Escolar Documentos
Profissional Documentos
Cultura Documentos
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
Três Corações
2009
SILVANA ARAÚJO AMARAL DA SILVA
Orientador
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.
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
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
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.
ABSTRACT
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.
1 INTRODUÇÃO
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
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
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
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.
3.1.3 Desnutrição
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).
de dados, contudo na maioria das vezes não discutem os conhecimento especulativos dos
resultados.
y = µ +ε +δ
ti ti t i (4.1)
onde,
μ ti é valor esperado de y.
zero.
com variância σ 20 . Com esse argumento, afirma que as observações de uma mesma
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.
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)
Assim,
para
tendo:
µ é uma constante comum(média geral) a todas as observações;
ao i-ésimo tratamento);
γk é o efeito do k-ésimo tempo;
(
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
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:
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
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)
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:
Tendo um modelo misto, sob uniformidade GILL (1978) sugere que tome:
tratamentos;
se for usado o modelo misto, e apresenta teste exato apenas para tratamentos.
Podem
[
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
∑
2 1
σ = y ij − y . j
kp − 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)
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
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.
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
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
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 .
4.3 Softwares
5 RESULTADOS E DISCUSSÃO
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
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.
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.
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
REFERÊNCIAS BIBLIOGRÁFICAS
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.
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.
PEARCE, S.C. Field experimentation with fruit trees and other perennial plants.
Tech. Com. 23, Commonwealth Bureau. Hort. Pltn. Crops., p.48, 1953.
ROSS G.W. et al. Association of coffee and caffeine intake with the risk of
Parkinson disease. JAMA, v.283, p.2674-2779, 2000.
STEEL, R.G.D ; TORRIE, J.H. Principles and procedures of statistics. New York,
McGraw-Hill Book, 481p, l960.
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.
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)")