma unidade experimental em
diferentes condições de avaliação (tempo, distâncias de uma origem), caracterizando
medidas correlacionadas e com variâncias heterogêneas nos diferentes tempos, em função
do modo sistemático o qual as medidas são tomadas.
No entanto, a variável resposta pode ser contínua ou discreta, avaliada nas
diferentes unidades experimentais (indivíduo, vasos, canteiros), que podem ser coligadas
segundo tratamentos ou fatores. A cada tratamento estabelece um perfil médio de
respostas que necessita destacar o efeito do tratamento e o seu procedimento ao longo do
tempo. A cada unidade experimental conseguem diferentes unidades de observação, no
grupo, delibera a individualidade da respostas.
Se o intervalo entre duas medidas consecutivas quaisquer for constante ao
longo do estudo, são denominados regulares dados longitudinais. Teremos também uma
estrutura de dados balanceada, se as observações forem feitas-nos mesmos momentos de
tempo em todas as unidades experimentais. A não apresentação de observações perdidas
caracteriza uma estrutura de dados completa.
A análise de medidas repetidas no tempo pode ser feita através da análise de
perfis por meio de um modelo univariado, de acordo com o planejamento do tipo split plot
on time, que impõe forte restrição quanto à matriz de variâncias-covariâncias, como por
meio de um modelo multivariado, que utiliza uma matriz de variâncias-covariâncias sem
restrições, chamada não-estruturada. Outra forma de avaliar dados longitudinais é
através da análise de curvas de crescimento, por meio de modelos mistos lineares ou não-
lineares, que possibilitam o uso de diferentes tipos de estrutura para as matrizes de
variâncias-covariâncias, de modo a descrever o comportamento dos perfis médios através
de curvas.
Por sua vez, temos dificuldades de encontra na estatística, textos sobre os
experimentos com medidas repetidas. Mas podemos destacar os trabalhos de (MCELORY,
1967) e (HUYNH ; FELDT, 1970), que fazem jus a aqui uma atenção especial.
Por outro lado ganha o destaque a literatura dos experimentos com medidas
repetidas quando conduzida aos profissionais da pesquisa agropecuária. Assim, dados os
objetivos de textos desse gênero, este enfoque, em geral, está diretamente relacionado com
a estatística experimental. Portanto, os artigos em questão fornecem métodos para análise
 20

de dados, contudo na maioria das vezes não discutem os conhecimento especulativos dos
resultados.

3.2.2 Situando na história

Wishat argüiu-se a legitimidade de uma análise que não considerou o fato de

que as medidas tinham sido tomadas durante dezessete semanas sucessivas, sobre cada
animal. O autor sugeriu que sejam determinados os coeficientes polinomiais ortogonais;
linear e quadrático, das dezessete pesagens de cada animal. Sugeriu ainda que a taxa
média de crescimento e a taxa de mudança de crescimento consiste em considerar na
análise de covariância ao longo dos pesos iniciais e finais.
Stevens discutiu a análise dos dados de um experimento com café, tomados
durante dez anos sucessivos, propõe inicialmente que o estudo seja feito em termos das

diferenças entre produções de anos ímpares e pares: P − P + P −L + P − P

1 2 3 9 10 ,

com o objetivo de avaliar a amplitude da variação bienal. Em seguir sugeriu-se um

contraste linear que agrupa os anos, em coligação de dois, tendo como objetivo eliminar o
efeito bienal.
Box (1950), no seu artigo anto1ógico sobre curvas de crescimento e de
desgaste, basicamente deixa alicerçado o estudo de medidas repetidas, no sentido de que
integra uma matriz de covariâncias as medidas tomadas ao longo uma mesma unidade
experimental. Box(1950) baseou em uma análise de um experimento de resistência de
tecidos, onde foi anotando as perdas de peso de cada amostra após 1.000, 2.000 e 3.000
revoluções de uma dada máquina. Para concluir que os três períodos consecutivos de
desgaste precisam ser considerados como um fator adicional, onde a perda de peso no i-
ésimo período na t-ésima unidade experimental donde expressaremos por

y = µ +ε +δ
ti ti t i (4.1)

onde,
μ ti é valor esperado de y.

t e δ i são ambas variáveis a1eatórias com distribuição normal de média

zero.

Aonde t o representado por meio da variação devida às unidades

 21

experimentais com variância σ 21 , δ i exprimindo a variação relacionada aos períodos

com variância σ 20 . Com esse argumento, afirma que as observações de uma mesma

unidade experimental apresentam variância e covariâncias comuns, constituídos

respectivamente por σ 21 + σ 20 e σ 21 . Portanto, a matriz de covariâncias das

observações repetidas ao longo de uma mesma unidade experimental apresenta um
formato

a b b 
∑ = b a b  (4.2)
b b a 

Ainda Box (1950) neste mesmo artigo, apresenta um critério para testar a
hipótese de uniformidade, baseando em seu próprio artigo de 1949 (sobre teoria de
distribuições mais gerais adequadas para uma ampla classe de estatísticas).
É raro encontrar na literatura, percebida a existência da uniformidade, censuras
ao método de Box. Mas sim, a maior parte dos trabalhos posteriores baseam-se seus
artigos no mínimo como referência básica quando se trata de matrizes de covariâncias
2
diferentes de Iσ às medidas repetidas.
As medidas repetidas também se fazem presentes nos estudos das plantas
perenes. No entanto, Pearce (1953) explica que uma das características das pesquisas
nessa área é o acúmulo de dados de produção em colheitas consecutivas sobre cada
unidade experimental. Assim, o tempo tem a possibilidade de ser dividido em períodos e
estes, subdividindo novamente tendo uma menor unidade do experimento. Portanto, se a
menor unidade for a parcela, períodos serão considerados subparcela, se a menor for uma
sub-parcela os períodos serão considerados sub-subparcelas, e assim por diante. Pearce
(1953) sugeriu também uma opção de análise, para os experimentos em faixas, onde estes
são caracterizados quando os períodos são considerados como tratamentos aplicados
sistematicamente.
Pesquisadores preocupados com o estudo das medidas repetidas utilizam os
estudos de Pearce (1953) com certa cautela. Vários autores (BONILLA, 1974, LEAL,
1979, SILVA, 1979), em meio a outros, afirmam que a subdivisão da unidade
experimental em função do tempo possibilita a heterogeneidade do erro experimental no
interior dos períodos. Portanto as metodologias multivariadas apresentam, com grande
 22

intensidade, em análise de dados dessa natureza. Em outro aspecto, o estudo das parcelas
subdivididas recebeu admiradores como (HUGLES; DANFORD, 1958, DANFORD;
HUGHES; MCNEE, 1960, STEEL ; TORRIE, l960, SNEDECOR; COCHRAN, 1957,
LITTLE; HILLS, 1972, IEMMA, 1983, 1981, IEMMA; CAMPOS, 1982), e outros, que
direta ou indiretamente exigem a estrutura uniforme de erros.
Pearce (1953) proporciona três sugestões para análise: as parcelas
subdivididas, as faixas e o uso de funções polinomiais como em (WISHAT, 1938) e
(STEVENS, 1949). Então, uso de funções polinomiais foi considerada como a mais
adequada pelo autor, mas acabou sendo relegado a um segundo plano, praticamente só
usada por (SNEDECOR; COCHRAN, 1957).
Em uma revisão expressiva necessitaria abranger ainda o norte dos
procedimentos mu1tivariados e com isso, de maneira inevitável incidiriam autores como
(BOX, 1950, GREENHOUSE; GEISSER, 1959, GEISSER, 1963, COLE; GRIZZLE,
1966, MORRISON, 1967, ARNOLD, 1981), e outros. Para ser exato, percebe-se que os
procedimentos univariados e multivariados carece de estarem continuamente em
concentração para uma melhor alternativa ficando por conta da formação e da
disponibilidade instrumental do usuário. As séries temporais também estão incluídas nesse
contexto. Contudo, pelas informações deste estudo, aqui não consideraremos as séries
temporais.
Para fundamentar o estudo dos experimentos com medidas repetidas, foi feita a
opção por quatro trabalhos historicamente fundamentais.

3.2.3 Análise univariada dos perfis

Testar as hipóteses seguintes é o que visam análises univariadas e

multivariadas de perfis:

- Hipótese de perfis paralelos H0I  -- o intercâmbio entre tratamentos e

tempo é nulo?

- Hipótese de perfis coincidentes H0G  -- dado que os perfis são paralelos, o

efeito de tratamento é nulo?

- Hipótese de perfis horizontais H0T  -- dado que os perfis são paralelos, o

efeito do tempo é nulo?
- Se os perfis não são paralelos (interação significativa), o efeito do tempo é
nulo dentro de cada um dos tratamentos?
 23

- Se os perfis não são paralelos (interação significativa), o efeito de tratamento

é nulo dentro de cada um dos tempos?

As hipóteses são expressas no formato de hipótese linear geral H : CβM = 0 ,

consistindo C a matriz responsável por comparações entre os tratamentos (linhas da

matriz β ) , β a matriz de parâmetros incógnitos e, M a matriz responsável por

comparações entre as ocasiões de observação (colunas da matriz β ). Assim, as

hipóteses acima podem ser expressas de forma matricial como:

 µ11 − µ12   µ g1 − µ g 2 
 µ −µ   µ −µ 
H : 0I
 12
 M
13 


=  g2
 M
13 


(4.3)
   
 µ I (t −1) − µ It   µ g ( t −1) − µ gt 

1 − 1 0 L 0 
1 0 − 1 L 0 
g −1 CI g =
  (4.4)
M M M M
 
1 0 0 L − 1

1 0 L 0
− 1 1 L 0 

 0 −1 L 0
t Mtt −1 =  (4.5)
M M M
0 0 L 1
 
 0 0 L − 1

t t t
H 0G : ∑ µ1k = ∑ µ 2k = L = ∑ µ gk
k =1 k =1 k =1
C1 M 2 = It (4.6)

g t t
H 0T : ∑ µi1 = ∑ µi 2 = L = ∑ µit
i =1 k =1 k =1
C2 = I g M1 (4.7)

A notação para análise univariada de medidas repetidas corresponde a notação

adotada na análise de experimentos em split-plot (parcelas subdivididas), onde as razões
de variação entre indivíduos são agrupadas separadamente das variações intra-indivíduos.
 24

Assim,

yijk = µ + α i + bij + γ k + δ ik + eijk (4.8)

para

i = 1,..., g ; j = 1,..., ni ; k = 1,..., t

tendo:
µ é uma constante comum(média geral) a todas as observações;

α i é o efeito do i-ésimo tratamento;

b ij é o erro associado às parcelas(é o efeito do j-ésimo indivíduo submetido

ao i-ésimo tratamento);
γk é o efeito do k-ésimo tempo;

δ ik é o efeito da interação do i-ésimo tratamento e k-ésimo tempo;

e ijk é o erro associado à observação y ijk (é o efeito da interação entre o j-

ésimo tratamento e o k-ésimo tempo, dentro do i-ésimo indivíduo)

Observamos que (HUGLES; DANFORD, 1958, DANFORD; HUGHES
MCNEE, 1960) e outros usaram esse modelo que é extremamente limitativo e requer
determinadas pressuposições sobre as variâncias e covariâncias dos níveis do fator intra-
indivíduos e a ocorrência de erros entre - indivíduos (parcelas) e intra-indivíduos
(subparcelas) com distribuição normal, independentes, identicamente distribuídos e com
variâncias constantes. Portanto é importante para garantir teste F com distribuição exata
na parcela e também na sub-parcela.

Uma particularidade de matriz, nomeada esfericidade   , é utilizada para

avaliar a circularidade de uma matriz de variância-covariância. Particularmente, este
modelo admite o que é chamado circularidade entre os níveis do fator intra-indivíduos.
Uma matriz de variância-covariância circular tem a propriedade que a variância da
diferença entre todos os pares de níveis do fator intra-indivíduos iguala a uma mesma
constante. A pressuposição de circularidade é menos limitativa que a pressuposição de
simetria composta, em que se assume igualdade entre todas as variâncias dos níveis e
também covariâncias iguais. Permanecendo muitos anos, a condição de simetria composta
 25

foi solicitada para garantir a validade da estatística F em ANOVA de medidas repetidas.

Huynh e Feldt (1970) demonstraram que circularidade era suficiente e necessária. Assim,
todas as matrizes que tem simetria composta são circulares, mas o contrário não é
verdadeiro (VON ENDE, 1993).
Portanto, uma matriz com coeficientes de contrastes ortonormais é utilizada
para transformar a matriz de variância-covariância original para um formato
ortonormalizada, onde esfericidade é uma medida da circularidade da matriz de variância-
covariância original. Quando a forma ortonormalizada é esférica, ou seja, as variâncias da
variáveis modificadas são iguais e suas covariâncias são 0, a matriz original é dita
circular, conforme podemos observar nas matrizes apresentadas a seguir.

(
 σ 2 + σ 12 ) σ 12 σ 12 σ 12 
  Simetria composta
 σ1
2
(σ 2 + σ 12 ) σ 12 σ 12 
∑  σ2
=
σ 12
(condição suficiente
(σ 2 + σ 12 ) σ 12  mas não necessária).
(4.9)
1

 σ 2
1 σ 12 σ 12 (σ 2 + σ 12 )

10 5 10 15 
 5 20 15 20 Matriz circular
∑ = 10 15 30 25 (condição suficiente e necessária), onde (4.10)
 s1−2 = s1−3 = s1−4 = s2−3 = s2−4 = s3−4 = 20
2 2 2 2 2 2

15 20 25 40 

λ 0 0 0 
0 λ 0 0
∑∗ = C ∑ C = λ I
∑∗  0 0 λ 0 
=
Matriz esférica
(4.11)
 
0 0 0 λ

O principal problema da violação da condição de esfericidade é a ocorrência

de testes F não exatos e liberais para os fatores da sub-parcela, ou seja, inflação do erro
Tipo I.
 26

A Análise de Variância, técnica que está descrita em diversos livros de

estatística básica (MOORE, 2000), é uma técnica estatística usada para verificar se o ajuste
de um modelo linear existe. Para isto, constrói-se um quadro de análise de variância, que para
um modelo geral na forma matricial é:

     onde cada componente de  é:

  0  1  1  2  2  . . . 1  1   (4.12)

para   2 parâmetros.
Então uma forma de verificar esta condição é o quadro de análise de variância
e se existir a uniformidade da matriz de covariância:

Quadro 1: quadro de análise de variância

Variações
G.L Q.M E(Q.M.) F
Consideradas
Tratamentos g-1 Q₁ [1+(p-1)ρ]σ²+f₁ F₁=Q₁/Q₂
Indivíduos d. trat N-g Q₂ [1+(p-1)ρ]σ²
Tempos p-1 Q₃ (1-ρ)σ²+f₂ F₂=Q₃/Q5
txT (g-1)(p-1) Q₄ (1-ρ)σ²+f₃ F₃=Q₄/Q5
indivíduos X
Tempos (N-g)(p-1) Q₅ (1-ρ)σ²
(dentro de Trat.)
TOTAL Np-1
Obs.: f1,f2 e f3 são funções não – negativas

A matriz arbitrária de covariâncias considera o perfil de cada indivíduo como

um vetor normal p-variado.

σ 11 σ 12 L σ 1 p 
σ σ 22 L σ 2 p 

∑= M M
12
(4.13)
M 
 
σ 1 p σ 2 p L σ pp 
 27

ficando comum para todas correlação nula e indivíduos entre vetores de

diversos indivíduos.
Para GREENHOUSE E GEISSER (1959) a

Distribuição exata F 1 ∩F g−1 ;N−g 

Distribuição aproximada F 2 ∩F p−1 ;p−1 N−g 

Distribuição aproximada F 3 ∩F g−1 p−1 ;p−1 N−g 
para os graus de liberdade o fator de correção  é o seguinte:

ε=
(
p 2 σ kk − σ .. )2

(4.14)
( p − 1) ∑ ∑ σ k2k ′ − 2 p ∑ σ k . + p 2 σ .. 
2 2

 k k′ k 

temos assim
σ kk a media dos p elementos da diagonal;
σ 2k. a média dos elementos da linha k;
σ .. a média geral dos elementos de ∑
GREENHOUSE E GEISSER (1959) afirma que através da correção, ainda que
as matrizes não sejam uniformes, porém iguais para todos os indivíduos, adquirimos ainda
teste exato para os tratamentos e para os demais uma boa aproximação. Segundo
COLLLIER ET ALII (1967) e WINER (1971) as qualidades de tais aproximações são
amplamente satisfatórias, principalmente para graus moderados da heterogeneidade de
covariâncias.
Contudo, se a matriz comum de covariâncias é da forma,

∑ ∗ = [I + al + x l ′ + l x ′ ]σ
2
, (4.15)

SCHWERTMAN (1978) mostra que  = 1 .

Assim,
I é uma matriz identidade;
 28

l é um vetor de uns;
x é um vetor onde x ′ l = 0 ;
a e σ 2 são escalares.
∗
Assim as matrizes uniformes são um subconjunto das matrizes ∑ . Bem que
RAO .(1967) e GRAYBILL (1976), já tinha debatido esse formato de matriz mas sem a
associação definida a correção .
Contudo tem matrizes mais generalizadas, em que a uniforme também avaliza
o acontecimento de testes exatos.
Em outro aspecto, a. análise dos experimentos fica rigorosa quando os
indivíduos são tornados como blocos mesmo que os procedimentos semelhantes.
Portanto se o modelo em tema é aleatório KIRK (1968) proporciona o
subseqüente quadro de análise, sob uniformidade:

Quadro 2: quadro de análise em blocos

Variações
G.L. E[Q.M.]
Consideradas
Blocos (B) K-1 2 +k2
Tratamentos (t) n-1 2 +n2
Resíduo (k-1)(n-1) 2
TOTAL N-1

Tendo um modelo misto, sob uniformidade GILL (1978) sugere que tome:

Quadro 3: quadro de análise para moldelo mistos

Variações
G.L. Q.M.
Consideradas
Indivíduos K-1 [1+(n-1)ρ]σ²

Tratamentos n-1 (1-ρ)σ²+ ∑ 2 /  1!

Resíduo (k-1)(n-1) (1-ρ)σ²

TOTAL N-1

Tendo em análise K indivíduos e n tratamentos e a matriz amostral de

covariâncias fica uniforme quando:
se o modelo for aleatório, e apresenta teste exato para indivíduos e
 29

tratamentos;
se for usado o modelo misto, e apresenta teste exato apenas para tratamentos.
Podem

yij = µ + α i + τ j + eij (4.16)

Para i = 1, ⋯, p indivíduos e j = 1, ⋯, k tratamentos, donde o vetor
analisado os i-ésimo indivíduo é considerado a seguir:

[
yk ∩ N µ k ; σ 2 A(ρ ) ] (4.17)

1 ρ L ρ
ρ 1 L ρ 
A(ρ ) =  
(4.18)
M M M M
 
ρ ρ L 1 

Assim, ARNOLD (1981) oferece como estimadores não viesados para σ2 e

ρσ 2 :

∑
2 1
σ = y ij − y . j
kp − 1 i,j
2 2
2 w1 − w2
e ρσ =
k (4.19)

donde,

∑
2 2
w1 = 1 yi. − y..
k i,j
2 2
2 kσ − w 1
e w2 =
k−1 (4.20)

Ainda mostrado por ARNOLD (1981), que o quadrado médio do resíduo

 30

2
municia uma estimativa imparcial pra w 2 e não σ 2 .
Portanto, a bibliografia tem, de modo geral, os cuidados com a análise da
variância dos dados de experimentos com medidas repetidas, com intensidade mais no
aspecto da estatística experimental que dos modelos lineares.
 31

4 MATERIAL E MÉTODOS

Nesta seção falaremos a respeito sobre o material e métodos para exemplificar

a literatura estudada.

4.1 Caracterização do café

O café utilizado foi da espécie Coffea arábica , torrado a uma temperatura de

160°C em um tempo aproximado de 13 minutos e foi comparada a torra no colorímetro

da marca AGTRON da SCAA (Specialy Coffe Association of America) na classificação

45 ideal para consumo. A amostra utilizada foi do tipo exportação, grão sem defeito,
granulação média e de processo de preparo natural de bebida mole. A extração foi feita de
acordo com (VITORINO et AL, 2001) com algumas modificações. Um volume de
1000mL de água destilada ( 90°C ) , aquecida em chapa elétrica, foi vertido lentamente

sobre a amostra do café moído ( 80g ) e a suspensão obtida foi agitada por 2 minutos. A
amostra foi resfriada em água à temperatura ambiente por 10 minutos. O extrato foi então
centrifugado (centrífuga refrigerada Hitachi modelo CR-21, cidade Hitachinaka, Japão) a
1200g por 10 minutos a 8°C. E o sobrenadante foi utilizado no preparo da ração com

café.

4.2 Modelo experimental

O modelo experimental está de acordo com os Princípios Éticos de

Experimentação Animal conforme projeto aprovado pelo Comitê de Ética em
Experimentação Animal (CETEA/UFMG) sob o protocolo nº 136/05. Ratos da raça
Wistar, da colônia do Laboratório de Nutrição Experimental da Faculdade de Farmácia da
o
UFMG, foram acasalados e, por volta do 18 dia de prenhez, determinada por esfregaço
vaginal, as fêmeas foram transferidas para gaiolas individuais e divididas aleatoriamente
em seis grupos: um grupo normonutrido que recebeu dieta composta por ração de biotério
(Labina, Brasil) e ração para cães (Bonzo Mix Carnes - SP, Brasil); um grupo
normonutrido que recebeu a ração anterior acrescida de extrato aquoso de café; um grupo

de desnutridos que receberam 60% da ração consumida pelo grupo normonutrido e um

outro grupo de desnutridos, que receberam dieta anterior contendo extrato aquoso de café.
Todas as dietas experimentais foram oferecidas a partir do nascimento dos filhotes. O
 32

número de filhotes por fêmea foi fixado em oito, sendo que posteriormente somente os
machos foram mantidos. Os animais tinham livre acesso à água e eram mantidos em

sistema claro/ escuro ( 12/12h ) .

Após o desmame, aos 21 dias de vida, os filhotes foram separados, mantendo-
se a mesma dieta oferecida para a respectiva fêmea matriz, obtendo-se uma totalidade de
seis grupos distintos:
- (NORM) grupo normonutrido controle, recebeu ração de biotério para ratos
(Labina.) enriquecida com ração para cães (Bonzo);
- (NCAF) grupo normonutrido café, foi alimentado com dieta do grupo
normonutrido controle acrescida de extrato aquoso de café;
- (DESN) grupo desnutrido controle, foi alimentado com dieta correspondente

a 60% da ração consumida pelo grupo normonutrido controle;

- (DCAF) grupo desnutrido café, recebeu dieta do grupo desnutrido controle
acrescida de extrato aquoso de café;
- (DREC) grupo desnutrido com condição alimentar reconstituída controle, foi

alimentado com dieta correspondente a 60% da ração consumida pelo grupo

normonutrido controle e após 60 dias foi alimentado ad libitum;
- (DRECAF) grupo desnutrido com condição alimentar reconstituída café,
recebeu dieta do grupo desnutrido acrescida de extrato aquoso de café; e após 60 dias
alimentado ad libitum .
Todos os grupos receberam água ad libitum e foram pesados semanalmente.

4.3 Preparo da dieta com café.

O preparo da dieta foi por adaptação da técnica utilizada por Paulinelli (2002).
As rações (Labina e Bonzo ) foram previamente moídas e misturadas numa proporção de
3 : 1 , respectivamente. A cada 1000g desta mistura foram adicionados 1000mL de

solução contendo 4% de gelatina em pó, 5% de açúcar e 1% de amido de milho,

previamente dissolvidos em água quente, recebendo o nome de dieta controle. A dieta
suplementada com café teve como base a dieta controle, porém a essa foi adicionado
1000mL de extrato aquoso de café ( 80g de café torrado para 1000mL de água a 90°C ).

Depois de adequadamente homogeneizada, a massa resultante foi cortada em pequenos

pedaços e secada por 12 horas a 60ºC em estufa com circulação forçada de ar (NOVA
 33

ÉTICA, modelo 420D, Vargem Grande Paulista, SP, Brasil). A composição química da
dieta estar apresentada na tabela 1 .

TABELA 1: Composição química dieta (2g/100g de ração)

Nutrientes Controle Controle Café
Proteína 23,22 23,39
Carboidrato 45,37 45,79
Lipídeo 4,39 4,51
Teor calórico 313,87 kcal 317,31 kcal
*Os valores são aqueles constantes dos rótulos dos produtos registra
dos pelo fabricante. .

Os animais foram acondicionados em gaiolas individuais. Diariamente pesava-

se a ração administrada e a sobra para avaliação da quantidade de ração ingerida por
animal. Tanto para o peso semanal dos animais quanto para o das rações usou-se a balança
digital SARTORIUS BP 2100.

4.4 Métodos Estatísticos

4.4.1 Análise estatística exploratória

Para a Análise estatística exploraratória foram calculadas medidas descritivas

tais como média, desvio padrão e valores mínimo e máximo dos pesos adquiridos dos
ratos. Utilizou-se ainda, diversos gráficos como histogramas, gráficos de probabilidade
normal e box-plots. Todas estas técnicas estão descritas em detalhes em diversos livros de
estatística básica tais como Moore (2002).

4.4.2 Análise de variância univariada de perfis

Para a análise dos perfis de peso utilizou-se as técnicas de análise de variância

para medidas repetidas descritas no capítulo anterior, onde que o H0: não tem diferenças
significativas entre os pesos nos grupos e o H1: tem diferenças significativas entre os
pesos nos grupos. O nível de significância adotado foi de 0,05. Para ilustração e melhor
entendimento uso-se alguns gráficos de médias de perfis.

4.3 Softwares

Todas as análises exploratórias, gráficos e análises de variância para medidas

repetidas foram realizadas utilizado programas disponíveis e/ou desenvolvidos no
software livre R, versão 2.7.1 (The R Development Core Team, 2008).
 34

5 RESULTADOS E DISCUSSÃO

A literatura apresenta vários trabalhos abordando os benefícios e os problemas

relacionados à ingestão regular de café. Para ficar apenas nos benefícios Saldaña et AL,
(1997) mostram que a cafeína presente no café excita o sistema nervoso central, age sobre
o sistema muscular circular, principalmente sobre o músculo cardíaco. Portanto, em
pequenas doses, a cafeína pode diminuir a fadiga. Além disso, a cafeína aumenta o estado
de alerta e a ansiedade, melhora a atenção e a recuperação da memória (SMITH et AL,,
2003). Experimentos em ratos normonutridos e desnutridos mostram que a ingestão de
café também está associada ao peso (GOMES, 2004, ABREU, 2005). Infelizmente, se o
café for ingerido em grandes quantidade pode ser prejudicial em vários aspectos,
inclusive, acarretar vício. Neste trabalho, estamos interessados em avaliar o efeito da
ingestão regular de café no peso de animais (ratos). Para fazer esta avaliação escolhemos
dados de um experimento como pesos de ratos em diferentes grupos, que foram obtidos
semanalmente, totalizando 14 semanas. Os animais foram pesados individualmente a
partir da quarta semana de vida até a décima oitava. A análise desses dados foi realizada
através de técnicas exploratórias e de análise de perfis, por meio de um modelo
univariado. Neste capítulo vamos apresentar os resultados e discuti-los em função da
literatura estudada.

5.1 Análise exploratória

A análise exploratória é o primeiro e, talvez, uns dos mais importantes passos

de qualquer análise de dados Esta análise identifica padrões e características dos dados.
Freqüentemente propicia um primeiro contato com os dados. Precede a escolha definitiva
de um modelo de análise, decoada ao estudo dos componentes estruturais ou estocástico
dos dados. E serve ainda para revelar desvios inesperados em relação aos modelos usuais
(MOORE, 2000). Nesse caso, estamos interessados nas características dos pesos dos ratos
por tratamento, no período de 14 semanas. A tabela 2 mostra os pesos dos ratos
individualmente, separados por grupos e semanas, no decorrer do tempo citado acima.
Essa ainda comprova os dados obtidos e que servem de base para o trabalho a ser
demonstrado, usando as medidas repetidas.
 35

TABELA 2: Peso dos ratos durante um período de 14 semanas

Rato

Semanas
Grupo
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1 DCAF 28.6 51.6 79.6 117.9 139.7 166.5 187.3 202.3 221 241.1 248.6 259.2 270.5 278 287.9
2 DCAF 30.2 53.7 85.2 104.7 151 193.9 228.6 221 243.6 256.5 265 270.1 297 306.3 316.5
3 DCAF 28.9 52.8 83.5 103.7 143.6 181.9 219 204.8 221.7 232.3 237 239.5 262.9 268.4 278.8
4 DCAF 26.8 51.5 75.3 112.5 131.8 155.9 175 189.8 204.8 223.2 232.3 238 245.8 251.2 260
5 DCAF 27.1 51.9 82.5 100.7 144.2 178.2 216.5 202.5 223 234.9 245 248.8 266.1 273.1 287.6
6 DCAF 27 53.2 75.8 112.6 132.9 157.5 177.4 194.5 215.2 229.3 240.6 252 260.2 263 275
7 DCAF 25.2 38.8 96.2 139.9 181.2 180.8 209.6 223.2 242 247.8 263 270.8 285.9 282.9 292.4
8 DCAF 26.7 53.2 75.1 113.8 135.2 161.7 176.4 194 216.2 233.1 246.3 260.2 271.6 280 292.4
9 DCAF 26.6 52 72.7 107.9 130 156.2 173 188.7 209.8 230.3 239.7 251.7 260.7 261.1 276.8
10 DCAF 28.8 57.4 82.1 119.1 142.9 169.9 192.2 208.5 232.3 256.7 268.5 285 298.5 304.3 314.7
1 DESN 39.4 71.4 104 122.4 168.1 200.8 247.1 233.1 256.3 280.1 287.6 292 302 312.2 318.2
2 DESN 38.3 74.5 105.9 123.3 179.4 211.2 259 244.1 256.3 261.8 269.9 279.3 296.6 304 313.2
3 DESN 37.9 72.4 105.2 124.6 173.6 201.2 242.1 233.1 254.9 257.2 272.8 281 296.1 305.1 312.9
4 DESN 36 71.6 105.9 122.6 173.2 205.5 251.2 237.3 260.3 271.8 286 290 306 309.3 321.7
5 DESN 33.1 55.7 82.4 103.3 153.8 181.5 229 213.2 228.1 236.3 247.4 260 270 280 279
6 DESN 32.3 53.3 80.3 104.5 147.9 176.1 216.2 210.6 228.3 234.6 250.4 253.5 269.2 277.2 278.8
7 DESN 31.7 48.5 80.9 102.4 151.5 180.4 215.9 212.6 231 241.2 257.8 264 276 286.9 290.4
8 DESN 35.5 57.2 86.3 107.8 155.4 183.8 230.5 219.2 236.1 247.8 258.3 265.5 280.5 292 285.3
9 DESN 33.5 55.2 80.3 102.1 150.4 178.3 220.5 212.4 228.9 238.9 249.4 257 268 277.6 283.8
10 DESN 31.8 46.8 83.4 109.1 144.3 172.3 198.8 213.6 230 244.8 265.6 274 281.7 288.3 295.8
1 DREC 30 43.4 84.6 106.9 142.4 170 223.7 261.8 299 321.5 346.1 361.5 378.3 387.3 395
2 DREC 32.9 43.9 80 107 143.5 176.7 218.9 249 281.5 316.6 340.9 353.9 359.3 377 380
3 DREC 32 44.2 79.2 105.5 137.6 163 203.8 247.5 276.3 315.9 336.3 355.1 366.9 372.3 382.1
4 DREC 30.5 45.6 82.8 104.2 138.2 165.4 206.6 238 268.5 322.3 316.3 331 345.2 357.6 371.2
5 DREC 30.6 44.2 83.1 107.1 146 170.8 216.6 253.9 286.3 320.4 351.4 371.9 400 410.6 424.8
6 DREC 29.1 43.8 78.5 104.6 139.5 167 210 235.8 264.3 283.4 304.2 314.6 335 341.6 344.3
7 DREC 29 43.9 81.7 104.2 140.4 174 223 266.7 304.6 347.6 371.7 387.6 399.3 416.5 415.5
8 DREC 33.8 50.7 89.1 109.5 148.4 179 232.4 269.3 303.5 339.6 370.2 375.5 393.5 406 413.2
9 DREC 31.7 49.1 89.7 109.8 143.7 171.5 225.8 271.5 299.7 322.1 355 367.6 393.1 407.6 423.2
10 DREC 33.4 48 83.7 101.4 137 165.7 208.7 251.6 292.6 315.3 347.6 360.1 377 384.5 390.1
1 DRECAF 29.8 50.2 80 101.8 127.6 152 196.2 236.5 272.2 291.5 322.6 336.7 345.4 365 368.2
2 DRECAF 29.3 50.1 85.6 106.6 136 164 225.3 272 312.5 349.5 372.5 394.5 411.6 424.2 441.9
3 DRECAF 30.4 47.8 84 103.6 130.8 156.7 212.3 253.5 290 319.6 338.9 357.6 377 381 398
4 DRECAF 27.4 43.2 73.7 102.6 129.4 155.7 219.9 253.6 285.3 304.2 330 342.1 355.2 367 373.8
5 DRECAF 30 49.1 83.8 104.7 132.8 159.1 207.5 260 262.2 326.8 353.2 359.1 351.3 377 390.5
6 DRECAF 30 45.6 78.5 102.4 128 155.2 197.2 234 304.1 283.1 307.7 318.5 337.1 347.5 362.2
7 DRECAF 26.2 44.1 76.6 97.1 126.8 151.8 206.6 246 275.6 305.5 332.8 341.4 357 363.5 368.6
8 DRECAF 33 44.8 79.5 103.6 132 158.5 221.1 282 320.6 350.3 396.3 411.2 435.7 444.5 450.6
9 DRECAF 30.2 43.6 75.6 97.9 126.3 148.1 188.2 202 218.4 225.3 230.2 242.5 252.9 255.7 255.4
10 DRECAF 31 45.7 80 101.4 131.1 150.8 207.2 247.5 290.3 315 345 360.6 367.8 386.7 391.8
1 NCAF 47.8 100.7 155.3 182.2 251 286 318 343.4 363 373.2 388.1 393.1 404.8 419.9 420.2
2 NCAF 52.9 94.6 147.2 170.4 236.5 279.7 313 336.6 354 364 377.2 379 390.1 395.6 390.1
3 NCAF 55.1 108.2 168.2 197.4 270.5 328.4 361 390.7 409 425.6 442.6 455 475.3 477.1 468.5
4 NCAF 46.1 94.1 148.5 175.3 245.6 287 316.5 344 364.2 370.5 379.4 378.3 400.2 399.6 396.3
5 NCAF 43.3 86.7 144.2 175 249.1 294.6 328.4 356.9 382.6 351.3 403.5 410.5 427.2 442.9 430.5
6 NCAF 48.3 90.1 148.2 177.4 258.3 310 345.5 370.7 404.1 413.8 433 441.7 456.5 477.6 482
7 NCAF 48 102.2 155.8 176.6 250.1 298.9 332.8 349.6 372 382.1 395 402.5 414.2 425 430
8 NCAF 58 111.8 166.2 193.6 268.9 309.1 343 367.6 396 410.2 430 443 457.5 469.1 481.3
9 NCAF 31.2 57.2 94 129.5 179.9 225.4 266 287 311.5 329.6 349.6 361.1 371.3 390.1 397.8
10 NCAF 32.4 57.5 91.7 133.3 180.4 220 260 279.3 309.2 329.4 345.3 360.3 371.9 392.6 395.3
1 NORM 50.4 107.6 170.4 199.5 284.8 347 372 400.3 430.9 451.8 469 480 488.4 488.5 480.1
2 NORM 45 100 161.6 194.4 275.4 343 370.1 395.7 426.2 445.1 472 482 483.5 498.5 492.4
3 NORM 58.2 112.9 172.6 199.8 282.6 337 368.1 393.1 415.9 432.7 447.2 450.5 472.2 470.3 456.5
4 NORM 62 124.5 188.3 223.8 300.5 357 397.5 415 452.5 463.3 490.1 496 504 500.3 498.2
5 NORM 51.7 113.4 171.8 207.6 295 359 384.2 424.6 452.3 477.8 504 512 534.4 553.1 545
6 NORM 59.8 111.3 167.1 188.6 266.1 320.9 346.2 370.3 404.8 421.2 442.8 452 560.9 470.8 363.5
7 NORM 59.8 113.1 176 208.2 290.4 346.2 373.7 410.1 432 442 460.1 478 483 486.8 494
8 NORM 43.6 86.4 123.6 170.9 228 274.5 314.5 346.6 379.1 406.8 423.5 431.3 443.4 453.7 466.9
9 NORM 44.2 90 139.2 184 238 281.2 318.2 343 381.8 404.8 420.3 431.7 440.1 414.6 445.5
10 NORM 48.1 92.8 141.3 186.5 240 286.7 324.8 354 380.3 408.1 429 436.7 442.5 443.9 451
 36

Na FIGURA 1, o diagrama box-plot mostra que a maioria dos pesos estão

concentrados na parte inferior do gráfico, o que pode ser confirmado pois a mediana ficou
abaixo do valor central. Este comportamento indica que a distribuição do peso dos ratos é,
ligeiramente, assimétrica.

FIGURA 1: Box-plot dos pesos.

O QUADRO 2 mostra uma análise descritiva destes dados, onde se verifica

que aqueles referentes ao peso são inferiores ao valor central, com variâncias não
homogêneas e correlação entre as médias dos pesos ao longo das semanas, ou seja, são
levados em consideração todos os pesos dos sessenta animais ao longo de toda a vida (18
semanas).
O valor mínimo no quadro é 25,2g, o valor máximo é 560,9g, o 1o Quartil é
 37

140,3 e o 3o Quartil é 350,6, a mediana é 251,7 e a média é 246,6.

QUADRO 4: Quadro da análise descritiva

Rato Grupo semana Peso
1: 90 DCAF: 150 4: 60 Min: 25,2
2: 90 DESN: 150 5: 60 1o Quartil:140,3
3: 90 DREC: 150 6: 60 Mediana: 251,7
4: 90 DRECAF: 150 7: 60 Média : 246,6
5: 90 NCAF: 150 8: 60 3o Quartil:350,6
6: 90 NORM: 150 9: 60 Max: 560,9
[1] 129.1238

A FIGURA 2 mostra que as distribuições dos pesos não demonstram

diferenças longínquas entre os animais, na décima oitava semana. Esse gráfico também
demonstra uma maior quantidade de animais pesando de 350 a 500 gramas na décima
oitava semana. Isso ocorre porque há quatro grupos de animais (DREC, DRECAF, NCAF,
NORM) que são alimentados com comida a vontade. Por comerem mais, esses animais,
apresentam um peso maior. E dois grupos de animais (DCAF, DESN) com alimentação
restrita, e por sofrerem restrição alimentar esses animais pesam menos. Como todos os
grupos têm o mesmo número de animais, temos o dobro de animais com maior peso o que
confirma as informações do gráfico.
 38

FIGURA 2: Histograma do peso em gramas desses animais em função do número de ratos

(freqüência absoluta).

A análise de variância univariada de perfis é fundamentada na suposição de

que a resposta (peso) obedece a uma distribuição normal. Para verificar se esta suposição
está sendo obedecida utilizamos o gráfico de probabilidade normal (Normal Q-Q plot)
conforme apresentado na FIGURA 3. A FIGURA 3 mostra que os pesos não estão
distribuídos em torno de uma reta com inclinação de 45 graus e, portanto, a distribuição
dos pesos não pode ser considerada como tendo uma distribuição normal. Este resultado já
havia sido verificado pelas FIGURAS 1 e 2. Isso tende a indicar que quando misturamos
todos os animais de todos os grupos e os pesos de todos esses animais na diferentes
idades, teremos diferenças estatísticas.
 39

FIGURA 3: Q-Q plot da distribuição teórica (normal) em relação à distribuição da amostra.

A FIGURA 4 mostra o desenvolvimento dos ratos no decorrer das semanas, e

apresenta valores centrais bem diferenciados. O que explicita o desenvolvimento
significativo dos animais no decorrer das semanas, como era de se esperar, pois esses
animais estão sendo avaliados na fase de crescimento e, portanto vão apresentar um
aumento de peso e tamanho, o que é natural.
 40

FIGURA 4: Box-plots das semanas em relação ao peso.

Na FIGURA 5 os grupos DCAF, DESN, DREC e DRECAF possuem medianas

aproximadas o que tem uma tendência a indicar que estes grupos não apresentam
diferenças significativas. Já os NCAF e NORM apresentam medianas que estão um pouco
mais distantes, isso pode vir a indicar que há uma diferença significativa.
Quando comparamos individualmente os grupos DCAF e DESN parece que
não há diferença significativa, suas medianas e seus quartiis estão bem próximos. O
mesmo acontece com os grupos DREC e DRECAF. Já nos grupos NCAF e NORM suas
medianas e seus quartiis apresenta distâncias distintas entre si podendo indicar diferenças
significativas.
 41

FIGURA 5: Box-plots dos grupos em relação ao peso.

Na FIGURA 6 percebe-se o desenvolvimento dos grupos (DCAF, DESN,
DREC, DRECAF, NCAF e NORM) no decorrer das semanas. Temos grupos bem
próximos em seu desenvolvimento e outros bem longínquos, ficando assim bem visível
diferença significativa entre pelo menos dois grupos. DCAF e DESN estão próximos,
assim com DREC e DRECAF o que é justificável, pois os animais desses grupos quando
comparados em pares, respectivamente, receberam tratamentos semelhantes. Quando
comparados os grupos NORM e NCAF percebe-se que esses grupos estão mais distantes,
isso tende a indicar que quando os animais recebem tratamento normal parece que o
consumo de café pode levar a um menor ganho de peso, isto é, quando são alimentados de
forma adequada, sem sofrer nenhuma outra interferência que possa prejudicar o
desenvolvimento, nesse caso a desnutrição. Essa análise confirma a mesma tendência
obtida na FIGURA 5.
 42

500

grupo

NORM
400

NCAF
DREC
DRECAF
DESN
300
Peso médio

DCAF
200
100

4 5 6 7 8 9 11 13 15 17

Semana

FIGURA 6: Perfil de peso médio dos ratos, por grupo, no decorrer das semanas.

Na FIGURA 7 é apresentada a distribuição dos pesos dos ratos separados por

semanas. Quando observamos estes pesos separadamente percebem-se diferenças
significativas entre pelo menos duas semanas, o que é mais que esperado já que os
animais estão em fase de crescimento, e apresentam pesos maiores a cada semana que se
passa e vão ficando maiores e mais velhos.
 43

FIGURA 7: Perfil de peso médio dos ratos, por grupo e semanas.

Com os perfis não são paralelos existe interação significativa, no efeito do
tempo é nulo dentro de cada um dos tratamentos ou no efeito de tratamento é nulo dentro
de cada um dos tempos.
Para isto teremos de fazermos a análise de variância.

5.2 Análise de Variância

A análise de variância parte da suposição que a variável dependente (peso)

tenha distribuição normal. A análise exploratória anterior mostrou que a distribuição de
peso não é normal. Entretanto, sabe-se (MOORE, 2000) que a análise de variância é,
 44

relativamente, robusta quando a distribuição não é fortemente assimétrica, sendo isso que
pode-se observar nos nossos dados de peso. Assim, a análise de variância poderia ser
aplicada em nossos dados.
A análise de variância (QUADRO 3) mostra que a hipótese é rejeitada por
haver regressão, isto é, o modelo é significativo a um nível de significância de 0,05. O
valor crítico na distribuição F, com 14 e 126 graus de liberdade, é aproximadamente 2,10.
Uma vez que F = 3307.4> Fs ≅ 2,10, ou uma vez que o valor p = 0,0000 < 0,05, rejeita-se
H0 e conclui-se que pelo menos uma das variáveis explanatórias está relacionada com
valor venal, conforme o quadro abaixo.

QUADRO 5: Análise de variância (rato: semana)

GL SQ Qm F Pr(>F)
Semana 14 11399489 814249 3307.4 2.2e-16
Erro 126 31020 246

Torna-se assim confiável que há diferença significativa entre uma ou mais

semanas no decorrer o estudo. O que era mais que esperado já que os animais estavam em
fase de crescimento.
A próxima análise de variância (QUADRO 4) mostra que a hipótese é rejeitada
por haver regressão, isto é, o modelo é significativo a um nível de significância de 0,05. O
valor crítico na distribuição F, com 5, 70 e 675 graus de liberdade, é aproximadamente
2,10. Uma vez que F = 1013.400> Fs ≅ 2,10 e F = 16.011> Fs ≅ 2,10 ou uma vez que o
valor p = 0,0000 < 0,05, rejeita-se H0 e conclui-se que pelo menos uma das variáveis
explanatórias está relacionada com valor venal, conforme o quadro abaixo.

QUADRO 6: Análise de variância (dentro)

GL SQ Qm F Pr(>F)
Grupo 5 2563527 512705 1013.400 2.2e-16
grupo: semana 70 567015 8100 16.011 2.2e-16
Erro 675 341500 506

Com um erro menor que 0,05 existe diferença significativa entre pelo menos
dois grupos. Há diferença significativa quando se faz análise entre grupo e semanas.
 45

6 CONCLUSÕES

Para o nosso modelo, a análise univariada dos perfis resultou em interação

significativa entre pelo menos dois grupos (DCAF, DESN, DREC, DRECAF, NCAF e
NORM.) e diferença significativa entre pelo menos duas das semanas. As análises em
todo o trabalho apóiam os resultados destas diferenças significativas. Somente observou-
se diferença significativa entre as semanas, entre grupos de modo geral e grupos e
semanas correspondendo a perfis não horizontais.
Com as análises realizadas é possível ainda dizer que os tratamentos (restrição
alimentar, restrição e posterior recuperação e alimentação adequada) tendem a influenciar
o peso dos animais. E ainda que o consumo de café isoladamente sem, sem nenhuma outra
interferência parece ter uma tendência a diminuir o ganho de peso.
Para que todas essas hipóteses sejam confirmadas é necessário um estudo mais
aprofundado da influência do café sobre o ganho de peso dos animais e, principalmente,
é necessário que sejam realizados testes específicos (ex. circularidade) para que possam
ser confirmadas as diferenças estatísticas detectadas.
 46

REFERÊNCIAS BIBLIOGRÁFICAS

ABIC ( Associação Brasileira das Indústrias de Café). Disponível em:

<http://www.abic.com.br>. . Acesso em 21 março. 2008.

ABREU, R.V. O sistema de biotransformação hepático, induzido pela desnutrição e

pelo paracetamol, é modulado pela ingestão de café. Dissertação de Mestrado Belo
Horizonte: Faculdade de Farmácia, UFMG. Belo Horizonte,MG, 2005.

ALGINA, J.; KESELMAN, H.J. Detecting repeated measures effects with

univariate and multivariate statistics. Psychological Methods, v.2, p.208-218,
1997.

ANJO, D. L. C. Alimentos funcionais em angiologia e cirurgia vascular. Jornal

Vascular Brasileiro. v.3, p. 145- 154, 2004.

ARNOLD, S. F. The Theory of Linear Models and Multivariate Analysis. Wiley,

475p, 1981.

ASCHERIO, A.et al. Prospective study of caffeine consumption and risk of

Parkinson's disease in men and women. Annals of Neurology, v.50, p.56-63, 2001.

BARBOSA, W. M. Efeito da ingestão de café sobre a liberação de glutamato

sinaptossomal, estimulada por toxina escorpiônica, em ratos,. Dissertação de
mestrado, Faculdade de Farmácia UFMG. Belo Horizonte, MG, 2007

BENEDETTI, M.D et al. Smoking alcohol, and coffee consumption preceding

Parkinson's disease: a case-control study. Neurology, v.55, p,1350-1358, 2000.

BONILLA, F.H. Comparação entre El analisis de parcelas divididas y El motodo de

analisis de perfil. Dissertação de mestrado, Escuela Nacional de Agricultura de
Chapingo. Chapingo, México, 1974.

BOX, G. E. P. Problems in the analysis of growth and wer curves. Biometrics. v.

6, p. 362-89, 1950

BOX, G.E.P. Some theorems on quadratic forms applied in the study of analysis
of variance problems. I: effects of inequality of variance and of correlation
between errors in the two-way classification. The Annals of Mathematical
Statistics, v.25, p.484-498, 1954b.

BOX, G.E.P. Some theorems on quadratic forms applied in the study of analysis
of variance problems. I: effects of inequality of variance in the one-way
classification. The Annals of Mathematical Statistics, v.25, p.290-302, 1954a.

CARVALHO, G.G.P. et al. Comportamento ingestivo de cabras leiteiras alimentadas

com farelo de cacau ou torta de dendê. Pesquisa Agropecuária Brasileira , v.39,
p.919-925, 2004.

CASTIGLIA, P. T. Protein-energy malnutrition (Kwashiorkor and marasmus).

Journal Pediatric Health Care, v.10, p.28-30, 1996.
 47

CLARKE, R.J. ; MACRAE, R.(Ed.) Coffee: chemistry. 2. ed . New York: Elsevier,

305 p., 1989.

COLE, J.W.L. ; GRIZZLE, J.E.. Applications of multivariate analysis of variance

to repeated measurements experiments. Biometrics, v.22, p.810-828, 1966.

CROWDER, M.J. ; HAND, D.J. Analysis of repeated measures. London: Chapman;

Hall, 256p, 1990.

DANFORD, M. B.; HUGHES, H. M.; MCNEE, R. C.. On the analysis of repeated

measurements experiments. Biometrics, v.16, p.547-665, 1960.

DE ANGELIS, R. C.. Novos conceitos em nutrição: reflexões a respeito do elo

dieta e saúde. Arquivos de Gastroenterologia, v.38, p.269-271, 2001.

DIGGLE, P.J. .An approach to the analysis of repeated measurements. Biometrics,

v.44, p.959-971, 1988.

GEISSER, S. ; GREENHOUSE, S.W. An extension of Box's results on the use of

the F distribution in multivariate analysis. The annals of Mathematical Statistics ,
v.29, p.885-891, 1958.

GEISSER, S.. Multivariate analysis of variance for a special covariance case.

Journal of the American Statistical Association, v.58, p.660-669, 1963.

GIRDEN, E.R.. ANOVA: Repeated measures. Newbury Park: Sage , (Sage

university paper series on qualitative applications in the social sciences, 84p),
1992.

GOMES, G.B.. Efeito do café sobre o sistema de biotransformação hepatico de ratos.

durante o crescimento e desenvolvimento. Dissertação de Mestrado Faculdade de
Farmácia, UFMG. Belo Horizonte, MG, 2004.

GREENHOUSE, S. W. ; GEISSER, S.. On methods in the analysis of profile data.

Psychometrika, v.24, p.95-112, 1959.

HOWELL, D.C.. Statistical methods for psychology . 5.ed., Belmont: Duxberry

Press, 2002.

HUGLES, H. M.; DANFORD, M. B.. Repeated measurement designs, assuming equal

variances and covariances. School of Aviation Medicine Report, p.59-40, 1958.

HUYNH, H.; FELDT, L.S.. Conditions under which mean square rations in
repeated measurements designs have exact F-distributions. Journal of the
American Statistical Association , v.65, p.1582-1589, 1970.

HUYNH, H.; FELDT, L.S.. Estimation of the box correction for degrees of
freedom from sample data in randomised block and split-plot designs. Journal of
Educations Statistics , v.1, p.69-82, 1976.

ICO ( International Coffee Organization) . <http://www.ico.org> . . Acesso em 21

fevereio. 2008.
 48

IEMMA, A. F.; CAMPOS, H.. Ensaios com Parcelas Subdivididas: Resultados

Básicos. Revista de Agricultura, v.57, p.203-211, 1982.

IEMMA, A. F. Testes de hipóteses nos experimentos com parcelas subdivididas em

blocos incompletos balanceados. Desarrollo Rural En las Americas. V.15, p.143-
151. 1983.

IEMMA, A. F. Análise de experimentos em parcelas subdivididas com tratamentos

principais dispostos em blocos incompletos balanceados. Tese de Doutorado, Escola
Superior de Agricultura "Luiz de Queiroz", Universidade de São Paulo.
Piracicaba,SP, 1981.

IHAKA, R ; GENTLEMAN, R. R.. A Language for Data Analysis and Graphics.

Journal of Computational and Graphical Statistics . v. 5, p.299- 314, 1996.

KELLER, E.A.; MUNARO, N.I. ; ORSINGHER, O.A.. Perinatal undernutrition

reduces alpha and beta adrenergic receptor binding in adult rat brain, Science,
v.215, p.1269-1270, 1982.

LEAL, M. L. S.. Análise de Dados de Experimentos com Medidas repetidas.

Dissertação de Mestrado, UNB, Brasília,DF, 1979.

LITTLE, T. M.; HILLS, F. J.. Statistical Methods in Agricultural Research.

Agricultural Extension, University of California, 1972.

MAXWELL, S.E.; DELANEY. Designing experiments and analyzing data.

Belmont: Wadsworth, 1990.

MCELORY, F.W.. A necessary and sufficient condition that ordinary least

squares estimators are best linear unbiased, Journal of the American Statistical
Association, v.62, p.1302- 1304, 1967.

MOORE, D. S. A estatística básica e sua pratica . Traduzido por Alfredo Alves

de Farias. Rio de Janeiro: Livros Técnicos e Científicos, 2000.

MORRISON, D.F. - Multivariate statistical methods. San Francisco, McGraw-Hill,

1967.

MULLER, K.E.; BARTON, C.N.. Approximate power for repeated-measures

ANOVA lacking sphericity. Journal of the American Statistical Association , v.84,
n.406, p.549-555, 1989.

NEHLIG, A. .Are we dependent upon coffee and caffeine? A review on human

and animal data. Neuroscience Biobehavioral Reviews, v.23, p.563-576, 1999.

NUNES, M.L. et al. Effects of early. malnutrition and nutritional rehabilitation in

rats. Journal of Pedriatrics, v.78, p.39-44 , 2002.

PAOLINELLI, S. T. Ação da cúrcuma com alimento funcional sobre o sistema de

biotransformação de xenobióticos induzidos pela desnutrição. Dissertação de
Mestrado. Faculdade de Farmácia, UFMG. 2002.
 49

PEARCE, S.C. Field experimentation with fruit trees and other perennial plants.
Tech. Com. 23, Commonwealth Bureau. Hort. Pltn. Crops., p.48, 1953.

PEDROSA, M.L. et al. Neuronal protein biosynthesis by neonatally malnourished

and nutritionally recovered rats, Brazilian Journal of Medical and Biological
Research , v.20, p.331-338, 1987.

ROSS G.W. et al. Association of coffee and caffeine intake with the risk of
Parkinson disease. JAMA, v.283, p.2674-2779, 2000.

RYAN, L.; HATFIELD, C.; HOFSTTER, M. Caffeine reduces time-of-day effects

on. memory performance in older adults. American. Psychological. Assiciation,
v.13, n. 1, p., 2002.

SALDAÑA, M D. A.; MAZZAFERA, P ; MOHAMED, R. S.. Extração dos

alcalóides: cafeína e trigonelina dos grãos de café com CO2 supercrítico. Ciência
Tecnologia de Alimentos, v.17, p.371-376,1997.

SANTOS-MONTEIRO, J.; et al. Psychosocial stimulation and brain plasticity in

malnourished individuals. Revista Brasileira de Saúde Materno Infantil, v.2, p. 15-
22, 2002.

SILVA, J. G. C., Análise de Realizações Simultâneas de Séries de Tempo Dispostas

Segundo um Delineamento Experimental.Tese de Professor Titular, Universide
Federal de Pelotas, 1979.

SMITH, A. et al. Caffeine and central. noradrenaline: effects on mood, cognitive

performance, eye movements and cardiovascular function. Journal of
Psychopharmacology , v.17, p.283-292, 2003.

SNEDECOR, G. M. ; COCHRAN W. G., Statistical Methods. The Iowa State

College Press, 534p, 1957.

STEEL, R.G.D ; TORRIE, J.H. Principles and procedures of statistics. New York,
McGraw-Hill Book, 481p, l960.

STEVENS, J. Applied multivariate statistics for the social sciences . 2.ed.,

Hillsdale: LEA, 1992.

STEVENS, W. L. Análise estatística do ensaio de variedades de café. Bragantia,

Campinas, v. 9, p.103-123, 1949.

VITORINO, M. D. et al. Metodologia de obtenção de extrato de café visando a

dosagem de compostos não voláteis. Revista Brasileira de Armazenamento. V.
Especial café (3), p.17-24, 2001.

VON ENDE, C.N. Repeated-measures analysis: growth and other time- dependent
measures. In: SCHEINER, S.M. ; GUREVITCH, J. (Eds) Design and analysis of
ecological experiments. New York: Chapman ; Hall, p.113-137, 1993.

WAITZBERG, D. L. Nutrição oral, enteral e parenteral na prática clínica. 3.ed. São

Paulo: Atheneu. v.1, 2000.
 50

WATERLOW, J. C. Protein-Energy Malnutrition. London, Edward Arnold, 1992.

WHO (World Health Organization), Administrative Committee on Coordination

(ACC), Standing Committee on Nutrition (SCN). Nutrition through life, 4. th.
Report on the world. nutrition situation. Geneva: ACC/SCN/WHO; 2000.

WILKS, S. S.. Sample Criteria for Testing Equality of Means, Equality of

Variances, and Equality of Covariances in a Normal Multivariate Distribution.
The Annals of Mathematical Statistics , v.17, p.257-281, 1946.

WINICK, M.; NOBLE, A. Cellular response in rats during malnutrition at various

ages, Journal of Nutrition, v.89, p.300-306, 1966.

WISHAT, J.Growth-Rate Determinations in Nutricion Studies with the Bacon

Ping, and Their Analysis. Biometrika, v.30, p.16-28, 1938.

YANAGIMOTO, K. et al.Antioxidative activities of fractions obtained from

brewed coffee. Journal of Agricultural and Food Chemistry, v. 52, p.592-596,
2004.
 51

ANEXO

Comandos em R

> café
> summary(anava)
>shapiro.test(cafe$peso(cafe$semana==18))
>data: cafe$peso(cafe$semana == 18)
> qqline(cafe$peso(cafe$semana==18))
> help(qqnorm)
> shapiro.wilk(cafe$peso(cafe$semana==18))
> qqnorm(cafe$peso(cafe$semana==4))
> qqnorm(cafe$peso(cafe$semana==1))
> qqnorm(cafe$peso(cafe$semana==13))
> abline(qqnorm(cafe$peso(cafe$semana==13)))
> qqnorm(cafe$peso(cafe$semana==13))
> hist(cafe$peso(cafe$semana==13))
> boxplot(cafe$peso~cafe$semana, col="red")
> qqnorm(cafe$peso)
> boxplot(cafe$peso~cafe$semana)
> boxplot(cafe$peso~cafe$grupo)
> interaction.plot(cafe$grupo, factor(cafe$semana), cafe$peso, ylab="Peso
médio",xlab="Grupo",trace.label="semana")
> summary(anava)
> help(interaction.plot)
> anava<-aov(peso~grupo*semana+Error(rato/semana),data=cafe)
> interaction.plot(cafe$rato, factor(cafe$semana), cafe$peso, ylab="Peso
médio",xlab="Grupo",trace.label="semana")
> interaction.plot(cafe$grupo, factor(cafe$semana), cafe$peso, ylab="Peso
médio",xlab="Grupo",trace.label="semana")
> interaction.plot(cafe$semana, factor(cafe$grupo), cafe$peso, ylab="Peso
médio",xlab="Semana",trace.label="grupo")
> anava<-aov(peso~grupo*semana+Error(rato/semana),data=cafe)
> cafe(1,)
>qqnorm(cafe$peso(cafe$grupo))
> summary(cafe)
>hist(cafe$peso,xlab="peso (em gramas)",ylab="frequência absoluta", main="")
>hist(cafe$peso(cafe$grupo))
>boxplot(cafe$peso~cafe$semana,xlab="semanas",ylab="peso (em gramas)")
>(cafe$semana==18),xlab="peso (em gramas)",ylab="frequência absoluta", main="")
>qqnorm(cafe$peso,xlab="distribuição teórica",ylab="distribuição da amostra", main="")
> boxplot(cafe$peso,xlab="animais",ylab="peso (em gramas)")